Meta发布Muse Ember模型,面向海量智能体编码任务

META+2.95%
NET-4.01%
YOU+0.50%
ORCL-1.42%

关键要点

  • Meta Platforms 于 2026-11-14 推出 Muse Ember,这是一款多模态模型,支持文本、图像、音频和视频输入,可大规模执行智能体任务。
  • Muse Ember 在编码智能体指数-AA 上得分为 46,超过 Claude Haiku 5.5(最高得分为 37)和 GPT-6 Luna(最高得分为 31)。
  • Meta 使用协同工作的 Muse Wonder 和 Muse Ember 智能体,在约 6 分钟内并行完成了 16 个 Pygments 词法分析器的移植,总成本为 $3.96。

Meta Platforms 于 2026-11-14 推出了 Muse Ember,这是一款多模态模型,目前已在 Muse Code 和 Meta Model API 上线。Muse Ember 专为大规模快速、智能体式执行而打造,可处理编程任务、工具调用和文档分析,并支持文本、图像、音频和视频输入。Meta 将其定位为低成本执行层,用于重复且范围明确的工作,并搭配更大型的 Muse 模型进行更深入的规划和推理。

Muse Ember 登陆 Muse Code 和 Meta Model API

Muse Ember 现已在所有 Muse Code 订阅计划中提供。对于不超过 20 万个输入词元的请求,价格为每百万个输入词元 $0.10、每百万个输出词元 $0.50。对于超过 20 万个输入词元的提示,价格为每百万个输入词元 $0.30、每百万个输出词元 $1.50。已有 OpenAI SDK 项目的开发者只需将 base_url 改为 https://api.meta.ai/v1,并将模型设为 muse-ember-1.0,即可切换至 Meta Model API。其端点与 OpenAI Images API 类似。

Muse Ember 与同类模型基准比较

Muse Ember 在 Artificial Analysis Intelligence Index 上得分为 36;在最高推理力度下,每项 Intelligence Index 任务的预估模型成本约为 $0.13。在衡量端到端业务工作流的 AutomationBench-AA 上,Muse Ember 得分为 37.8,相比之下,Claude Haiku 5.5 (max) 得分为 13.9,GPT-6 Luna (max) 得分为 20.2。在使用最佳已发布测试框架衡量智能体式终端编程的 Terminal-Bench 4.0 上,Muse Ember 得分为 40.9,相比之下,Claude Haiku 5.5 (max) 得分为 39.2,GPT-6 Luna (max) 得分为 16.4。在衡量真实智能体测试框架中编程表现的 Coding Agent Index-AA 上,Muse Ember 得分为 46,而上述两款对比模型得分分别为 37 和 31。在根据可合并性评估真实工程任务的 FrontierCode 2.0-AA 上,Muse Ember 得分为 27.2,Claude Haiku 5.5 (max) 得分为 34.9,GPT-6 Luna (max) 得分为 25.2。Meta 表示,该模型在多模态、智能体和编程任务方面都具备同级竞争力。

Muse Ember 新增原生多模态输入支持

Muse Ember 无需单独使用其他模型,即可支持文本、图像、音频和视频输入。智能体可以读取屏幕截图、图表和扫描文档,也可以处理语音备忘录和会议录音。Meta 给出的示例包括:结合屏幕截图解读错误报告、从扫描文档中提取信息、总结会议音频中的行动事项,以及描述视频片段中展示的一系列操作。在衡量长文档专业工作表现的 GDP.pdf-AA 上,Muse Ember 得分为 22.8,与 GPT-6 Luna (max) 持平,高于得分为 20.8 的 Claude Haiku 5.5 (max)。在衡量桌面应用计算机使用能力的 OSWorld 2.1 上,Muse Ember 得分为 69.5(部分得分)和 33.8(二元得分)。

Muse Wonder 和 Muse Ember 分工负责规划与执行

Meta 描述了一种工作流程:由 Muse Wonder 或 Muse Spark 负责规划、审查和处理尚未解决的推理任务,Muse Ember 则执行范围明确的子任务。在建议的编程流程中,较大型模型会规划跨越整个代码库的改动,包括依赖项和验收标准;Muse Ember 根据相关文件、约束和测试处理范围明确的子任务;随后,较大型模型审查整合后的改动,并由开发者进行审查。应用或智能体测试框架会为每次调用选择模型,并在各步骤间传递上下文。Muse Code 提供用于编辑文件、运行检查和协调智能体的工具。

