11 月 9 日，Meta 发布了目前自家最小、效率最高的模型 Muse Ember。它不冲榜，也不做通用助手，定位很明确：专干智能体（Agent）在日常运行里反复处理的那类活，比如调用工具、写小的编程子任务、转发请求、提取信息、读长文档。
输入形态给得比较全，文本、图片、音频、视频、PDF 都能吃，统一输出文本。上下文窗口约 100 万 token，单次最高能输出约 51.2 万 token，一次请求塞进一个中型代码库或者一整摞文档不成问题。模型已经通过 Muse Code 和 Meta Model API 上线，编号是 muse-ember-1.0。
跑分上，第三方评测机构 Artificial Analysis 给出的综合智能指数是 36 分，和 Anthropic 的 Claude Haiku 5.5 最高推理档正好持平。差别在钱：Meta 的定价是每百万输入 token 0.10 美元、缓存输入 0.004 美元、输出 0.50 美元；实测下来最高推理档单次任务成本约 0.14 美元，而 Claude Haiku 5.5 干同一类活要约 0.41 美元，差不多是人家的三分之一。跟自家上一档 Muse Spark 1.3 比，指数只差 1 分（36 对 37），单任务成本却从 2.39 美元掉到 0.14 美元。
不过也有落后的地方。在 FrontierCode 2.0 这个考「代码改动能不能被项目维护者直接采纳」的专项里，Claude Haiku 5.5 拿了 34.9%，Muse Ember 是 27.2%。Meta 自己公开的测试里，它在部分智能体任务、工具调用和多模态任务上领先 Haiku 5.5 和 GPT-6 Luna，但落到代码采纳率这一项，还是差一截。
boxiyunAI的看法
- 「跑分持平、价格三分之一」这句话，放在智能体场景里的价值比在聊天场景大得多。聊天一次花几毛钱没人管，但一个每天跑几千次工具调用的自动化流程，单价差三倍就是能不能上线的差别。
- 36 分追平 Haiku 5.5，说明小模型的能力天花板已经被抬到「够用」这条线以上。接下来企业选型的第一问题会从「哪个最聪明」变成「哪个每千次任务最便宜」。
- 但 FrontierCode 那 7 个百分点的差距值得琢磨。它能写，可写出来的改动维护者不一定愿意收，这正是很多团队真实踩过的坑：代码生成看着漂亮，合进去要返工。挑便宜模型时，这项比综合指数更该看。
- 100 万上下文加 51.2 万输出，配 0.1 美元每百万输入的价，基本就是为「整库读、整库改」设计的。做内部知识库、批量文档处理这类活，成本能压到以前想象不到的区间。
Muse Ember 没打算赢在智商上，它赢在单位经济。当小模型的分数够用、价格只有旗舰的零头，智能体大规模铺开的门槛就从「技术可行」变成了「算账划算」。剩下的变量是可靠性，便宜但需要返工的产出，长期成本可能反而更高。
