11月9日，meta正式发布其迄今体积最小、运行效率最高的ai模型——muse ember。该模型专为ai智能体高频执行的常规性、重复性任务而设计，典型应用场景包括工具调用、编程子任务、请求路由、信息抽取以及长文档解析等。
在关键性能与成本指标上，Muse Ember展现出显著优势。据第三方评测机构Artificial Analysis发布的综合智能指数（Artificial Analysis Intelligence Index）数据显示，该模型在多个推理维度的表现已超越Anthropic的Claude Haiku 5.5及OpenAI的GPT-6 Luna。
在AII基准测试中，Muse Ember获得36分，与更大规模的Muse Spark 1.3（37分）基本持平，但单次任务处理成本大幅压缩至约0.14美元，相较Muse Spark 1.3的2.39美元下降超94%。然而，在聚焦真实代码修改采纳率的FrontierCode 2.0-AA测试中，Claude Haiku 5.5以34.9%的得分领先，Muse Ember则为27.2%。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
赋予Agent实时语音交互能力。与Claude对话！超快TTS文字转语音，约90毫秒低延迟音频输出。
多模态能力方面，Muse Ember原生支持文本、图像、音频及视频输入，并具备高达100万Token的上下文窗口，可一次性处理整套代码库或大规模文档集合。目前，该模型已通过Meta Model API与Muse Code平台开放使用，定价策略为：每百万输入Token 0.10美元，每百万输出Token 0.50美元。
这一发布标志着AI产业正加速从“大模型军备竞赛”转向“推理效能与成本效益并重”的新阶段，轻量、专用、高性价比的智能体模型有望加快在金融、客服、研发等垂直场景中的规模化部署。
