Meta 的 Muse Ember：0.1 美元一百万 token，agent 的脏活累活从此不配用大模型

跟 Fable 5.2 同一天，Meta 也发了新模型，方向完全相反：Muse Ember，Muse 系列里最轻、最便宜的一个，专干 agent 每天重复的脏活累活——工具调用、编码子任务、请求路由、数据抽取、啃长文档。

价格先摆出来：输入 0.1 美元、输出 0.5 美元每百万 token。Artificial Analysis 的综合指数上它拿 36 分，单任务成本约 0.14 美元。什么概念？同样 36 分的 Claude Haiku 5.5，单任务成本大约是它的 3 倍；Meta 自家大一号的 Muse Spark 1.3，37 分，单任务要 2.39 美元，17 倍的价钱只多 1 分。

扎克伯格在 X 上的原话是：“Muse Wonder plans, Muse Ember handles the volume”——大模型做规划，小模型跑量。

Ember 的上下文 100 万 token，输出上限 51.2 万 token，能直接读文本、图像、音频和视频：截图、图表、扫描件、语音备忘、会议录音，不用再套一个转写模型。它已经进了 Meta Model API 和 Muse Code。这是 Muse 系列的第四款：4 月的 Spark、8 月开源权重的 Glimmer、10 月的前沿模型 Wonder，再到今天的 Ember。

我的判断是：agent 的成本结构正在换挡，从“一个大模型全包”变成“大模型做规划、小模型跑量”。以前大家算 agent 账单，默认所有调用都按旗舰价算，跑着跑着就发现 80% 的 token 都花在“读一下这份文档”“调一下这个接口”“把结果格式化”这种不需要动脑子的活上。Ember 这类模型的出现，就是把这 80% 的单价打下来。做 agent 应用的人，现在该先画一张“调用分层表”再写代码：哪几步必须上旗舰，哪几步可以交给 0.14 美元一任务的执行层。分层画对了，同样的功能，账单能差一个数量级。

边界也要说清。36 分是 Artificial Analysis 的综合指数，不是编码专项分；在 Anthropic 引用的 FrontierCode 对比里，Haiku 5.5 仍然领先 Ember，真要让它写核心代码，先拿你自己的任务测。Ember 是闭源权重，只能走 Meta 的 API 和 Muse Code，介意供应商锁定的绕道。它能读视频、能看截图，但“看得懂”和“判断得准”是两回事，涉及钱和合规的抽取结果，仍要留人工复核。

什么情况下这个结论不成立：你的 agent 调用量本来就小，一个月几百次，省下的钱还不够你改一次架构；或者你的任务步步都要复杂推理，没有“脏活”可分，Ember 帮不上忙。量大、重复、规则明确，三条占全了，它才值。

可信度：发布、价格、指数与成本为 TechCrunch 与 Meta 官方口径、多家转述一致；36 分为综合指数，非编码专项，须注意口径；成本对比引自 Meta 引用的 Artificial Analysis 数据。