ModelBrief · Muse Ember · 專題
最後更新 2026-11-20
EN 简体 繁體
美國 · 大語言模型 · API 專屬 · 2026 年 11 月 9 日發佈

Muse Ember 專題

Meta 超級智能實驗室 2026 年 11 月 9 日發佈的 Muse 家族最小、最便宜的模型:專爲高量智能體執行而生,1M 上下文、原生多模態輸入,Artificial Analysis 指數 36(滿檔推理)追平 Claude Haiku 5.5,單任務成本 $0.14 只有後者的三分之一。但要先把定位說清楚:它沒有開源權重——Meta 的開源 Muse 模型是 Glimmer / Spark Open,不是 Ember;六項分項基準全部是廠商自報的 AA 評估複述,唯一由 AA 獨立發佈的是指數 36 這一項;它在 FrontierCode 2.0 上輸給 Haiku 5.5,AA-Omniscience 21.1% 是同檔最低;LMArena 已於 11 月 15 日首登(WebDev 第 37、Agent Arena 第 25),LiveBench 至今沒有收錄;超過 200K 輸入 token 的整單價格翻 3 倍,$0.10 的 headline 只在 200K 以下成立。本頁彙總官方規格、價格、基準解讀與 6 篇本站深度實測,並明確標註哪些說法尚未證實。

36AA 智能指數 v5.0(滿檔推理),追平 Claude Haiku 5.5
$0.14 / 任務AA 指數單任務成本,Haiku 5.5 爲 $0.41
$0.10 / $0.50每百萬 tokens(輸入 / 輸出),200K 輸入以下
3 倍價目懸崖超 200K 輸入 token 的整單按 $0.30 / $1.50 計費
1M tokens上下文窗口;最大輸出 512K tokens
無開源權重API 專屬;開源的是 Glimmer / Spark Open

01關鍵事實

先把能確認的說清楚:這是本站第一個「講性價比不講能力上限」的專題——Ember 的故事是單任務成本與價目懸崖,不是最強智能。一句話:便宜是真的,免費層沒有,開源也沒有。

發佈
2026-11-09(週一,Meta 超級智能實驗室;同日上線 Meta Model API 與 Muse Code;同日 Anthropic 發佈 Claude Fable 5.2 / Mythos 5.2)
開發方
Meta Superintelligence Labs(Meta 超級智能實驗室)
定位
Muse 家族最小、最便宜的模型,專爲高量智能體執行而生:子智能體任務、工具調用、路由、抽取、長文檔解析
家族位置
Muse 家族第四款:Spark(4 月,中量級)、Glimmer(8 月,Spark 的開源權重孿生)、Wonder(10 月,前沿旗艦)、Ember(11 月,最小)
參數量
未公佈
上下文
1,048,576 tokens(1M);最大輸出 524,288 tokens(512K)
輸入 / 輸出
輸入文本、圖像、音頻、視頻、PDF(原生多模態);輸出僅文本
推理
六檔推理強度(minimal、low、medium、high、xhigh、max),默認 max;Meta 只公佈了 max 檔的基準成績
價格
200K 輸入 token 以下:$0.10 輸入 / $0.004 緩存輸入 / $0.50 輸出(每百萬 tokens);超過 200K:整單 3 倍($0.30 / $0.012 / $1.50);僅標準模式,無 Contributor 模式
基準分
Artificial Analysis 智能指數 v5.0 36(max 檔,獨立發佈);AA-Omniscience 21.1%(同檔最低);分項六基準爲 Meta 自報的 AA 評估複述,AutomationBench-AA 37.8% 對 Haiku 5.5 的 13.9%;LMArena 11 月 15 日首登:WebDev 1,608 分第 37、Agent Arena 1.7 分第 25;LiveBench 仍未收錄;BenchLeader 11 月 17 日快照:Vals Index 60.5(第 15)、Vals Legal 75.7%(第 4)、GameBench 2 51.7(第 36)、AA-Omniscience 非幻覺率 82.6%(第 10)
模型 ID
muse-ember-1.0(Meta Model API)
開源
無開源權重,API 專屬;Meta 的開源 Muse 模型是 Spark Open / Glimmer,別混淆
渠道
Meta Model API、Muse Code(全部套餐)、Google Cloud、Oracle Cloud、Vercel AI Gateway(發佈當日全部上線);未提及免費層

02快速對比

與最接近的同類模型橫向對照:AA 指數、價格、上下文與開源情況一覽。點擊模型名進入專題頁。

模型AA 指數(v5.0)輸入 · 輸出價格上下文開源
Muse Ember36$0.10 / $0.50 每百萬 tokens(≤200K 輸入;超 200K 整單 3 倍)1M tokens否
Qwen4-Max43$1.50 / $4.50 每百萬 tokens1M tokens否
騰訊混元 Hy435¥6 / ¥18 每百萬 tokens(5 折至 12-31)1M tokens否(僅 preview 權重)
Inkling 2 Small31$0.30 / $1.00 每百萬 tokens1M(架構上限;Tinker 64K/256K)是(Apache 2.0)
Nex-N2.6未收錄$0.12 / $0.40 每百萬 tokens(8 折)262K(OpenRouter)/ 1M(發佈配置)是(Apache 2.0)

