Meta 新推出的 Muse Ember，就是官方口中目前最省钱的模型，在第三方 Artificial Analysis 的综合智能测评里面，最高推理档位得分和 Claude Haiku 5.5 几乎持平，但是跑完同样任务的开销只有对方大约三分之一，非常适合需要大规模跑 AI 智能体、高频调用模型的开发者和企业，它不是用来挑战最强旗舰大模型，而是专门瞄准那些重复、量大、消耗 Token 很多的日常自动化任务，同时还支持多模态输入，上下文窗口做到一百万 Token，能够一次性吞下整套代码库或者长篇文档，兼顾能力和成本。之所以它能把成本压到这么低，核心是 Meta 在训练和推理侧都做了针对性优化，它采用 Muse Wonder Full 这套体系训练，模型本身定位轻量化，专门优化工具调用、信息抽取、代码子任务这类 Agent 高频工作，在同样达到相近智能分数的前提下，完成任务消耗的 Token 和算力更少；同时它区分了普通输入、缓存输入两套计价，缓存输入价格极低，如果业务存在大量重复文档、固定知识库读取，实际使用成本还能再往下压，而且它原生支持图文音视频多模态，不用额外搭配别的小模型去做视觉解析，减少多模型串联带来的额外开销。想要上手使用这款 Meta 低成本模型，操作路径比较清晰，你可以直接访问 Meta Model API、Muse Code 平台调用，谷歌云、甲骨文云也已经上架这个模型；接入的时候优先把重复读取的长文档开启缓存，最大化利用低价缓存输入档位，如果是搭建 Agent，推荐搭配更大的 Muse Wonder 模型，由大模型负责整体规划，Muse Ember 承接海量细碎子任务；上线之前，建议在 AutomationBench、Agents' Last Exam 这类 Agent 基准上做一轮自测，确认它在你业务的任务上表现稳定。如果你正在做客服机器人、批量文档解析、自动化代码测试、请求路由这类高调用量业务，Muse Ember 是一个性价比很高的选择，它把同档位能力的推理门槛拉低，能明显降低长期跑智能体集群的账单，但如果是复杂深度推理、创意生成这类重度任务，它并不适合直接替换高端旗舰模型。
Muse Ember 核心参数清单
- 模型名称：Muse Ember
- 发布方：Meta
- 上下文窗口：100 万 Token
- 最大输出：51.2 万 Token
- 输入形式：文本、图片、音频、视频、PDF
- 基准成绩：Artificial Analysis 智能指数约 36 分
- 单任务参考成本：约 0.136–0.14 美元
- 对标模型单任务成本：Claude Haiku 5.5 约 0.411 美元
- 训练底座：Muse Wonder Full
Token 定价表
| 计费项目 | 每百万 Token 价格 |
|---|---|
| 常规输入（≤200k） | 0.10 美元 |
| 常规输入（＞200k） | 0.30 美元 |
| 缓存输入（≤200k） | 0.004 美元 |
| 缓存输入（＞200k） | 0.012 美元 |
| 输出 | 0.50 美元 |
适合落地场景
- AI Agent 工具调用、代码修复、单元测试
- 批量长文档解析、信息抽取、内容路由分发
- 客服自动分流、标准化工单处理
- 截图、扫描件、会议录音这类多模态素材批量解析
- 和大模型搭配，承接大规模、低复杂度的子任务
不推荐场景
- 需要极强深度推理、超长链式复杂思考
- 高质量长文本创意写作、复杂数学证明
- 对单步推理准确率要求极高，不能容忍小幅失误的核心决策业务
【相关 FAQ】
问题 1：Meta Muse Ember 这款最省钱模型，说的 1/3 成本是和哪款模型对比？
回答 1：Meta Muse Ember 的三分之一成本，是在达到相近综合智能分数的条件下，和 Claude Haiku 5.5 的单任务成本对比，并不是和 Meta 自家全部模型对比，也不等于所有推理档位都固定保持这个比例。
问题 2：Meta Muse Ember 这个低成本模型支持多模态吗？
回答 2：Meta Muse Ember 支持多模态，可以接收文本、图像、音频、视频、PDF，能够解析截图、图表、录音，不需要额外调用别的模型来处理视觉、音频素材，适合批量处理多媒体资料的 Agent。
问题 3：Meta Muse Ember 这个 1/3 成本模型在哪里可以调用？
回答 3：Meta Muse Ember 当前开放入口包含 Meta Model API、Muse Code，谷歌云以及甲骨文云也已经上线该模型，开发者可以通过官方 Responses API 接入使用。
