本文目录
据 Meta 研究官网与 Meta Model API 文档（2026-11-09），Meta 发布 Muse Ember，自称其最小、最高效的模型，面向智能体整天重复的高 token 工作：工具调用、编码子任务、路由、抽取与长文档解析。正式 Model ID 为 muse-ember-1.0。文档写明即日起可在 Meta Model API（Standard mode）与 Muse Code 使用。
定位与用途
Meta 把 Ember 写成更大智能体流水线里的高吞吐执行层：承接主智能体拆出的编码子任务、在成本与时延会叠加的场景里驱动大量工具调用、做请求分类与路由、抽取字段，以及对长文档集合做批量解析。偏难的单次问题仍指向更大的 Muse 模型；Ember 负责吃掉重复量。
定价（每百万 token）
输入 ≤200K 时，标准价为输入 $0.10、缓存输入 $0.004、输出 $0.50。输入超过 200K 时走长上下文价：输入 $0.30、缓存输入 $0.012、输出 $1.50。数字来自 Meta 研究博文与 Model API 站点上的 Muse Ember 价表。Muse Code 订阅档位价格与上述 API token 价不是同一套，不在此当作 Ember token 价。
上下文、模态与接口
文档给出上下文窗口 1,048,576 tokens（约 1M），最大输出 524,288 tokens（约 512K）。输入支持文本／图像／视频／音频／PDF，输出为文本。支持 Responses API，另列出 Chat Completions 与 Messages 等端点。
Wonder／Spark／Ember 组合
官博称 Muse Ember 是首个用 Muse Wonder Full 训练的专用模型；组合上 Muse Wonder 对最难问题，Muse Spark 对编码与智能体工作流，Muse Ember 对高吞吐、可重复执行——更大模型规划，Ember 扛量。Google Cloud 侧 Spark 写作 Muse Spark 1.3（bare ID muse-spark-1.3）；该托管 API 渠道与邻文 Muse Spark Open 开源权重不是同一题。
基准口径（官博自称）
官博自称其处在 Artificial Analysis 任务成本效率前沿，并以约 Claude Haiku 5.5 最佳分数三分之一的成本匹配该分数。以上为 Meta 官博自称，不是独立复测。
第三方可用性
OpenRouter 已上架 meta/muse-ember；OpenCode 方面亦宣布 Muse Ember 已可用。
另据 @finkd（2026-11-10 05:49:49 Asia/Shanghai），Muse Ember、Muse Spark 1.3 与 Muse Wonder 现已上 Google Cloud。Google Cloud 文档将其列在 Gemini Enterprise Agent Platform，并给出 bare model ID muse-ember-1.0、muse-spark-1.3、muse-wonder-1.0（在 model 字段传 bare model ID）。该渠道与既有 Meta Model API、以及 OpenRouter 带前缀的 meta/muse-ember 并列——OpenRouter 那串 不等于 GCP bare ID。文档另提到 Responses API、global 端点与 publishers/meta。我们暂时还没有登录 Google Cloud，也没有实测调用这些模型。
相关阅读（不同题）
若看的是 Muse 家族的 Spark Open 开源权重（不是本次 Ember API 模型发布，也不是这次 Google Cloud 托管渠道），见 Meta 放出 8160 亿参数的 Muse Spark Open 权重，用的是自家许可证。较弱邻文是 Muse 分享链接可被发现的安全／隐私报道（非同题发布、亦非本渠道），见 研究人员称，即使未拿到链接，也能找到 Meta Muse 用户分享的对话。