AA 指數爲 Artificial Analysis 獨立發佈(v5.0);「未收錄」表示該模型尚未登上 AA 榜單。價格爲每百萬 tokens 的輸入·輸出價,人民幣價與美元價是各廠商的兩套目錄價,不可直接換算比較。完整對比見第 13 節,完整基準盤點見第 12 節。

03數據圖表

AA 指數 v5.0 對照:Ember 36 分追平 Haiku 5.5;完整基準盤點見第 12 節。

AA 指数 v5.0 条形图:Claude Fable 5.2 65 分、Qwen4-Max 43 分、Muse Ember 36 分、Claude Haiku 5.5 36 分、Hy4 35 分
AA 智能指數 v5.0 對照(max 檔,Artificial Analysis 獨立發佈;Muse Ember 爲橙色柱)。

04最值得讀的 3 篇

時間不多的話,先讀這三篇;完整目錄見第 10 節。

05時間線

Ember 與 Fable 5.2 同日發佈——一邊是 Anthropic 的「最大」,一邊是 Meta 的「最小」,報道本身就拿這個對比做文章。本站已有 Fable 5.2 專題,兩篇互爲對照。

  • 2026-04

    Muse Spark 發佈(家族中量級模型)。

  • 2026-08

    Muse Glimmer 發佈——Spark 的開源權重孿生模型,也是 Meta 至今唯一的開源 Muse 模型。

  • 2026-10

    Muse Wonder 發佈(家族前沿旗艦);Wonder Full 被鎖在 Muse Code 內部使用。

  • 2026-11-09

    Muse Ember 發佈:Meta 研究博客「Introducing Our Smallest, Most Efficient Model: Muse Ember」上線;Alexandr Wang 同日在 X 宣佈——這是 Meta 首次用 Muse Wonder Full 訓練發佈的模型;同日上線 Meta Model API(muse-ember-1.0)、Muse Code 全部套餐、Google Cloud、Oracle Cloud 與 Vercel AI Gateway;Artificial Analysis 同日發佈首發評估:智能指數 36、$0.14/任務;TechCrunch 同日 18:00 UTC 報道;Hacker News 首發帖當日 228 分;同日 Anthropic 發佈 Claude Fable 5.2 / Mythos 5.2。

  • 2026-11-10

    Simon Willison 發佈動手測試(六檔推理強度、鵜鶘繪圖測試、比 Wonder 便宜 40 倍);中文與臺港媒體跟進(cocoloop、jiazhuangai、sunmedia、airesearch.hk)。

  • 2026-11-10

    Plotly 發佈數據分析實測:Ember 在 43 題 DataAnalyticsBench 上答對 38 題,與 GPT-6 Luna 同分,但整輪成本 $1.04 是 Luna 的 8 倍;隱藏模式只找到 1/5。

  • 2026-11-10–11

    第二波報道與分析:gptclub、datalearner、techbang,以及 eesel.ai、i10x.ai、alphasignal、at-pulse、tech-insider(200K 價目懸崖成本測算)、agentfred(與 Fable / Mythos 5.2 的同日對比)。

  • 2026-11-15

    LMArena 首登(11 月 15 日結果):WebDev 1,608 分第 37(Max 檔)、Agent Arena 1.7 分第 25;LiveBench 仍未收錄。

  • 2026-11-16

    本站專題上線;Activepieces 小樣本實測:3 項自動化任務全對、總耗時 8.4 秒(gpt-5.4-mini 的 3 倍,每項只跑一次);LiveBench 仍未收錄 Ember。

  • 2026-11-17

    本站讀取 BenchLeader 快照,批量補錄多榜單分數:Vals Index 60.5(第 15)、Vals Legal 75.7%(第 4)、Vals Finance 60.9%(第 13)、GameBench 2 綜合 51.7(第 36)、AA-Omniscience 非幻覺率 82.6%(第 10)等 16 項。見第 12 節。

  • 2026-11-17

    扎克伯格經 X 宣佈,Muse Ember 即將上線微軟 Foundry(Azure),與 Muse Wonder、Muse Spark 1.3 同批;未給具體日期。見第 07 節。

06官方規格

以下爲 Meta 研究博客與 Meta Model API 文檔已公佈口徑(本輪覈查於 2026 年 11 月 16 日凌晨,經多篇二手轉述交叉覈對)。參數量未公佈,訓練方法未披露;分項基準爲 Meta 自報。

