Meta推出Muse Ember以降低AI智能体运行成本

Meta旨在降低运营AI代理的成本。11月9日，该公司发布了 Muse Ember，一个轻量级模型，能够执行那些让 AI 代理忙碌的重复性任务。与其他模型不同，Ember 并不旨在解决复杂任务，而是专注于以最低成本完成常规工作。

专为处理大量任务而构建，同时由 Muse Wonder 进行规划

Meta 打造 Ember 是为了处理维持 AI 代理运行的日常事务。它可以调用其他软件工具，将请求引导至正确的系统，从文档中提取信息，并处理冗长的文件。Ember 还能处理较小的编码任务，例如运行测试和进行针对性修复。

为了做出更复杂的决策，Meta 结合了作为高级推理模型的 Muse Wonder 和 Ember。Wonder 决定如何着手处理任务，而 Ember 则执行完成任务所需的小步骤操作。正如 Meta 所言：

“Muse Wonder 负责规划，Muse Ember 处理海量任务。”

Ember 是 Muse 系列中的第四代产品，继 Muse Spark、Muse Glimmer 和 Muse Wonder 之后推出。开发者可通过 Meta Model API 和 Muse Code 使用 Ember。根据定价方案，Meta 对每百万输入令牌收取 0.1 美元，对每百万缓存输入令牌收取 0.004 美元，对每百万输出令牌收取 0.5 美元。

Ember 配备了一百万 token 的上下文窗口，使其能够处理更大的文档和代码库。它还具备处理图像、音频和视频的能力。

Artificial Analysis 在测试其声明时发现

独立测试清楚地展示了 Ember 的成本优势程度。据Artificial Analysis数据显示，Ember 的智能指数得分为 36，与 Claude Haiku 5.5 相同。然而，Ember 每次基准测试任务仅需 0.14 美元，而 Claude Haiku 则需 0.41 美元。所引用的数据为测试估算成本，并非客户实际支付的固定费用。此外，Ember 在 AutomationBench-AA 上的得分达到 68.1%，与 Meta 更强大的模型 Muse Wonder 相当。

然而，其编码测试结果并不一致。在 Terminal-Bench 4.0 中，Ember 的表现优于 Haiku，得分分别为 40.9% 和 32.8%。但在 FrontierCode 2.0 中，Haiku 的表现优于 Ember，得分分别为 34.9% 和 27.2%。

Ember 的另一个弱点是通用知识。该模型在 AA-Omniscience 测试中的准确率仅为 21.1%，并跳过了 64% 的查询。得益于其谨慎的态度，Ember 将幻觉率控制在 17.4%。

为何每任务成本才是当下竞争的关键

Ember 的较低定价正值企业重新审视其在 AI 技术上的支出之际。Gartner 预测，AI 代理和助手的需求将推动支出在 2026 年达到 292 亿美元，这将是预计达 2.7 万亿美元的 AI 市场的一部分。随着 AI 技术的使用增加，BCG 鼓励软件公司探索按完成的任务或结果收费，而不仅仅是按每个授权用户收费。然而，它警告不要过早放弃传统的订阅定价模式。

更大的问题是，更便宜的 AI 是否能带来更好的回报。McKinsey 认为，仅凭 token 成本无法衡量商业价值。较低的价格也可能促使企业使用更多的 AI。IDC 发现，67% 的企业超出了其代理预算。该研究机构预计，到 2030 年，每个代理操作的成本将下降 95%，尽管总 token 交付成本将上升 487 倍。

投资回报率、可靠性与监管问题

Meta 的早期合作伙伴强调了 Ember 的速度。Cloudflare CTO Dane Knecht 表示，该模型的运行速度：

“快达 30%”

You.com 推理负责人 Chak Pothina 报告称：

“p95 为 2.2 秒”

Box 高管 Yashodha Bhavnani 表示，Ember 能够评估合同：

“逐条对照公司的谈判策略手册”

这些结果令人鼓舞，但它们来自合作伙伴的测试。企业仍需在其自身运营中评估 Ember 的性能。

可靠性不仅体现在速度上。FII研究所引用的调查结果显示，73%的受访者对AI数据隐私和安全表示担忧。与此同时，麦肯锡的一项调查发现，只有约30%的组织在代理式AI治理方面达到了更高的成熟度水平。

成本压力不仅限于模型本身。Meta近期150亿美元的债券发行凸显了构建AI基础设施的高昂费用。Cryptopolitan也报道了Meta在数据中心投资方面的不断扩大。

不要只是阅读加密货币新闻，要真正理解它。订阅我们的通讯。 免费。