Meta 发布 Muse Ember (Max)，登顶 Agent Arena 高效模型榜首

Meta 的 AI 团队推出 Muse Ember，定位为旗下最小、最高效的模型，主打复杂推理执行与日常智能体工作，能跨应用执行工作流、按序调用工具、跑测试并做针对性代码修复。Muse Ember (Max) 在 Agent Arena 基准中以 +1.7% 净改进位列第 25 名，基于 6000 个真实智能体会话数据测得，单任务成本约 $0.02，速度约 0.5 分钟/任务，输出 11.6K tokens。对比之下，GPT-6 Luna (Max) 净改进 +1.6%、成本 $0.09/任务、耗时 6 分钟、输出 41.2K tokens；Claude Haiku 5.5 (High) 净改进 +0.5%、成本 $0.08/任务、耗时 1.8 分钟、输出 24.3K tokens。三者性能接近，但 Ember 的单任务成本约为对手的 1/4，速度比 Luna (Max) 快约 12 倍，比 Haiku 5.5 快 3.5 倍，输出 tokens 分别少 72% 和 52%。该模型配备 1M-token 上下文窗口，原生支持文本、图像、音频和视频多模态输入，可处理大型文档集合。对需要大量智能体任务但预算敏感的团队来说，成本与速度差距比分数差距更有意义。