狀態
已發佈(2026-11-09;API 與 Muse Code 同日上線)
模型 ID
muse-ember-1.0(Meta Model API)
架構 / 參數
參數量未公佈;訓練方法未披露;Meta 稱是首個用 Muse Wonder Full 訓練發佈的模型
上下文窗口
1,048,576 tokens(1M)
最大輸出
524,288 tokens(512K)
輸入
文本、圖像、音頻、視頻、PDF(原生多模態)
輸出
文本
推理
六檔:minimal、low、medium、high、xhigh、max;默認 max;Meta 只公佈 max 檔基準成績
API
Meta Model API(api.meta.ai/v1),支持 Responses API,請求體與 Muse Spark 相同;另有 Muse Code、Google Cloud、Oracle Cloud、Vercel AI Gateway
權重
無開源權重;API 專屬
API 價格
200K 輸入以下 $0.10 / $0.004(緩存)/ $0.50;超過 200K 整單 3 倍 $0.30 / $0.012 / $1.50(每百萬 tokens)
基準分
AA 智能指數 v5.0 36(max,獨立發佈);分項六基準爲 Meta 自報的 AA 評估複述;AA-Omniscience 21.1%
安全評估
Meta 超級智能擴展框架評估(化生、網絡、失控三類),Meta 稱無一類超過高風險閾值;另評估了抵抗藏在網頁、文檔與工具輸出中的指令、以及高影響操作前尋求人工確認的能力

07怎麼試用:6 條路線

六條路線:前五條發佈當日全部就緒,微軟 Foundry 只宣佈了即將上線、尚未開放。Meta 自家 API 與 Muse Code 是主入口,兩朵雲與一個網關是分發。沒有免費層,也沒有開源權重可下載——試用就意味着走 API。

1Meta Model API(主入口)

模型 ID muse-ember-1.0,端點 api.meta.ai/v1,支持 Responses API,請求體與 Muse Spark 相同。價格 $0.10/$0.50(200K 輸入以下),超過 200K 整單 3 倍;僅標準模式,無 Contributor 模式。

2Muse Code(全部套餐)

發佈當日即在 Muse Code 全部套餐可用。定位是「Wonder 規劃、Ember 執行」的雙模型模式:Wonder / Spark 做規劃,Ember 接高量執行任務。Meta 稱 Ember 是首個用 Muse Wonder Full 訓練的模型,Wonder Full 本身鎖在 Muse Code 內部。

3Google Cloud

發佈當日上架。價格與渠道細節以 Google Cloud 官方頁面爲準,本輪未逐項覈對。

4Oracle Cloud

發佈當日上架;Oracle 也是 Meta 發佈時引用的合作方之一。價格與渠道細節以 Oracle Cloud 官方頁面爲準,本輪未逐項覈對。

5Vercel AI Gateway(發佈當日)

發佈當日接入。適合已在用 Vercel AI Gateway 的項目直接切換模型 ID,價格以網關頁面爲準。

6Microsoft Foundry(Azure)——即將上線

Meta CEO 扎克伯格 11 月 17 日經 X 宣佈,Muse Ember 將與 Muse Wonder、Muse Spark 1.3 同批上線微軟 Foundry(Azure);只說了 coming soon,未給具體日期,目前還不能用。

Meta Model API: api.meta.ai/v1 (muse-ember-1.0;$0.10/$0.50;超 200K 整單 3 倍) Muse Code: 全部套餐可用 (Wonder 規劃、Ember 執行) Google Cloud: 發佈當日上架 (價格以官方頁面爲準) Oracle Cloud: 發佈當日上架 (價格以官方頁面爲準) Vercel Gateway: 發佈當日接入 (價格以網關頁面爲準) 微軟 Foundry: 即將上線(Azure;未給日期) 上下文: 1,048,576 tokens;最大輸出 524,288 tokens 推理: 六檔 minimal/low/medium/high/xhigh/max(默認 max)
上手警告:沒有任何來源提及免費層,不要按「有免費額度」做預算;200K 價目懸崖按整單計費——一次超長上下文請求會把輸入與輸出單價同時翻 3 倍,長文檔任務先算清 token 量;Meta 只公佈了 max 檔基準,低檔推理的質量未經官方驗證,Simon Willison 的動手測試顯示質量並不隨檔位單調上升。

08價格解析

Ember 的價格故事分兩層:單價與 Haiku 5.5、GPT-6 Luna 完全相同($0.10/$0.50),省的是單任務成本($0.14 對 $0.41);但超過 200K 輸入 token 的整單翻 3 倍,$0.10 的 headline 只在 200K 以下成立。價格爲 2026 年 11 月 16 日覈查口徑,結賬頁價格爲準。

項目(每百萬 tokens)≤ 200K 輸入> 200K 輸入(整單 3 倍)Claude Haiku 5.5GPT-6 Luna
輸入$0.10$0.30$0.10$0.10
緩存輸入$0.004$0.012約 $0.01(Ember 緩存便宜約 60%)—
輸出$0.50$1.50$0.50$0.50
AA 指數單任務成本$0.14—$0.41—

200K 懸崖:按整單算,不是隻算超出的部分

超過 200,000 輸入 token 的請求,輸入、緩存與輸出三項單價全部翻 3 倍,而且是整單適用——不是隻對超出 200K 的那部分加價。舉例:一個 250K 輸入 token 的請求,輸入按 $0.30、輸出按 $1.50 計費;同樣輸出量下,賬單是 200K 以下請求的 3 倍。長文檔解析、超長上下文智能體任務最容易撞上這條線:先算 token 量,再決定要不要拆請求或換檔位。

