# 几乎同分，价钱只要三分之一：Meta 的 Muse Ember 专接 Agent 的重复活

**Summary:** Meta 的 Muse Ember 用极低的 API 单价给出了接近 Claude Haiku 5.5 的评测总分：Artificial Analysis 指数 36 分、每任务约 0.14 美元，Meta 自己的图表则是 35.8 分对 36.2 分，成本约三分之一。它在业务流程的 Agent 测试上领先，代码改动测试反而落后。想试的团队可以先从结果容易核对的重复子任务入手。

- Canonical: https://markhuang.ai/zh/news/muse-ember-cheaper-agent-work
- Language: zh-CN
- Author: [Mark Huang](https://markhuang.ai/about)
- Published: 2026-11-09
- Section: News
- Tags: Meta, Muse Ember, AI Agent, 子 Agent, AI 定价, 模型评测
- Source: [Meta AI Research](https://research.meta.ai/blog/muse-ember)
- License: https://creativecommons.org/licenses/by-nc/4.0/

---

![一组琥珀色与铜色的精密机械臂从摊开的书页中夹起空白纸片](https://cdn.markhuang.ai/news/muse-ember-cheaper-agent-work/hero.webp)

*GPT Image 2 生成的概念图：一个小执行者反复处理文书任务。这只是对 Muse Ember 角色的比喻，不是 Meta 硬件的写实描绘。*

拿一份合同，逐条对照公司的谈判规则，最后给出整体风险评级，这类活只能一条一条往下过。按 [Meta 11 月 9 日的发布公告](https://research.meta.ai/blog/muse-ember)里一位合作伙伴的说法，新模型 Muse Ember 在早期评测中已经能做到。这正是 Meta 想让这款模型接的工作：Agent 反复执行、细节又多的任务。

Muse Ember 通过 Meta Model API 和 Muse Code 提供，模型名是 `muse-ember-1.0`。Meta 标价输入每百万 token 0.10 美元，输出每百万 token 0.50 美元。token 是计费单位，用来衡量模型读进多少、写出多少内容。按这个价格，开发者有理由试着把常规文书和编码活交给 Ember，难的规划留给更能干的模型。

我真正关心的是这种分工。一个流程只要已经有清楚的计划或者现成的规则，交给便宜模型照着做，重复任务的开销就能压下来不少。

## 写计划和照着执行，是两件事

Meta 说 Ember 干的活包括调用工具、抽取信息、读长文档，还有编码里的子任务，比如查看文件、跑测试、做小范围修改。Agent 指的是让模型自己挑下一步动作、借助软件工具把整件事做完的系统；子 Agent 则是从任务里分到一部分活的执行者。

回到合同的例子，公司自己的谈判手册就是标准，模型照着手册一条条套用。这比让它凭空琢磨公司的谈判立场要具体得多。不过 Box 的说法来自发布合作伙伴，还算不上独立的可靠性验证。

Meta 提出的搭配是 Ember 配 Muse Wonder：Wonder 做规划，Ember 承担大量执行。[TechCrunch 的报道](https://techcrunch.com/2026/11/09/meta-releases-muse-ember-a-new-lightweight-model-for-agent-execution/)用客服场景讲了同一套安排，重一点的模型定规则，轻一点的模型把规则套到一个又一个案例上。做规划的模型不必亲自走完每一步，重复的活可以交给另一个执行者。

Ember 还有 100 万 token 的上下文窗口，也就是一次请求里能考虑多少材料。Meta 说它理解文本、图像、音频和视频，包括扫描件和会议录音。Meta 描述的文档处理，已经不止于排版整齐的文字。不过这些都是 Meta 自己宣称的能力，下面的评测分数证明不了它在这几类输入上质量一样好。

## 价格便宜，评测也拿得出手

Artificial Analysis 的 Intelligence Index 把知识工作、编码、科学和通用能力的评测合成一个分数。它[独立的模型页面](https://artificialanalysis.ai/models/muse-ember)显示，Ember 在最高推理强度下得 36 分，单个索引任务平均成本约 0.14 美元。也就是说，这个低价背后有实测过的工作量撑着。

Meta 发布时那张更细的图表给的是 35.8 分、每任务 0.136 美元；Claude Haiku 5.5 在最高强度下是 36.2 分、0.411 美元。总分几乎打平，成本却只有大约三分之一。这种比法比并排放 token 单价更有说服力，因为它算进了两个模型在评测中各自消耗的 token。

优势在什么地方，得看接的是什么任务。AutomationBench-AA 测的是 Agent 能不能通过软件应用把业务流程走完。在 Meta 公布的最高推理强度对比里，Ember 得 37.8%，GPT-6 Luna 是 20.2%，Haiku 是 13.9%。Meta 的[评测报告](https://research.meta.ai/static/muse-ember-evaluation-report)解释了评分有多严：只有每个目标都达成、并且没违反任何一条护栏规则，任务才算通过。

到了 FrontierCode 2.0-AA 顺序就反过来了。这项测试看工程改动能不能干净地合并，Ember 得 27.2%，排在 Haiku 的 34.9% 后面。同一份公告既建议拿 Ember 去跑业务流程，也如实写出在这项代码改动测试上 Haiku 更靠前。

这些分数也有边界。[Artificial Analysis 说自己的指数](https://artificialanalysis.ai/methodology/intelligence-benchmarking)以文本和英文为主，语音等能力另行评测。覆盖面这么宽的指数适合筛候选模型，却回答不了一个具体问题：Ember 能不能听懂某一场会议录音，能不能守住某家公司的合同规则。

## 十五美分的账单买到了什么

假设一个负载用掉 100 万未命中缓存的输入 token，再加上 10 万个计费输出 token，按 Ember 公布的单价，模型账单是 0.15 美元：输入 0.10 美元，输出 0.05 美元。这只是算出来的数字，不是实测的合同审查成本。工具费用、重试和人工复核都还在这之外。

Meta 另外标了缓存输入每百万 token 0.004 美元。能复用已有上下文的话，输入账单还能再低一些。可这个折扣和 Artificial Analysis 那个 0.14 美元的平均值，都说明不了办完某一项具体业务要花多少钱。我在[之前一篇讲 token 定价的文章](https://markhuang.ai/news/token-sticker-price-is-a-trap)里也区分过这件事：真正有用的比较，是把一份活干到能通过复核要花多少钱。

我会从一件结果容易核对的重复任务开始试，比如按指定字段从文档里抽取信息，或者做一个范围很小的代码修复。用同样的输入和工具，跟现在用的模型比一遍，把复核时间也算进成本。如果 Ember 在质量达标的前提下把总成本压低了，这类活就可以挪过去。

这个实验之所以值得做，是因为改动很小：团队只换掉干重复子任务的模型，难的规划仍留在原来那个更能干的模型手上。合同那个例子正好说明了这种分工的用处：拿一套现成的规则把材料过一遍，结果再交回来给人确认。
