跳到主要內容
2026-11-10 日報
模型發布

Meta 發布 Muse Ember 小模型:每美元智能優於 Claude Haiku 5.5 與 GPT-6 Luna,輸入每百萬 token 0.10 美元

Hacker News綜合 5 家報導多家報導
核實資料不足

多個報導來源提及此事;未必是彼此獨立的證據。

本次未取得足夠原文證據

Meta 超級智慧實驗室推出 Muse Ember,定位為其體積最小、效率最高的模型,鎖定代理(agent)反覆執行的工具呼叫、程式子任務、路由、資料擷取與長文件解析。Meta 稱,在各推理強度下,Ember 的每美元智能表現都優於 Claude Haiku 5.5 與 GPT-6 Luna:其成本約為 Haiku 最高分的三分之一,且分數超過 Luna 所有設定。依 Artificial Analysis 的資料,Ember 每任務成本約 0.116 至 0.136 美元(Meta 標示為依擬定定價估算),對應指數分數 33.9 至 35.8。另據 The Decoder 引述,較大的 Muse Spark 1.3 每任務約 2.39 美元,指數分數為 37,與 Ember 的 36 相近。 定價方面,Ember 已於 Meta Model API 上線,輸入每百萬 token 0.10 美元、輸出每百萬 token 0.50 美元。規格上支援 100 萬 token 上下文視窗與最高 51.2 萬輸出 token;The Decoder 另稱其可處理文字、圖像、音訊與影片。 Meta 自家評測中,Ember(max 推理)在 AutomationBench-AA 取得 37.8%,高於 Luna 的 20.2% 與 Haiku 5.5 的 13.9%;Agents' Last Exam 為 61.6%,Personal Superintelligence Index 為 46.8%(內部綜合指標);Terminal-Bench 4.0 為 40.9,略高於 Haiku 的 39.2;Coding Agent Index-AA 為 46,高於 Haiku 的 37。然而在 FrontierCode 2.0-AA(以可合併性評判的真實工程任務)上,Ember 為 27.2,低於 Haiku 的 34.9,The Decoder 特別指出這點。Meta 的部分數據為內部評測,Agents' Last Exam 標註為 Linux 子集,相關結果尚待獨立驗證。
讀原始報導

社群討論

討論者普遍肯定 Muse Ember 的性價比:多位留言引用 Artificial Analysis 數據,指其 Intelligence Index 約 36 分、每任務成本約 $0.14,遠低於 Grok 4.7 xhigh 的 $8,也便宜於 Haiku 5.5;但也有人質疑 Meta 自家評測多在 mini-swe-agent 上取得最佳成績,且 Ember 的「smallest」定義不明、沒有公開權重與參數大小,反對聲浪主要集中在不開源與缺乏可下載資訊,另有人認為 Meta 近年在 LLM 競賽中已邊緣化、對其發布的新模型興趣有限。

來源