Meta 发布 Muse Ember：智能指数追平 Claude Haiku 5.5，单任务成本只有三分之一

每百万输入 token 0.10 美元，输出 0.50 美元，缓存命中的输入只要 0.004 美元。这是 Meta 新模型 Muse Ember 的价格表，也是它最想让人记住的东西。

Ember 是 Meta 目前规模最小、效率最高的模型，定位很窄：智能体里那些要反复跑的高频活，调工具、执行编程子任务、请求路由、信息抽取、解析长文档。

几个关键数字：

• 上下文约 100 万 token，单次最多输出约 51.2 万 token
• Artificial Analysis 综合智能指数 36 分，与 Claude Haiku 5.5 最高推理档持平
• 单次评测任务成本约为 Haiku 5.5 的三分之一
• 端到端业务流程测试 AutomationBench-AA 拿到 37.8 分，Haiku 5.5 是 13.9，GPT-6 Luna 是 20.2

它原生支持文本、图像、音频和视频输入，截图、扫描件、会议录音可以直接喂。已经在 Meta Model API、谷歌云和甲骨文云上线。

我更在意 AutomationBench 那组数。综合指数打平，只说明两者差不多聪明；业务流程测试领先两倍多，说明 Meta 是冲着智能体流水线专门调过的。小模型在智能体里就是干杂活的，杂活跑得稳、跑得便宜，比综合分高几分有用。

短板也明显。Meta 的开发者 API 还没经过大规模生产流量的检验，很多团队不会因为便宜三分之二就把核心流量切过去。先放在路由、抽取这类出错代价低的环节试，比较稳妥。

Meta AI 这两年在大模型上起起落落，Ember 至少找到了一个说得清的位置。