Meta 发布 Muse Ember 以三分之一成本对标 Claude Haiku
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。
报道正文
本文目录3 个章节
Meta 最新模型 Muse Ember 在 Artificial Analysis 智能指数上得分 36，与 Claude Haiku 5.5（max）持平，而每任务成本仅为其三分之一
Muse Ember 是 Meta 最新的高效级模型系列，其输入和输出 token 价格与 Claude Haiku 5.5 和 GPT-6 Luna 相同
关键要点：
➤ 在 max 和 xhigh 两种推理强度下，均位于智能指数与每任务成本帕累托前沿。 Muse Ember（max）是得分 36 或以上模型中最便宜的一款，每任务成本为 $0.14；Muse Ember（xhigh）以 $0.12 的每任务成本得分 34。Claude Haiku 5.5（max）在取得与 Muse Ember（max）相同分数的情况下，成本几乎高出 3 倍，为 $0.41。Muse Ember（max）的成本也约为 DeepSeek V4.1 Flash 1017（max，33 分，$0.60）和 GLM-5.3-Flash（28 分，$0.58）的四分之一
➤ 比 Muse Wonder 低 8 分，但每任务成本约为其 1/50。 Muse Wonder（max）得分 44，每个智能指数任务成本为 $6.95
➤ 在 AutomationBench-AA 上表现突出。 Muse Ember（max）在 AutomationBench-AA 上得分 68.1%，与 Muse Wonder（max）持平，并在 GDP.pdf 上超过 Claude Haiku 5.5（max）（22.8% 对 20.8%），但在 AA-Briefcase 上落后于它（1521 对 1574 Elo）
➤ 在我们的智能指数评估中，智能体编程表现参差不齐。 它在 Terminal-Bench 4.0 上超过 Claude Haiku 5.5（max）（40.9% 对 32.8%），但在 FrontierCode 2.0 上落后于它（27.2% 对 34.9%）
➤ 在自有编程智能体中运行时领先于同价位模型。 在 Muse Code 中，Muse Ember（max）在 Artificial Analysis 编程智能体指数上得分 46，领先于 Claude Code 中的 Claude Haiku 5.5（max，37）和 Codex 中的 GPT-6 Luna（max，31）
➤ 知识是主要短板，但很少产生幻觉。 其 AA-Omniscience 准确率为 21.1%，是我们所比较的同等智能水平模型中最低的，而 Claude Haiku 5.5（max）为 34.7%，Gemini 3.8 Flash（high）为 50.5%。这主要是因为它对 64% 的问题拒绝作答，从而将其幻觉率保持在 17.4%，仅为 Claude Haiku 5.5（max）的一半
其他细节：
➤ 定价： 每 100 万 token 输入 0.004 / 输出 $0.50 ➤ 推理强度： 结果以 max 强度展示，xhigh 也显示在智能与成本图表中 ➤ 可用性： Meta 第一方 API 和 Muse Code
Muse Ember 的每任务成本低于同价位模型
Muse Ember (max) 的输入和输出 token 价格与 Claude Haiku 5.5 (max) 和 GPT-6 Luna (max) 相同，但其缓存输入的价格便宜 60%，而缓存输入在我们的 agentic 评测中占据了大部分成本。Muse Ember (max) 使用的输出 token 数量也大约只有 Claude Haiku 5.5 (max) 的三分之一
Muse Ember 最突出的 agentic 成绩是 AutomationBench-AA，得分 68.1%，与 Muse Wonder 和 GPT-6 Astra 持平
Agentic 编程表现参差不齐。Muse Ember 在 Terminal-Bench 4.0 上击败 Claude Haiku 5.5（40.9% 对 32.8%），但在 FrontierCode 2.0 上落后于它（27.2% 对 34.9%）
作为编程 agent，Muse Ember 领先于价格相近的模型
在 Muse Code 中，它在 Artificial Analysis Coding Agent Index 上得分 46，领先于 Claude Code 中的 Claude Haiku 5.5（37）和 Codex 中的 GPT-6 Luna（31）。其领先优势来自 SWE-Atlas-QnA-AA 和 Terminal-Bench 4.0，而在 FrontierCode 上它落后于 Claude Haiku 5.5，这与它在我们的 Intelligence Index 上的表现一致
知识是 Muse Ember 的主要短板，但它很少产生幻觉
其 AA-Omniscience 准确率为 21.1%，是我们所比较的同等智能模型中最低的，主要原因是它对 64% 的问题拒绝作答。这使其幻觉率保持在 17.4%，仅为 Claude Haiku 5.5 的一半
Muse Ember (max) 的完整 Artificial Analysis Intelligence Index 结果
