Meta 发布最轻模型 Muse Ember：每百万输入 10 美分，专干 Agent 的脏活累活

一个客服 Agent 每天要处理几万条工单。真正难的判断只有少数几次：这类问题该怎么归类、该走哪条流程、边界情况怎么处理。剩下的绝大多数动作——查订单、填字段、读截图、转录录音、把结果塞进系统——既重复又琐碎，却决定了整套系统能不能规模化。Meta 新发布的 Muse Ember，瞄准的正是这部分“脏活累活”。

一分钟速览

• Meta Superintelligence Lab 发布 Muse Ember，称其为 Muse 系列最轻、最具成本效率的模型。
• 定价每百万输入 Token 10 美分，官方用 Artificial Analysis 综合基准强调“比对手更便宜也更聪明”。
• 面向 Agent 高频动作：工具调用、代码子任务、路由、信息抽取、长文档解析。
• 原生支持文本、图像、音频，Agent 可直接读截图、图表、扫描件、语音备忘和会议录音。
• 设计上与更大的 Muse Wonder 搭配：Wonder 负责规划，Ember 负责跑量。

不是“小一号的旗舰”，而是流水线上的工位

过去一年，模型发布的主旋律是“更强”：更长的上下文、更高的跑分、更复杂的推理。但真正把 Agent 放进生产环境的团队会发现，账单往往不是被最难的几个任务撑起来的，而是被几十万次普通调用堆出来的。Ember 的产品逻辑很直接：把“规划”和“执行”拆开，重的模型只做少量关键决策，轻的模型承担绝大多数重复动作。

Meta 在发布说明里给了一个客服场景：较重的 Muse Wonder 先制定处理某类问题的规则，然后把规则交给 Ember，让它在数万个个案上执行。官方原话是“Muse Wonder plans, Muse Ember handles the volume”。这与人类组织的分工没有本质区别——资深员工定策略，一线员工按流程处理大量工单。

价格是 Ember 最锋利的武器。每百万输入 Token 10 美分，不仅低于 Anthropic Haiku、OpenAI Luna 这类前沿厂商的轻量模型，也能与 DeepSeek V4.1 Flash、GLM 5.3 Flash 等开源竞品在成本上掰手腕。Meta 还特意用 Artificial Analysis 的“每任务成本 vs 综合得分”曲线来展示：在相同成本区间里，Ember 的得分更高；在相同得分区间里，它的成本更低。

多模态是“能干活”的前提

Ember 另一个容易被忽略的点，是原生多模态。Agent 在真实业务里拿到的输入很少是干净文本：客服收到的是聊天截图，财务收到的是扫描发票，运营收到的是会议录音，工程团队收到的是带图表的 PDF。Ember 可以直接处理文本、图像和音频，不需要为每种模态再挂一个专用模型。Meta 的说法是，Agent 可以读截图、图表、扫描文档，也可以从语音备忘、会议录音和视频里直接工作。

这对系统架构的影响很实际：少一层模型编排，就少一层延迟、成本和故障点。对于“每个任务只值几美分”的场景，任何额外调用都会吃掉利润。

Muse 家族补上最后一块拼图

Ember 是 Muse 品牌下的第四款模型。此前依次是 4 月发布的中量级 Spark、8 月发布的开源版本 Glimmer、10 月发布的旗舰 Wonder；9 月推出的消费级产品 Muse Agent 则意外走红，本月还在扩展 Spaces 和视频通话等功能。Ember 补上的是“执行层”：旗舰负责上限，轻量模型负责下限和规模。

同一天，Meta 还更新了 iOS 版 Muse 应用，新增 Apple Watch 支持。用户可以打字、语音输入或直接拨打语音电话，主界面保留了颇受欢迎的雪怪吉祥物，整体设计与 9 月公布的 Muse Charm 设备相似。这意味着 Muse 不再只是一个手机里的聊天入口，而是在向“随身智能体”的形态靠拢：手腕上能唤起，背后由不同层级的模型分工完成。

趋势：Agent 的竞争，正在变成成本工程的竞争

当模型能力差距逐渐缩小，Agent 能否落地，越来越取决于三个数字：单任务成本、端到端延迟、失败后的重试代价。Ember 这类模型的出现在提醒行业：不是所有步骤都需要“最强大脑”。把任务拆开，让贵模型做判断、便宜模型做执行，可能比一味追求榜单第一更能决定产品能不能赚钱。

当然，轻量模型也有自己的边界。复杂规划、长链推理、跨系统排障仍然要交给旗舰模型；Ember 的价值在于把“可标准化的部分”做到足够便宜、足够稳定。对正在搭建 Agent 的团队来说，这或许是一个重新审视架构的时机：你现在的每一次模型调用，真的都需要旗舰吗？