Meta Platforms近日正式推出Muse Ember，这是一款主打高性价比的入门级人工智能模型。值得注意的是，这是Meta首款基于其旗舰大语言模型Muse Wonder训练而成的AI产品，尽管公司未披露具体的自动化训练环节。
行业分析认为，Muse Wonder可能主要用于执行后训练（post-training）任务，即通过额外数据优化模型能力。在典型的应用架构中，前沿LLM负责将用户请求拆解为子任务，并分发给由低成本模型驱动的代理执行，而Muse Ember正是为此角色专门优化。
性能对标主流竞品，价格优势显著
根据Artificial Analysis Index的综合评估，Muse Ember在编码和金融分析等九个基准测试中的得分，与Anthropic的入门级模型Claude Haiku 5.5相当，但价格仅约为后者的三分之一。此外，其表现也优于OpenAI的可比模型GPT-6 Luna。
在另外九项启用最大硬件资源的基准测试中，Muse Ember在七项测试中胜过Haiku和Luna。其在业务流程自动化领域的优势尤为突出，在涵盖Gmail和Salesforce等云应用任务的AutomationBench-AA基准测试中，领先幅度达17%。
支持百万级上下文，API定价极具竞争力
Muse Ember拥有100万token的上下文窗口，能够处理长篇商业文档，并支持在提示词中嵌入图像、音频和视频，生成响应长度可达512,000 token。
该模型已通过Meta Model API开放访问，定价策略极具侵略性：输入token价格为每百万0.1美元，输出token为每百万0.5美元。若激活内置缓存功能以重用常用提示，输入token价格可进一步降至每百万0.004美元。