模型发布2 分钟读完Simon Willison
Meta 发布 Muse Ember 小型高效模型,定价对标 GPT-6 Luna
速览
Meta AI 推出 Muse Ember,定位为小而高效的模型,面向工具调用、编码子任务等高频代理工作。短提示词下价格与 GPT-6 Luna 和 Claude Haiku 5.5 相同,均为每百万输入 0.1 美元。该模型支持百万级输入上下文,价格随提示词长度阶梯上升。
Muse Ember 是 Meta 在 Claude Haiku/GPT Luna 类别中的最新产品,官方描述为「用于复杂推理执行和代理日常重复工作的最小最高效模型」。其定价策略在长提示词场景下有所不同,三个竞品均设有价格阈值:
- GPT-6 Luna:≤272k 输入 0.1 美元/百万,超出后涨至 0.2 美元,输出从 0.5 涨至 0.75 美元
- Muse Ember:≤200k 输入 0.1 美元/百万,超出后涨至 0.3 美元,输出从 0.5 涨至 1.5 美元
- Claude Haiku 5.5:≤100k 输入 0.1 美元/百万,超出后涨至 0.5 美元,输出从 0.5 涨至 2.5 美元
缓存输入价格同样分档,Ember 的缓存价低于另两者。不过作者指出,单纯比较单 token 价格已无意义,推理 token 数量的差异可能让总成本相差数倍。更有参考价值的是 Artificial Analysis 的「智能指数 vs 单任务成本」图,Muse Ember 恰好落在帕累托前沿线上,Meta 称其在全榜单上「没有哪个模型能以更低单任务成本获得更高分数」。
作者用六个推理等级(minimal 到 max)测试了 Muse Ember 生成自行车骑行的 SVG 图像,发现推理等级与输出质量并不严格对应,其中 high 等级甚至未能返回完整 SVG。但整体效果与价格贵 40 倍的 Muse Wonder 相当。
原文Introducing Our Smallest, Most Efficient Model: Muse Embersimonwillison.net
#Meta#模型发布#多语言#编程助手
本文由程序自动抓取公开报道,经 AI 筛选与改写生成,未经人工逐条核实,事实以原文为准。