Scale AI 发布 teeny 模型 muse ember：达到效率前沿
Scale AI 把自家小模型 muse ember 推到了效率前沿，官方说法是成本只要 Claude Haiku 的三分之一、效果还超过自家 luna。如果你的应用每天要跑海量低复杂度任务，这种 3 倍价差值得实际测一下再决定。
Scale AI 创始人 Alexandr Wang 宣布其 teeny 系列小模型 muse ember 登上效率前沿（efficient frontier）。按官方对比数据，muse ember 完成任务的成本只有 Claude Haiku 的三分之一，即以 3 倍更便宜的每任务成本打平 Haiku 的表现。同时它在智能水平上超过了自家更轻量的 luna 模型。
muse ember 的定位是小而高效的专用模型，主打在低算力成本下维持主流模型的输出质量。这类模型通常通过针对特定任务的训练和压缩来压低推理成本，让同一预算下能处理更多请求。"每任务成本"（cost per task）是它强调的核心指标，直接对应 API 调用方的账单。
对开发者和企业采购方来说，若 muse ember 的每任务成本确实为 Haiku 的 1/3 且质量相当，高频调用场景（如分类、抽取、批处理）的推理开销可以明显下降。小模型赛道上，这类效率对比正在成为模型之间竞争的主要叙事方式。
our teeny model muse ember is now on the efficient frontier 🤗
matching haiku at 3x cheaper cost per task, and smarter than luna
本条情报归属 AITOP「模型」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：muse ember、Scale AI、Claude Haiku、小模型，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「Alexandr Wang (Meta MSL)」（@alexandr_wang），经 AITOP 多维评分管线结构化提炼。
