Meta 发布 Muse Ember:最小最高效模型,主打代理任务性价比
速览
Meta 今日推出 Muse Ember,号称最小且最高效的模型,专为工具调用、编码、路由、提取等代理重复性任务设计。其宣称在同等推理设置下,单位成本的智能表现优于 Claude Haiku 5.5 和 GPT-6 Luna,匹配 Haiku 最佳成绩时成本仅为其三分之一。Muse Ember 已上线 Meta 模型 API,输入输出定价分别为每百万 tokens 0.10 美元和 0.50 美元,适合追求低成本高频代理工作负载的开发者。
Muse Ember 定位于复杂推理执行和代理日常工作负载,其核心竞争力在于成本效率。根据 Meta 引用的 Artificial Analysis 数据,在不同推理强度设置下,Muse Ember 在成本与智能指数的组合上均优于对比模型:匹配 Claude Haiku 5.5 最佳成绩时成本约为其三分之一,且在所有设置下得分都超过 GPT-6 Luna。
在基准测试中,Muse Ember 在代理任务上表现突出:
- AutomationBench-AA(端到端业务流程)得分 37.8,远超 Claude Haiku 5.5 的 13.9 和 GPT-6 Luna 的 20.2。
- Terminal-Bench 4.0(终端编码)得分 40.9,优于 Haiku 的 39.2 和 Luna 的 16.4。
- OSWorld 2.1(桌面应用操作)部分评分 69.5,高于 Luna 的 50.5。
模型配备 1M token 上下文窗口和最高 512K 输出 tokens,可单次处理完整代码库或文档集。早期测试中,Box、Oracle、Cloudflare 等合作伙伴反馈其速度快、token 效率高,例如 You.com 测试中 p95 延迟仅 2.2 秒,比领先开源模型快 4 至 13 倍,且输出 tokens 减少 36% 至 48%。
Muse Ember 今日起在 Meta 模型 API 上提供,定价为每百万输入 tokens 0.10 美元、每百万输出 tokens 0.50 美元。
原文Our Smallest, Most Efficient Model: Muse Emberresearch.meta.ai
#Meta#开源模型#效率
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。