爲什麼單價相同,任務成本差三倍

Ember 與 Haiku 5.5、GPT-6 Luna 的標價完全相同($0.10/$0.50),省錢不在單價而在用量:AA 指數測試裏 Ember 約用 115M 輸出 token,Haiku 約用 298M——Ember 用更少的 token 完成同一套任務,於是單任務成本 $0.14 對 $0.41。緩存輸入也便宜約 60%($0.004 對 Haiku 約 $0.01)。反過來理解:如果你的任務讓 Ember 輸出量與 Haiku 相當,省錢效應就消失;「便宜三分之一」是任務成本的說法,不是單價的說法。

與家族旗艦比:17 倍的價差

Alexandr Wang 的說法:Ember 接近 Muse Spark 1.3(max)的智能(AA 37 對 36),價格按 AA 口徑便宜 17 倍——Spark $2.39/任務對 Ember $0.14/任務。Simon Willison 的動手測試則稱 Ember 比 Wonder 便宜 40 倍。兩處倍數口徑不同(任務成本 vs 未註明口徑),引用時不要混用。

價格要點:200K 以下 $0.10/$0.50 與 Haiku、Luna 同價,省的是單任務成本而非單價;超過 200K 整單 3 倍,長上下文任務先算 token;緩存輸入 $0.004 比 Haiku 便宜約 60%;沒有任何來源提及免費層;Meta 圖表註腳稱 Ember 的成本按提議價格估算,AA 成本對比是 Meta 對 AA 結果的解讀,未經第三方審計。

官方頁面:Meta 研究博客 — Muse Ember 發佈文

09首批實測與測評

以下材料橫跨 11 月 9–16 日:獨立證據起初只有 Artificial Analysis 一家,11 月 10 日 Plotly 的數據分析實測與 Simon Willison 的動手測試相繼出現,11 月 15 日 LMArena 首登、11 月 16 日又添一篇獨立小樣本實測。先說結論:AA 指數 36 是真的;其餘六項分項基準是 Meta 轉述 AA 評估的結果,不是 AA 獨立發佈的榜單。每條都給出結論徽章;點「閱讀本站全文」進入本站的深度改寫文章頁,文末附原始出處。

Artificial Analysis:智能指數 36,單任務 $0.14,「36 分以上最便宜」

結論:本專題唯一的獨立評分,也是 headline 的來源

來源:Artificial Analysis 首發評估,2026-11-09(獨立運行)

AA 智能指數 v5.0:Ember(max 檔)36,與 Claude Haiku 5.5(max)持平,Spark 1.3(max)37;單任務成本 $0.14 對 Haiku $0.41、Spark $2.39;AA 稱其爲「36 分以上最便宜的模型」;在約 $0.14/任務的可比模型中排 33 個裏的第 2。注意:這是 AA 獨立發佈的唯一一項;分項六基準見下條。

閱讀本站全文 → (本站原創整理)

Meta 自報六基準:AutomationBench 大勝,FrontierCode 卻輸了

結論:五勝一負,輸的那一項恰恰是代碼能力

來源:Meta 研究博客發佈文(Meta 對 AA 評估的轉述,廠商自報)

AutomationBench-AA 37.8% 對 Haiku 13.9%、Luna 20.2%(差距最大);Terminal-Bench 4.0 40.9% 對 Haiku 39.2%;OSWorld 2.1 69.5% 對 Haiku 68.9%、Luna 50.5%;Agents' Last Exam 61.6 對 57.0 / 57.1;PerceptionBench 80.6 對 78.6 / 62.8;但 FrontierCode 2.0-AA 27.2% 對 Haiku 34.9%——Ember 輸了。AA 編碼智能體指數 46 也是 Meta 的數字,Ridge 指出這是 Meta 的說法。Meta 圖表註腳稱 Ember 成本按提議價格估算。

閱讀本站全文 → (本站原創整理)

AA-Omniscience 21.1%:同檔最低的短板

結論:指數 36 之下的真實弱點,別隻看 headline

來源:Artificial Analysis(alphasignal 轉述)

AA-Omniscience 21.1%,在總分相近的模型裏最低。指數 36 概括的是綜合智能,Omniscience 測的是另一維度的能力——Ember 的 36 分之下藏着一項墊底成績,選型時要把這一項單獨拎出來看。

閱讀本站全文 → (本站原創整理)

Simon Willison 動手測試:六檔推理,質量不隨檔位單調上升

結論:唯一的深度動手記錄,樣本爲單人單任務

來源:Simon Willison,2026-11-10(個人動手測試)

試了六檔推理強度:質量沒有隨檔位穩步上升,一次 high 檔請求甚至沒能返回完整的繪圖;稱 Ember 比 Wonder 便宜 40 倍。這是單人、單任務的觀察,不是基準——但它直接質疑了「默認 max 就最穩」的假設,也提醒低檔推理的質量未經官方驗證。

閱讀本站全文 → (本站原創整理)

