Meta 发布最小最高效模型 Muse Ember

推出我们最小、最高效的模型：Muse Ember。Meta AI 刚刚推出了他们在 Claude Haiku/GPT Luna 类别中的产品：Muse Ember，他们将其描述为：

[...] 我们最小、最高效的模型，专为复杂推理执行以及智能体全天重复的工作而设计：工具调用、编码子任务、路由、提取和长文档解析。

对于较短的提示词，它的定价与 GPT-6 Luna 和 Claude Haiku 5.5 相同——两者都是每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。今天发布的另一款大模型 Claude Fable 5.2，价格是其 80 倍，为 8/40 美元。

不过，随着提示词变长，定价就不那么直接了。Luna、Ember 和 Haiku 都支持最多一百万输入 token，但它们也都有一个价格上调的阈值。把那个阈值考虑在内，Ember 的定价介于另外两者之间：

但如今比较每 token 价格其实没什么意义，因为推理 token 意味着不同模型解决同一问题可能使用截然不同数量的 token。

为此，一个有用的衡量指标是 Artificial Analysis。

比这更有用的是他们的 Intelligence Index vs. Cost per Task 图表，它显示了这三个模型的以下情况：

Muse Ember 模型正好位于那条帕累托线上——在这条线上，你只能通过牺牲一个维度来改善另一个维度。Meta 在公告中指出了这一点：

它也位于完整 Artificial Analysis 排行榜的效率前沿上：没有模型能以更低的每任务成本获得更高分数。

（绿色区域中间帕累托线上的那个灰点是 GPT-6.1 Terra (low)——显然我应该多关注 Terra 系列！）

Muse Ember 有六个推理级别——minimal、low、medium、high、xhigh 和 max——所以我渲染了六只骑自行车的鹈鹕。“high”推理级别未能返回完整的 SVG，而其他 SVG 令人意外的是，推理级别并没有清晰地对应响应的视觉质量。

这是“max”的那张，但其他的也值得一看：

Ember 的鹈鹕在质量上与我从 Muse Wonder 得到的相当，而 Muse Wonder 的价格是 Muse Ember 的40 倍。