大语言模型

Meta 放出了它最小最便宜的模型：100 万 token 上下文，输入每百万 token 只要 0.1 美元，专干 Agent 的碎活

2026年11月10日1 次阅读
Meta 放出了它最小最便宜的模型：100 万 token 上下文，输入每百万 token 只要 0.1 美元，专干 Agent 的碎活

Meta 在 11 月 9 日发布了 Muse Ember。这是 Meta Superintelligence Labs 迄今最小、也最便宜的一个模型。

一句话说清它的定位：难的问题交给大模型，重复的活交给它。 官方原话是「Muse Wonder 负责规划，Muse Ember 负责跑量」。

本文基于 Meta 官方发布页与多家媒体转述整理，核心数字（定价、上下文长度、评测分数）在三家以上来源中一致。

3 分钟看懂：它到底是什么

Muse Ember 是一个为「Agent 一天要重复几千次的动作」设计的模型。Meta 列出的典型活儿是：调用工具、跑代码子任务、做请求路由、从文档里抽字段、解析长文档。

它最直观的两个数字：

  • 价格：每百万输入 token 0.10 美元，每百万输出 token 0.50 美元，命中缓存的输入 token 每百万 0.004 美元。
  • 上下文：100 万 token 输入，最多 51.2 万 token 输出，一次调用能塞进一整个代码库或一整套文档。

对比一下同代的「小模型档」：Anthropic 的 Claude Haiku 5.5 和 OpenAI 的 GPT-6 Luna 是它明确对标的两个对手。Meta 的说法是，在任何一档推理强度下，Muse Ember 的「每美元智能」都更高；用大约三分之一的单任务成本，就能达到 Haiku 5.5 的最好成绩。

有意思的是，Meta 自己在发布页里承认，在最硬的真实工程任务上它并没有全面赢：FrontierCode 2.0-AA 这个「按代码能不能真的合进仓库」打分的评测里，Haiku 5.5 拿 34.9%，Muse Ember 是 27.2%。

为什么现在大家都在做「小模型」

过去两年的叙事是「参数越大越好」，但真正在跑 Agent 的人会发现账单结构完全不是那样。

一个 Agent 完成一件事，token 大部分不是花在「想清楚要做什么」，而是花在中间的碎步骤上：读一个文件、跑一次测试、把返回值解析成结构化字段、判断下一步该调哪个工具。这些步骤单次很便宜，但一天跑几千上万次。

所以这里真正被优化的指标不是「单 token 多便宜」，而是每个任务要花多少钱。Meta 直接把 Artificial Analysis 的「智能指数 vs 单任务成本」图放在发布页第一屏，主张自己在整条效率前沿上：没有模型能在更低成本下拿到更高分。

硬指标摊开看

上下文与输出

  • 输入窗口 100 万 token
  • 单次最多输出 51.2 万 token
  • 支持 Responses API

51.2 万 token 的输出上限是这批小模型里比较少见的一档。它意味着可以让模型一次性吐出整份重构后的代码、或者一整本结构化后的文档，而不是切成一堆小请求反复接。

原生多模态

Muse Ember 原生吃文本、图像、音频、视频，不需要再挂一个单独的识别模型。官方给的场景是：读截图、读图表、读扫描件、听语音备忘、看会议录像。

这条对做桌面操作类 Agent 尤其关键——它可以直接看屏幕截图操作电脑。

官方自评的几组分数

以下是 Meta 发布页给出的数据，对手都取各自最高推理档：

  • AutomationBench-AA（端到端业务流程）：Muse Ember 37.8%，GPT-6 Luna 20.2%，Claude Haiku 5.5 13.9%
  • Agents' Last Exam（端到端 Agent 任务）：61.6% / 57.1% / 57.0%
  • Terminal-Bench 4.0（终端里的 Agent 编码）：40.9% / 16.4% / 39.2%
  • Coding Agent Index-AA：46 / 31 / 37
  • Artificial Analysis 智能指数：36 / 28 / 36
  • GDP.pdf-AA（长文档专业工作）：22.8% / 22.8% / 20.8%
  • OSWorld 2.1（跨桌面应用操作）：69.5% / 50.5% / 68.9%
  • PerceptionBench（细粒度视觉，带工具）：80.6% / 62.8% / 78.6%

智能指数上它和 Haiku 5.5 打平（都是 36），但 Meta 强调自己的单任务成本只有对方大约三分之一。按 The Decoder 的换算，Muse Ember 每个任务约 0.14 美元，而自家更大的 Muse Spark 1.3 要 2.39 美元才能拿到差不多的 37 分。

