Meta 在 11 月 9 日推出 Muse Ember，这是 Muse 家族里面体量最小、主打高效率的多模态模型，核心定位不是做大模型深度思考，而是专门承接 AI 智能体里量大、重复的高频执行任务，它直接给到 100 万 Token 上下文窗口，最高支持输出 51.2 万 Token，原生支持图文音视频多模态输入；第三方 Artificial Analysis 评测显示综合智能指数和 Claude Haiku 5.5 持平，但单任务成本仅后者三分之一，在自动化工作流、终端编程、桌面操作这类智能体基准上优势明显，适合作为智能体架构里的底层执行 worker，搭配大规划模型一起跑自动化流程，下面把参数、跑分、定价、适用场景和短板拆开梳理清楚。
Muse Ember 核心信息对照表
| 项目 | 详情 |
|---|---|
| 模型代号 | muse-ember-1.0 |
| 定位 | Muse 系列最小多模态模型，智能体高频执行专用 |
| 上下文窗口 | 100 万 Token |
| 最大输出上限 | 51.2 万 Token |
| 支持输入 | 文本、图片、音频、视频、PDF 扫描件 |
| 上线渠道 | Meta Model API、Muse Code，谷歌云、甲骨文云同步开放接入 |
| 定价 | 输入：0.10 美元 / 百万 Token；缓存输入：0.004 美元 / 百万 Token；输出：0.50 美元 / 百万 Token |
| 核心优势赛道 | 工具调用、长文档解析、代码子任务、信息抽取、任务路由、电脑桌面自动化 |
| 模式 | 闭源权重，仅提供 API 调用，不开放本地权重下载 |
关键基准跑分对比
| 评测项目 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA 业务工作流 | 37.8% | 13.9% | 20.2% |
| Agents' Last Exam 智能体综合 | 61.6% | 57.0% | 57.1% |
| Terminal-Bench 4.0 终端编程 | 40.9% | 39.2% | 16.4% |
| OSWorld 2.1 桌面计算机操作 | 69.5% | 68.9% | 50.5% |
| FrontierCode 2.0 可合并工程代码 | 27.2% | 34.9% | 25.2% |
产品设计逻辑拆解
1、1M 长上下文，服务连续智能体流程
100 万 Token 上下文意味着单次会话可以载入完整代码仓库、整套合同文档、多段会议音视频记录，智能体不需要频繁拆分任务、反复摘要；可以在同一个对话里串行完成读取文件、跑测试、定位 bug、提交修改等上百个子任务，减少上下文断裂带来的错误，非常适合自动化持续作业。
2、原生多模态，适配屏幕感知类智能体
可以直接读取截图、图表、扫描件、录音、视频，智能体做电脑操作、网页抓取、单据识别、视频内容提取时，不用额外调用独立识图 / 语音模型，一套模型搞定输入解析，这也是 Meta 人形机器人 Max 项目背后 Muse 智能体体系的配套底座之一。
3、架构定位：智能体的廉价执行层
Meta 的思路是分层：高端 Muse Spark 负责顶层规划、复杂推理、决策；Muse Ember 承接占 Token 消耗大头的重复、结构化高频任务，把成本压下来。开发者搭建 Agent 时，复杂判断交给大模型，批量执行、文档读取、工具调用交给 Ember，平衡性能和账单成本。
4、短板：硬核工程代码能力偏弱
在 FrontierCode 这类偏向真实可合并上线代码的基准上，Ember 弱于 Claude Haiku 5.5，更适合小批量代码修改、调试、脚本任务，不适合直接交付高复杂度生产级代码。
适合与不适合的场景
✅ 适合场景
1、自动化业务工作流 Agent，表单处理、单据提取、邮件分诊；
2、编程智能体的子任务：读库、跑单元测试、局部修复、日志分析；
3、桌面 GUI 自动化，靠截图识别界面、点击操作；
4、批量长文档审阅、合同抽取、知识库检索总结；
5、多模态素材批量解析：录音转行动项、视频字幕摘要。
❌ 不太适合
1、从零写大型复杂工程、架构设计；
2、只追求极致创意、深度复杂推理的纯对话场景；
3、需要本地私有化部署、离线运行（闭源，无本地权重）。
【常见问题】
问题 1：Muse Ember 的 1M 上下文是输入 100 万 token 吗？
回答 1：是的，上下文窗口 100 万 Token，最高输出 51.2 万 Token，一次会话可以承载非常长的材料，适合智能体连续执行多步骤任务。
问题 2：Muse Ember 是开源模型吗，可以本地部署吗？
回答 2：闭源，仅通过 Meta Model API、Muse Code 等线上服务调用，官方没有开放权重下载，不能本地私有化部署。
问题 3：Muse Ember 和 Muse Spark 是什么关系？
回答 3：同属 Muse 智能体家族，Spark 是高性能主力模型，负责顶层规划、复杂推理；Ember 是轻量化小弟，专门承接量大便宜的高频执行任务，二者经常搭配组合搭建 Agent。
问题 4：Muse Ember 多模态能力具体能干什么？
回答 4：支持图片、截图、PDF 扫描件、音频、视频输入，智能体可以看懂界面截图、识别图表、解析会议录音、提取视频信息，用来做电脑操作、单据审核、素材解析。
问题 5：Muse Ember 对比 Claude Haiku 5.5 最大差别在哪？
回答 5：综合智力分数接近，但是 Ember 在智能体自动化、桌面操作、批量工具调用基准更强，单任务成本只有三分之一；短板是高难度生产级代码生成不如 Haiku 5.5。
【参考资料 / 数据来源（按时间排序）】
[2026-11-09]（Meta 发布 Muse Ember，面向智能体高频任务）TechCrunch
[2026-11-09]（Muse Ember 基准测试、定价详情）Artificial Analysis 官方榜单
[2026-11-10]（Meta Muse Ember 多模态与智能体能力解读）IT 之家
[2026-11-10]（Muse Ember 上线云服务商渠道）新浪财经
免责声明
本文内容基于 Meta 官方公告与第三方公开评测整理，不构成 API 采购、Agent 开发选型投资建议；模型跑分在不同提示词、测试集下会浮动；定价、可用区域、接口权限由 Meta 动态调整，正式接入前以 Meta 开发者平台最新文档为准。