TechCrunch 與 The Verge 同日報道,HN 228 分

結論:主流報道的量級是本輪候選裏最強的

來源:TechCrunch,2026-11-09 18:00 UTC;Hacker News 首發帖當日 228 分

TechCrunch 在發佈當日 18:00 UTC 報道;The Verge 也在同日報道(本站本輪未取得原文鏈接,不作鏈接引用);Hacker News 首發帖當日 228 分。第二波有 eesel.ai(稱其爲「拿到 Haiku 5.5 級結果最便宜的路」)、i10x.ai、alphasignal、at-pulse、tech-insider、agentfred 等約十家分析站點。

閱讀本站全文 → (本站原創整理)

中文報道:有覆蓋,無一線主流

結論:中文世界知道 Ember,但不在頭條位置

來源:gptclub(11 月 11 日)、cocoloop(11 月 10 日)、jiazhuangai(11 月 10 日)、datalearner(11 月 9 日);臺港:techbang(11 月 11 日)、sunmedia(11 月 10 日)、airesearch.hk(11 月 10 日)

四家大陸利基媒體與三家臺港媒體在 11 月 9–11 日跟進,內容覆蓋規格、兩檔價格與「無權重」問答;但機器之心、新智元、量子位、IT之家均未見報道,中文自動補全也爲零。中文讀者目前主要靠英文首發與利基轉載瞭解 Ember。

閱讀本站全文 → (本站原創整理)

LMArena 首登:WebDev 第 37、Agent Arena 第 25;LiveBench 仍缺席

結論:獨立證據不再只有 AA 一家,但兩項首登成績都不亮眼

來源:LMArena(BenchLeader 鏡像頁),2026-11-15 結果

LMArena 11 月 15 日結果:WebDev(Max 檔)1,608 分第 37 名,Agent Arena 1.7 分第 25 名——兩個榜單都進了,但排名都靠後,尤其 Agent Arena 的分數很低,與 AA 指數 36 的「追平 Haiku」敘事形成反差。LiveBench 仍無 Ember 的運行記錄,仍是跟蹤循環的盯梢項。

Activepieces 小樣本實測:3 項自動化任務全對,耗時卻是 gpt-5.4-mini 的 3 倍

結論:準,但慢;每項只跑一次,僅供參考

來源:Activepieces,2026-11-16 13:31(北京時間;獨立小樣本實測)

作者自跑 3 項自動化任務(工單分類、發票字段提取、郵件 thread 摘要),Ember 3/3 全對;但總耗時 8.4 秒,爲 gpt-5.4-mini(2.8 秒)的 3 倍。作者自承每項只跑一次、僅供參考——準確率的可信度有限,速度差距的方向值得留意:Ember 的賣點是便宜,不是快。

Plotly 數據分析實測:38/43 與 Luna 同分,賬單卻是 Luna 的 8 倍

結論:分高但賬單不便宜;隱藏模式是短板

來源:Plotly,2026-11-10(獨立實測,DataAnalyticsBench 43 題)

Plotly 把 45 款模型放進同一套 43 題數據分析考試——題目建在真實數據倉庫上,模型要自己寫查詢、查數據、給答案。Ember 答對 38 題,與 GPT-6 Luna 並列,領先 Haiku 5.5(37 題)1 題,也領先 Meta 自家開源的 Glimmer 30B(35 題)3 題。分項上:33 道有標準答案的題全部答對(分析、模糊問題、不可能請求、數據質量四類滿分);統計陷阱 4/5,高於 Luna 的 3/5 與 Haiku 的 2/5;失分集中在「隱藏模式」——5 題只找到 1 個。賬單是另一面:整輪跑下來 $1.04,是 Luna($0.13)的 8 倍。原因在用量:Ember 全程讀了約 2660 萬輸入 token,約爲 Luna 的 5 倍,其中 70% 走緩存($0.004/百萬);隱藏模式題平均每題要跑 78 次查詢,45 款模型裏第二多(中位數 25 次,兩題超過 100 次)。速度上中位每題 28 秒,與榜單中位數 27 秒相當;有一題總耗時 75 分鐘,但幾乎全是數據庫執行重查詢的時間,模型生成本身約 24 分鐘。限定條件:每個模型只跑一次;Plotly 稱重複跑分的波動可達 3 分,1–2 分的差距應視爲平手——Ember 與 Luna 的同分、以及領先 Haiku 的 1 分,在誤差範圍內都算平手。

10文章目錄:本站深度解讀

以下 6 篇均爲本站原創改寫與再整理的深度文章——重新組織結構、補充結論與選型建議,事實與數據與原始測評覈對一致。點擊任意一篇在本站內閱讀,文末附原始出處。

12基準測試:AA 指數 36 + 六項分項基準

一張表分兩層讀:上層是 AA 獨立發佈的指數 36(max 檔),下層是 Meta 轉述 AA 評估的六項分項成績——兩層的可信度不一樣,讀分數前先分清誰在說話。

