Meta 超级智能实验室于 11 月 9 日（周一）发布 Muse Ember，称这是其体积最小、效率最高的模型，面向 agent 每天反复执行的工作：工具调用、编程子任务、路由、信息抽取和长文档解析。Meta 在发布中着重强调每任务成本；据 TechCrunch 报道，Ember 是 Muse 品牌下的第四款模型。
据 Meta 博文，Muse Ember 已在 Muse Code 和 Meta Model API 上线，模型名为 muse-ember-1.0，支持 Responses API。上下文窗口为 1M token，最大输出 512K token。
价格为每百万输入 token 0.10 美元，缓存输入 0.004 美元，输出 0.50 美元。TechCrunch 指出，这一输入价格也能与 DeepSeek V4.1 Flash、GLM 5.3 Flash 等开源模型竞争。
Meta 称，Ember 原生理解文本、图像、音频和视频，可以读取截图、图表和扫描件，也能处理语音备忘录、会议录像和视频。
Meta 称，在任何推理强度下，Ember 的每美元智能都高于 Claude Haiku 5.5 和 GPT-6 Luna：以约三分之一的成本追平 Haiku 的最好成绩，并超过 Luna 的所有档位。
以下为 Meta 博文列出的 max 推理档成绩：
Agents' Last Exam（Linux 子集）、Personal Superintelligence Index、OSWorld 2.1 和 PerceptionBench 在博文中标注为 Meta 内部评测。博文中 Muse Ember 的成本是按拟定价格估算的。
博文还把 Ember 与 Muse Spark 1.3 做了对比：Artificial Analysis Intelligence Index 分别为 36 和 37；每个 Artificial Analysis 任务的成本分别约为 0.14 美元和 2.39 美元。
Meta 称，Ember 是第一款用 Muse Wonder Full 训练的模型，建议与旗舰 Muse Wonder 搭配，原话为 "Muse Wonder plans, Muse Ember handles the volume."，即规划交给 Muse Wonder，大量执行交给 Muse Ember。TechCrunch 报道称，Muse 品牌此前的模型包括 4 月的 Spark、8 月的开源版 Glimmer 和 10 月的 Wonder。
Meta 还表示，发布前按其 Meta Superintelligence Scaling Framework 评估了化学与生物、网络安全和失控风险，Ember 在所评估的类别中均低于该框架的高风险阈值。
