Meta 发布 Muse Ember：面向智能体工作的小型推理模型，支持 1M 上下文

Meta 宣布推出 Muse Ember，定位为其体量最小、能效最高的模型，主打复杂推理执行与日常智能体任务。模型可以跨应用承接工作流、按顺序调用工具、运行测试并对代码做针对性修复。上下文窗口达到 1M token，并原生支持文本、图像、音频和视频四种模态的输入。 在能力设计上，Muse Ember 的重点是把推理用在执行环节，而不是单纯的对话或问答：智能体可以在多个应用之间推进任务，串联工具调用，跑测试后再修改代码，形成一套可操作的工作循环。1M token 的上下文让它能处理大型文档集合，多模态输入则覆盖了混合格式的日常工作场景。 Meta 将其定位为小型高效模型，直接对标智能体执行层的低成本需求，与 OpenAI、Anthropic 在智能体工作流方向的产品形成竞争。对开发者而言，小参数量加上长上下文和多模态，意味着部署成本和响应速度可能更有优势。