Meta发布Muse Ember，渲染效果与贵40倍的Muse Wonder相当

Meta AI 发布了 Muse Ember。这是它最小、最高效的模型，和 Claude Haiku、GPT Luna 摆在同一个类别里。它接的活很具体：AI 代理每天反复执行的那些。工具调用、编码子任务、路由、提取、长文档解析。

短提示下，Muse Ember 的价格和 GPT-6 Luna、Claude Haiku 5.5 完全一样：输入每百万 token 0.10 美元，输出 0.50 美元。同一天发布的 Claude Fable 5.2 是 8 美元和 40 美元，正好是它的 80 倍。

三个模型都支持最多 100 万输入 token，但各自有门槛，过了就跳档。GPT-6 Luna 的线在 272k 以上：输入 0.20、缓存 0.02、输出 0.75。Muse Ember 1.0 的线在 200k：超过后输入 0.30、缓存 0.012、输出 1.50。Claude Haiku 5.5 门槛最低，100k 以上输入直接到 0.50、缓存 0.05、输出 2.50。按长提示算，Ember 的定价夹在另外两个之间。

只看每 token 单价已经不够。推理 token 让不同模型解决同一个问题所用的 token 数差别很大，单价拉不平实际花费。Artificial Analysis 把智能分数和每任务成本画在同一张图上，这个角度更实用。Muse Ember 就落在帕累托前沿线上——想在一个维度上提高，只能牺牲另一个。Meta 的说法更绝对：在整张 Artificial Analysis 排行榜的效率前沿上，没有模型能以更低成本拿到更高分数。图上还压着一个灰点，是 GPT-6.1 Terra (low)，那个系列值得多看几眼。

Muse Ember 提供六个推理级别：minimal、low、medium、high、xhigh、max。有人拿六个骑自行车的鹈鹕做 SVG 渲染测试，high 级别没能返回完整图像。其余几个级别的输出，质量并没有干净地对应到推理级别的高低。把档位拨高不一定换来更好结果，具体任务得具体试。

质量本身不差。Ember 渲染的鹈鹕和 Muse Wonder 出来的差不多，而 Muse Wonder 的价格是 Ember 的 40 倍。

复杂推理任务上，Ember 还没有独立数据。缓存输入压到了 0.004 美元每百万 token，但这笔便宜在多少场景里成立，没有展开。六个级别之间的差异落在哪类任务上最明显，也还空着。40 倍的差价能不能守住，答案在这些空着的地方。