Meta 最轻模型负责跑量，每百万 token 十美分

Meta Superintelligence Lab 周一发布新模型 Muse Ember，是该实验室迄今最轻量、最具成本效益的模型。它盯的是智能体全天在做的重复动作：工具调用、编码子任务、路由、提取、长文档解析。

Ember 不单独干活。Meta 把它设计成和更大的模型配对，比如 Muse Wonder，放进同一个智能体框架。客服场景下，较重的模型先定好处理某类问题的规则，再交给 Ember，由它套用到数万个案例上。Meta 在公告里把分工写成一句话：“Muse Wonder 规划，Muse Ember 处理量。”

价格是这次发布的主打。Ember 每百万输入 token 收 10 美分，明显低于 Anthropic 的 Haiku 和 OpenAI 的 Luna。Meta 特别强调每任务成本。它引用 Artificial Analysis 的综合基准分数，说 Ember 更便宜也更聪明。和开源竞品 DeepSeek V4.1 Flash、GLM 5.3 Flash 比，Meta 只说成本上有竞争力。具体对比数字没给。

这里有几处空白。Ember 的准确率和延迟跟竞品比如何，公告没给。Artificial Analysis 基准分数由哪些项目构成，每任务成本的优势有没有经过独立验证，也不清楚。价格之外的性能，只能等第三方测试。

多模态方面，Ember 被训练为能处理文本、图像和音频。按 Meta 的说法，智能体能读截图、图表和扫描文档，也能从语音备忘录、会议录音和视频里工作，不需要另接一个模型。日常混着文字、图片和录音的活，不用再挂第二个模型来读音频或看图。

Ember 是 Muse 品牌下发布的第四个模型。此前有 4 月的中量级 Spark、8 月发布的 Spark 开源双胞胎 Glimmer，以及 10 月的 Wonder 前沿模型。旗舰消费级产品 Muse Agent 在 9 月上线，Meta 称其取得意外成功，本月早些时候又推出了 Spaces 和视频聊天功能。

Ember 是否也会像 Glimmer 一样开源，公告没有提及。开源与否，决定了便宜是只停留在 Meta 自己的接口上，还是能扩散到开发者手里。

Meta 在 4 月到 10 月之间把模型按重量分了档：规划归大模型，执行归小模型。这次的分工直接写进了产品线和定价。