Meta 推出旗下最小、最省成本的 Muse Ember，主打 AI 代理每天反覆執行的工作。在 Artificial Analysis 評測中，智能指數接近 Muse Spark 1.3，單次任務成本約為後者的十七分之一。
（前情提要：Meta 推出最強模型 Muse Wonder：主打「主動記憶與專注」，解鎖複雜 Agent 任務）
（背景補充：告別 Llama！Meta 推出全新多模態 AI 模型「Muse Spark」，全面進駐 IG、FB 與智慧眼鏡）
Meta 在官方部落格公布人工智慧（AI）模型 Muse Ember，定位為 Meta Superintelligence Labs 旗下最小、最省成本的模型，專門接手 AI 代理（AI Agent）一天之中大量重複的執行步驟，已透過 Meta Model API 與 Muse Code 開放使用。
這款模型不是以取代旗艦為目標，而是把工具呼叫、程式開發子任務、任務分流、資料擷取與長文件解析的費用壓低，讓開發者不必每一個小步驟都動用昂貴的大模型。
智能指數只差 1 分，單次任務成本約剩十七分之一
Meta 列出的 Artificial Analysis Intelligence Index v5 結果顯示，在最高推理設定下，Muse Ember 得到 36 分，Muse Spark 1.3 為 37 分；每項評測任務成本則分別約為 0.14 美元與 2.39 美元，差距約 17 倍。
Meta 人工智慧長、超智慧實驗室負責人暨 Scale AI 創辦人 Alexandr Wang 也在 X 上表示，Ember 以約十七分之一的價格，提供接近 Spark 1.3 最高設定的智能表現，並強調它是首款以 Muse Wonder Full 訓練而成、對外發布的模型。
官方另稱，Ember 在不同推理設定下的每美元智能表現，優於 Claude Haiku 5.5 與 GPT-6 Luna，並位於 Artificial Analysis 排行榜的效率前緣：沒有其他模型能以更低的每項任務成本，取得比它更高的分數。
百萬輸入 token 僅 0.10 美元，支援長文件與多模態
API 公告定價為每百萬輸入 token 0.10 美元、快取輸入 0.004 美元、輸出 0.50 美元。開發者可使用模型識別碼 muse-ember-1.0 呼叫，並支援 Responses API。
Ember 提供 100 萬 token 的上下文視窗，最多輸出 51.2 萬 token，可在單次呼叫中處理大型程式碼庫或整組文件。它原生理解文字、影像、音訊與影片，讓代理能直接分析截圖、掃描文件、語音備忘錄與會議錄影。
在程式開發流程中，它的工作包括讀取檔案、執行測試與針對性修正；在企業流程中，則可依序查取紀錄、呼叫工具，跨應用程式更新系統。這些步驟單次不一定困難，但一場任務可能反覆執行數百次，累積起來就是主要用量。
不是每項工程測試都領先，代理安全也納入評估
成本優勢不代表所有能力都超越對手。官方公布的 FrontierCode 2.0-AA 真實工程任務評測中，Ember 仍落後 Claude Haiku 5.5；這項測試著重修改結果能否合併進專案，與工具呼叫、文件解析並不是同一種工作。
在安全方面，Meta 表示，已依 Meta Superintelligence Scaling Framework 評估化學、生物、網路安全與失控風險，結果均低於該框架的高風險門檻，小模型也接受相同核心安全訓練與測試。
針對代理代替使用者行動的情境，評估還涵蓋是否遵守使用者意圖、妥善處理敏感資訊、抵抗藏在網頁或工具輸出裡的惡意指令，以及在重大行動前尋求人類確認。
Wonder 負責難題，Ember 接手大量執行
Ember 補上的是 Muse 產品線的低成本執行層：Wonder 處理最困難的問題，Spark 負責程式開發與代理工作流程，Ember 則承擔高用量、可重複的程式與代理任務。Meta 的搭配思路是，讓 Wonder 規劃，再由 Ember 消化大量執行工作。
對開發團隊而言，這提供了拆分成本的方式：把複雜判斷留給較強模型，將讀檔、擷取資訊與小幅修正交給 Ember。代理不必從頭到尾綁定同一款模型，而能依工作難度分配預算，降低長流程持續運作的費用。
📍相關報導📍
Meta 醒了？AI 主管：新模型「西瓜」跑分能追平 GPT-5.5
OpenAI dots、Meta Muse、Grok Bot 怎麼選？三大全天候 AI 代理價格、入口、安全分析
