Name: GPT-6 Luna
Author: OpenAI

馬克·祖克柏（Mark Zuckerberg）在 X 上用一句話介紹 Meta 最新的 AI 模型：「今天推出 Muse Ember——我們最小的模型，在同級模型中每一美元能帶來更高智慧。」不少發布報導將這番話解讀為降價，認為 Meta 正以低價搶攻 Anthropic 和 OpenAI 推出、供 AI 代理開發者使用的小型平價模型市場。

但至少從價目表來看，這並不是降價。Muse Ember 每個輸入與輸出的 Token，收費都和兩個具名對手完全相同。Meta 宣稱能省下的成本確實存在，只是省在別的地方：模型在給出答案前會生成多少內容。這項說法比打折更值得探究，但買家在收到帳單前也更難核實。

Meta 推出了什麼

Muse Ember 是 Meta Muse 系列的第四款模型，前面已有 Spark、Glimmer 和 Wonder，也是其中最小的一款。Meta Superintelligence Labs 開發它，負責代理程式中的重複性工作；用祖克柏的話來說，包括「程式編寫子任務、路由、資料擷取，以及長文件解析」。Meta 對分工的描述相當直白：「Muse Wonder 負責規劃，Muse Ember 負責處理大量工作。」領導 Meta Superintelligence Labs 的王亞歷山大（Alexandr Wang）表示，Ember 是首款以 Muse Wonder Full 訓練後推出的模型；Muse Wonder Full 是 Meta 最大的模型。

Meta 表示，Ember 能讀取文字、圖片、音訊和影片，支援一百萬 Token 的上下文視窗，單次回答最多可生成 512,000 個 Token。這是一款閉源模型，沒有可供下載的權重；它透過 Meta 託管的 Model API 提供，也能在 Meta 的程式編寫代理 Muse Code 中使用，Google Cloud 和 Oracle Cloud 也列為使用管道。

「每一美元」的效益從何而來

Meta 為 Ember 開出的價格是每百萬個輸入 Token 0.10 美元、每百萬個輸出 Token 0.50 美元。正如 MarkTechPost 和 Fello AI 所指出，Anthropic 的 Claude Haiku 5.5 與 OpenAI 的 GPT-6 Luna 基本費率也完全相同。Ember 在牌價上的唯一優勢，是快取輸入——也就是模型已經看過、可以重複使用的文字；這部分每百萬個 Token 收費 0.004 美元，兩個對手則都是 0.01 美元。

差距要到每項任務才會顯現。在獨立基準測試套件 Artificial Analysis Intelligence Index 上，Ember 得分 36，與設定為最高檔的 Haiku 5.5 相同；但每項任務的成本約為 0.14 美元，Haiku 則是 0.41 美元。Fello AI 對 Artificial Analysis 資料的解讀說明了原因：在整個指數測試中，Ember 產生約 1.15 億個輸出 Token，Haiku 則約為 2.98 億個，兩者的輸出費率相同。每個 Token 收費一樣，所需 Token 卻少得多。GPT-6 Luna 每項任務的成本與 Ember 相近，約為 0.15 美元，但得分只有 28。

這種機制之所以重要，是因為價目表上不會列出 Token 數量。開發者比較牌價時，看到的是三款價格相同的模型。差異只有在代理程式實際運作後才會浮現，而且會隨任務、執行架構和推理設定而變動。Meta 的比較採用最高推理強度；其開發者文件也將這項設定列為 Ember 的預設值。

價格翻三倍的情況

Meta 的開發者頁面還列出另一級定價，但發布宣傳並未提及。輸入 Token 超過 200,000 個後，Ember 每百萬個輸入 Token 收費 0.30 美元、每百萬個輸出 Token 收費 1.50 美元，是宣傳主打費率的三倍。Meta 的文件提醒，對話紀錄較長的請求可能會跨過這條門檻。MarkTechPost 的發布報導稱，Meta 沒有為 Ember 列出長上下文定價；但 Meta 自家的價目表顯示，事實並非如此。

這項較高費率，正好適用於祖克柏宣稱 Ember 擅長的用途。「長文件解析」和一百萬 Token 的上下文視窗，讓開發者可以輸入整個程式碼庫或一批文件，而這類請求最容易超過門檻。不過，Ember 在這個級距仍比 Haiku 5.5 便宜：MarkTechPost 指出，Haiku 在提示詞超過 100,000 個 Token 後，每百萬個輸入 Token 收費 0.50 美元、每百萬個輸出 Token 收費 2.50 美元。但此時「便宜」已變成「比替代方案便宜」，承諾的意思也就不同了。

基準測試結果如何，又是誰執行的

Meta 公布了 Ember 與 Haiku 5.5、GPT-6 Luna 的十項比較結果。Ember 最出色的項目是 AutomationBench：Artificial Analysis 以 657 項 Zapier 商業工作流程進行測試，Ember 完成 37.8% 的任務，Haiku 為 13.9%，Luna 則為 20.2%。Ember 唯一明顯落後的是 FrontierCode 2.0；這項測試評估實際程式碼變更是否達到維護者願意合併的水準，Haiku 得分 34.9，Ember 則為 27.2。

Fello AI 統計了各項數據的來源：五項來自 Artificial Analysis，四項是 Meta 自行測試；Terminal-Bench 一項則混用不同測試方式，Ember 的數據來自 Artificial Analysis，對手的數據則是自行回報。Fello 也指出，Artificial Analysis 的模型頁面只將文字和圖片列為 Ember 的輸入，因此目前音訊和影片支援的說法，仍只能依據 Meta 的說法。

Muse Ember 適合誰用

Meta 的發布貼文稱，Ember 的成本「低到足以讓每個人、在每項產品中都能使用」。但目前 Meta 自家的消費者產品都還沒有採用它：Fello AI 指出，Meta AI 應用程式、WhatsApp 和 Muse 代理程式都未提供 Ember。它現階段是供其他公司代理程式使用的零件，Meta 挑選的合作夥伴引言也印證了這一點。Cline 創辦人薩烏德·里茲萬（Saoud Rizwan）表示，這款模型適合「在執行架構中把它當作子代理程式，以降低成本的團隊」。Cloudflare 技術長戴恩·克內希特（Dane Knecht）則說，它「在測試的後段，速度比我們測過的同級模型快上最多 30%」。

這就是 Ember 背後的盤算。Meta 並不是要靠它搶占聊天視窗，而是希望它成為別人的代理程式每小時呼叫上千次的模型，同時由更大型的模型負責思考。在這類工作中，帳單金額取決於一個沒有任何供應商會公布的數字：模型完成任務需要多少 Token。

標籤: meta, AI模型, 馬克·祖克柏, Claude Haiku, Muse Ember