GPT-6 Luna 是 Meta 发布文里点名的另一位对手——与 Haiku 5.5 并列写进 headline 宣称(「单位美元智能高于 Haiku 5.5 或 GPT-6 Luna」)。但 Luna 的对比有一个特点:Meta 的表里只有四项有 Luna 的成绩,指数与任务成本都没有。本文先对 Luna,再把 Ember 放回自家家族里看:它与 Spark、Wonder 之间不是竞争关系,而是分工关系。
六项分项基准(全部为 Meta 自报,复述 AA 评估)里,Luna 只出现在四项:AutomationBench-AA 37.8% 对 20.2%;OSWorld 2.1 69.5% 对 50.5%(差距第二大,19 分);Agents' Last Exam 61.6 对 57.1;PerceptionBench 80.6 对 62.8(差距 17.8 分)。四项 Ember 全胜,而且赢的幅度都比对 Haiku 更大。Terminal-Bench 4.0 与 FrontierCode 2.0-AA 两栏,Meta 的表里没有 Luna 的成绩——留空的意思是「Meta 没列」,不是 Luna 得了零分,引用时不要写成「Luna 在这两项得零分」。
| 维度 | 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 表里无成绩) |
| FrontierCode 2.0-AA | 27.2% | —(Meta 表里无成绩) |
| AA 智能指数 v5.0 | 36 | —(本轮未确认) |
| 单任务成本(AA 指数) | $0.14 | —(本轮未确认) |
| 标价(输入 / 输出) | $0.10 / $0.50(200K 以下) | $0.10 / $0.50 |
注意对比的边界:Luna 的 AA 指数与单任务成本本轮未确认,表中留空——本站不编造数字。所以「Ember 对 Luna 四项全胜」只在分项层面成立,综合指数层面两人没有可比的数字。价格层面两者标价相同($0.10/$0.50),但 Ember 有 200K 悬崖,Luna 是否有类似分档本轮未确认。
AA 智能指数 v5.0(max 档):Spark 1.3 是 37,Ember 是 36,只差 1 分;单任务成本:Spark $2.39,Ember $0.14,差 17 倍。Alexandr Wang 的原话是 Ember 有「接近 Spark 1.3(max)的智能,价格便宜 17 倍(按 AA 口径)」。这 1 分与 17 倍的组合,就是 Meta 推双模型分工的全部依据:贵的那款做少量高价值决策,便宜的那款做大量重复执行。Simon Willison 的动手测试则称 Ember 比 Wonder 便宜 40 倍——口径与 Wang 的 17 倍不同(任务成本 vs 未注明口径),引用时不要混用。
| 维度 | Muse Ember | Muse Spark 1.3 | Muse Wonder |
|---|---|---|---|
| AA 智能指数 v5.0(max) | 36 | 37 | —(本轮未确认) |
| 单任务成本(AA 指数) | $0.14 | $2.39 | —(本轮未确认) |
| 家族位置 | 最小(11 月) | 中量级主力(4 月) | 前沿旗舰(10 月) |
| 开源权重 | 无 | 无(开源的是 Glimmer,Spark 的孪生) | 无(Wonder Full 锁在 Muse Code 内部) |
| 定位 | 高量执行 | 中量级主力 | 规划与前沿任务 |
Meta 的定位句是「Muse Wonder plans, Muse Ember handles the volume」。落地的样子:Wonder / Spark 做规划、拆解与高价值判断,Ember 接子智能体任务、工具调用、路由、抽取与长文档解析——也就是量大、重复、单次价值低的那部分。Muse Code 是这个分工的主场:Ember 在全部套餐可用,Wonder Full 锁在 Muse Code 内部,Ember 本人就是用 Wonder Full 训练出来的。这个分工成立的前提是价差真实:17 倍的任务成本差,让「规划一次、执行一千次」的账算得过来;如果执行任务的输出量与规划任务相当,价差会缩小,分工的收益也随之缩小。
Ember 的家族关系最容易写错,三组要分清:第一,Ember 与 Glimmer——Glimmer 是 Spark 的开源权重孪生(8 月发布),Ember 没有开源权重,自动补全里的「muse ember open weights」是有人在问,不是已有权重;第二,Ember 与 Spark——Ember 不是 Spark 的缩小版,是同一家族里分工不同的另一款,指数只差 1 分但任务成本差 17 倍;第三,Ember 与 Wonder Full——Ember 是用 Wonder Full 训练出来的,Wonder Full 本身不对外提供,锁在 Muse Code 内部。
分项上是:Meta 表里有 Luna 成绩的四项(AutomationBench、OSWorld、Agents' Last Exam、PerceptionBench),Ember 全胜,OSWorld 赢 19 分、PerceptionBench 赢 17.8 分。但 Luna 的 AA 指数与单任务成本本轮未确认,综合层面两人没有可比数字;Terminal-Bench 与 FrontierCode 两栏 Meta 的表里也没有 Luna 的成绩。
指数上 Spark 1.3 高 1 分(37 对 36),任务成本上 Ember 便宜 17 倍($0.14 对 $2.39)。两者不是竞争关系,是分工关系:Spark 做中量级主力,Ember 做高量执行。
Meta 的双模型模式:Wonder / Spark 做规划、拆解与高价值判断,Ember 接子智能体任务、工具调用、路由、抽取与长文档解析。Muse Code 是这个分工的主场,Ember 在全部套餐可用。
不是。Ember 没有开源权重,API 专属。Meta 的开源 Muse 模型是 Glimmer / Spark Open(8 月发布),与 Ember 是两款不同的模型。
参考来源:Meta 研究博客 — 六项分项基准、家族定位与 headline 宣称 · Artificial Analysis — 智能指数 36 / 37、单任务成本 $0.14 / $2.39 · Simon Willison 动手测试(比 Wonder 便宜 40 倍)(本文为本站改写与整理,事实以 AA 评估与 Meta 发布文为准)