Meta 发布 Muse Ember：面向智能体场景的低成本高效模型

Meta 发布 Muse Ember，定位为服务执行数百个小任务智能体的高性价比模型。在 Artificial Analysis Intelligence Index 上，其表现与 Claude Haiku 5.5 相当，但每个任务的成本约为后者的三分之一。同时，在 GPT-6 Luna 的全部推理设置下，Muse Ember 的得分均高于 GPT-6 Luna。 该模型的卖点是效率而非极限智能：智能体工作流通常包含大量小步骤，每步的延迟与费用累积起来决定了整体成本，Muse Ember 由此针对每一步的推理开销做了优化。在基准对比中，它与 Claude Haiku 5.5 属于同一性能档位，成本优势明显；对 GPT-6 Luna 的领先则覆盖了 Luna 的全部推理配置。 对开发者而言，这类模型的竞争点在于每任务成本曲线：在多步骤智能体、批量任务处理等场景下，三分之一的价格差异会被任务量放大。选择上需要在 Anthropic 的 Haiku 系列、OpenAI 的 Luna 系列与 Muse Ember 之间按实际工作负载测算。