11月9日，Meta超级智能实验室发布了一款名为Muse Ember的模型，官方说法是家族里最轻、单位成本最低的一款。定价给出的数字很直接：每百万输入词元0.10美元。这个价格放在闭源模型里属于明显的低档，放到开源阵营里也算同一区间，Meta自己把DeepSeek V4.1 Flash与GLM 5.3 Flash列为价格参照。
比价格更值得看的是它被安排的位置。Ember不是用来做旗舰任务的，官方描述里它要干的是智能体一天到晚重复的那些动作：调用工具、跑编码子任务、做请求路由、从文档里抽取字段、把长文档啃完。真正需要思考的部分交给更大的Muse Wonder。官方给出的分工只有一句话，Wonder负责规划，Ember负责跑量。
发布材料里有一个细节容易被忽略：被反复强调的是每百万输入词元的0.10美元，输出侧的价格没有出现在同一句表述里。这不太像排版疏忽。执行层模型的典型负载是短输入、多轮调用、结构化的短输出，输入侧的价格决定它能不能被高频调用，输出侧的价格决定它一次能返回多少内容。只把输入价打到最低，等于承认它主要用来做判断而不是做创作。
为了说明便宜不等于差，Meta用了Artificial Analysis的复合基准来比较每任务成本，把Anthropic的Haiku与OpenAI的Luna放在一起对照。需要说明的是，这是Meta对第三方基准的自我解读，不是独立测评。真正的验证要等第三方用自家业务跑一遍，尤其是那些输入很长、工具调用很密的场景，基准分数与真实任务成功率并不是同一个东西。
Ember支持文本、图像与音频输入。官方举的例子是智能体可以直接读截图、图表和扫描件，也可以从语音备忘、会议录音和视频里取材，不必再为每种介质单独接一个模型。对一个正在搭智能体的团队来说，这句话省掉的是工程上最烦的一段：过去要先判断输入是什么类型，再路由到对应的识别模型，再把结果拼回文本，每一步都要处理格式与时延。
代价也在这里。多模态能力放进一个小模型，单项精度通常不会比专用模型更强，扫描件上的密集小字、带噪录音里的专有名词，都是容易出错的地方。它真正的价值是把这类输入从“必须先转换”变成“可以直接读”，把管线从三段压成一段，出错时也只需要查一处。对每天要处理几万条工单的系统来说，少一段转换往往比多两分准确率更值钱。反过来说，如果业务里九成输入都是纯文本，多模态这一项就不该算进采购理由，因为它买回来的是用不上的余量。
Ember是Muse品牌的第四款模型。按发布时间排，4月是中等体量的Spark，8月是它的开源版本Glimmer，10月是前沿模型Wonder，11月是Ember。加上9月上线的消费级产品Muse Agent，这条产品线现在覆盖了从消费端对话到后端批量执行的四档。
这种阶梯的价值不在参数，而在采购逻辑。企业不必为每一类任务都买最贵的模型，也不必为省钱把所有任务压到最小模型上。它可以按任务失败的成本分层：错一次要赔钱的任务交给Wonder，错一次只是重试的任务交给Ember。分层越细，单位成本越接近真实需求，代价是系统里多了一层调度，而调度本身也要出错。四款模型同年铺开，也说明这家公司判断执行层会先变成红海，才把最便宜的一档提前占住。
官方给的场景是客服。一个较重模型先把某类问题的处理规则定下来，再由轻模型把规则套用到几万条同类工单上。这个描述看起来平淡，实际点出的是智能体落地时最贵的一段：让模型每次自己判断该怎么做，成本随工单量线性上涨；把判断固化成规则，再让便宜模型执行，成本就变成了一次性的规则投入加执行侧的线性成本。
风险同样明显。规则一旦固化，遇到没覆盖的长尾情况，轻模型不会主动上报，它会按最接近的规则处理，错得很安静。所以这类架构真正的工程难点不在模型，而在分流的准确率：哪些工单必须升级给重模型或人，这条线怎么划、由谁复核。Meta没有公布这方面的数据，这会是采购方自己要去补的一课。规则写得越细，长尾逃出去的概率越低，但维护规则的人也会越多，成本就悄悄从推理侧挪到了运营侧。
过去一年，模型价格战主要发生在前沿模型上，比的是同一档能力谁更便宜。Ember把战场挪到了执行层，比的是一件更朴素的事：在每天几百万次调用里，每一次判断值多少钱。这个层面上，单价的边际意义会被调用结构放大，一次多余的工具调用可能比模型单价更贵。
所以接下来的竞争点大概不会停在价格表上。企业真正需要的是能看清每一次调用做了什么、失败在哪里、哪些步骤可以合并，因为模型半年一换，日志格式和评测口径却是要沉淀好几年的东西。这一轮发布里最不起眼的那部分，往往决定最后能不能用起来。把这层摩擦力磨薄的厂商，执行层就更难被替换。