Meta 发布轻量模型 Muse Ember，主打低成本智能体任务

来自 @AIatMeta 的 Muse Ember 现已上线 OpenRouter！🔥 你的编程智能体现在有了一整支队伍。先用 Muse Wonder 这样的前沿模型做规划，再把有边界的子任务分发给 Muse Ember，看它们飞速执行 🚀

Meta 的 Muse Ember 现已在 OpenCode 中可用

Arena 宣布 Meta 的 Muse Ember (Max) 进入 Code Arena: WebDev，以 1608 分成为榜上最高分小模型，超过 Claude Haiku 5.5 (High) 的 1595 分和 GPT-6 Luna (Max) 的 1578 分。三者 API 定价同为 $0.10/$0.50 per million tokens，但 Ember 中位成本 $0.03/task，低于 Luna 的 $0.06 和 Haiku 的 $0.11，处于 Pareto 前沿；作者实测其平均约 2 分钟、约 $0.04 完成一个任务。

Arena 宣布 Meta 的 Muse Ember (Max) 以 1608 分成为 Code Arena WebDev 中表现最好的小模型，超过 Claude Haiku 5.5 (High) 的 1595 分和 GPT-6 Luna (Max) 的 1578 分。

Artificial Analysis 评测 Meta 最新高效档模型 Muse Ember，Intelligence Index 得分 36，与 Claude Haiku 5.5 (max) 持平，Cost per Task 仅 $0.14 约为后者三分之一。

Meta 宣布 Muse Ember 即日起在 Meta Model API 上提供，定价为每百万输入 token $0.10、每百万输出 token $0.50。详情见其研究博客 go.meta.me/muse-ember。

Meta AI 发布 Muse Ember 模型，面向执行大量小任务的智能体场景，主打更低成本下的智能表现。据 Artificial Analysis Intelligence Index，其性能与 Claude Haiku 5.5 相当，但每任务成本约为其三分之一，并在 GPT-6 Luna 所有推理设置下得分均高于 Luna。

Meta 发布其最小、最高效的模型 Muse Ember，面向复杂推理执行和日常智能体工作。它能跨应用执行工作流、按顺序调用工具、运行测试并做针对性代码修复；具备 1M token 上下文窗口，原生理解文本、图像、音频和视频，可处理大型文档集和多样化输入。

Meta Superintelligence Lab 发布轻量模型 Muse Ember，定位于复杂推理执行和智能体高频任务，如工具调用、编码子任务、路由、信息抽取和长文档解析。

Artificial Analysis 评测 Meta 最新高效档模型 Muse Ember，其 Artificial Analysis Intelligence Index 得分 36，以每任务 $0.14 的成本持平 Claude Haiku 5.5 (max)（$0.41）。

今天发布 Muse Ember——我们最小的模型，每美元智能密度高于同类其他模型。专为智能体全天重复的 token 密集型工作打造：工具调用、编码子任务、路由、信息抽取和长文档解析。即日起可在 Meta Model API 和 Muse Code 中使用。

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。

Artificial Analysis 评测 Meta 最新高效档模型 Muse Ember，其在 Intelligence Index 得 36 分，是达到该分数中最便宜的模型，每任务 $0.14，与 Claude Haiku 5.5 (max) 同分但成本约三分之一。