測試(Meta 自報,AA 評估複述)Muse Ember(max)Claude Haiku 5.5(max)GPT-6 Luna(max)
AutomationBench-AA(端到端業務流程)37.8%13.9%20.2%
Terminal-Bench 4.0(終端任務)40.9%39.2%—
FrontierCode 2.0-AA(代碼)27.2%34.9%—
OSWorld 2.1(計算機使用)69.5%68.9%50.5%
Agents' Last Exam(端到端智能體任務)61.657.057.1
PerceptionBench(精細視覺感知)80.678.662.8

獨立發佈的一層:AA 指數 36 與 Omniscience 21.1%

測量(AA 獨立發佈)Muse EmberClaude Haiku 5.5Muse Spark 1.3
AA 智能指數 v5.0(max 檔)363637
單任務成本(AA 指數)$0.14$0.41$2.39
AA-Omniscience21.1%(同檔最低)——
AA 編碼智能體指數46(Meta 的數字)——

獨立證據(截至 11 月 17 日)

測量來源Ember 成績說明
AA 智能指數 v5.0Artificial Analysis,11 月 9 日36(max),$0.14/任務唯一的獨立評分;「36 分以上最便宜」
AA-OmniscienceArtificial Analysis(alphasignal 轉述)21.1%同檔最低的短板
Simon Willison 動手測試Simon Willison,11 月 10 日六檔推理,質量不單調上升單人單任務觀察,非基準
Plotly DataAnalyticsBench(43 題數據分析考試)Plotly,11 月 10 日38/43(88%),$1.04與 Luna 同分,但成本爲 Luna 的 8 倍;隱藏模式 1/5 是短板
LMArena WebDevLMArena(BenchLeader 鏡像),11 月 15 日結果1,608 分第 37(Max 檔)首登;排名靠後
LMArena Agent ArenaLMArena(BenchLeader 鏡像),11 月 15 日結果1.7 分第 25首登;分數很低
LiveBench—仍未收錄無獨立評分
Vals IndexBenchLeader,2026-11-17 讀取60.5,第 15 名原始發佈方 Vals AI
Vals LegalBenchLeader,2026-11-17 讀取75.7%,第 4 名原始發佈方 Vals AI
Vals FinanceBenchLeader,2026-11-17 讀取60.9%,第 13 名原始發佈方 Vals AI
Vibe Code Bench v1.1BenchLeader,2026-11-17 讀取83.7%,第 25 名—
Design Arena(網站榜)BenchLeader,2026-11-17 讀取1329,第 10 名—
SimpleBenchBenchLeader,2026-11-17 讀取72.7%,第 23 名—
APEX-AgentsBenchLeader,2026-11-17 讀取64.3%,第 15 名—
SWE Atlas v1.1BenchLeader,2026-11-17 讀取56.0%,第 20 名分項:Codebase QnA 61.3%(第 19)、Test Writing 56.7%(第 19)、Refactoring 50.0%(第 18)
HLE-Diamond(Scale)BenchLeader,2026-11-17 讀取22.0%,第 17 名—
FORTRESSBenchLeader,2026-11-17 讀取11.9%,第 8 名—
Excel ModelingBenchLeader,2026-11-17 讀取72.2%,第 13 名—
Terminal-Bench 4.0(AA)max 檔BenchLeader,2026-11-17 讀取40.9%,第 46 名原始發佈方 Artificial Analysis;與 Meta 自報 40.9% 同分,此處爲 AA 榜單排名
FrontierCode 2.0(AA)max 檔BenchLeader,2026-11-17 讀取27.2%,第 45 名原始發佈方 Artificial Analysis;與 Meta 自報 27.2% 同分,此處爲 AA 榜單排名
AA 智能指數 xhigh 檔BenchLeader,2026-11-17 讀取34.1原始發佈方 Artificial Analysis;max 檔爲 36,xhigh 檔低 1.9 分
GameBench 2 綜合BenchLeader,2026-11-17 讀取51.7,第 36 名原始發佈方 DuelLab;XHigh 檔 58.6
AA-Omniscience(非幻覺率)BenchLeader,2026-11-17 讀取82.6%,第 10 名原始發佈方 Artificial Analysis;非幻覺率分項,本頁已有的 21.1% 爲綜合分,口徑不同
讀分數前先看口徑:六項分項基準是 Meta 發佈文裏的圖表,複述的是 AA 的評估——不是 AA 自己發佈的榜單;Meta 的 headline 宣稱(「任何推理檔位下單位美元智能都高於 Haiku 5.5 或 GPT-6 Luna」)是 Meta 對 AA 結果的解讀,未經第三方審計單位經濟性;Meta 圖表註腳稱 Ember 的成本按提議價格估算。AA 編碼智能體指數 46 同樣是 Meta 的數字。Luna 在 Terminal-Bench 4.0 與 FrontierCode 2.0-AA 兩欄留空,是 Meta 的表裏沒有 Luna 的成績,不是 Luna 得了零分。

