Meta Superintelligence Lab 於 11 月 9 日發布 Muse Ember，定位為旗下最小、最具成本效益的模型，專門服務「代理每天反覆執行的工作」：工具呼叫（tool calls）、程式碼子任務、路由、資訊抽取與長文件解析。這是 Muse 品牌繼 Spark（四月）、Glimmer（八月）、Wonder（十月）之後的第四個成員。
發布重點
定價與規格
- 輸入定價僅 每百萬 token 0.10 美元、輸出 0.50 美元、快取輸入 0.004 美元；型號
muse-ember-1.0，支援 100 萬 token 上下文與最高 512K 輸出，並相容 Responses API。 - 即日起於 Meta Model API 與 Muse Code 開放。
每一美元的智能
Meta 引用 Artificial Analysis 智能指數指出：Ember 在任何推理設定下，都比 Claude Haiku 5.5 與 GPT-6 Luna「每一美元買到更多智能」——以約 三分之一的成本打平 Haiku 的最佳分數，且勝過 Luna 的所有設定；在整體排行榜上「沒有任何模型能以更低成本取得更高分數」。此外，其價格與 DeepSeek V4.1 Flash、GLM 5.3 Flash 等開源輕量模型處於同一區間，但分數更高。
多模態與代理執行
Ember 原生支援文字、圖片、音訊與視訊輸入：代理可直接讀取螢幕截圖、圖表與掃描文件，也能處理語音備忘錄、會議錄音與影片，「無需另接獨立模型」。官方亦指出其可基於截圖操作桌面應用程式。
與旗艦模型的分工架構
Ember 被設計為與更大的 Muse Wonder 搭配：由 Wonder 負責規劃與建立規則，Ember 負責把規則套用到成千上萬個案例——正如 Meta 所言「Muse Wonder 規劃，Muse Ember 消化量」（Muse Wonder plans, Muse Ember handles the volume）。值得留意的是，Ember 是 Meta 首個使用 Muse Wonder Full 蒸餾訓練的模型，顯示「大模型教小模型」已成為其產品線的標準工序。
為何重要
其一，成本指標的競賽已轉向「每任務成本」。當代理產品必須在數萬次工具呼叫中維持毛利，「每百萬 token 單價」已不足以描述經濟性；Ember 直接把論述押在**性價比前緣（efficiency frontier）**上，對以呼叫量取勝的代理型新創尤其關鍵。
其二，輕量模型成為代理架構的標準零件。「旗艦規劃 + 輕量執行」的兩層架構正在成為業界共識，與 Anthropic 同日發布的 Fable 5.2（可扮演 Advisor／Orchestrator 角色）相互印證——前緣實驗室的競爭重心，正從單一模型能力，轉向多模型協同的系統級效率。
對開發者與研究者的啟示
- 建構高吞吐代理服務的團隊應以每任務成本而非單價評估模型，Ember 的價格點（0.1 美元／百萬輸入 token）已直接逼近開源模型區間。
- 100 萬 token 上下文與多模態輸入，使「大量非結構化文件 + 工具執行」類工作流可單模型完成，降低系統複雜度。
- 值得持續追蹤其推理強度下的實際編碼與工具呼叫準確率——性價比宣稱需以真實工作負載驗證，而非僅看基準分數。
本文信息來源：Meta Research 官方部落格、TechCrunch 與 The New Stack 報導。