Meta發表輕量模型Muse Ember！跑分媲美Claude Haiku 5.5，單任務成本大砍三分之二

Meta 於 11 月 10 日正式發表旗下迄今體積最小、運算效率最高的輕量級人工智慧模型「Muse Ember」。該模型專為執行複雜邏輯推理任務，以及應對自主智慧體（Agent）在日常企業環境中高頻度、反覆執行的自動化工作流而量身打造，展現出極致的效能成本比。

在權威第三方人工智慧評測機構 Artificial Analysis 最新公布的排行榜中，Muse Ember 展現出足以媲美 Anthropic 旗下 Claude Haiku 5.5 的頂級推理實力，然而其單項任務的呼叫運算成本僅需對手的三分之一，甚至在多項端到端基準測試中全面擊敗 GPT-6 Luna。面對企業推動自主智慧體規模化部署所面臨的高昂 API 門檻，Meta 此次出擊無疑為輕量邊緣運算市場投下了一顆震撼彈。

基準跑分超越同級競品，終端寫程式與跨桌面操作力壓群雄

在 Artificial Analysis 的各項基準測試數據中，Muse Ember 在多個代表性指標上繳出了驚人的成績單。在評估端到端業務工作流的 AutomationBench-AA 評測中，Muse Ember（max）奪下 37.8 分的高分，相較於 Claude Haiku 5.5（max）的 13.9 分與 GPT-6 Luna（max）的 20.2 分，呈現出近乎倍增的絕對領先優勢。

在專門檢驗端到端智慧體任務的 Agents' Last Exam 中，Muse Ember 同樣以 61.6 分技壓群雄，超越 Claude Haiku 5.5 的 57.0 分與 GPT-6 Luna 的 57.1 分；而在反映個人與知識工作內部綜合水準的 Personal Superintelligence Index 指數上，該模型亦取得 46.8 分，顯著優於兩款競爭對手的 36.1 分與 37.0 分。

針對軟體工程與自動化開發能力，Muse Ember 展現出頂尖水準。在智慧體終端寫程式測試 Terminal-Bench 4.0 中，該模型獲得 40.9 分，穩居第一，Claude Haiku 5.5 為 39.2 分，而 GPT-6 Luna 僅有 16.4 分；在真實智慧體環境編程指標 Coding Agent Index-AA 測試中，Muse Ember 也以 46 分勝過 Haiku 5.5 的 37 分與 GPT-6 Luna 的 31 分。

在以程式碼合併可行性為標準評估的真實工程任務 FrontierCode 2.0-AA 中，Muse Ember 獲得 27.2 分，勝過 GPT-6 Luna 的 25.2 分（Claude Haiku 5.5 為 34.9 分）；而在長文件專業工作基準 GDP.pdf-AA 測試中，該模型取得 22.8 分，與 GPT-6 Luna 平分秋色，並優於 Haiku 5.5 的 20.8 分。

在涉及跨桌面應用電腦操作的 OSWorld 2.1 測試中，Muse Ember 繳出 69.5 分的優異成績，超越 Haiku 5.5 的 68.9 分與 GPT-6 Luna 的 50.5 分，證明其能精準接管作業系統完成點擊與流程操作；在精細視覺感知 PerceptionBench 測試裡，該模型更以 80.6 分傲視群雄，擊敗 Haiku 5.5 的 78.6 分與 GPT-6 Luna 的 62.8 分，在總合的 Artificial Analysis Index 指數上與 Haiku 5.5 同以 36 分並列榜首，大幅領先 GPT-6 Luna 的 28 分。

支援百萬Token超長上下文，原生多模態極致壓低API定價

除了亮眼的跑分數據，Muse Ember 在架構吞吐量上亦帶來突破性規格。該模型原生具備高達 100 萬 Token 的輸入上下文視窗（Context Window），並支援單次最高輸出 51.2 萬 Token，這意味著企業能夠在一次 API 呼叫中，直接將完整的專案程式庫、整套產品技術手冊或數百頁的企業法務合約全數載入。

這項強大的長文本消化能力，使 AI 智慧體得以在單一會話過程中連續執行數百次複雜的編程子任務，涵蓋深度讀取專案原始碼、編譯並運行自動化測試，以及進行針對性的漏洞修復。工程師無須再費心將程式碼切割分塊，大幅降低了上下文斷裂導致推論出錯的風險。

在感知能力方面，Muse Ember 原生支援理解文字、影像、音訊與影片等全方位模態，智慧體完全無需借助任何外部輔助模型，即可直接精準讀取各類螢幕截圖、分析商業圖表與掃描合約文件。同時，該模型亦能順暢處理長篇語音備忘錄、多方會議錄音與視訊檔案，甚至能直接根據使用者提供的桌面截圖操作電腦介面，精確辨識極為細微的視覺元素。

在模型安全與合規機制上，Meta 表示 Muse Ember 在正式推向市場前，已全面通過 Meta SI 擴展框架的嚴格安全評估。所有縝密的紅隊演練與風險檢測結果皆證實，該模型的潛在安全風險水平遠低於該防護框架所設立的高風險門檻，確保企業在自動化環境中部署時的穩定性與安全性。

最後在市場最關注的商用價格與部署管道方面，Muse Ember 即日起已全面上線 Meta Model API，並同步進駐 Google Cloud 與 Oracle Cloud 等主流雲端基礎設施平台。其 API 定價極具殺傷力，輸入價格為每百萬 Token 僅 0.10 美元（約新台幣 3.25 元），輸出價格為每百萬 Token 僅 0.50 美元（約新台幣 16.25 元），以超低門檻加速推動高階自主智慧體在百工百業的普及。