Meta 推出 Muse 系列模型，赋能智能体工作流

Meta 已推出名为 Muse 的新系列 AI 模型，将 Wonder 定位为其旗舰产品，Spark 作为高性价比的中端选择，Ember 则用于高吞吐量、可重复的智能体任务。这一转变取代了 Llama 系列，并增加了如 Glimmer 等开放权重选项，以支持设备端智能体。

发生了什么

根据 Zapier 博客的报道，Meta 的 Muse 系列现在包括：

• Muse Wonder – 功能最强大的模型，通过 API 和 Muse Code 提供，其中“Full”变体仅可通过 Muse Code 订阅获取。它引入了Active Memory（跨对话的状态持久性）和Active Focus（目标导向的错误恢复）。定价：输入 $4 / M tokens，输出 $20 / M tokens。
• Muse Spark 1.3 – 一种多模态、支持工具使用的模型，支持文本、图像、音频和视频。它比 Wonder 更便宜、速度更快，成本为输入 $1.25 / M tokens，输出 $4.25 / M tokens。“Contributor”层级将价格降至输入 $0.10 / M 和输出 $0.20 / M，以数据共享为交换条件。
• Muse Ember – 专为重复性智能体工作（工具调用、路由、提取）打造的轻量级模型。它具有 100 万 token 的上下文窗口，可输出多达 512k tokens，成本为输入 $0.10 / M，输出 $0.50 / M。
• Muse Glimmer – 一个开放权重的 300 亿参数模型，设计用于在消费级 GPU 上本地运行，可从 Hugging Face 下载。
• Muse（个人助理应用） – 底层使用 Spark，每个用户在专用的“Muse Secure VM”Linux 实例上运行，并包含 Sentinel 看门狗以确保安全。
• Muse Code – 一个基于终端的编码智能体，可运行任何 Muse 模型。当与 Wonder Full 配对时，其性能与 Claude 和 OpenAI 的顶级产品相匹配。

开发者可以通过 Meta Model API 访问 Spark、Wonder 和 Ember，并且这三者都可以集成到 Zapier 自动化中，触发跨越 9,000 多个应用的操作。Meta 还宣布了一款以语音优先的设备 Muse Charm，尽管细节较少。

为什么这对小型团队很重要

对于中小型企业的构建者来说，Muse 系列提供了一个清晰的扩展阶梯。成本是一个主要关注点：Ember 每百万 token 低于 $0.20 的费率使其适用于批处理式处理（例如文档解析或路由），而 Spark 则为多模态任务提供了中间选择，无需 Wonder 的高昂价格。智能体功能如 Active Memory 和 Active Focus 减少了对自定义状态管理代码的需求，让团队可以专注于业务逻辑而不是提示工程。开放权重的 Glimmer 模型允许注重隐私的团队在本地运行智能体，在支持相同工具使用模式的同时避免数据泄露的担忧。最后，与 Zapier 的紧密集成意味着团队可以将 Muse 模型嵌入现有的无代码工作流中，无需构建完整的编排堆栈即可获得可观察性和治理。简而言之，Meta 的 Muse 系列为小型团队提供了一种分层、价格透明的方式来试验并过渡到生产级 AI 智能体。

本周该做什么

1. 设置一个 Zapier 自动化流程，调用 Muse Spark 执行重复性任务（例如从电子邮件中提取潜在客户），并衡量 token 使用量是否符合预算。
2. 从 Hugging Face 下载 Muse Glimmer，并在配备 GPU 的工作站上运行一个简单的本地智能体，以测试延迟和数据隐私保证。
3. 比较 Ember 和 Spark 在批处理任务中的 token 成本，并决定对于任何高复杂度用例，升级到 Wonder 是否合理。

来源

• Muse Wonder, Muse Spark, and Muse Ember: A guide to Meta's AI models — Zapier Blog