Meta 最小的模型 Muse Ember 来了:100 万上下文、每百万输入 0.1 美元,专干 Agent 的重复活
11 月 9 日,Meta 发布了 Muse 家族最小的模型 Ember:每百万输入 0.1 美元、100 万上下文、单次输出 512K token,智能指数 36 分追平 Haiku 5.5,每任务成本却只有对方的三分之一。它不解决模型够不够聪明的问题,它解决 Agent 干重复活贵不贵的问题。

Meta 最小的模型来了,干的是最重复的活
11 月 9 日,Meta 在官方研究博客上发布了 Muse Ember,定位写得非常直白:这是 Muse 家族里最小、最高效的模型,专门干 Agent 每天重复几百次的那种活——调工具、读文件、跑测试、做小幅修复、做路由、抽信息、解析长文档。模型名是 muse-ember-1.0,发布当天就能在 Muse Code 和 Meta Model API 上用,定价是每百万输入 token 0.10 美元、缓存输入每百万 0.004 美元、每百万输出 token 0.50 美元;上下文窗口 100 万 token,单次最多输出 512K token。Meta 还特意点了一句:Ember 是第一个用 Muse Wonder Full 训练出来的模型——大模型负责规划,小模型负责把量干完,这个分工就此定型。

价格要先摆出来,因为这就是 Ember 存在的全部理由。单看定价表,Ember 跟两个直接对手一模一样:Anthropic 的 Claude Haiku 5.5 和 OpenAI 的 GPT-6 Luna,都是每百万输入 0.10 美元、每百万输出 0.50 美元。但 Meta 随文贴出的 Artificial Analysis 评测(11 月 9 日)说,Ember 跑到最高推理档位时,智能指数 36 分,跟 Haiku 5.5 最高档持平,比 Luna 的 28 分高出一截;而每个任务的平均成本,Ember 是 0.14 美元,Haiku 5.5 是 0.41 美元,自家的 Muse Spark 1.3 是 2.39 美元。换句话说,Ember 用大约三分之一的钱,拿到了 Haiku 最好档位的分数。Meta 的原话是:整条 Artificial Analysis 排行榜上,没有哪个模型能以更低的单任务成本拿到更高的分数——Ember 站在效率前沿上。
基准表要一行一行看,别只看总分。Agent 类任务里,Ember 在 AutomationBench(端到端业务流程)上拿了 37.8 分,对手 Haiku 5.5 是 13.9 分、Luna 是 20.2 分,差距拉得很大;“Agents' Last Exam”(端到端 Agent 任务)61.6 分,对 Haiku 的 57.0 分和 Luna 的 57.1 分,小胜;Meta 自家的个人智能综合指数 46.8 分,对 36.1 分和 37.0 分。编码类,Terminal-Bench 4.0(Agent 终端编码)40.9 分,对 Haiku 的 39.2 分和 Luna 的 16.4 分;Coding Agent Index(真实 Agent 框架里的编码)46 分,对 37 分和 31 分。但 Ember 也有输的地方:FrontierCode 2.0(按可合并性评判的真实工程任务)27.2 分,输给了 Haiku 5.5 的 34.9 分,只赢了 Luna 的 25.2 分。多模态里,GDP.pdf(长文档专业任务)22.8 分,跟 Haiku 持平;OSWorld 2.1(跨桌面应用的电脑操作)部分得分 69.5 分、二值得分 33.8 分,两项都领先;PerceptionBench(带工具的细粒度视觉感知)80.6 分,对 78.6 分和 62.8 分。
编码是 Ember 的主战场,Meta 在这部分的措辞很具体:它不是让你拿它去啃最难的架构题的,而是接 Agent 在一次会话里派发几百次的编码子任务——读文件、跑测试、做定向修复。Terminal-Bench 4.0 的 40.9 分和 Coding Agent Index 的 46 分,支撑的就是这个说法:单次任务不难,但量大、要稳、要便宜。最难的问题,Meta 的建议是跟 Muse Wonder 搭配用:Wonder 做规划,Ember 处理执行量。这句话也点明了 Ember 在产品线里的位置:Wonder 负责最难的问题,Spark 负责编码与 Agent 工作流,Ember 负责可重复的编码与 Agent 任务,而且便宜到可以塞进每一个产品里。