早期合作方的说法

Meta 列了五家早期测试方：Box、Cline、Oracle、Cloudflare、You.com。

  • Cline（做编码 Agent 的）说它适合当「harness 里的 subagent」，也就是主模型派活、它负责跑。
  • Cloudflare 说在尾部延迟上比对照组快最多 30%，擅长跨多个代码仓库做调查类任务。
  • You.com 给的数据最具体：p95 延迟 2.2 秒，比主流开放权重模型快 4 到 13 倍，输出 token 少 36% 到 48%。

需要注意这些是合作方在自家场景下的早期测试，不是独立第三方复现。

怎么用

三件事就能接上：

  1. 模型名：muse-ember-1.0
  2. 入口：Meta Model API，或者 Meta 自家的编码产品 Muse Code
  3. 协议：支持 Responses API，已有的 Responses 调用方式改个模型名即可

它和同门模型的推荐分工是这样的：

  • Muse Wonder：最难的问题，负责规划和拆解
  • Muse Spark：编码和 Agent 工作流的主力
  • Muse Ember：把上面定好的规则，批量套到几万个案例上

TC 举的例子很典型：客服 Agent 里，用重模型定「这类问题该怎么处理」的规则，再用 Ember 把这套规则应用到几万条工单上。

适用场景

  • 大批量、结构化的抽取和分类（合同条款比对、简历筛选、工单路由）
  • 编码 Agent 的子任务执行（读文件、跑测试、做小修复）
  • 需要一次性吞下整个代码库或整套文档的长上下文任务
  • 桌面/浏览器操作类 Agent（直接看截图动手）
  • 语音、会议记录、视频这类非文本输入的批处理

不适用场景

  • 最难的工程任务。FrontierCode 2.0-AA 上它输给 Haiku 5.5 一截（27.2% vs 34.9%），这类「代码必须真的能合进去」的活儿，别指望它顶。
  • 需要端到端规划的长链条任务。它的定位就是执行层，规划该交给上游的大模型。
  • 对自评数据敏感、需要独立复现的决策。目前分数基本来自 Meta 内部评测和 Artificial Analysis 的公开榜，第三方复现还没看到。

几个容易踩的坑

第一，别把「单任务成本」当成「token 单价」看。 0.14 美元一个任务是 Artificial Analysis 在特定任务集上算出来的，任务复杂度一变，这个数字就没意义了。真正要比的是你自己那批活儿的实测账单。

第二，OSWorld 2.1 这类分数有 partial credit 口径。 发布页同时给了 partial 和 binary 两列：partial 下是 69.5%，binary 下只有 33.8%。对外宣传通常只提高的那个，看数据时要盯住括号里的标注。

第三，自评榜里对手取的都是「最高推理档」。 这意味着对手跑在更贵的配置上，成本对比会更有利于 Ember；但如果你的场景本来就用低档推理，这个对比就不成立。

第四，它和 Muse 品牌的其他产品不是一回事。 Muse 是消费端产品（9 月上线，本月刚加了 Spaces 和视频通话），Muse Ember 是模型，两者共用一个名字但不是一个东西。

成本怎么估

按官方定价粗算，如果你的 Agent 一天处理 10 万次请求，平均每次输入 8000 token、输出 800 token：

  • 输入：10 万 × 8000 ÷ 100 万 × 0.10 ≈ 80 美元
  • 输出：10 万 × 800 ÷ 100 万 × 0.50 ≈ 40 美元

一天大约 120 美元。同样体量换成单任务成本高一个档的模型，这个数字会翻几倍。缓存命中部分按 0.004 美元/百万计，长期跑同一套系统提示词的话还能再压一截。

你可以马上做的三件事

  1. 拿你现有 Agent 里最重复的那一类子任务（比如文档抽取或路由判断），用 muse-ember-1.0 跑一遍，对比现在的准确率和账单。
  2. 如果你在用 Responses API，改模型名就能测，不用重写调用层。
  3. 把「规划」和「执行」拆开：重模型定规则，Ember 跑量。这是它被设计出来的用法，混着用会浪费它的价格优势。

参考来源

  • https://research.meta.ai/blog/muse-ember
  • https://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution/
  • https://the-decoder.com/meta-launches-muse-ember-a-small-ai-model-built-for-the-repetitive-work-agents-actually-do/
  • https://www.theverge.com/tech/1029979/meta-is-launching-its-smallest-and-most-efficient-ai-model-muse-ember

参考来源

评论

0 条已公开
登录或注册后可以参与评论。

正在加载评论...