Meta 发布 Muse Ember：面向 AI 代理的低成本多模态模型

Meta 最新的 AI 模型 Muse Ember 现已上线，它承诺让基于代理的自动化更加便宜且灵活。该模型的输入成本为每百万 Token 10 美分，被定位为常规工具调用、代码子任务以及长文档解析的最具成本效益的选择。

发生的情况

据 TechCrunch 报道，Meta 超智能实验室于周一推出了 Muse Ember，这是其 Muse 产品线中最轻量、最具成本效益的模型。发布公告将 Ember 定位为“复杂推理执行以及代理整天重复的工作：工具调用、代码子任务、路由、提取和长文档解析”的主力军。

该公司强调了来自 Artificial Analysis 的基准测试，声称 Ember 在价格上比 Anthropic 的 Haiku 和 OpenAI 的 Luna 等竞争对手更便宜，同时性能也更聪明。Ember 的输入成本为每百万 Token 10 美分，不仅低于这些前沿竞争对手，在成本上甚至能与 DeepSeek V4.1 Flash 和 GLM 5.3 Flash 等开源产品相媲美。

Ember 并不是一个独立的聊天机器人；Meta 将其定位为代理框架的“海量处理”部分，并与更大的模型 Muse Wonder 进行搭配。在客户支持场景中，Wonder 负责制定策略，而 Ember 则将其应用于数万张工单中——Meta 将其总结为“Muse Wonder 负责规划，Muse Ember 负责处理海量任务”。

除了定价之外，Ember 还经过训练以处理多种媒体类型。该模型可以摄取文本、图像和音频，允许代理读取屏幕截图、图表、扫描文档、语音备忘录、会议录音和视频，而无需切换模型。这种灵活性旨在简化以前需要单独专用模型的管道。

Ember 是 Muse 品牌的第四款产品，在此之前有 Spark（4 月）、其开源双胞胎 Glimmer（8 月）以及前沿 Wonder 模型（10 月）。旗舰消费级产品 Muse Agent 于 9 月首次亮相，并于近期增加了“空间”（Spaces）和视频聊天等功能。

为什么这对小型企业领导者很重要

对于运营精简的企业主和团队负责人来说，AI 驱动的自动化成本可能是成败的关键因素。Ember 每百万 Token 10 美分的成本大约相当于每 1,000 个输入字符 0.001 美元，比许多专有代理低几个数量级。这一价格点使得运行大容量任务（如批量工单分诊、发票提取或多媒体内容审核）变得切实可行，且不会超出预算。

多模态功能还减少了将单独的 OCR、语音转文本和图像分析服务拼凑在一起的工程开销。一个由 Ember 驱动的代理可以读取扫描收据、提取金额并将其记录到会计系统中，所有这些都在一次传递中完成。因此，小团队可以更快地构建端到端工作流程，并减少供应商合同。

最后，“双模型”（Wonder + Ember）策略提供了一条务实的扩展路径：使用重量级模型进行战略推理，使用轻量级的 Ember 进行重复执行。这反映了许多 SaaS 工具将编排与工作节点分开的方式，但现在可以使用单一供应商技术栈在内部完成，从而简化了合规性和数据治理。

本周要做的事

1. 注册 Meta 的 API 访问权限，并在样本文件上运行快速的 Token 成本测试，以验证您的典型工作负载是否符合每百万 Token 10 美分的承诺。
2. 原型化一个简单的代理，使用 Ember 从屏幕截图或 PDF 中提取文本，并将输出馈送到您现有的 CRM 或会计工具中。
3. 映射您业务中任何高容量、基于规则的流程，并起草一个双模型计划：指定 Muse Wonder（或您已经在使用的另一个大语言模型）用于策略制定，并指定 Ember 用于批量执行。

来源

• Meta releases Muse Ember, a new lightweight model for agent execution — TechCrunch - AI