多模态是 Ember 容易被低估的一面。它原生理解文本、图像、音频和视频,不用再为每种输入接一个专门的模型:Agent 可以直接读截图、图表和扫描件,也可以拿语音备忘录、会议录音和视频当输入。Meta 举的用法包括:通读一份很长的真实文档、直接看截图操作电脑、从画面里抠出细小的视觉细节。配合 100 万 token 的上下文,Ember 可以一次吃进整个代码库或一整套文档再干活;512K 的输出上限,则是给长文档解析和批量处理留的余地。对 vibe coder 来说,这意味着同一个人可以用同一种调用方式,让 Agent 去读报错截图、翻会议纪要、批量处理一堆文件,而不用在中间换模型。
安全、价格与可用性:小模型也过了同一套安检
安全那一段,Meta 没有因为 Ember 是小模型就放水。发布前,Ember 按 Meta 超级智能扩展框架(Meta Superintelligence Scaling Framework)做了评估,覆盖化学与生物、网络安全、失控风险,结论是在所评估的类别里都低于框架的高风险阈值;核心安全训练与测试跟大模型是同一套。Meta 还单独测了 Ember 替用户办事时的行为:是否尊重用户意图、是否恰当处理敏感信息、能不能顶住藏在网页、文档或工具输出里的间接指令、以及在做高影响动作之前会不会先找人确认。这几条对 Agent 场景尤其重要:Ember 每天要调几百次工具,顶不住一条藏在文档里的指令,后果比聊天机器人说错一句话严重得多。
可用性方面,Ember 上线当天就能在 Muse Code 和 Meta Model API 上用,模型名就是 muse-ember-1.0,支持 Responses API;除了 Meta 自家的渠道,Ember、Spark 和 Wonder 也都上了 Google Cloud 和 Oracle Cloud。价格再算一遍账:输入每百万 0.10 美元、缓存输入每百万 0.004 美元、输出每百万 0.50 美元。缓存价值得单拎出来说一句——Agent 的重复任务里,大量输入是重复出现的系统提示和上下文,缓存输入便宜到几乎不要钱,这正是 Ember 每任务 0.14 美元能成立的另一个原因:不光单价低,重复部分还更便宜。
对 vibe coder 来说,Ember 值不值得换
先说值得换的场景。如果你已经在用 Agent 跑批量任务——批量修 lint、批量写测试、批量抽信息、批量解析文档——Ember 的定位就是把这些调用的单价打下来。Meta 给出的 0.14 美元单任务成本,对照 Haiku 5.5 的 0.41 美元和 Spark 1.3 的 2.39 美元,差距不是百分之几,而是几倍。量越大,差价越明显:一天跑一千次重复调用,换模型省下来的钱就够再跑几千次。Muse Code 里直接能选 muse-ember-1.0,接入成本就是改一个模型名,不用换工具链,这一点对已经在用 Muse Code 的人很友好。
批量任务具体长什么样,举四个例子。第一个是批量修 lint:一个几百个文件的仓库,Agent 一次修几十个文件,每个文件都是一次调用,Ember 一天能跑上千次。第二个是批量写测试:给每个新函数补一个测试,写一个测一个,量大、形态固定。第三个是批量抽信息:从几百份文档里各抽几个字段出来,填进一张表。第四个是批量解析文档:把一堆 PDF、截图、会议纪要读一遍,提炼成摘要。这四种活的共同点是形态固定、反复出现、单次不难——正好是 Ember 的训练数据覆盖的范围,也是它每任务 0.14 美元能成立的前提。你的批量任务越像这四种,换 Ember 省得越多;越不像,越要先试再换。
再说不值得急着换的场景。Ember 不是全能模型,FrontierCode 2.0 输给 Haiku 5.5 就是提醒:真正难的工程任务,别指望小模型一次做对。正确用法是分层:规划、架构、疑难杂症继续交给 Wonder 或者你现在用的大模型;读文件、跑测试、小修小补、批量抽取这些量大管饱的活,再交给 Ember。分层做不好,省下的 token 钱会以返工时间的形式再花出去——一次修不对,Agent 循环三遍,比直接用大模型一次做对更贵。
