近日，Meta推出其迄今最小、效率最高的AI模型MuseEmber，主要面向复杂推理任务，以及智能体日常反复处理的工作。它走的不是“大而全”路线，而是把效率和成本放在更靠前的位置。

Meta表示，在ArtificialAnalysis排行榜中，MuseEmber的表现可媲美Claude Haiku 5.5，但单任务成本仅为后者的三分之一，并在多项测试中超越GPT-6Luna。跑分数据显示，该模型在智能体AutomationBench-AA端到端业务工作流评测中得分37.8，高于Claude Haiku 5.5的13.9和GPT-6Luna的20.2；在Agents'LastExam端到端智能体任务中得分61.6，同样领先于对比模型。编程方面，Terminal-Bench4.0智能体终端编程得分40.9，CodingAgentIndex-AA得分46，但FrontierCode2.0-AA得分27.2，低于Claude Haiku 5.5的34.9。

能力方面，MuseEmber拥有100万Token上下文窗口，最多支持输出51.2万Token，可在一次调用中处理完整代码库或一整套文档，让智能体在一次会话中执行数百次编程子任务。该模型原生支持理解文本、图像、音频和视频，无需借助其他模型即可读取截图、图表和扫描文档，也能处理语音备忘录、会议录音和视频，并可依据屏幕截图直接操作计算机。

安全方面，MuseEmber在发布前经过MetaSI扩展框架评估，测试结果显示其风险水平低于框架设定的高风险阈值。价格方面，MuseEmber即日起在MetaModelAPI、GoogleCloud和OracleCloud提供，输入价格为每百万Token0.10美元，输出价格为每百万Token0.50美元。