Meta推出了Muse Ember，官方称其为迄今为止最小、最高效的AI模型。该模型已在Muse Code和Meta Model API上线，模型标识为muse-ember-1.0。
Meta将Muse Ember定位为处理智能体（Agent，指能自主执行多步任务的AI系统）日常重复性工作的模型，比如浏览网页、操作终端、读取文档等操作型任务，区别于追求通用对话能力的旗舰模型。
基准测试得分对比
Hacker News上一篇帖子公开了一组评测数据，标注为max模式（即各模型在该项测试中的最高得分），将Muse Ember与GPT-6 Luna、Claude Haiku 5.5做了对比。这组数据目前只能追溯到这一篇帖子，尚未看到Meta官方或独立第三方给出相同数字，测试所用硬件、环境是否一致也未说明。
在AutomationBench-AA测试中，Muse Ember得分37.8%，GPT-6 Luna为20.2%，Claude Haiku 5.5为13.9%，差距在七项测试中最大。
在Agents' Last Exam测试中，Muse Ember得分61.6%，GPT-6 Luna为57.1%，Claude Haiku 5.5为57.0%，三者差距缩小到个位数。
在Personal Superintelligence Index测试中，Muse Ember得分46.8%，GPT-6 Luna为37.0%，Claude Haiku 5.5为36.1%。
在Terminal-Bench 4.0测试中，Muse Ember得分40.9%，Claude Haiku 5.5为39.2%，GPT-6 Luna为16.4%，GPT-6 Luna在这项上明显落后。
在GDP.pdf-AA测试中，Muse Ember与GPT-6 Luna并列22.8%，Claude Haiku 5.5为20.8%。这是七项中唯一一项Muse Ember未单独领先的测试。
在OSWorld 2.1测试中，Muse Ember得分69.5%，Claude Haiku 5.5为68.9%，差距不到一个百分点，GPT-6 Luna为50.5%。
在PerceptionBench测试中，Muse Ember得分80.6%，Claude Haiku 5.5为78.6%，GPT-6 Luna为62.8%。
七项测试里，Muse Ember六项得分最高，一项与GPT-6 Luna并列。帖子没有说明每项测试的任务构成、样本量和评分方式，这些得分差距在多大程度上反映真实能力差距，暂时无法判断。
效率数据与来源局限
同一来源还提到两组效率数据：Muse Ember完成任务所需的输出token（指模型生成内容时按单元计量的文本片段）比对比模型减少36%到48%；在Cloudflare的测试环境中，Muse Ember在任务尾部阶段的速度比对比模型快30%。
这两组数字都没有说明"对比模型"具体是哪一款，也没有给出测试任务类型、请求规模或测速方法。数字本身来自单一帖子转载，无法判断是否经过同行复核，暂时只能作为厂商或帖子作者单方面提供的参考数据看待。
尚未说明的信息
现有资料没有提到Muse Ember的参数规模、训练数据来源、具体发布日期，也没有说明调用价格、接口细节或是否需要申请权限才能使用，这意味着开发者目前无法据此判断迁移或接入的成本。资料也没有解释Muse Ember在操作型任务上得分更高的原因，比如训练目标设计或架构上的具体差异，Meta方面暂未就此公开说明。截至目前，未找到独立于这篇Hacker News帖子的第三方评测或业内人士评价。
原文地址：tools.wflynn.cn/aitools/tre...
关注公众号「YourTools」，每天推送 GitHub 趋势与开源工具速报：