并行 Python 到 Rust 迁移完成 16 个词法分析器

Meta 使用 Muse Wonder 和 Muse Ember,将 Python 语法高亮工具 Pygments 中的 16 个语言词法分析器从 Python 迁移到了 Rust。Muse Wonder 负责规划并监督整个流程,16 个 Muse Ember 智能体则各自在自己的代码库副本中负责一个词法分析器。16 个迁移任务的完成时间彼此相差约 6 分钟。在全部 383 个测试输入以及来自 18 个公开代码库的 62 个真实文件上,这 16 个词法分析器的结果都与 Python 一致;这些文件是在代码冻结后提供的。在约 1 MB 的输入上,Rust 命令的运行速度是 Python 的 3.0 到 7.3 倍。此次运行处理了 Muse Ember 上的 1.58 亿个输入词元和 Muse Wonder 上的 440 万个输入词元,总成本约为 $3.96:Muse Wonder 花费 $2.12,Muse Ember 花费 $1.84。

照片整理任务处理 10,000 张图片

在另一个示例中,Meta 向 Muse Code 提供一个包含 10,000 张照片的文件夹,并用一行提示要求它为每张照片添加说明、重命名并整理到相册中。Muse Wonder 为少量样本添加说明以确定相册分类,编写并测试一个流程脚本,然后启动 16 个智能体,每个智能体负责一组照片。Muse Ember 每次请求处理 8 张照片,并为每张照片返回说明和相册分类。首次运行中,所有 10,000 张照片都完成了说明、重命名和相册整理,总费用为 $1.59,其中 Muse Ember 的费用为 $0.50。之后的一次运行将所有照片整理到了 8 个相册中,没有请求失败,总费用为 $1.33:Muse Wonder 花费 $0.81,Muse Ember 花费 $0.52。按照数据集标签中最接近的类别进行映射后,约 86% 的照片被分到了相同的相册。Meta 表示,如果使用 Muse Wonder 的价格处理相同的照片请求,费用约为 $20。

合作伙伴报告速度和编程表现

Cloudflare 报告称,与其测试的一款同类模型相比,Muse Ember 在尾延迟方面最高快 30%,并且能够出色地处理广泛的多代码库调查任务。You.com 报告称,在其测试中,Muse Ember 完成了所有编程挑战,延迟也是所有受测模型中最低的,p95 为 2.2 秒,速度约为领先开源权重模型的 4 到 13 倍,且输出词元少 36–48%。Box 表示,Muse Ember 在其 Box AI Complex Work Eval 中按照谈判手册逐条评估合同条款。Cline 表示,该模型专为编程和文档分析等子智能体工作打造。甲骨文表示,Muse Ember 在早期测试中展现出处理复杂工程任务的良好能力。

Muse Ember 规格与定价

  • 模型名称:Muse Ember,API 模型 ID 为 muse-ember-1.0
  • 可用情况:Muse Code 的所有订阅计划,以及 Meta Model API
  • 输入类型:文本、图像、音频和视频
  • 不超过 20 万个输入词元的价格:每百万个输入词元 $0.10,每百万个输出词元 $0.50
  • 超过 20 万个输入词元的价格:每百万个输入词元 $0.30,每百万个输出词元 $1.50
  • Artificial Analysis Intelligence Index 得分:36
  • 最高推理力度下每项 Intelligence Index 任务的预估成本:约 $0.13
  • AutomationBench-AA 得分:37.8
  • Terminal-Bench 4.0 得分:40.9
  • Coding Agent Index-AA 得分:46
  • FrontierCode 2.0-AA 得分:27.2
  • GDP.pdf-AA 得分:22.8
  • OSWorld 2.1 得分:69.5(部分得分)、33.8(二元得分)
  • PerceptionBench(使用工具)得分:80.6
  • Pygments 迁移:16 个词法分析器、383 个测试输入,以及来自 18 个公开代码库的 62 个留出文件

常见问题

开发者可以在哪里使用 Muse Ember?

Muse Ember 可在所有 Muse Code 订阅计划和 Meta Model API 上使用。开发者可以使用帖子中提供的安装命令安装 Muse Code,也可以在 dev.meta.ai 生成 API 密钥,并将现有的 OpenAI 兼容客户端指向 Meta Model API,使用模型 muse-ember-1.0。

Muse Ember 每百万个词元的费用是多少?

对于不超过 20 万个输入词元的请求,Muse Ember 每百万个输入词元收费 $0.10,每百万个输出词元收费 $0.50。对于超过 20 万个输入词元的提示,每百万个输入词元收费 $0.30,每百万个输出词元收费 $1.50。

Muse Ember 支持哪些输入类型?

Muse Ember 支持文本、图像、音频和视频输入。Meta 提到的示例包括解读屏幕截图、从扫描文档中提取信息、总结会议音频中的行动事项,以及描述视频片段中的操作序列。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论