GPT-6 Luna 是 Meta 發佈文裏點名的另一位對手——與 Haiku 5.5 並列寫進 headline 宣稱(「單位美元智能高於 Haiku 5.5 或 GPT-6 Luna」)。但 Luna 的對比有一個特點:Meta 的表裏只有四項有 Luna 的成績,指數與任務成本都沒有。本文先對 Luna,再把 Ember 放回自家家族裏看:它與 Spark、Wonder 之間不是競爭關係,而是分工關係。
六項分項基準(全部爲 Meta 自報,複述 AA 評估)裏,Luna 只出現在四項:AutomationBench-AA 37.8% 對 20.2%;OSWorld 2.1 69.5% 對 50.5%(差距第二大,19 分);Agents' Last Exam 61.6 對 57.1;PerceptionBench 80.6 對 62.8(差距 17.8 分)。四項 Ember 全勝,而且贏的幅度都比對 Haiku 更大。Terminal-Bench 4.0 與 FrontierCode 2.0-AA 兩欄,Meta 的表裏沒有 Luna 的成績——留空的意思是「Meta 沒列」,不是 Luna 得了零分,引用時不要寫成「Luna 在這兩項得零分」。
| 維度 | Muse Ember | GPT-6 Luna |
|---|---|---|
| AutomationBench-AA | 37.8% | 20.2% |
| OSWorld 2.1 | 69.5% | 50.5% |
| Agents' Last Exam | 61.6 | 57.1 |
| PerceptionBench | 80.6 | 62.8 |
| Terminal-Bench 4.0 | 40.9% | —(Meta 表裏無成績) |
| FrontierCode 2.0-AA | 27.2% | —(Meta 表裏無成績) |
| AA 智能指數 v5.0 | 36 | —(本輪未確認) |
| 單任務成本(AA 指數) | $0.14 | —(本輪未確認) |
| 標價(輸入 / 輸出) | $0.10 / $0.50(200K 以下) | $0.10 / $0.50 |
注意對比的邊界:Luna 的 AA 指數與單任務成本本輪未確認,表中留空——本站不編造數字。所以「Ember 對 Luna 四項全勝」只在分項層面成立,綜合指數層面兩人沒有可比的數字。價格層面兩者標價相同($0.10/$0.50),但 Ember 有 200K 懸崖,Luna 是否有類似分檔本輪未確認。
AA 智能指數 v5.0(max 檔):Spark 1.3 是 37,Ember 是 36,只差 1 分;單任務成本:Spark $2.39,Ember $0.14,差 17 倍。Alexandr Wang 的原話是 Ember 有「接近 Spark 1.3(max)的智能,價格便宜 17 倍(按 AA 口徑)」。這 1 分與 17 倍的組合,就是 Meta 推雙模型分工的全部依據:貴的那款做少量高價值決策,便宜的那款做大量重複執行。Simon Willison 的動手測試則稱 Ember 比 Wonder 便宜 40 倍——口徑與 Wang 的 17 倍不同(任務成本 vs 未註明口徑),引用時不要混用。
| 維度 | Muse Ember | Muse Spark 1.3 | Muse Wonder |
|---|---|---|---|
| AA 智能指數 v5.0(max) | 36 | 37 | —(本輪未確認) |
| 單任務成本(AA 指數) | $0.14 | $2.39 | —(本輪未確認) |
| 家族位置 | 最小(11 月) | 中量級主力(4 月) | 前沿旗艦(10 月) |
| 開源權重 | 無 | 無(開源的是 Glimmer,Spark 的孿生) | 無(Wonder Full 鎖在 Muse Code 內部) |
| 定位 | 高量執行 | 中量級主力 | 規劃與前沿任務 |
Meta 的定位句是「Muse Wonder plans, Muse Ember handles the volume」。落地的樣子:Wonder / Spark 做規劃、拆解與高價值判斷,Ember 接子智能體任務、工具調用、路由、抽取與長文檔解析——也就是量大、重複、單次價值低的那部分。Muse Code 是這個分工的主場:Ember 在全部套餐可用,Wonder Full 鎖在 Muse Code 內部,Ember 本人就是用 Wonder Full 訓練出來的。這個分工成立的前提是價差真實:17 倍的任務成本差,讓「規劃一次、執行一千次」的賬算得過來;如果執行任務的輸出量與規劃任務相當,價差會縮小,分工的收益也隨之縮小。
Ember 的家族關係最容易寫錯,三組要分清:第一,Ember 與 Glimmer——Glimmer 是 Spark 的開源權重孿生(8 月發佈),Ember 沒有開源權重,自動補全裏的「muse ember open weights」是有人在問,不是已有權重;第二,Ember 與 Spark——Ember 不是 Spark 的縮小版,是同一家族裏分工不同的另一款,指數只差 1 分但任務成本差 17 倍;第三,Ember 與 Wonder Full——Ember 是用 Wonder Full 訓練出來的,Wonder Full 本身不對外提供,鎖在 Muse Code 內部。
分項上是:Meta 表裏有 Luna 成績的四項(AutomationBench、OSWorld、Agents' Last Exam、PerceptionBench),Ember 全勝,OSWorld 贏 19 分、PerceptionBench 贏 17.8 分。但 Luna 的 AA 指數與單任務成本本輪未確認,綜合層面兩人沒有可比數字;Terminal-Bench 與 FrontierCode 兩欄 Meta 的表裏也沒有 Luna 的成績。
指數上 Spark 1.3 高 1 分(37 對 36),任務成本上 Ember 便宜 17 倍($0.14 對 $2.39)。兩者不是競爭關係,是分工關係:Spark 做中量級主力,Ember 做高量執行。
Meta 的雙模型模式:Wonder / Spark 做規劃、拆解與高價值判斷,Ember 接子智能體任務、工具調用、路由、抽取與長文檔解析。Muse Code 是這個分工的主場,Ember 在全部套餐可用。
不是。Ember 沒有開源權重,API 專屬。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。
參考來源:Meta 研究博客 — 六項分項基準、家族定位與 headline 宣稱 · Artificial Analysis — 智能指數 36 / 37、單任務成本 $0.14 / $2.39 · Simon Willison 動手測試(比 Wonder 便宜 40 倍)(本文爲本站改寫與整理,事實以 AA 評估與 Meta 發佈文爲準)