还有三处要泼冷水。第一,基准数字全是 Meta 和 Artificial Analysis 自家口径:表上的分数是 11 月 9 日的评测,没有独立第三方的复核,Meta 自己也在文末留了“详见我们的报告”的口子,意思是细节自己去查。第二,模型的参数量没有公布,所谓“最小”只是相对说法,外界没法从参数规模上验证它到底有多小。第三,Ember 的对手定价跟它一模一样,Haiku 5.5 和 Luna 的 0.10/0.50 美元摆在那,Ember 的优势不在标价,而在“每个任务实际花的钱更少”——这个优势成立的前提,是你的任务形态跟 Artificial Analysis 的任务形态差不多;如果你的任务输出很长、缓存命中率很低,账要自己重算一遍。
跟站里已发的 Muse 系列先划清界线
这篇不是 Muse 家族的第一篇:站里 10 月 12 日发过 Muse Wonder(前沿模型,编码基准反超 Opus 5.5),10 月 15 日发过 Muse Spark Open(开源权重版),11 月 6 日发过 Muse Spaces(在助手里用一句话搭小应用)和 Wonder 训练出来的小模型系列。Ember 跟它们都不是一回事:它不是又一个前沿模型,也不是一个助手功能,而是一个新的执行层模型——产品线里第一次出现“专门干重复活”的档位。Wonder 负责最难的问题,Spark 负责编码与 Agent 工作流,Ember 负责把重复任务的成本打到每任务 0.14 美元。读的时候别把 Ember 当成 Wonder 的换代,它是来补产品线缺口的。
顺带提一句同期消息:多家媒体 11 月 10 日报道,Meta 还把 Muse 个人助手推上了 Apple Watch 和 Wear OS 手表,手机装最新版 Muse 应用就能用,语音听写或文字都能指挥它安排日程、查信息、订东西。不过这条消息来自媒体报道、不是 Meta 研究博客的原文,细节以 Meta 后续官方口径为准;它跟 Ember 是同一天前后发布的两件不同的事,别混成一件。
一美元能买多少活:把定价表换算成日常用量
定价表上的数字要换算成日常用量才有感觉。按 Meta 的标价,1 美元能买 1,000 万个输入 token——粗略换算,差不多是 750 万个英文单词的量,或者说几十万行代码的量。缓存输入更便宜:1 美元能买 2.5 亿个缓存 token。Agent 的重复任务里,大量输入是重复出现的系统提示、工具定义和对话上下文,这些内容第一次按正常价算,之后每次都按缓存价算,越跑越便宜。这就是 Ember 每任务 0.14 美元能成立的另一半原因:不光单价低,重复的部分还更便宜。
按 Artificial Analysis 的口径换算,一天跑 1,000 次重复调用,用 Ember 是 140 美元,用 Haiku 5.5 是 410 美元,用自家 Spark 1.3 是 2,390 美元。量越大,差价越明显;量越小,差价越不重要。如果你一天只调几十次,换模型省下来的钱还不够一杯咖啡;如果你一天跑几千次批量任务,省下来的钱够再跑几千次。但账不能只按标价算:输出很长、缓存命中率很低的任务,Ember 的优势会缩水——输出 token 是输入的 5 倍价,任务里输出占比越高,单任务成本越往上走。换模型之前,先拿你自己最重复的那类调用跑一周,记下单任务成本和返工率,再决定。

Wonder 训练 Ember:大模型教小模型意味着什么
Meta 在发布里特意点了一句:Ember 是第一个用 Muse Wonder Full 训练出来的模型。这句话值得单独拎出来说,因为它点明了 Meta 的产品思路:大模型负责规划,小模型负责把量干完。Wonder 是家族里最强的模型,Ember 是最小的模型,前者教后者,后者去干重复活。这种“大模型教小模型”的做法,在业内一般叫蒸馏或者教师—学生训练:大模型生成高质量的训练数据和示范,小模型照着学,最后在特定任务上接近大模型的能力,成本却低得多。Ember 的 AutomationBench 37.8 分、Coding Agent Index 46 分,某种程度上就是这套教法的成绩单。
但教法本身也有风险,而且 Meta 在发布里没细说。第一,大模型的毛病会传给小模型:Wonder 在某个任务上的系统性错误,Ember 很可能原样继承,因为它学的数据就是 Wonder 产出的数据。第二,小模型学到的是“怎么做”,不一定学到“为什么这么做”:碰上训练数据里没见过的边缘情况,Ember 比 Wonder 更容易错,而且错得更自信。第三,评价口径是 Meta 自己的:Ember 的分数是在 Meta 挑的基准上测的,换一套基准,排名未必一样。对使用者来说,这意味着一件事:Ember 适合干“形态固定、反复出现”的活,不适合干“第一次出现、没人做过”的活。前者是它的训练数据覆盖的范围,后者不是。
