Meta 发布 Muse Ember：面向高频智能体任务的小型模型

Meta 发布了 Muse Ember（muse-ember-1.0），面向智能体反复执行的工具调用、编码子任务、路由、信息抽取和长文档解析；Meta 称其以较低成本提供这些任务所需的推理能力。以下性能与安全信息均为 Meta 公布的结果，并非 AiPix 独立测试。

发生了什么

Meta 在其官方发布文章中介绍 Muse Ember，并称它是公司体积最小、效率最高、用于复杂推理执行的模型。Meta 表示，该模型由 Muse Wonder Full 训练，原生支持理解文本、图像、音频和视频，可用于处理截图、图表、扫描文档及录音等输入。

有什么变化

Meta 称 Muse Ember 可在一次调用中使用 1M token 上下文窗口，最多输出 512K token，并支持 Responses API。官方给出的可用渠道为 Muse Code 和 Meta Model API，模型标识为 muse-ember-1.0。价格为每百万输入 token 0.10 美元、缓存输入 token 0.004 美元、输出 token 0.50 美元。

在 Meta 列出的最大推理档评测中，Muse Ember 在 AutomationBench-AA 得分为 37.8，Agents' Last Exam 为 61.6，Terminal-Bench 4.0 为 40.9，PerceptionBench（含工具）为 80.6。FrontierCode 2.0-AA 则由 Claude Haiku 5.5（max）以 34.9 领先，Muse Ember（max）为 27.2。Meta 引用的 Artificial Analysis 数据称，Muse Ember 的 Artificial Analysis Index 为 36，与 Claude Haiku 5.5 并列；其任务成本估算基于拟定价格。

对创作者的影响

对需要自动处理素材资料、整理长文档、调用工具或执行重复编码步骤的创作者团队，这类模型可能适合作为工作流中的任务执行组件。多模态输入和长上下文是 Meta 所强调的能力；具体能否减少人工步骤，仍取决于任务、集成方式和实际质量。

限制与注意事项

基准分数来自 Meta 引述的 Artificial Analysis 或 Meta 内部评估，测试范围、框架和评分口径不完全相同，不能直接等同于真实创作质量或所有工作流表现。Meta 的安全评估称，模型在所评估类别中低于其框架的高风险阈值；这属于发布方结论，不代表所有使用场景均无风险。价格也不等于具体项目总成本。

AiPix 的实际关联

AiPix 的核心是 AI Canvas 与图像、视频创作流程；背景移除和增强提供 0-Credit 浏览器模型，肖像、证件照和婚礼概念则是快捷创作路径。Muse Ember 的发布本身不代表它已接入 AiPix，也不意味着它能替代这些视觉工具。创作者可将其作为评估智能体后台任务的候选模型，而在 AiPix 中继续完成相应的视觉创作。