Meta发布其迄今最小的模型Muse Ember，面向AI智能体执行的重复性编程与推理任务，同时保持较低运行成本。该紧凑模型针对工具调用、编程子任务、信息提取、请求路由和解析长文档等日常智能体负载。Meta称，在各类推理设置下，Muse Ember每美元提供的智能高于Anthropic的Claude Haiku 5.5和OpenAI的GPT-6 Luna。

据Artificial Analysis评测，Muse Ember在其智能指数上得36分，与Claude Haiku 5.5持平，单任务成本约0.14美元，后者在相同得分下估计为0.41美元，便宜近三倍。与Meta更大的Muse Spark 1.3相比，Muse Ember每个智能指数任务成本0.14美元，Spark为2.39美元，得分37。

Meta设计Muse Ember用于处理智能体长时间工作流中的大量较小操作。它可通过检索记录、连续工具调用和跨应用更新信息，从头到尾执行业务流程，具备100万词元上下文窗口，最多生成51.2万输出词元，可在单次调用中处理整个代码库或大型文档集合。

评估中，Muse Ember在AutomationBench-AA上得37.8%，GPT-6 Luna为20.2%，Claude Haiku 5.5为13.9%；在Agents' Last Exam上得61.6%，高于Luna的57.1%和Haiku的57%；在Meta内部Personal Superintelligence Index上得46.8%，领先Luna的37%和Haiku的36.1%。编程方面，Terminal-Bench 4.0得40.9%，Haiku为39.2%，Luna为16.4%；但FrontierCode 2.0-AA上Haiku以34.9%优于Muse Ember的27.2%。

模型可处理文本、图像、音频和视频，能解读截图、图表、扫描文档、录音和视频。OSWorld 2.1采用部分给分，Muse Ember得69.5%；PerceptionBench得80.6%。Meta称模型通过化学与生物风险、网络安全及失控场景的安全评估，低于其高风险阈值。

模型通过Muse Code和Meta Model API以muse-ember-1.0提供，每百万输入词元0.10美元、每百万输出词元0.50美元，缓存输入每百万词元0.004美元。Muse Ember是首个使用Muse Wonder Full训练的模型，与Muse Wonder、Muse Spark同属一系列。

Meta是一家总部位于美国加利福尼亚州门洛帕克市的科技公司。