Meta Muse Ember 深度分析：五個新功能、跟同級小模型與各家旗艦的比較，以及價格祕密

Meta 又出新模型了！11 月 9 號，Meta 發表 Muse Ember，這是 Muse 家族裡最小、也最便宜的模型。價格是每百萬 token，輸入只要 0.1 美元，輸出 0.5 美元。Meta 還說，它跟 Claude Haiku 5.5 一樣聰明，跑一題的花費卻只有三分之一。那它跟 Opus 5.5、GPT-6、Gemini 4 這些頂級大模型比，到底差多少？

STEP 1｜Muse Ember 是什麼

先看 Meta 的 Muse 家族。今年四月有 Muse Spark，八月有開放權重的 Glimmer，十月是最強的 Muse Wonder。

這次的 Ember 是第四個，也是最小的一個。它不是拿來解最難的題目，而是專門做大量、重複的代理工作。像是呼叫工具、寫一小段程式、分派任務、從文件裡抓資料，這些一天可能要跑上幾萬次的小事。規格很大方：上下文有 100 萬 token，一次最多可以輸出超過 50 萬 token。

Meta 也說，它是第一個用自家最強的 Muse Wonder Full 來訓練的模型。現在可以從 Meta 的 Model API、寫程式工具 Muse Code，還有 Google Cloud 跟 Oracle Cloud 使用；不過權重沒有開放。

STEP 2｜五個新功能重點

新功能，欣欣整理成五個重點。第一，全模態輸入：文字、圖片、聲音、影片、PDF，都可以直接丟給它。

第二，思考強度可以調，從最省的 minimal 到最強的 max；預設就是開到最大。第三，會操作電腦、會呼叫工具，還能輸出固定格式的資料，也可以先上網搜尋再回答。

第四，速度很快。Artificial Analysis 測到，每秒可以輸出 446 個 token，開始回答平均只要 4.4 秒。第五，也是 Meta 最想推的用法：大模型負責規劃，Ember 負責執行。像客服，大模型先訂好規則，Ember 再套用到幾萬個案子上。簡單說，Ember 不是要當最聰明的那一個，而是要當最勤勞、最省錢的那一個。

STEP 3｜跑分：跟同級小模型比

先跟同一級的對手比：Anthropic 的 Claude Haiku 5.5，還有 OpenAI 的 GPT-6 Luna。要提醒，這些是 Meta 公布的數字。

差最多的是商業流程自動化 AutomationBench：Ember 拿 37.8 分，Haiku 只有 13.9，GPT-6 Luna 是 20.2。

在真實的代理工具裡寫程式，Coding Agent Index：Ember 46 分，Haiku 37，Luna 31。在終端機寫程式的 Terminal-Bench，Ember 40.9，跟 Haiku 的 39.2 差不多；Luna 只有 16.4。

但它不是每一項都贏。看程式能不能直接合併的 FrontierCode，Haiku 拿 34.9，Ember 只有 27.2。

綜合的智慧指數，Ember 跟 Haiku 都是 36 分，Luna 是 28 分。分數一樣，那差別在哪？答案是花費。跑完一題，Ember 平均只要 0.14 美元，Haiku 要 0.41 美元，大約是三倍。

STEP 4｜跟各家旗艦比一比

那跟頂級大模型比呢？一樣看 Artificial Analysis 的智慧指數。

Claude Fable 5.2 拿 65 分最高，Gemini 4 Carbon 60，Opus 5.5 59，GPT-6 Astra 57；Meta 自家最強的 Muse Wonder 是 44，Ember 是 36。

所以老實說，Ember 的分數大約只有 Opus 5.5 的六成，真正的難題，還是要交給大模型。但是看花費就不一樣了：跑一題，Opus 5.5 要 10 美元，Fable 5.2 要 26.5 美元，Ember 只要 0.14 美元，差了七十倍以上。

速度也是：平均一題，Opus 5.5 要 25 分鐘，Ember 只要 3.2 分鐘。所以這不是誰比較強的問題，而是分工：難的交給旗艦，大量重複的交給 Ember。

STEP 5｜價格的祕密：標價一樣，花費差三倍

接下來，是欣欣覺得最有趣的地方：價格的祕密。

Ember 每百萬 token，輸入 0.1、輸出 0.5 美元；但 Claude Haiku 5.5 跟 GPT-6 Luna 的標價，其實也是 0.1 跟 0.5，一模一樣！

