Scale AI 发布 teeny 模型 muse ember：达到效率前沿

Scale AI 创始人 Alexandr Wang 宣布其 teeny 系列小模型 muse ember 登上效率前沿（efficient frontier）。按官方对比数据，muse ember 完成任务的成本只有 Claude Haiku 的三分之一，即以 3 倍更便宜的每任务成本打平 Haiku 的表现。同时它在智能水平上超过了自家更轻量的 luna 模型。 muse ember 的定位是小而高效的专用模型，主打在低算力成本下维持主流模型的输出质量。这类模型通常通过针对特定任务的训练和压缩来压低推理成本，让同一预算下能处理更多请求。"每任务成本"（cost per task）是它强调的核心指标，直接对应 API 调用方的账单。 对开发者和企业采购方来说，若 muse ember 的每任务成本确实为 Haiku 的 1/3 且质量相当，高频调用场景（如分类、抽取、批处理）的推理开销可以明显下降。小模型赛道上，这类效率对比正在成为模型之间竞争的主要叙事方式。