截圖顯示拍攝日期的官方頁面，可能與文章發布時不同。點選圖片可放大。
Meta於2026年11月9日推出AI模型「Muse Ember」。這是Muse系列中最小、效率最高的模型，專為AI代理一天要反覆進行多次的工作打造，例如呼叫外部工具、小型程式設計工作、分派工作、擷取資訊與閱讀長篇文件等。
在Muse系列中的定位
Meta建議依照以下方式分工使用Muse的各款模型。
- Muse Wonder：處理最困難的問題
- Muse Spark：處理程式設計與代理工作
- Muse Ember：大量處理固定工作的用途
面對困難的工作，Meta推薦由Muse Wonder擬定計畫、由Muse Ember負責大量實際工作的組合。Muse Ember是第一款運用更高階的Muse Wonder Full訓練而成的模型。除了文字之外，它也能理解圖片、聲音與影片。
效能與價格
在Meta公布的評測中，Muse Ember在多個項目上勝過同屬小型等級的Anthropic「Claude Haiku 5.5」與OpenAI「GPT-6 Luna」（皆為推理設定調到最高時的結果，依Ember／Haiku 5.5／GPT-6 Luna的順序）。
- 業務自動化（AutomationBench）：37.8／13.9／20.2
- 電腦操作（OSWorld 2.1，含部分得分）：69.5／68.9／50.5
- 程式設計代理綜合指數（Coding Agent Index）：46／37／31
在第三方機構Artificial Analysis的綜合指數中，它的成績為36，與Haiku 5.5相同。另一方面，在高難度程式設計任務（FrontierCode 2.0）中，它的成績為27.2，低於Haiku 5.5的34.9。Meta表示，它能以約三分之一的費用達到Haiku 5.5的最佳成績。
價格方面，輸入在20萬token以內時，每100萬token輸入0.10美元、輸出0.50美元。超過這個長度的輸入，則為輸入0.30美元、輸出1.50美元。與更高階的Muse Spark 1.3（輸入1.25美元、輸出4.25美元）相比，輸入價格約為其12分之1。一次可處理的文字量（上下文）為100萬token，單次輸出最多51.2萬token。
可使用的地方
Muse Ember可在Meta的API「Meta Model API」與開發工具「Muse Code」中使用，模型名稱為「muse-ember-1.0」。同時，Muse Ember、Muse Spark與Muse Wonder也能透過Google Cloud與Oracle Cloud使用。Meta的公告中並未提到會以任何人都能下載的開放權重形式公開，也沒有說明能否在一般使用者用的Muse應用程式中使用。
CoAI編輯部觀點
在AI代理中，一個請求的背後可能會發生數十到數百次模型呼叫，因此便宜又快速的小型模型越來越重要。Muse Ember以「旗艦模型擬定計畫、小型模型執行工作」的分工為前提，符合現今代理的打造方式。
不過，公布的評測大多是Meta自己或評測機構所測得，其中也包含Meta內部的評測。如果考慮從Haiku 5.5等模型轉換過來，最穩當的做法是先用自家的工作比較準確度與費用，再做決定。
