Meta在美西时间11月9日上线Muse家族的新成员——Muse Ember（模型编号muse-ember-1.0）。这是一次把智能体推理经济学作为核心卖点的发布，Meta答清了一部分问题，把一部分举证责任推给了对手，也留下了几个没答上的问题。

先看发布了什么。按官方口径，Muse Ember是Meta目前规模最小、运行效率最高的模型，在智能体体系里扮演“干量活”的角色——Meta将其概括为“Muse Wonder负责规划，Muse Ember处理批量事务”。它瞄准的是智能体全天重复执行的高频任务：工具调用、编程子任务、请求路由、信息提取与长文档解析。输入侧支持文本、图像、音频、视频与PDF五种模态，输出为文本；上下文窗口100万token，单次响应最高可输出51.2万token，官方称可在单次请求中处理较大规模的代码库或文档。

价格是这次发布最锋利的部分：每百万输入token 0.10美元，缓存输入低至0.004美元，输出0.50美元。一个细节是，ShiftDelete指出这一牌价与GPT-6 Luna、Claude Haiku 5.5的短上下文档位基本持平——也就是说，Ember的成本优势并不体现在token牌价上，而体现在完成同一个任务实际消耗的token数量上。按Artificial Analysis口径，其单次任务成本约0.14美元，Claude Haiku 5.5约为0.41美元，前者约为后者的三分之一。tokens-per-dollar这笔账，关键从来不在牌价，而在每个任务烧掉多少token。

评测数据需要分级看待。独立一方：Artificial Analysis的综合智能指数显示，Muse Ember在最高推理档位拿到36分，追平Claude Haiku 5.5的最高档。厂商一方：Meta自测显示Ember在部分智能体、工具调用与多模态任务中领先Claude Haiku 5.5与GPT-6 Luna——这些是厂商数据，不是独立测试结果，请相应看待。独立数据同样给出了不那么好看的一栏：在编码专项FrontierCode 2.0-AA基准上，Ember得27.2分，明显落后于Haiku 5.5的34.9分。三栏合起来看：规格与价格已经答清，综合智能档位有第三方背书，编码与实战表现仍由Meta举证——Anthropic在编程场景的护城河，并没有因为一次综合指数追平而失守。

把发布放回Meta的模型路线图，节奏并不突兀。此前的财报电话会上，扎克伯格明确了轻量与高端两条产品线的分工：轻量化模型承载数十亿普通用户的绝大多数日常需求，高端前沿模型处理复杂专业企业任务，开源、闭源双线并行；轻量线上的Muse Spark 1.1上线后，AI助手每日交互用户数上涨60%。Muse Ember把这条轻量线推进到智能体子任务这一层：Meta的Muse个人智能体9月8日率先在美国上线，底层是自研Muse Spark多模态模型，编程智能体产品Muse Code同样由Muse系列模型驱动。Ember通过Muse Code与Meta Model API上线，并已接入Vercel AI Gateway，分发路径直接对准开发者。

对手在同一段位上也没有留空。谷歌此前发布Gemini 3.6 Flash与3.5 Flash-Lite，其中Flash-Lite明确面向Agent搜索、文档处理等低延迟、高吞吐量的大规模企业调用场景。轻量模型卡位的是量大、单价低、对延迟敏感的推理经济学区段，牌价彼此接近之后，竞争焦点会转向单任务实际成本、吞吐稳定性与缓存命中率。但这个判断有前提：以量取胜的打法，上游规划模型得先把任务路由做干净——如果路由与重试失控，轻量模型的成本优势会被返工吃掉，Ember在这条链路里的实际表现还有待生产环境验证。

剩下的待证明清单有四条。第一，真实智能体负载中的成功率与稳定性：发布仅一天，独立证据只有Artificial Analysis的一批基准，厂商自测替代不了生产数据。第二，FrontierCode 2.0-AA上27.2对34.9的编码差距，直接指向编程子任务这一主力卖点，Meta需要拿出更多独立编码基准的改善证据。第三，0.004美元的缓存输入价对综合成本的实质降幅取决于真实命中率，目前缺少独立复测。第四，与GPT-6 Luna等竞品的同口径独立对比尚未见公开数据，“部分任务领先”目前只有厂商口径。

0.14美元对0.41美元，这是智能体推理经济学目前最有力的一组数字——前提是它在生产环境里站得住。这个问题，我会持续跟踪。