Meta Muse Ember 以約三分之一任務成本追平 Claude Haiku 5.5 的 Intelligence Index,對 Agent 開發者有何啟示
Meta's Muse Ember: Haiku-Level Intelligence at a Third of the Cost — What It Means for Agent Builders
Meta 於 2026 年 11 月 9 日推出 Muse Ember,定位為 Muse 家族中最小、效率最高的模型,面向大量重複的智能體工作。它在 Artificial Analysis Intelligence Index 得 36 分,與 Claude Haiku 5.5 持平;每項任務成本約 $0.14,低於 Muse Spark 1.3 的 $2.39。
文章對照任務成本、基準表現與弱項,呈現 Muse Ember 適合承接大量重複智能體步驟、而非最難工程任務的定位。
2026 年 11 月 9 日,Meta 推出 Muse Ember,這是 Muse 系列中體積最小、效率最高的模型。它並非定位為前沿模型,而是定位為處理 Agent 全天反覆執行工作的模型:呼叫工具、編碼子任務、路由、資料擷取,以及解析長篇文件。
這種定位很重要。Agent 消耗的大部分 token,並非用於一次精彩的推理躍進,而是用於數以百計的小型結構化步驟。Ember 正是為這一層工作而設——Meta 的重點宣稱是,在任何推理設定下,它每美元所提供的智能都比 Claude Haiku 5.5 或 GPT-6 Luna 多。
三層產品陣容
Ember 補齊了 Meta 一直致力建立的分工架構:
- Muse Wonder — 用於處理最艱難的問題。
- Muse Spark — 用於編碼和 Agent 工作流程。
- Muse Ember — 用於大規模、可重複執行的編碼和 Agent 任務。
Meta 自己的説法是:「Muse Wonder 負責規劃,Muse Ember 負責處理大量工作。」Ember 亦是首個使用 Meta 最大模型 Muse Wonder Full 訓練的模型——師生訓練流程如今已成為產品故事的一部分,而不再只是訓練細節。
價格與規格
| Muse Ember | |
|---|---|
| 輸入 | 每百萬個 token $0.10 |
| 快取輸入 | 每百萬個 token $0.004 |
| 輸出 | 每百萬個 token $0.50 |
| 上下文視窗 | 1M 個 token |
| 最大輸出 | 512K 個 token |
| 模型 ID | muse-ember-1.0 |
| API | Responses API、Meta Model API、Muse Code |
作比較之用,Meta 列出的 Muse Spark 1.3 價格為每百萬個輸入 token $1.25、每百萬個輸出 token $4.25。按 Artificial Analysis 的每項任務成本指標,Ember 每項任務約需 $0.14,Spark 1.3 則需 $2.39——兩者成本相差約 17 倍,但 Intelligence Index 只差 1 分(36 對 37)。
Ember 原生支援多模態輸入:文字、圖片、音訊和影片,因此 Agent 可以讀取螢幕截圖、圖表和掃描文件,也可以處理語音備忘錄和會議錄音,毋須使用獨立模型。
基準測試:表現較佳之處
以下數據均採用最高推理力度,來自 Meta 的官方公告,並參照 Artificial Analysis 於 2026 年 11 月 9 日的排行榜及 Meta 自行進行的內部測試:
| 基準測試 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| Artificial Analysis Intelligence Index | 36 | 36 | 28 |
| AutomationBench-AA(商業工作流程) | 37.8 | 13.9 | 20.2 |
| Agents' Last Exam(端對端 Agent 任務) | 61.6 | 57.0 | 57.1 |
| Terminal-Bench 4.0(Agent 式終端機編碼) | 40.9 | 39.2 | 16.4 |
| Coding Agent Index-AA(真實 Agent 執行框架) | 46 | 37 | 31 |