完整盤點見本站基準測試專文 →

Muse Ember 六項分項基準對照(Meta 自報) Muse Ember Claude Haiku 5.5 GPT-6 Luna AutomationBench-AA 37.8% 13.9% 20.2% Terminal-Bench 4.0 40.9% 39.2% FrontierCode 2.0-AA 27.2% 34.9% OSWorld 2.1 69.5% 68.9% 50.5%
六項分項基準(%;Meta 研究博客,2026 年 11 月 9 日;全部廠商自報,複述 AA 評估;橙色爲 Muse Ember,灰色爲 Claude Haiku 5.5,青色爲 GPT-6 Luna;Luna 在 Terminal-Bench 4.0 與 FrontierCode 兩欄無成績)

13對比

vs Claude Haiku 5.5(決定性對手)

維度Muse EmberClaude Haiku 5.5
AA 智能指數 v5.0(max)3636
單任務成本(AA 指數)$0.14$0.41
標價(輸入 / 輸出,每百萬 tokens)$0.10 / $0.50(200K 以下)$0.10 / $0.50
緩存輸入$0.004(便宜約 60%)約 $0.01
AutomationBench-AA37.8%13.9%
Terminal-Bench 4.040.9%39.2%
FrontierCode 2.0-AA27.2%34.9%
OSWorld 2.169.5%68.9%
Agents' Last Exam61.657.0
PerceptionBench80.678.6
AA-Omniscience21.1%(同檔最低)—
上下文1M—
開源權重無無
發佈2026-11-09—(本輪未確認)

同價、同指數、任務成本差三倍——這是 Ember 對 Haiku 的全部故事。Ember 贏在用量少(115M 輸出 token 對 298M)與業務流程、終端、計算機使用三項分項;輸在代碼(FrontierCode 27.2% 對 34.9%)與 Omniscience 21.1% 的墊底。重複任務、工具調用、路由抽取選 Ember;代碼密集任務先看 FrontierCode 再決定。

vs GPT-6 Luna(另一位點名對手)與家族

維度Muse EmberGPT-6 LunaMuse Spark 1.3
AA 智能指數 v5.0(max)36—37
單任務成本(AA 指數)$0.14—$2.39
標價(輸入 / 輸出)$0.10 / $0.50$0.10 / $0.50—
AutomationBench-AA37.8%20.2%—
OSWorld 2.169.5%50.5%—
Agents' Last Exam61.657.1—
PerceptionBench80.662.8—
定位高量執行輕量旗艦對位中量級主力(Ember 貴 17 倍的參照)

對 Luna 是四項全勝(AutomationBench、OSWorld、Agents' Last Exam、PerceptionBench),但注意 Luna 的 AA 指數與單任務成本未在本輪覈查中確認,表中留空;本站不編造數字。家族內部:Ember 以 1 分之差(36 對 37)接近 Spark 1.3,任務成本只有後者的約十七分之一——Meta 的「規劃者與執行者」分工就建立在這個價差上。另注意:Spark 的標價與 Luna 的指數未在本輪覈查中確認,表中留空。

讀深度對比:Muse Ember vs Claude Haiku 5.5 → · 讀深度對比:Muse Ember vs GPT-6 Luna 與家族 →

14還缺什麼(截至 11 月 16 日)

  • LiveBench 的任何獨立評分(仍未收錄;LMArena 已於 11 月 15 日首登)
  • 參數量(未公佈)與訓練方法細節(未披露)
  • 非 max 檔的官方基準成績(Meta 只公佈 max 檔)
  • 開源權重(無;Meta 的開源 Muse 模型是 Glimmer / Spark Open)
  • 免費層(沒有任何來源提及)
  • GPT-6 Luna 的 AA 指數與單任務成本(本輪未確認)
  • Google Cloud 與 Oracle Cloud 的 Ember 定價細節(本輪未逐項覈對)
  • 中文一線科技媒體報道(機器之心、新智元、量子位、IT之家均未見)
  • The Verge 報道原文鏈接(本輪未取得,不作鏈接引用)
  • 路透 / 彭博 / 連線等英文主流媒體報道(本輪未見)

15謠言覈查

Ember 的混淆主要來自三個地方:開源問題、價格問題、基準歸屬——逐條澄清如下。

不成立 「Muse Ember 是開源模型 / 有開源權重」

Ember 沒有發佈任何權重,API 專屬。Google 自動補全裏出現「muse ember open weights」,反映的是有人在問,不是有權重可下。Meta 的開源 Muse 模型是 Glimmer(Spark 的開源孿生,8 月發佈),別把兩款模型混淆。

不成立 「Muse Ember 比 Haiku 5.5 便宜,因爲單價更低」

單價完全相同,都是 $0.10/$0.50。Ember 省的是單任務成本($0.14 對 $0.41),原因是它在同一套測試裏用的輸出 token 更少(約 115M 對約 298M)。把「便宜三分之一」說成單價便宜,是錯的。

不成立 「$0.10 就是 Ember 的價格」

只在輸入 token 不超過 200K 時成立。超過 200K 的請求整單按 3 倍計費($0.30/$1.50),而且是整單適用、不是隻算超出的部分。長上下文任務的實際單價是 $0.30,不是 $0.10。