问题 4：Meta Muse Ember 作为低成本模型，能不能直接替代高端大模型？
回答 4：Meta Muse Ember 主打高频、重复的自动化子任务，适合做 Agent 的轻量化执行器，它可以搭配 Muse Wonder 等大模型一起使用，并不适合直接替换面向复杂推理、高难度创意任务的高端旗舰模型。
【参考资料】
[2026-11-10]（便宜得离谱！Meta 甩出 “最省钱模型”，1/3 成本追平 Claude Haiku 5.5）智东西
[2026-11-10]（百万 Token 输入仅 7 毛，Meta 突发最小模型 Muse Ember，性能追平 Haiku 5.5）36 氪
[2026-11-10]（Meta 推出最小 AI 模型 Muse Ember：性能追平 Claude，成本只要三分之一）凤凰网科技
[2026-11-10]（meta 推出 轻量级 ai 模型 muse ember : 跑分 媲美 claude haiku 5.5 ， 单 任务 成本 仅 1 / 3）IT 之家
[2026-11-09]（Meta launches Muse Ember, a cheaper AI model built for repetitive tasks）Digital Trends
【免责声明】
本文内容仅作为行业资讯与技术科普，不构成商业采购、技术选型承诺；Meta Muse Ember 的跑分、单任务成本、Token 价格、可用接入渠道会随 Meta 官方策略、评测条件、推理档位发生变动；“1/3 成本” 为特定基准、特定推理强度下的对比结果，不代表所有业务场景都能达到该成本比例，实际开销受缓存使用率、输入长度、任务类型影响；最终服务条款、定价、能力约束请以 Meta、云厂商官方文档为准。
本文来自作者[幻枢航巡客]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/rgzn/202611/11.html
评论列表（4条）
我是环球科技潮的签约作者“幻枢航巡客”！
希望本篇文章《Meta Muse Ember 发布，性能对标 Claude Haiku 5.5，任务成本仅约三分之一》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：Meta 新推出的 Muse Ember，就是官方口中目前最省钱的模型，在第三方 Artificial Analysis 的综合智能测评里面，最高推理档位得分和 Claude Haiku 5.5 几乎持平，但是跑完同样任务的开销只有对方大约三分之一，非常适合需要大规模跑 AI 智能体、高频调用模型的开发者和企业，它不是用来挑战最强旗舰大模型，而是专门瞄准那些重复、量大、消耗 Token 很多的日常自动化任务，同时还支持多模态输入，上下文窗口做到一百万 Token，能够一次性吞下整套代码库或者长篇文档，兼顾能力和成本。之所以它能把成本压到这么低，核心是 Meta 在训练和推理侧都做了针对性优化，它采用 Muse Wonder Full 这套体系训练，模型本身定位轻量化，专门优化工具调用、信息抽取、代码子任务这类 Agent 高频工作，在同样达到相近智能分数的前提下，完成任务消耗的 Token 和算力更少；同时它区分了普通输入、缓存输入两套计价，缓存输入价格极低，如果业务存在大量重复文档、固定知识库读取，实际使用成本还能再往下压，而且它原生支持图文音视频多模态，不用额外搭配别的小模型去做视觉解析，减少多模型串联带来的额外开销。想要上手使用这款 Meta 低成本模型，操作路径比较清晰，你可以直接访问 Meta Model API、Muse Code 平台调用，谷歌云、甲骨文云也已经上架这个模型；接入的时候优先把重复读取的长文档开启缓存，最大化利用低价缓存输入档位，如果是搭建 Agent，推荐搭配更大的 Muse Wonder 模型，由大模型负责整体规划，Muse Ember 承接海量细碎子任务；上线之前，建议在 AutomationBench、Agents Last Exam 这类 Agent 基准上做一轮自测，确认它在你业务的任务上表现稳定。如果你正在做客服机器人、批量文档解析、自动化代码测试、请求路由这类高调用量业务，Muse Ember 是一个性价比很高的选择，它把同档位能力的推理门槛拉低，能明显降低长期跑智能体集群的账单，但如果是复杂深度推理、创意生成这类重度任务，它并不适合直接替换高端旗舰模型。