Artificial AnalysisT1·基座大模型
72 分
Meta 推出高效能模型 Muse Ember,在 Artificial Analysis 智能指数上得分 36,与 Claude Haiku 5.5(max)持平,但单任务成本仅 0.14 美元,约为后者的三分之一。该模型在 AutomationBench-AA 上得分 68.1%,与自家旗舰 Muse Wonder 持平,但整体智能水平落后旗舰 8 分,成本却仅为旗舰的约五十分之一。
Meta 的大型前沿模型,在智能体架构中承担规划与复杂推理,与轻量模型 Ember 分层配合
Meta 推出高效能模型 Muse Ember,在 Artificial Analysis 智能指数上得分 36,与 Claude Haiku 5.5(max)持平,但单任务成本仅 0.14 美元,约为后者的三分之一。该模型在 AutomationBench-AA 上得分 68.1%,与自家旗舰 Muse Wonder 持平,但整体智能水平落后旗舰 8 分,成本却仅为旗舰的约五十分之一。
Meta 推出高效能模型线 Muse Ember,在 Artificial Analysis 智能指数上取得 36 分,与 Claude Haiku 5.5 持平,但单任务成本仅 0.14 美元,约为后者的三分之一。该模型在自动化基准 AutomationBench-AA 上得分 68.1%,与自家旗舰 Muse Wonder 持平,但在智能体编程与部分任务上表现参差。
Meta 超级智能实验室发布迄今最轻量、最具成本效率的模型 Muse Ember,专为智能体高频重复任务设计,覆盖工具调用、编码子任务、路由、信息抽取与长文档解析。其输入价格低至每百万 token 10 美分,官方以 Artificial Analysis 综合基准展示其在成本与智能上优于 Anthropic Haiku 与 OpenAI Luna,并与 DeepSeek V4.1 Flash、GLM 5.3 Flash 等开源竞品形成价格竞争。Ember 定位为与更大模型 Muse Wonder 搭配的智能体执行层。