内容概览
本文围绕“Meta 抛出”小钢炮”Muse Ember：跑分追上 Haiku，成本只要三分之一”整理核心信息、适用场景与使用条件，便于读者快速了解重点，再决定是否进一步体验或查阅项目资料。
详细信息
轻量模型赛道又挤进一位狠角色。Meta 在 11 月 10 日推出 Muse Ember，标榜自家”迄今最小、最高效”的模型，专为复杂推理和智能体反复执行的日常任务而生。它不拼参数规模，只拼性价比。
跑分追上 Haiku，账单只剩零头
在 Artificial Analysis 榜单上，Muse Ember 的综合表现已能与 Claude Haiku 5.5 掰手腕，可单任务成本只有对方的三分之一，还在多项测试里压过 GPT-6 Luna。比如端到端业务工作流 AutomationBench-AA，它拿到 37.8 分，远超 Haiku 的 13.9 和 Luna 的 20.2；智能体编程、长文档处理等维度同样领先。
一次吞下整套代码库
Ember 配上 100 万 Token 的上下文窗口，最多可输出 51.2 万 Token，意味着一次调用就能喂进完整代码库或一整摞文档。智能体可在单场会话里连做数百个编程子任务，读文件、跑测试、定点修 bug 一气呵成。
它还是个原生多面手：文本、图像、音频、视频通吃，截图、图表、扫描件、会议录音、视频都不在话下，不必再外挂别的模型。安全上，发布前经 Meta SI 框架评估，风险低于高风险红线。价格亲民：输入每百万 Token 0.10 美元、输出 0.50 美元，已在 Meta Model API、谷歌云与甲骨文云上线。
编辑整理：阅读要点
- 功能和价格可能随版本或地区变化，使用前应查看最新说明。
- 安装软件或启用服务时，优先使用项目官方渠道并检查所需权限。
- 是否适合长期使用，应结合自身设备、工作流和实际体验判断。
延伸阅读
资料来源：news.aibase.com。本文依据公开资料整理，不是独立采访或独家报道。