Meta正式发布面向智能体执行场景的轻量级模型Muse Ember。该模型主打低成本推理，输入定价为每百万token 10美分，明显低于Haiku、Luna等前沿竞品，瞄准需要大规模调用模型完成自动化任务的开发者与企业客户。
从定位看，Muse Ember并非面向复杂推理或高难度生成任务的旗舰模型，而是聚焦智能体执行环节，即任务拆解、工具调用、流程编排等高频、重复性操作。此类场景对单次推理的智能上限要求相对有限，但对调用频次与响应成本高度敏感，token价格直接决定智能体应用的可行性边界。
每百万输入token 10美分的定价，使Muse Ember在轻量模型价格区间内具备明显竞争力。当前智能体应用的主要成本来自多轮工具调用带来的token消耗，单次任务往往涉及数十次模型交互，输入侧成本占比突出。Meta将价格压至这一水平，意在降低开发者构建和运行智能体工作流的门槛。
此举也延续了模型厂商围绕智能体场景展开的竞争态势。过去一年，多家厂商相继推出面向工具调用与任务执行的专用模型，竞争焦点从基准测试分数转向单位token成本与调用稳定性。对企业用户而言，模型选型的关键指标正从能力上限转向任务完成率与综合调用成本的平衡。
Muse Ember的发布意味着Meta在模型产品线上形成分层布局：旗舰模型承担复杂推理，轻量模型承接规模化智能体执行。若该定价策略被市场验证，智能体应用的部署成本结构将进一步下移，中小团队构建多智能体系统的可行性随之提升。后续需关注该模型在工具调用准确率与长流程任务稳定性上的实际表现。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