| OSWorld 2.1(電腦操作,部分得分) | 69.5 | 68.9 | 50.5 |
| PerceptionBench with tools(視覺感知) | 80.6 | 78.6 | 62.8 |
| GDP.pdf-AA(專業長篇文件) | 22.8 | 20.8 | 22.8 |
重點是 Intelligence Index 的平手:Ember 以約三分之一的每項任務成本,取得與 Haiku 5.5 相同的最佳分數,並勝過 Luna 的所有設定。Meta 亦聲稱,Ember 位於 Artificial Analysis 整個排行榜的效率前沿——沒有其他模型能以更低的每項任務成本取得更高分數。
Agent 方面的數據更值得留意。用於執行端對端商業工作流程的 AutomationBench-AA,成績差距相當明顯:Ember 得分 37.8,Haiku 則為 13.9。這項基準測試最接近 Ember 的實際用途——擷取紀錄、依序呼叫工具,以及跨應用程式更新系統。
表現較弱之處
同一張表亦顯示了它的限制,而 Meta 有公開這些結果,並沒有隱瞞。在 FrontierCode 2.0-AA 中,真實工程任務會按能否合併來評分;Ember 得分 27.2,低於 Haiku 5.5 的 34.9。在長篇文件處理(GDP.pdf-AA)方面,Ember 以 22.8 與 Luna 打平,只略勝 Haiku。
這個模式一以貫之:Ember 擅長執行結構化、可重複的 Agent 步驟,但在最艱難、開放式的工程任務上則較弱。這不是產品宣傳的缺點,而正是它的主打之處。你不會把最棘手的合併任務交給最便宜的模型,而是讓它處理周邊一百個例行步驟。
安全與可用性
發布前,Meta 根據 Meta Superintelligence Scaling Framework 評估 Ember,涵蓋化學與生物安全、網絡安全及失控風險。在已評估的各個類別中,模型的風險均低於框架的高風險門檻;它接受的核心安全訓練和測試也與較大型模型相同。Meta 亦測試了模型代表用戶行事時的表現——包括是否尊重用戶意圖、妥善處理敏感資料、抵禦隱藏在網頁、文件或工具輸出中的指令,以及在執行高影響力操作前徵求人工意見。
Ember 今日已在 Muse Code 和 Meta Model API 上以 muse-ember-1.0 的形式提供,亦可透過 Google Cloud 和 Oracle Cloud 使用。Meta 表示,效率更高的模型已在訓練中。
對 Agent 開發者的意義
三項實用啟示:
1. 按步驟類型分配模型,而非忠於某個模型。Meta 自家的產品陣容已清楚展示這種經濟實惠的架構:Wonder 負責規劃,Spark 處理艱鉅的編碼工作流程,Ember 則承擔大量工作。如果你的 Agent 大部分 token 都用於讀取檔案、執行測試、有針對性的修正和資料擷取,這些步驟就應交由能達到品質門檻的最便宜模型處理;Ember 的基準測試表現顯示,它正好能勝任這些步驟。
2. 成本計算改變了你能負擔多少次重試。在 Artificial Analysis 的每項任務中,Ember 的成本為 $0.14,而 Spark 為 $2.39;因此,驗證循環、自我修正輪次和多樣本檢查不再是奢侈選項。一個便宜得足以執行三次的小模型,可能勝過只執行一次的大模型——前提是任務類型正是 Ember 擅長的。
3. 相信數據前,先檢查測試框架。Meta 坦言,Terminal-Bench 4.0 使用各模型最佳的已公開測試框架(Ember 使用 mini-swe-agent、Haiku 使用 Claude Code、Luna 使用 Codex),而部分結果來自 Meta 自行進行的內部評估。獨立基準測試和內部基準測試的結果趨勢一致,但實際差距視乎設定而定。把大量工作轉移過去之前,先用自己的工作負載進行試行。
更重要的結構性訊號是:前沿實驗室如今競爭的焦點,是重複執行步驟的成本,而不只是最艱難步驟的成本。Ember 代表 Meta 看好 Agent 經濟將由技術堆疊底層的模型取勝;每百萬個輸入 token 僅需 $0.10,其他開發者現在也能以一杯咖啡的價格測試這項押注。
來源:Meta AI Research,〈推出我們最小、最高效的模型:Muse Ember〉,November 9, 2026 — https://research.meta.ai/blog/muse-ember
來源:DEV Community · dev.to