meta旗下的Superintelligence实验室为Muse模型家族再添一员，新模型名为Ember，于本周一正式亮相。官方将其称为该实验室迄今推出的体积最小、使用成本最低的人工智能模型。
从官方表述看，Ember承担的任务分两类：一类是需要深度推理的复杂问题，另一类则是智能体每天循环往复的日常工序，包括调用工具、处理编码中的细分环节、执行任务分发、从数据中抽取信息，以及解析篇幅冗长的文档。
在实际部署上，这款小模型被定位为大型模型的“搭档”。meta以客户支持场景举例：体量更大的模型先为某类问题制定处理规则，随后由Ember把这套规则批量套用到数以万计的个案上。官方对这种分工有一句简练的概括——“Muse Wonder负责规划，Muse Ember负责处理海量数据。”
既然要应对海量数据，Ember在训练阶段就被要求具备跨媒介的理解能力，文本之外，图像和音频同样在其处理范围之内。meta在公告中描述，借助这一特性，智能体可以直接读取屏幕截图、图表和扫描件，也能消化语音留言、会议录音乃至视频内容，全程无需另行调用专门模型。
价格是meta着重宣传的卖点。Ember处理每百万输入token的收费仅为10美分，明显低于Anthropic的Haiku与OpenAI的Luna等前沿竞品；即便与DeepSeek V4.1 Flash、GLM 5.3 Flash这类开源阵营的低价模型同台比较，其成本表现也不落下风。
为支撑“更便宜同时也更强”的说法，meta援引了第三方机构Artificial Analysis的综合基准测试成绩，以此证明Ember在性价比上优于上述竞争对手。
回顾Muse品牌的扩张轨迹，Ember已是该系列第四款模型。今年4月，meta推出中等规模的Spark；8月，其开源版本Glimmer面世；10月，定位前沿的Wonder登场。消费端方面，旗舰产品Muse Agent于9月上线后市场反响超出预期，Spaces功能和视频聊天等新特性也在本月初相继推送。