標價一樣，跑一題卻差三倍，差在實際用量：完成同一份考題，Ember 花的時間最短；快取的輸入，每百萬也只要 0.004 美元。另一個要注意的是長文件。超過 20 萬 token，Ember 漲到 0.3 跟 1.5 美元；Haiku 超過 10 萬就漲到 0.5 跟 2.5。

所以如果你常丟很長的文件，記得先算一下，一跨過門檻，價格就會翻好幾倍。合作夥伴也分享了測試：Cloudflare 說尾端延遲最多快 30%；You.com 說寫程式的任務，95% 在 2.2 秒內完成。不過這些是 Meta 引用的早期測試。

STEP 6｜適合誰：該怎麼選

那 Ember 適合誰？如果你在做 AI 代理，要大量呼叫工具、分類、擷取資料、處理表單，它非常划算。

Meta 自己的文件也寫得很清楚：困難的一次性寫程式、需要大量知識的問題，還有看圖寫程式，建議改用 Muse Spark 或 Wonder。想要可以直接合併的高品質程式，目前 Claude Haiku 還是比較強；最難的任務，就交給 Opus 5.5 或 Fable 5.2。

最划算的組合，就是大模型當主管、小模型當團隊：主管負責規劃，團隊負責大量執行。所以欣欣的建議是：別只看誰最聰明，要看每一塊錢買到多少工作量；Ember 就是那個最會省錢的隊友。

STEP 7｜常見問題

Muse Ember 是開源的嗎？不是。Meta 這次沒有公開權重；Muse 家族裡開放權重的，是 Glimmer。

一般人可以用嗎？可以在 Muse Code 裡用，每個訂閱方案都有，最便宜的方案每月 5 美元；開發者用 API，就是用多少付多少。安全嗎？Meta 說它做了跟大模型一樣的安全訓練；化學、生物、資安和失控風險的測試，都低於高風險門檻。

跑分可以全信嗎？名稱有 AA 的，是 Artificial Analysis 跑的；其他有些是 Meta 內部測試。最好還是拿自己的工作實測一次。

重點整理

1. 定位：Muse Ember 是 Meta Muse 家族第四個、也是最小的模型，專做大量重複的代理工作（工具呼叫、程式小任務、分派、擷取資料）；Meta 說是第一個用 Muse Wonder Full 訓練的模型，權重不公開
2. 規格：上下文 1,048,576 token、最多輸出 524,288 token；可輸入文字、圖片、聲音、影片、PDF；在 Meta Model API、Muse Code、Google Cloud、Oracle Cloud 上線
3. 五個新功能：全模態輸入、思考強度 minimal 到 max 可調、會操作電腦與呼叫工具（含結構化輸出、搜尋）、速度快（每秒 446 token、約 4.4 秒開始回答）、大模型規劃＋Ember 大量執行
4. 跟同級比（Meta 公布）：AutomationBench-AA 37.8 vs Haiku 5.5 13.9、GPT-6 Luna 20.2；Coding Agent Index 46 vs 37、31；但 FrontierCode 2.0 Haiku 5.5 34.9 勝過 Ember 27.2
5. 智慧指數（Artificial Analysis）：Ember 與 Haiku 5.5 同為 36 分，跑一題花費 0.14 vs 0.41 美元，約三分之一
6. 跟旗艦比：Fable 5.2 65、Gemini 4 Carbon 60、Opus 5.5 59、GPT-6 Astra 57、Ember 36；跑一題 Opus 5.5 10.04 美元、Ember 0.14 美元，差 70 倍以上
7. 價格祕密：Ember、Haiku 5.5、GPT-6 Luna 標價都是 0.1／0.5 美元，差在實際用量；長文件要注意門檻（Ember 超過 20 萬、Haiku 超過 10 萬 token 會漲價）
8. 怎麼選：大量工具呼叫、分類、擷取用 Ember；難的一次性寫程式與知識密集問題，Meta 建議用 Spark 或 Wonder；最難的任務交給 Opus 5.5 或 Fable 5.2

跑分與價格多為 Meta 在 2026/11/09 公布，或引用 Artificial Analysis 的排行（查核日 2026/11/10）；部分測試（如 OSWorld 部分給分、Agents' Last Exam）為 Meta 內部進行，夥伴回饋為早期測試、尚未獨立驗證。GPT-6 Luna 與 Haiku 5.5 長文件價格取自第三方整理頁。過場影像與主持人畫面為 AI 生成。

資料來源

影片版在 YouTube「欣欣 的 AI 無限世界」，如果有一個超便宜的 AI 小幫手，你最想讓它幫你做什麼工作？

YouTube

#MetaMuseEmber #MetaAI新模型 #AI模型價格比較 #AI代理小模型