部分成立 「Ember 全面勝過 Haiku 5.5」

AA 指數持平(36 對 36),分項五勝一負:六項裏 Ember 贏了五項(Terminal-Bench 只贏 1.7 分),但 FrontierCode 2.0-AA 27.2% 對 34.9% 輸了,AA-Omniscience 21.1% 還是同檔最低。業務流程與智能體執行是強項,代碼是短板。

不成立 「六項分項基準都是 AA 獨立發佈的」

只有 AA 智能指數 36 是 AA 在 11 月 9 日獨立發佈的。六項分項成績出自 Meta 發佈文的圖表,是 Meta 對 AA 評估的轉述;AA 編碼智能體指數 46 同樣是 Meta 的數字。引用時要分清誰在說話。

無法確認 「Ember 有免費額度」

本輪覈查的全部來源——Meta 博客、API 文檔、TechCrunch 與十餘家分析文章——均未提及免費層。沒有免費層可寫,也不排除未來增加;以 Meta 官方頁面爲準。

16FAQ

Muse Ember 開源嗎?有開源權重嗎?

沒有。Ember 是 API 專屬模型,未發佈任何權重。Meta 的開源 Muse 模型是 Glimmer / Spark Open(8 月發佈),與 Ember 是兩款不同的模型。Google 自動補全裏的「muse ember open weights」是有人在問,不是已有權重。詳見本站發佈總覽。

Muse Ember 多少錢?

輸入 token 不超過 200K 時:$0.10 輸入 / $0.004 緩存輸入 / $0.50 輸出(每百萬 tokens)。超過 200K:整單 3 倍($0.30 / $0.012 / $1.50)。AA 指數單任務成本 $0.14,對 Haiku 5.5 的 $0.41。沒有任何來源提及免費層。詳見本站價格指南。

它和 Claude Haiku 5.5 一樣聰明嗎?

按 AA 智能指數 v5.0(max 檔),兩者都是 36,持平;但 Ember 的單任務成本只有 Haiku 的三分之一($0.14 對 $0.41)。分項看:Ember 在 AutomationBench、OSWorld 等四項領先,FrontierCode 27.2% 對 34.9% 落後,AA-Omniscience 21.1% 是同檔最低。詳見本站對比專文。

什麼是 200K 價目懸崖?

輸入 token 超過 200,000 的請求,輸入、緩存與輸出單價全部翻 3 倍,而且是整單適用——不是隻對超出部分加價。200K 以下 $0.10/$0.50,200K 以上 $0.30/$1.50。長文檔任務先算 token 量。詳見本站價格指南。

Muse Ember 適合做什麼?

高量、重複的智能體執行:子智能體任務、工具調用、路由、抽取、長文檔解析——Meta 的定位是「Wonder 規劃、Ember 執行」。代碼密集任務要謹慎:FrontierCode 上它輸給 Haiku 5.5。詳見本站使用指南。

能在 Muse Code 裏用嗎?

能,發佈當日即在全部套餐可用。另有 Meta Model API(muse-ember-1.0)、Google Cloud、Oracle Cloud 與 Vercel AI Gateway。詳見本站使用指南。

17來源

本頁事實均來自以下公開來源(覈查於 2026 年 11 月 16 日凌晨,經多篇二手轉述交叉覈對;Microsoft Foundry 一條覈查於 11 月 18 日)。無鏈接的條目爲按名稱與日期引用的報道原文,本站覈查時讀過但不虛構鏈接。

官方

獨立評估與動手測試

英文報道與分析

  • TechCrunch — Meta releases Muse Ember, a new lightweight model for agent execution 11 月 9 日 18:00 UTC
  • The Verge — 同日報道(本站本輪未取得原文鏈接,不作鏈接引用) 11 月 9 日
  • The Decoder — 「單位美元智能高於 Haiku 5.5 或 GPT-6 Luna」宣稱轉述(經 sunmedia 引用)
  • Hacker News — 首發帖當日 228 分 11 月 9 日
  • TipRanks(TheFly 轉載)— 扎克伯格稱 Muse Wonder、Muse Spark 1.3 與 Muse Ember 即將上線微軟 Foundry(Azure) 11 月 17 日
  • eesel.ai — 講解與評測(「拿到 Haiku 5.5 級結果最便宜的路」);i10x.ai;tech-insider.org(200K 懸崖成本測算);agentfred.ai(與 Fable / Mythos 5.2 的同日對比);mer.vin;dineroit.com;besoft.vn;codema.ai

中文報道

  • gptclub.ai — 詳細報道(「同價 Haiku,任務成本只有三分之一」) 11 月 11 日
  • datalearner.com — 規格、兩檔價格與「無權重」問答 11 月 9 日
  • news.cocoloop.cn 11 月 10 日;jiazhuangai.com(引用 TechCrunch) 11 月 10 日
  • techbang.com — 基準表(含 Agents' Last Exam 61.6、OSWorld 69.5、PerceptionBench 80.6) 11 月 11 日;sunmedia.tw 11 月 10 日;airesearch.hk(引用 TechCrunch 與 The New Stack) 11 月 10 日

更多索引:Meta的全部模型專題 · 全部大語言模型 · 全部模型