Meta Muse Ember：0.1 美元每百万 token 与 35.8 分智能指数

一句话结论：Meta 在 2026 年 11 月 9 日发布的 Muse Ember 是目前单位任务成本最低的一线模型之一，它用每百万输入 token 0.10 美元的定价换来了 Artificial Analysis 智能指数 35.8 分的成绩，与 Claude Haiku 5.5 的 36.2 分只差 0.4 分，而单次评测任务成本只有 0.14 美元，约为后者的三分之一。

大模型价格战在过去两年一直是「大模型降价、小模型跟进」的节奏。这一轮反过来了。Meta 把 Muse Ember 定位成旗下体量最小、效率最高的模型，核心目标只有一个：让 AI 智能体那种一次任务要调几十次工具、跑几轮测试、改十几遍代码的高频场景，算得过账。

这篇把 Muse Ember 的定价结构、基准分数和适用边界逐项拆开，重点回答两个问题。它相对 Claude Haiku 5.5 便宜在哪里，便宜的代价是什么。

Meta 模型矩阵里的第三档位置

Meta 目前的模型线分成三档。Muse Wonder 负责最高难度的问题，Muse Spark 面向编程和智能体工作流，Muse Ember 负责大规模、重复性的编码与智能体执行任务。Meta 给出的分工说法很直接，Muse Wonder 负责规划，Muse Ember 负责处理大量执行任务。

Muse Ember 是第一个用 Muse Wonder Full 训练的模型。Muse Wonder Full 于 2026 年 10 月 12 日发布，四周之后，Meta 就基于它做出了这个专用小模型。这条路径意味着大模型不再只是被调用，而是被用作训练数据生成器，去蒸馏出便宜得多的专用版本。

模型正式名称是 muse-ember-1.0。官方渠道有四个，Muse Code、Meta Model API、谷歌云与甲骨文云，接口层面支持 Responses API，可以按 OpenAI 生态的习惯直接接入现有工具链。

三档价格拆开看

Muse Ember 的定价结构里最有意思的是缓存那一档。输入每百万 token 0.10 美元，缓存输入每百万 token 0.004 美元，输出每百万 token 0.50 美元。缓存价是输入价的 4%，这个比例在主流模型里相当激进，意味着一旦命中缓存，重复上下文几乎等于白送。

单任务成本这个指标比每 token 价格更值得看。Artificial Analysis 的 Intelligence Index v5 跑完一轮完整评测的成本，Muse Ember 是 0.136 美元，Claude Haiku 5.5 是 0.411 美元，三分之之一的差距就是这么来的。ValsAI 的 ValsIndex 给出的是每项测试 0.15 美元，成绩 60.5%，同时超过 Claude Haiku 5.5 和 GPT-6 Luna，完成测试约需 15 分钟，在榜单前 12 名里速度最快。

不过这个指标有个前提，它假设模型一次就能把活干对。社区里有开发者提出过这个反例：一个便宜但要重试三次的模型，实际成本可能高于一个贵但一次成功的模型。选型时这三条数据要放在一起看。

基准分数：Agent 场景领先，真实工程落后

Muse Ember 的成绩分布很不均匀，这恰恰是它定位清晰的证据。

在考察模型能否端到端跑通业务流程的 AutomationBench-AA 上，Muse Ember 拿到 37.8%，Claude Haiku 5.5 只有 13.9%，差距有 2.7 倍。在考察真实工程任务代码修改能否被维护者采用的 FrontierCode 2.0-AA 上，它反过来落后，27.2% 对 34.9%。

这条分界线值得记住：凡是流程被拆成可验证步骤的场景，它赢；凡是要求理解真实代码库上下文和人类工程判断的场景，它输。多模态部分由 Meta 内部测试 PerceptionBench 支撑，Muse Ember 80.6%，Claude Haiku 5.5 78.6%，GPT-6 Luna 62.8%。

实测数据也支持这个判断。有人在 Arena.ai 的 CodeArena:WebDev 上让它一次生成 20 多个网站和动画，平均每次生成约 2 分钟，是该平台表现最好的小模型。另一个开发者在生成树木 3D 模型的测试里，用 33 秒产出 5 种不同树木，速度比对比模型快 25 倍。有人通过 OpenRouter 跑 18 步，界面显示生成速度 3565 token/s，缓存命中率 75%。

企业侧的两个数字

Meta 邀请了 Cloudflare 和 You.com 做早期测试，两家的反馈都指向延迟。Cloudflare 的技术负责人称，在他们的测试里 Muse Ember 能把部分任务的尾部延迟降低最多 30%。You.com 的推理负责人提到，该模型完成了全部编码任务，P95 延迟 2.2 秒，速度约为部分领先开源模型的 4 到 13 倍，输出 token 数量减少 36% 到 48%。

