人工智能领域的性价比军备竞赛再度迎来重量级选手。11月9日，meta 官方正式发布了旗下迄今为止规模最小、运行效率最高的轻量级人工智能模型——Muse Ember。
定位高频任务:以极致效率满足智能体高强度运转
作为一款主打高效轻量的核心产品，meta 将 Muse Ember 的应用场景精确锁定了人工智能智能体（Agent）在日常运行中需要反复处理的高频任务。这些场景具体涵盖了工具调用、执行编程子任务、请求路由、信息提取以及长文档解析等。
在模型支持的输入与输出形态上，该模型展现了强大的多模态处理能力，能够无缝接收文本、图片、音频、视频以及 PDF 等多种输入形式，并统一以文本形式输出结果。
超大上下文窗口:单次请求轻松搞定海量代码与长文
在架构设计与处理容量方面，Muse Ember 拥有约100万 Token 的超大上下文窗口，最高可输出约51.2万 Token。
这一出色的长文本处理能力，意味着它能够在单次请求中轻松容纳并处理大规模的代码库或庞大的文档集合，为开发者处理复杂工程项目提供了坚实的底层支持。该模型目前已通过 Muse Code 及 meta Model API 正式上线，模型编号统一命名为“muse-ember-1.0”。
权威评测揭晓:性能对标 Claude Haiku5.5，单次成本大幅降低
根据知名第三方评测机构 Artificial Analysis 公布的测试数据，Muse Ember 在综合智能指数中获得了36分的成绩，这一表现与 Anthropic 的 Claude Haiku5.5最高推理档位完全持平。
然而，在备受关注的使用成本上，Muse Ember 展现出了极强的竞争力。其官方定价策略为:每百万输入 Token 收费0.10美元、缓存输入收费0.004美元，每百万输出 Token 收费0.50美元。Artificial Analysis 的实测数据显示，其最高推理档位单次任务成本约为0.14美元，而 Claude Haiku5.5完成同类任务的成本则高达约0.41美元，成本直接降至后者的三分之一左右。
不过，不同维度和项目的评测结果也呈现出了一定的侧重点。根据 meta 自己公开的测试显示，Muse Ember 在部分智能体、工具调用和多模态任务上的表现领先于 Claude Haiku5.5以及 OpenAI 的 GPT-6Luna;但在考察代码修改能否被项目维护者顺利采用的 FrontierCode2.0专项测试中，其得分则略低于 Claude Haiku5.5。
