📰 重點摘要

Meta 超級智慧實驗室週一發布新模型 Muse Ember，定位為該實驗室目前最輕量、成本效益最高的模型，主打複雜推理的執行，以及代理人（agent）整天反覆處理的工作，包括工具呼叫、程式撰寫的子任務、請求路由、資訊擷取與長文件解析。Meta 特別強調每項任務的成本，並引用 Artificial Analysis 的綜合基準分數，指出 Ember 比 Anthropic 的 Haiku、OpenAI 的 Luna 等競爭對手更便宜、表現也更好。定價為每百萬輸入 token 10 美分，明顯低於這些前沿廠商的同級模型，也能與 DeepSeek V4.1 Flash、GLM 5.3 Flash 等開源模型的價格競爭。

在使用方式上，Ember 設計成在代理人框架中搭配較大的模型，例如 Meta 的 Muse Wonder。以客服代理人為例，較重的模型負責制定處理特定問題的規則，再交由輕量模型把規則套用到數以萬計的案例，Meta 的說法是「Muse Wonder 負責規劃，Muse Ember 負責處理量」。Ember 也針對文字、圖像與音訊等多種媒體訓練，代理人可直接讀取螢幕截圖、圖表與掃描文件，或處理語音備忘錄、會議錄音與影片，不需要另外接專用模型。

Ember 是 Meta Muse 品牌下的第四款模型，前三款為 4 月發布的中階 Spark、8 月發布的開源版本 Glimmer，以及 10 月發布的旗艦 Wonder。旗艦消費級產品 Muse Agent 於 9 月推出，成績出乎預期，本月稍早又加入 Spaces 與視訊聊天等新功能。

💬 JudyAI Lab 觀點

Meta 推出的Muse Ember把賣點放在每項任務的成本，定價為每百萬輸入token 10美分，還引用Artificial Analysis的綜合基準分數，聲稱比Anthropic的Haiku與OpenAI的Luna更便宜、表現也更好。輕量模型的競爭，焦點正從「誰最強」轉向「誰最划算」。

這個案例反映的設計思維，是代理人框架正在走向分工。Meta的說法是「Muse Wonder負責規劃，Muse Ember負責處理量」：較重的模型先為客服問題制定規則，輕量模型再把規則套用到數以萬計的案例。工具呼叫、請求路由、資訊擷取、長檔案解析這類代理人整天反覆處理的工作，本來就不需要每次都動用旗艦模型。另一個值得注意的點是，Ember針對文字、影象與音訊訓練，代理人可以直接讀螢幕截圖、掃描檔案、會議錄音，不必再串接專用模型，等於把系統裡的零件數量一併減少。對AI builder來說，成本結構也變成架構設計的一環。

建議盤點自己的代理人流程，標出哪些步驟只是重複套用規則，試著把這些步驟交給較輕量的模型，再比較單項任務的成本與品質差異。

📅 原文資訊

🔗 延伸閱讀