Meta 发布 Muse Ember 小模型 每任务成本仅 0.03 美元
Meta 推出迄今最小最高效的模型 Muse Ember，主打复杂推理执行与日常智能体工作流，支持跨应用操作、顺序调用工具、运行测试并做定向代码修复，具备 100 万 token 上下文与原生多模态理解。在 Code Arena WebDev 榜单上以 1608 分成为最强小模型，超过 Claude Haiku 5.5 与 GPT-6 Luna，且中位单任务成本仅 0.03 美元，处于帕累托前沿。
报道正文
Arena.ai (@arena) · 2026-11-09 18
激动人心的消息：@AIatMeta 的 Muse Ember (Max) 是 Code Arena: WebDev 中表现最好的小型模型，得分 1608 分，超越了 Anthropic 和 OpenAI 的两款领先小型模型：
- Claude Haiku 5.5 (High)：第 35 名，1595 分
- GPT-6 Luna (Max)：第 42 名，1578 分
以 1608 的得分和每任务 0.03 美元的中位成本，Ember 跻身帕累托前沿。Haiku 5.5 和 Luna 都未能进入。尽管三款模型的 API 定价相同，均为每百万输入/输出 token 0.10/0.50 美元，但 Ember 的每任务中位成本比 Luna（0.06 美元）低 2 倍，比 Haiku（0.11 美元）低 3.7 倍。
在我们自己的测试中，Ember 展现了令人印象深刻的速度和效率，每任务 2 分钟完成 25 次复杂生成，总成本仅为 1 美元。
热烈祝贺 @alexandr_wang 和 @AIatMeta 团队发布这一令人瞩目的成果！这是小型模型向前迈出的重要一步，以极低的成本提供强大的真实世界编码能力。
↳ 引用 @AIatMeta (AI at Meta)： 今天我们推出 Muse Ember，这是我们最小、最高效的模型，专为复杂推理执行和日常智能体工作而构建。
Muse Ember 可以跨应用承载工作流、按顺序调用工具、运行测试并进行有针对性的代码修复。凭借 100 万 token 的上下文窗口以及对文本、图像、音频和视频的原生理解能力，它还能处理大型文档集和多样化的输入。
