Meta AI 推出 Muse Ember 模型
Introducing Our Smallest, Most Efficient Model: Muse Ember
Meta AI 推出了 Muse Ember，这是他们最新推出的最小、最高效的模型，专为复杂推理执行和工作代理重复的任务设计，如工具调用、编码子任务、路由、提取和长文档解析。对于较短的提示
介绍我们最小、效率最高的模型：Muse Ember。Meta AI 刚刚推出了他们进入 Claude Haiku/GPT Luna 类别的产品：Muse Ember，他们将其描述为：
[...] 我们最小且效率最高的模型，专为复杂推理执行和工作代理全天重复的任务设计：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，它的价格与 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。今天另一款大模型发布，Claude Fable 5.2，价格是 80倍，为每千美元 8 美元/40 美元.
当提示变长时，定价就不再那么直接了。Luna、Ember 和 Haiku 都支持高达一百万个输入 token，但它们也都有价格上升的阈值。考虑到 那个 阈值，Ember 的价格介于两者之间：
| 模型 | 提示大小 | 输入 ($/M) | 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 |
但现在比较每 token 的价格并没有太大意义，因为推理 token 意味着不同的模型可能需要使用截然不同的 token 数量来解决同一个问题.
为此，一个有用的指标是人工智能分析。
甚至比这更有用的是他们的任务成本对比图，它显示了这三个模型的情况：
Muse Ember 模型正好位于那条帕累托线上 - 那条你只能通过放弃另一个维度来提高一个维度的线。Meta 在他们的公告中提到了这一点：
它也位于整个人工智能分析排行榜的效率前沿：没有模型在每任务成本上得分更高。
(那条绿色区域中间的帕累托线上的灰色点就是 GPT-6.1 Terra (低) - 显然我应该更关注 Terra 系列！)
Muse Ember 有六个推理级别 - 最小、低、中、高、x高和最大 - 所以我 渲染了六只骑自行车的企鹅。'高' 推理级别未能返回完整的 SVG，而其他 SVG 则令人惊讶，因为推理级别并没有清晰地映射到响应的视觉质量.
这是 '最大' 的那个，但其他的也值得一看：
来源：Simon Willison · simonwillison.net