Meta 发布最小最高效模型 Muse Ember，主打智能体高频任务
Introducing Our Smallest, Most Efficient Model: Muse Ember
Meta 发布 Muse Ember（muse-ember-1.0），定位最小最高效的复杂推理执行模型，面向工具调用、编码子任务、路由、抽取和长文档解析等智能体日常重复任务。
官方给出与 Claude Haiku 5.5 和 GPT-6 Luna 的逐项成本与基准对比，读者可据此评估智能体高频任务的性价比选型。
今天，我们推出 Muse Ember——这是我们体积最小、效率最高的模型，专为复杂推理执行以及智能体日复一日重复的工作而设计：工具调用、编码子任务、路由、信息抽取和长文档解析。
在任何推理档位下，Muse Ember 的每美元智能都高于 Claude Haiku 5.5 或 GPT-6 Luna：它以约三分之一的成本达到 Haiku 的最佳成绩，并超过 Luna 的所有档位。它还处在完整 Artificial Analysis 排行榜的效率前沿：没有任何模型能以更低的单任务成本获得更高分数。
智能与单任务成本对比
各推理努力档位下 Artificial Analysis 智能指数与单任务成本的对比，数据来自 Artificial Analysis 原始结果。Muse Ember 成本按拟定价格估算。
- xhigh
- max
- medium
- high
- xhigh
- max
- high
- xhigh
- max
- Muse Ember
- Claude Haiku 5.5
- GPT-6 Luna
| 系列 | 指标 | 数值 |
|---|---|---|
| Muse Ember | 单任务成本（美元） | $0.116 |
| Muse Ember | 得分 | 33.9 |
| Muse Ember | 单任务成本（美元） | $0.136 |
| Muse Ember | 得分 | 35.8 |
| Claude Haiku 5.5 | 单任务成本（美元） | $0.092 |
| Claude Haiku 5.5 | 得分 | 24.6 |
| Claude Haiku 5.5 | 单任务成本（美元） | $0.159 |
| Claude Haiku 5.5 | 得分 | 29.6 |
| Claude Haiku 5.5 | 单任务成本（美元） | $0.248 |
| Claude Haiku 5.5 | 得分 | 34.3 |
| Claude Haiku 5.5 | 单任务成本（美元） | $0.411 |
| Claude Haiku 5.5 | 得分 | 36.2 |
| GPT-6 Luna | 单任务成本（美元） | $0.073 |
| GPT-6 Luna | 得分 | 21.4 |
| GPT-6 Luna | 单任务成本（美元） | $0.104 |
| GPT-6 Luna | 得分 | 23.3 |
| GPT-6 Luna | 单任务成本（美元） | $0.152 |
| GPT-6 Luna | 得分 | 27.8 |
Artificial Analysis | 2026 年 11 月 9 日。每个点代表一个推理努力档位。Muse Ember 成本按标价计算。
Muse Ember 评测结果
| 评测结果 | 重点模型。Muse Ember（max） | Claude Haiku 5.5（max） | GPT-6 Luna（max） | |
|---|---|---|---|---|
| 智能体 | AutomationBench-AA端到端业务流程 | 最佳结果。37.8 | 13.9 | 20.2 |
| Agents' Last Exam端到端智能体任务 | 最佳结果。61.6 | 57.0 | 57.1 | |
| Personal Superintelligence Index个人与知识工作的内部综合指数 | 最佳结果。46.8 | 36.1 | 37.0 | |
| 编码 | Terminal-Bench 4.0智能体终端编码，最佳公开测试框架 | 最佳结果。40.9 | 39.2 | 16.4 |
| Coding Agent Index-AA真实智能体框架中的编码 | 最佳结果。46 | 37 | 31 | |
| FrontierCode 2.0-AA以可合并性评判的真实工程任务 | 27.2 | 最佳结果。34.9 | 25.2 | |
| 多模态 | GDP.pdf-AA基于长文档的专业工作 | 最佳结果。22.8 | 20.8 | 最佳结果。22.8 |
| OSWorld 2.1跨桌面应用的计算机使用 | 最佳结果。69.5（部分）33.8（二元） | 68.9（部分）27.8（二元） | 50.5（部分）17.0（二元） | |
| PerceptionBench（含工具）细粒度视觉感知 | 最佳结果。80.6 | 78.6 | 62.8 | |
| 通用 | Artificial Analysis Index | 最佳结果。36 | 最佳结果。36 | 28 |
关于评测的更多细节，请参阅我们的报告。
Muse Ember 即日起在 Meta Model API 上线，输入每百万 token 收费 0.10 美元，输出每百万 token 收费 0.50 美元。
在早期测试中，我们的合作伙伴让 Muse Ember 承担智能体每天反复执行的那类任务，从审阅合同到编写代码。
“在 Box AI Complex Work Eval 上，Muse Ember 的准确率、速度和 token 效率都令人印象深刻。它能逐条对照公司的谈判手册给合同打分，并给出正确的整体风险评级；也能按详细要求筛选候选人，把仍然合格、处于边缘的备选者标出来。对于在企业内容上执行真实工作的智能体来说，Muse Ember 是一个快速、高效的基础模型。”
- 作者
- Yashodha Bhavnani
- 职位
- AI 产品副总裁
- 公司
- Box
智能体
智能体的 token 大多花在大量细小的结构化步骤上，Muse Ember 正是为此打造。它能端到端跑通一套业务流程：调取记录、按顺序调用工具，并跨应用更新系统。
凭借 100 万 token 的上下文窗口和最高 51.2 万 token 的输出，它一次调用就能读入完整的代码库或整套文档。
AutomationBench-AA
AutomationBench-AA 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 指标 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 37.8% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 20.2% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 13.9% |
Artificial Analysis | 2026 年 11 月 9 日。严格 pass@1。
Agents' Last Exam
Agents' Last Exam 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 指标 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 61.6% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 57.1% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 57.0% |
Meta 内部评估。Linux 子集。
Personal Superintelligence Index
