读懂｜Muse Ember 每题成本只有 Haiku 的三分之一

Meta 小模型 Muse Ember 在第三方综合榜上追平 Haiku 5.5，单题成本只有三分之一；省钱有门槛，整条流程一次全对不到四成。

Meta 的小模型 Muse Ember 在独立评测机构的综合榜上追平 Claude Haiku 5.5，单题成本只有后者三分之一，替智能体干杂活的价钱被第三方测到了每题 0.14 美元。

11 月 9 日，Meta 发布 Muse Ember，定位是智能体整天重复的活：调用工具、编程子任务、分流、抽取、读长文档。标价每百万 token 输入 0.10 美元、输出 0.50 美元，和 Haiku 5.5、GPT-6 Luna 的起步价相同。

我们的判断是：三分之一这个数站得住，但它省在缓存价和少写字，不在标价；Meta 说它能端到端跑完一条业务流程，它的全对率撑不起这句话，只配做有人或程序验收的单步活。

0.14 美元对 0.41 美元是第三方算的

Artificial Analysis 的智能指数 v5 里，Ember 最高推理档得 36 分，平均每题 0.14 美元；Haiku 5.5 最高档同为 36 分，每题 0.41 美元。按 Meta 图表里的未取整分数，两者是 35.8 对 36.2。

同一份评测还给了两个对照：

这是这次发布里最硬的一个数，因为它不是 Meta 自己测的。

标价相同、单题成本差三倍，Artificial Analysis 给了原因：智能体评测里大部分花费是缓存输入，Ember 的缓存价比 Haiku 低 60%。它在最高档的输出 token 也只有 Haiku 的约三分之一。

所以省钱有门槛。据 VentureBeat 核算，一次请求的输入超过 20 万 token，整单连同输出都按三倍价计。

20 万输入加 1 万输出约 2.5 美分，多一个输入 token 就到约 7.5 美分。缓存和沿用的对话历史也算进门槛。

VentureBeat 也写明，提示很长、回答也长的活，按 token 单价算 Luna 可能更便宜。省下三分之二的前提，是请求短、缓存命中高、让它少说话。

Meta 发布页最亮眼的是 AutomationBench-AA：Ember 37.8%，Luna 20.2%，Haiku 13.9%。这是严格的首次全对率；Artificial Analysis 按完成的子目标计分时，Ember 是 68.1%。

换句话说，在模拟业务应用里，六成多的任务它没能一次全部做完。

桌面操作也是这样。Meta 自测的 OSWorld 2.1 按部分得分是 69.5%，按全对计只有 33.8%。编程上，在看改动能否合并的 FrontierCode 2.0 上，Haiku 以 34.9% 对 27.2% 领先。

还有一处口径要拆开。Meta 表里 Terminal-Bench 4.0 写 Haiku 39.2%，用的是各家最好的工具链：Ember 用 mini-swe-agent，Haiku 用 Claude Code。

Artificial Analysis 自己测的 Haiku 是 32.8%。Ember 的 40.9% 两边一致，领先 1.7 个点还是 8.1 个点，取决于读哪张表。

有人会说，37.8% 已是同价位最高，Haiku 只有 13.9%，拿绝对值苛责 Ember 不公平。同档领先我们承认，但领先不等于能交付。

六成多任务一次做不完的模型放进无人值守的流程，省下的几美分会被返工吃掉。这是分析推断，依据是上面两组全对率。

Artificial Analysis 还测出它知识面窄：知识题准确率 21.1%，在同等水平模型里最低。原因是 64% 的题它直接拒答，换来的是幻觉率 17.4%，只有 Haiku 的一半。肯说不知道的小模型，正好放在有校验的位置上。

在同等水平的模型里，Muse Ember 是今天做智能体单步子任务最省钱的选择，不是能独自跑完业务流程的模型。有测试、有字段核对、能把失败交给大模型的团队，现在就可以把分流、抽取、查单个失败测试换给它。指望它从头到尾无人值守的，省下的钱买不回那六成多没一次做完的任务。