Meta 推出 Muse Ember，為大量代理子任務提供低價多模態推理

Meta 於 11 月 9 日發布 Muse Ember，並在 Muse Code 與 Meta Model API 開放使用。這款模型主攻代理流程中反覆執行、範圍明確的工作，包括欄位擷取、請求分類、工具呼叫與局部程式修改；官方建議由 Muse Wonder 或 Muse Spark 負責規劃，再將大量子任務交給 Ember。發布公告

技術規格方面，muse-ember-1.0 接受文字、影像、音訊、影片及 PDF，輸出為文字；上下文上限為 1,048,576 token，最大輸出為 524,288 token。API 提供 Responses、Chat Completions 與 Messages 端點，推理強度可由 minimal 調至 max，預設為最高強度，並支援工具呼叫與結構化輸出。模型文件

成本須連同提示長度計算。Meta 開發者公告列出，輸入不超過 20 萬 token 時，每百萬輸入／輸出 token 為 0.10／0.50 美元；超過門檻則為 0.30／1.50 美元。因此，百萬上下文雖能容納較多程式碼與文件，長對話累積仍可能觸發較高費率。對多代理系統而言，值得測量的是完成任務所需的總 token、重試次數與驗證成本。開發者公告

評測也呈現能力邊界。Meta 公布 Ember 在 Terminal-Bench 4.0 得分 40.9，高於 Haiku 5.5 的 39.2；但兩者使用不同代理執行框架，無法直接視為模型本身的差距。在以程式變更可合併性評分的 FrontierCode 2.0-AA，Ember 為 27.2，低於 Haiku 的 34.9。這些數字來自 Meta 發布資料，仍需以相同工具、預算及測試集重測。評測與條件

Vercel 同日將模型接入 AI Gateway，使用名稱為 meta/muse-ember，可透過 AI SDK 及多種相容 API 呼叫。工程團隊接下來應驗證繁體中文文件擷取、工具參數正確率，以及降低推理強度後的延遲與成功率；不同供應端的輸入模態與輸出限制也應分別確認。Vercel 更新