Personal Superintelligence Index 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 指标 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 46.8% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 37.0% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 36.1% |
个人与知识工作的内部综合指数。
编程
Muse Ember 针对的是智能体在一次会话中要反复派发数百次的编程子任务：读取文件、运行测试、做针对性修复。
Terminal-Bench 4.0
Terminal-Bench 4.0 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 指标 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 40.9% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 39.2% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 16.4% |
各模型均采用其已公布的最佳测试框架。见脚注 1。
Coding Agent Index-AA
Coding Agent Index-AA 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 指标 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 46 |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 37 |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 31 |
Artificial Analysis | 2026 年 11 月 9 日
FrontierCode 2.0-AA
FrontierCode 2.0-AA 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 测量项 | 数值 |
|---|---|---|
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 34.9% |
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 27.2% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 25.2% |
Artificial Analysis | 2026年11月9日
遇到最难的问题时，可以搭配 Muse Wonder 使用：Muse Wonder 负责规划，Muse Ember 负责处理大量任务。
多模态
Muse Ember 原生支持理解文本、图像、音频和视频，因此智能体可以直接读取截图、图表和扫描文档，也能基于语音备忘录、会议录音和视频开展工作，无需另配模型。它能处理长篇的真实文档，直接根据截图操作电脑，还能捕捉细微的视觉细节。
GDP.pdf-AA
GDP.pdf-AA 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 测量项 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 22.8% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 22.8% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 20.8% |
Artificial Analysis | 2026年11月9日
OSWorld 2.1
OSWorld 2.1 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 测量项 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 69.5% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 68.9% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 50.5% |
Meta 内部评估。部分得分奖励。
PerceptionBench
PerceptionBench 在最大推理下的结果，复现自文档当前图表。得分
| 系列 | 测量项 | 数值 |
|---|---|---|
| Muse Ember（最大） | 模型 | Muse Ember（最大） |
| Muse Ember（最大） | 得分 | 80.6% |
| Claude Haiku 5.5（最大） | 模型 | Claude Haiku 5.5（最大） |
| Claude Haiku 5.5（最大） | 得分 | 78.6% |
| GPT-6 Luna（最大） | 模型 | GPT-6 Luna（最大） |
| GPT-6 Luna（最大） | 得分 | 62.8% |
Meta 内部评估。使用工具。
安全性
发布前，我们依据 Meta Superintelligence Scaling Framework 对 Muse Ember 进行了评估，涵盖化学与生物、网络安全以及失控风险。在所评估的各类别中，我们的评估发现 Muse Ember 均低于该框架的高风险阈值。尽管它是一款小模型，但同样接受了核心安全训练与测试。我们还评估了 Muse Ember 代表用户行事时的表现，包括它是否尊重用户意图、是否妥善处理敏感信息、能否抵御网页、文档或工具输出中试图改变其行为的隐藏指令，以及是否会在采取高影响操作前征求人类意见。
可用性
Muse Ember 即日起在 Muse Code 和 Meta Model API 上以 muse-ember-1.0 形式提供。价格为每百万输入 token 0.10 美元、每百万缓存输入 token 0.004 美元、每百万输出 token 0.50 美元，上下文窗口为 1M token，最多可输出 512K token。Muse Ember 支持 Responses API。
当初推出 Muse Wonder 和 Muse Wonder Full 时，我们说过会用它们来开发能带给所有人的专用模型。Muse Ember 就是第一个用 Muse Wonder Full 训练出来的模型。它补齐了我们的模型阵容：Muse Wonder 负责最难的问题，Muse Spark 负责编程和智能体工作流，Muse Ember 则负责大规模、可重复的编程和智能体任务，在 Artificial Analysis 上每项任务成本约 0.14 美元，低到足以让每个产品、每个人都用得起。
Muse Ember 与 Muse Spark 1.3 对比
| Artificial Analysis | 精选模型。Muse Ember（max） | 精选模型。Muse Spark 1.3（max） |
|---|---|---|
| 智能指数 | 36 | 最佳结果。37 |
| 智能指数单项任务成本 | 最佳结果。$0.14 | $2.39 |
| 每百万输入/输出 token 价格 | 最佳结果。$0.10（输入）$0.50（输出） | $1.25（输入）$4.25（输出） |
我们的目标是个人超级智能：让模型帮你追求目标、创造想象、加深人际关系，并为你最看重的事情采取行动。要把它带给每个人，光有前沿能力还不够，还需要让前沿能力以可规模化的价格提供。我们还有更高效的模型正在训练中，期待分享接下来的进展。
来源：Meta AI：Research Blog · research.meta.ai