IT之家 11 月 10 日消息，Meta 现已推出 Muse Ember AI 模型。这是 Meta 迄今最小、效率最高的模型，专为复杂推理任务执行以及智能体日常反复处理的工作而设计。
Meta 表示，在 Artificial Analysis 排行榜中，这款模型的表现可以媲美 Claude Haiku 5.5，但单任务成本仅为 1/3，并在多项测试中超越 GPT-6 Luna。
IT之家附 Muse Ember 模型跑分数据如下：
|
评测项目 |
Muse Ember（max） |
Claude Haiku 5.5（max） |
GPT-6 Luna（max） |
|
|---|---|---|---|---|
| 智能体 |
AutomationBench-AA（端到端业务工作流） |
37.8 |
13.9 |
20.2 |
|
Agents' Last Exam（端到端智能体任务） |
61.6 |
57.0 |
57.1 |
|
|
Personal Superintelligence Index（个人与知识工作内部综合指数） |
46.8 |
36.1 |
37.0 |
|
| 编程 |
Terminal-Bench 4.0（智能体终端编程） |
40.9 |
39.2 |
16.4 |
|
Coding Agent Index-AA（真实智能体环境中的编程） |
46 |
37 |
31 |
|
|
FrontierCode 2.0-AA（以代码合并可行性为标准评估的真实工程任务） |
27.2 |
34.9 |
25.2 |
|
| 多模态 |
GDP.pdf-AA（长文档专业工作） |
22.8 |
20.8 |
22.8 |
|
OSWorld 2.1（跨桌面应用的计算机操作） |
69.5 |
68.9 |
50.5 |
|
|
PerceptionBench（精细视觉感知） |
80.6 |
78.6 |
62.8 |
|
| 综合 |
Artificial Analysis Index |
36 |
36 |
28 |
同时，这款模型拥有 100 万 Token 上下文窗口，最多支持输出 51.2 万 Token，可以在一次调用中处理完整的代码库或一整套文档。它可以让智能体在一次会话中执行数百次编程子任务，包含读取文件、运行测试和进行有针对性的修复。
Muse Ember 原生支持理解文本、图像、音频和视频，智能体无需借助其他模型，就能读取截图、图表和扫描文档，也能处理语音备忘录、会议录音和视频。它能处理篇幅较长的真实文档，直接根据屏幕截图操作计算机，并识别细微的视觉细节。
安全方面，这款模型在发布前经过 Meta SI 扩展框架评估，所有测试结果显示，Muse Ember 的风险水平低于框架设定的高风险阈值。
价格方面，这款模型即日起在 Meta Model API、Google Cloud 和 Oracle Cloud 提供。输入价格为每百万 Token 0.10 美元（IT之家注：现汇率约合 0.67 元人民币），输出价格为每百万 Token 0.50 美元（现汇率约合 3.3 元人民币）。