对做智能体基建的人来说，这三条数据比基准分数更有用。尾部延迟决定用户体验，输出 token 减少意味着同样的任务少烧钱、少占上下文。

安全评估：低于框架高风险阈值

发布前，Meta 按 Superintelligence Scaling Framework 做了评估，覆盖化学与生物安全、网络安全和失控风险等类别。已评估的风险类别中，Muse Ember 都没有达到框架设定的高风险阈值。Meta 同时强调，这个小模型接受了与旗舰模型相同的核心安全训练与测试，并额外评估了模型代表用户行动时的行为，包括是否尊重用户意图、如何处理敏感信息、能否抵抗藏在网页和文档里的指令劫改、在高影响动作前是否主动寻求人类确认。

这一点对准备把它放进自动化流水线的团队是必答题。一个每秒都在调工具的模型，如果被网页里一行看不见的文字改写了指令，损失会成倍放大。

怎么用起来

接入路径不复杂。Meta Model API 直接传模型名 muse-ember-1.0，Muse Code 是官方封装好的编码界面，谷歌云和甲骨文云已经上架，走企业采购流程即可。接口支持 Responses API，现有的工具调用代码改动量很小。

适合的场景有三个：一是智能体里高频重复的子任务，比如工具调用、测试执行、定向代码修复；二是长文档处理，100 万上下文加 51.2 万最大输出，一次能吞下整个代码库或成套文档；三是多模态输入，直接吃截图、图表、扫描件、语音笔记、会议录音和视频素材，不需要再调额外模型做预处理。

想在本机跑开源模型做对比测试的话，可以看这篇hf-mirror 下载模型实测，里面测过 9.4MiB/s 的下载速度和魔搭的差异。

什么时候别选它

三个信号说明该换模型。第一，任务是开放式的大型代码重构，需要理解历史包袱和隐含约定，FrontierCode 2.0 的差距说明这里不合适。第二，需要长上下文里有高精度的细节抽取，GDP.pdf-AA 上 22.8% 的绝对分数偏低，说明一百万窗口里的有效利用率还有提升空间。第三，产出物要直接进生产代码且由人类维护，质量兜底的风险由你自己承担。

另外注意 Claude Fable 5.2 的定位完全不同，它在 Artificial Analysis 上拿到 65 分，比 Muse Ember 高出 29 分，单价 8 美元每百万 token。两者差 29 分，属于两种不同用途，不构成同一档位的替代关系。Claude Fable 5.2 的定价和 15 项基准可以看这篇Claude Fable 5.2 发布详情。

如果预算敏感度没那么高、任务也不需要反复调用，中档模型的性价比更稳。谷歌 Gemini Omni 1.2 Flash 的定价策略走的是另一条路线，按秒计价，15 秒视频 0.07 美元每秒，相关实测在Gemini Omni 1.2 Flash 视频生成。国内云厂商的订阅制打包也值得横向算一遍，阿里云 Token Plan 的四档划分在阿里云 Token Plan 价格对比里有拆解。

常见问题

Muse Ember 和 Claude Haiku 5.5 到底差在哪

综合智能只差 0.4 分，35.8 对 36.2。真正的差别在成本结构，单任务 0.14 美元对 0.41 美元，以及缓存输入 0.004 美元每百万 token 的激进定价。选型时先看你的任务是否属于高频重复型，答案是就选 Muse Ember。

100 万 token 上下文什么时候真的用得上

典型场景是一次性读入整个代码库或者成套文档，然后连续执行几百项细分任务，比如读文件、跑测试、定向修复。Muse Ember 最高可输出 51.2 万 token，单次请求完成整套解析不需要拆上下文。注意 GDP.pdf-AA 上 22.8% 的分数提醒你，窗口大不等于长文档里的细节都能被准确用上。

Muse Ember 现在能用吗，要怎么接

可以，已经上线。模型名 muse-ember-1.0，通过 Meta Model API 和 Muse Code 直接调用，也上架了谷歌云和甲骨文云。接口兼容 Responses API，现有的 OpenAI 生态工具链改动量很小。价格按输入 0.10、缓存输入 0.004、输出 0.50 美元每百万 token 计。

小结

Muse Ember 值得关注的地方在于它验证了一条路线：不再一味堆参数和训练算力，而是用 Muse Wonder Full 蒸馏出专门干活的便宜模型，并且把价格压到了智能体能规模化调用的水平。37.8% 对 13.9% 的 AutomationBench 差距和 27.2% 对 34.9% 的 FrontierCode 差距一起给出了清晰边界。

对正在为智能体算账的团队，这 0.14 美元值得单独算一遍账。看清它在哪类任务上能一次做对，再决定它是否该进你的路由表。

相关阅读

• Claude Fable 5.2 发布：8 美元每百万 token 与 15 项基准
• 阿里云 Token Plan 四档对比：312 元 Pro 降价 37%
• Gemini Omni 1.2 Flash：15 秒视频，0.07 美元每秒
• hf-mirror 下载模型：实测 9.4MiB/s 魔搭快 2.8 倍