返回资讯中心
外部精选
ai-models
#LLM#工程实践#ai#generative-ai#llms#meta

Meta AI 发布最小最高效模型 Muse Ember

来源标题:Introducing Our Smallest, Most Efficient Model: Muse Ember

Meta AI 推出小型高效模型 Muse Ember,主打工具调用、编码子任务、路由、信息抽取和长文档解析。短提示词下其定价与 GPT-6 Luna、Claude Haiku 5.5 相同,均为每百万输入 token 0.10 美元、输出 0.50 美元;提示词超过 20 万 token 后价格上调,介于这两款模型之间。

Simon Willison2026/11/10 · 7 天前6 分钟阅读

以下正文由 AI 翻译自 Simon Willison(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

推出我们最小、最高效的模型:Muse Ember

Meta AI 刚刚发布了他们在 Claude Haiku/GPT Luna 这一档位的新作:Muse Ember,他们如此描述它:

[…] 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、信息提取和长文档解析。

对于较短的 prompt,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。今天另一个重磅模型发布 Claude Fable 5.2,价格是它们的 80 倍,为 8/40 美元。

不过,随着 prompt 变长,定价就没那么直接了。Luna、Ember 和 Haiku 都支持最多一百万输入 token,但它们也都有一个阈值,超过之后价格就会上涨。把这个阈值考虑在内,Ember 的定价介于另外两者之间:

模型 Prompt 大小 输入($/百万) 缓存输入 输出 GPT-6 Luna ≤272k $0.10 $0.01 $0.50

272k $0.20 $0.02 $0.75 Muse Ember 1.0 ≤200k $0.10 $0.004 $0.50 200k $0.30 $0.012 $1.50 Claude Haiku 5.5 ≤100k $0.10 $0.01 $0.50 100k $0.50 $0.05 $2.50

但在如今,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个问题可能用到截然不同数量的 token。

为此,一个有用的指标是 Artificial Analysis。

比这更有用的是他们的「智能指数 vs. 每任务成本」图表,它显示了这三个模型的以下情况:

Muse Ember 各模型正好落在那条帕累托线上——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 在公告中也指出了这一点:

它也位于完整 Artificial Analysis 排行榜的效率前沿上:没有任何模型能在每任务更低的成本下获得更高的分数。

(帕累托线上绿色区域中间的那个灰点是 GPT-6.1 Terra(low)——显然我应该多关注一下 Terra 系列!)

Muse Ember 有六个推理等级——minimal、low、medium、high、xhigh 和 max——所以我渲染了六只骑自行车的鹈鹕。「high」推理等级未能返回完整的 SVG,而其他 SVG 令人意外的是,推理等级并没有清晰地对应到回答的视觉质量上。

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用 Muse Wonder 得到的结果相当,而后者的价格是 Muse Ember 的 40 倍。

标签:ai, generative-ai, llms, meta, llm-pricing, llm-release, artificial-analysis, muse

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →