Muse Ember 是 Meta（Scale AI / Meta MSL）发布的一款小体量多模态模型，定位为「最小模型」，主打高性价比：在智能体与编程基准上对标 Claude Haiku 5.5 和 GPT-6 Luna，同时把成本压到同级竞品的约三分之一。它的出现反映了当前大模型竞争的一个明确趋势——在旗舰模型之外，厂商正围绕「每美元智能」展开效率前沿的争夺。
Muse Ember 近期进展
当前焦点与观察点
Muse Ember 的发布策略很清晰：不与旗舰模型正面竞争，而是占据「前沿模型之下」的分层市场——OpenRouter 上架后明确将其定位为「为前沿模型分担工作」的多模态选项。这种定位与近年来小模型产品化的整体方向一致：让低成本模型承担检索、摘要、路由、子智能体调用等高频但不需要顶级智能的任务。
值得观察的有三点。一是性价比数据的可信度：「跑分成本仅三分之一」「价格约为前代 1/17」这类数字多来自官方口径，实际使用中的延迟、缓存策略和长上下文成本会影响真实开销。二是基准与实际体验的差距：Code Arena 榜首反映的是盲测偏好，Cline 等智能体场景中的稳定性还需开发者验证。三是与 Claude Haiku 5.5、GPT-6 Luna 的后续迭代竞争——小模型赛道的价格战刚拉开序幕，Muse Ember 能否守住效率前沿的地位，取决于下一代竞品出现后的持续表现。