ModelBrief · Muse Ember · 专题
最后更新 2026-11-20
EN 简体 繁體

Muse Ember vs GPT-6 Luna 与家族:规划者与执行者

ModelBrief · 2026-11-16 发布 · 事实核查 2026-11-16 · 参考来源:Meta 研究博客、Artificial Analysis

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。

对 GPT-6 Luna:四项全胜,但有一半的表是空的

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 EmberGPT-6 Luna
AutomationBench-AA37.8%20.2%
OSWorld 2.169.5%50.5%
Agents' Last Exam61.657.1
PerceptionBench80.662.8
Terminal-Bench 4.040.9%—(Meta 表里无成绩)
FrontierCode 2.0-AA27.2%—(Meta 表里无成绩)
AA 智能指数 v5.036—(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。

回家族看:Ember 与 Spark 只差 1 分,价差 17 倍

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 EmberMuse Spark 1.3Muse Wonder
AA 智能指数 v5.0(max)3637—(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

双模型分工:「Wonder 规划、Ember 执行」怎么落地

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。

别混淆的三组关系

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。

FAQ

Ember 比 GPT-6 Luna 强吗?

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。

Ember 和 Spark 谁更强?

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。

什么是「Wonder 规划、Ember 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。

Ember 是开源的吗?

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。

ModelBrief 的看法:Ember 对 Luna 的对比看着是一边倒,实则是不完整的对比——四项全胜是真的,但指数与任务成本两栏是空的,Terminal-Bench 与 FrontierCode 两栏也是空的。真正有信息量的是家族内部:1 分的指数差与 17 倍的价差,定义了 Ember 在 Muse 家族里的位置——不是更弱的 Spark,而是分工里负责「量」的那一款。理解 Ember,要先理解这个分工,而不是只看它对 Luna 赢了几分。

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)