Artificial Analysis 评测：Meta Muse Ember 智能指数 36 分，与 Claude…
Meta's newest model Muse Ember scores 36 on the Artificial Analysis Intelligence Index, matching Claude Haiku 5.5 (max) at a third of the Cost per Task
Artificial Analysis 评测显示，Meta 新模型 Muse Ember（max）在 Intelligence Index 上得 36 分，与 Claude Haiku 5.5（max）持平，但每任务成本为 $0.14，后者为 $0.41。Muse Ember 定价为每 1M tokens 输入 $0.10、缓存输入 $0.004、输出 $0.50，已通过 Meta 一方 API 和 Muse Code 提供。其知识类指标偏弱，AA-Omniscience 准确率 21.1%，主要因对 64% 的问题拒答，幻觉率 17.4%，约为 Claude Haiku 5.5（max）的一半。
推荐理由
精选AI 评分 72
第三方评测给出 Muse Ember 与 Claude Haiku 5.5 同分但成本仅三分之一的对比，可据此判断低成本档位的取舍。
主题
正文 · AI 翻译
Meta 最新模型 Muse Ember 在 Artificial Analysis 智能指数上得分 36，与 Claude Haiku 5.5（max）持平，而每任务成本仅为其三分之一
Muse Ember 是 Meta 最新的高效级模型系列，其输入和输出 token 价格与 Claude Haiku 5.5 和 GPT-6 Luna 相同
要点：
➤ 在 max 和 xhigh 努力程度下均位于智能指数与每任务成本的帕累托前沿上。Muse Ember（max）是得分 36 或以上的最便宜模型，每任务 $0.14，而 Muse Ember（xhigh）以 $0.12 得分 34。Claude Haiku 5.5（max）在与 Muse Ember（max）相同得分下成本几乎高出 3 倍，为 $0.41。Muse Ember（max）也比 DeepSeek V4.1 Flash 1017（max，33，$0.60）和 GLM-5.3-Flash（28，$0.58）便宜约 4 倍
➤ 比 Muse Wonder 低 8 分，每任务成本约为其 1/50。Muse Wonder（max）在每个智能指数任务 $6.95 的成本下得分 44
➤ 在 AutomationBench-AA 上表现突出。Muse Ember（max）在 AutomationBench-AA 上得分 68.1%，与 Muse Wonder（max）持平，并在 GDP.pdf 上超过 Claude Haiku 5.5（max）（22.8% 对 20.8%），但在 AA-Briefcase 上落后于它（1521 对 1574 Elo）
➤ 在我们的智能指数评估中，智能体编程表现参差不齐。它在 Terminal-Bench 4.0 上超过 Claude Haiku 5.5（max）（40.9% 对 32.8%），但在 FrontierCode 2.0 上落后于它（27.2% 对 34.9%）
➤ 在自身编程智能体中运行时领先于同价位模型。在 Muse Code 中，Muse Ember（max）在 Artificial Analysis 编程智能体指数上得分 46，领先于 Claude Code 中的 Claude Haiku 5.5（max，37）和 Codex 中的 GPT-6 Luna（max，31）
➤ 知识是主要弱点，但很少产生幻觉。其 AA-Omniscience 准确率为 21.1%，是我们所比较的同等智能模型中最低的，而 Claude Haiku 5.5（max）为 34.7%，Gemini 3.8 Flash（high）为 50.5%。这主要是因为它对 64% 的问题拒绝作答，使其幻觉率保持在 17.4%，为 Claude Haiku 5.5（max）的一半
其他细节： ➤ 定价：每 1M tokens 输入 $0.10 / 缓存输入 $0.004 / 输出 $0.50 ➤ 推理努力程度：结果显示为 max 努力程度，xhigh 也显示在智能与成本图表上 ➤ 可用性：Meta 一方 API 和 Muse Code