Meta 发布 Muse Ember 高效模型 单任务成本仅 0.14 美元
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。
报道正文
Artificial Analysis (@ArtificialAnlys) · 2026-11-09 18
Meta 的最新模型 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
核心要点：
➤ 在 max 和 xhigh 两种推理强度下，均位于智能指数与每任务成本的帕累托前沿上。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 的成本得分 34。Claude Haiku 5.5（max）在达到与 Muse Ember（max）相同分数时，成本接近其三倍，为 $0.41。Muse Ember（max）也比 DeepSeek V4.1 Flash 1017（max，33 分，$0.60）和 GLM-5.3-Flash（28 分，$0.58）便宜约 4 倍
➤ 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%）
➤ 在自家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）
➤ 知识是其主要短板，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，智能与成本图表中还包括 xhigh ➤ 可用性：Meta 第一方 API 和 Muse Code
