Meta 发布 Muse Ember：$0.10 每百万输入的 agent 执行模型，「Wonder 规划、Ember 跑量」

取证说明：Meta 官方研究博客（research.meta.ai/blog/muse-ember）与模型文档页本轮多次抓取均超时或返回空，官方原文未取得。本文事实取自 TechCrunch 对 Meta 发布材料的直接引述，并用 Superpower Daily 转述的官方发布页数据（输出上限、缓存价、API 形态）交叉核对。两家在是否支持视频输入上口径不一，已在正文标注待核实。因此本篇 firsthand: false。

要点

• Meta Superintelligence Labs 于 2026-11-09 发布 Muse Ember，官方定位是「最轻、最具成本效率」的模型，专攻 agent 一天里重复率最高的活：工具调用、编程子任务、路由、信息抽取、长文档解析。
• 定价 每百万 token 输入 $0.10 / 输出 $0.50 / 缓存输入 $0.004，模型 ID muse-ember-1.0，1M 上下文，可经 Muse Code 与 Meta Model API 调用。
• 官方主打的是**每任务成本（cost per task）**而不是每 token 单价：用 Artificial Analysis 的综合分做性价比对比，指向「比 Haiku 与 Luna 更便宜也更聪明」。
• 基准上业务自动化强、编程有胜有负：AutomationBench-AA 37.8%，高于 GPT-6 Luna 的 20.2% 与 Claude Haiku 5.5 的 13.9%；Terminal-Bench 4.0 40.9% 领先 Haiku，但 FrontierCode 2.0-AA 27.2% 输给 Haiku 的 34.9%。
• 它是 Muse 品牌第四款模型，序列为 Spark（4 月）→ Glimmer（8 月，Spark 的开源孪生）→ Wonder（10 月）→ Ember（11 月）。
• 官方没有公布日常部署行为类测试的数值——抗隐藏指令、高影响动作前是否找人类确认，这两项在本次发布材料里是空的。

这个模型在补哪个洞

过去一年 agent 的成本结构变了：贵的那部分不再是「想」，而是「做」。一个任务里可能有 40 次读文件、跑测试、调工具，只有 2 次真的需要前沿模型思考。用塔尖模型干这 40 次，是当前 agent 账单虚高的主因。

Ember 就是冲这个缝来的。Meta 给的用法是分工：大模型定规则，小模型铺量。TechCrunch 举的例子是客服 agent——重模型先定「这类问题怎么处理」，然后由 Ember 把同一套规则套到几万条工单上。

这跟站内 Agent Harness 讨论的是同一件事的另一面：harness 决定「哪些步骤可以交给小模型」，模型厂商现在开始按这个切割来出产品了。

定价：单价便宜两个数量级，但真正要看的是分母

单看输入价，Ember 是 Wonder 的 1/40。但单价便宜不等于便宜——便宜模型跑不完任务、重试三次，成本可能反超。这正是站内 每任务成本 那条口径要解决的问题：把模型单价、重试次数、人工收尾时间放进同一个分母里算。

Meta 自己也是这么讲的：发布材料里强调的是 cost-per-task，而不是 per-token。

跑分：业务自动化领先，编程不是全胜

官方给的对比（同名次为同一张表内数值，非本站复测）：

读法很直接：它擅长的是「按规则把流程走完」，不擅长「在开放代码库里做需要判断的改动」。这跟它自己的定位一致——Ember 是执行层，不是决策层。

所以把它当成「编码模型」买回来，会在 FrontierCode 这类任务上失望；把它当成「agent 的工具调用与抽取层」，才是官方设计的使用方式。

安全：给了一个「未测」的空白

Meta 称 Ember 在其评估的安全类别上都低于高风险阈值。但同时，官方没有公布日常部署行为测试的数值——包括抵抗隐藏指令与高影响动作前寻求人类确认这两项。

这两项恰恰是 提示注入 与 Agent 结果核验 里最要命的部分：一个跑量的小模型如果会被文档里的隐藏指令带走，它一天能犯的错比一个大模型多几十倍。发布材料在这块留白，采购方应当自己在灰盒环境里补测。

对开发者的影响

• 成本结构要按层拆：把 agent 的步骤分成「规划」「执行」两层分别计价，再决定哪层用塔尖模型。混在一起算，永远算不清该不该换小模型。
• 小模型必须配独立的失败兜底：Ember 这类模型的价值在吞吐，风险也在吞吐——一次错误会被复制到几万条任务上，验收环节要比用大模型时更硬。
• 别拿它做跨文件重构：FrontierCode 的口径已经说明问题，多文件协同改动仍要看更大的模型或更强的 harness。
• 口径提醒：以上基准全部是厂商在自家 harness 下取得，未见独立复现。第三方榜（Artificial Analysis）的综合分也被官方用于性价比论证，它评的是模型，不是你的任务。

AI 之家 观点

这次发布最值得记的不是价格，是**「按层卖模型」这件事被正式产品化了**。过去大家嘴上说「大小模型混用」，实际做法是自己拼 prompt；现在厂商直接把「执行层」做成一个 SKU，并用每任务成本而不是每 token 单价来定价——这是定价话语权的转移，比降价重要。

第二个信号是安全披露的取舍。**Ember 公布了能力跑分，却没公布部署行为测试的数值。**对小模型来说，后者才是真风险：能力不足会失败得明显，被注入会失败得很安静。这条空白值得在采购清单上单独列一行。

第三个是中国开发者的现实问题：Ember 的价格档正对着 DeepSeek V4.1 Flash 与 GLM Flash 系列所在的区间。这一档的竞争接下来不会比聪明，会比「同样的钱能跑完多少条任务」——这恰好是本站接下来要用 每任务成本 这条口径去跟踪的事。

待核实

• 是否支持视频输入：TechCrunch 写「文本、图像、音频」，Superpower Daily 转述官方页写「文本、图像、音频、视频」，两者冲突，本站不裁定。
• 最大输出 512K token：仅见于 Superpower Daily 对官方页的转述，官方原文未取得。
• Responses API 之外的接口形态（是否兼容 Chat Completions）：未见官方说明。
• 部署行为测试（抗注入 / 人类确认）的分项数值：官方未公布。
• 是否开放权重：未提及；Muse 系列的开放权重先例只有 8 月的 Glimmer。

相关阅读

• 模型：Meta Muse Wonder · Claude Fable 5.1 · DeepSeek V4.1 Flash
• 工具：Muse Code · Claude Code · Codex
• 概念：每任务成本 · Agent Harness · 提示注入 · Agent 结果核验

来源

• ⭐ Meta releases Muse Ember, a new lightweight model for agent execution（TechCrunch，2026-11-09，直接引述 Meta 发布材料）
• Meta releases Muse Ember, a low-cost AI model for agents' repeat tasks（Superpower Daily，转述官方发布页：定价分项、512K 输出、Responses API、基准数值）
• Meta Releases Lightweight AI Model Muse Ember（TechFlow，2026-11-10，交叉核对发布日与定位）
• Meta releases Muse Ember（Daily Artifact，交叉核对「Muse 品牌第四款」序列）