三家同价,怎么选
Ember、Haiku 5.5 和 Luna 的标价一模一样,都是输入每百万 0.10 美元、输出每百万 0.50 美元,选哪家不能看标价,得看任务形态。重复的 Agent 循环——批量修 lint、批量写测试、批量抽信息、批量解析文档——选 Ember,每任务 0.14 美元的成本摆在那,量越大越划算。最难的单次工程任务,FrontierCode 2.0 的分数说 Haiku 5.5 更强(34.9 分对 27.2 分),这种任务别省小钱,返工一次就把差价吃回去了。长文档和电脑操作,Ember 在 GDP.pdf 和 OSWorld 2.1 上领先,读一整套文档、照着截图操作电脑这类活,Ember 更合适。至于自家的 Spark 1.3,每任务 2.39 美元,定位是更难的编码与 Agent 工作流——Ember 干不了的活,先想想是不是该交给 Spark 或者 Wonder,而不是硬让 Ember 上。
还有一个选型维度是上下文和输出上限。Ember 的 100 万 token 上下文和 512K 输出上限,在同价位里是比较少见的:一次吃进整个代码库再干活,或者一次输出一份很长的解析结果,这种任务形态下,上下文不够的模型根本接不了,不管它单价多便宜。反过来,如果你的任务都很短、上下文几千 token 就够,这个优势对你等于零。选模型之前,先量一量自己的任务:平均输入多长、平均输出多长、缓存命中率多少、返工率多少。这四个数,比任何基准分数都更能告诉你该选谁。
真要换,迁移本身没什么成本:在 Muse Code 里把最重复的那类调用切到 muse-ember-1.0,跑一周,记下单任务成本和返工率,跟原来用的模型放一起比。返工率没涨、成本下来了,就把执行层整个切过来;返工率涨了,就切回去,或者把容易返工的那几类任务留在大模型上。切模型不是一锤子买卖,是可以来回切的:先切最重复的那一类,跑稳了再切下一类。最怕的是两种极端:一种是看完发布就把所有调用全切过去,返工一多又全切回来;另一种是永远不试,守着贵几倍的单价过日子。中间那条路最稳:一次切一类,跑一周,看数字,再决定。
产品线全图:Ember 补上的是哪一块
把 Muse 的产品线摊开看,Ember 补上的是一块以前没有的档位。最上面是 Wonder,前沿模型,负责最难的问题和规划;中间是 Spark,负责编码与 Agent 工作流;现在最下面多了一个 Ember,负责可重复的编码与 Agent 任务,而且便宜到可以塞进每一个产品里。再往外一层是 Spaces,在助手里用一句话搭小应用;再往外是 Muse Code 和 Meta Model API,模型落地的两个入口;云厂商那边,Ember、Spark 和 Wonder 三个都上了 Google Cloud 和 Oracle Cloud。Ember 的位置不在最上面,也不在最外面,它在最下面——执行层。产品线以前是“大模型干所有活”,现在是“大模型规划、小模型执行”,分工就此定型。
这个分工对 vibe coder 的实际意义是:以后选模型,先问“这活重复不重复”。重复的活走 Ember,不重复的活走 Wonder 或者 Spark;分不清的,先走 Ember,返工了再升级。Ember 的出现没有让 Wonder 和 Spark 贬值,反而让它们更值钱了——大模型不用再浪费算力去干读文件、跑测试这种重复活,可以专心干规划和疑难杂症。反过来,Ember 也不是万能的:它干不了的活,别硬让它干,升级才是正道。产品线的意义就在于此:每一档都有自己的位置,选错档位,比选错模型更贵。
最后给一句话结论:Ember 不解决“模型够不够聪明”的问题,它解决“Agent 干重复活贵不贵”的问题。对每天让 Agent 跑成百上千次小任务的人,这是一次实打实的降价;对偶尔写点代码的人,换不换模型名,体感差别不大。先在你最重复的那类调用上试一次,算一算单任务成本和返工率,再决定要不要把执行层整个换过来。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。
2026 年 11 月 18 日,谷歌研究院等团队在 arXiv 发布 BuggyMLE:往 222 个能跑的机器学习仓库里注入 bug,14 个模型从最简单的 95% 一路跌到最难的 9%。一个 90 亿参数的小模型靠从易到难的课表,在 10 个 bug 那档超过了 Claude Opus 5.5。