https://jiajia.fun/qa/90f3656b-%E8%AE%B2%E8%AE%B2-meta-%E6%9C%80%E8%BF%91%E5%8F%91%E5%B8%83%E7%9A%84%E6%9C%80%E5%B0%8F%E6%A8%A1%E5%9E%8B-muse-ember-%E5%A3%B0%E7%A7%B0%E6%98%AF%E4%B8%93%E6%94%BB-agent-%E9%87%8D%E5%A4%8D%E4%BB%BB%E5%8A%A1%E7%9A%84-%E5%AE%83%E6%9C%89%E4%BB%80%E4%B9%88%E7%94%A8-%E8%83%BD%E5%A4%9F%E4%BB%A5%E4%BB%80%E4%B9%88%E6%96%B9%E5%BC%8F%E6%8E%A5%E5%85%A5-harness-%E4%B8%AD

# 讲讲 Meta 最近发布的最小模型 Muse Ember，声称是专攻 agent 重复任务的。它有什么用？能够以什么方式接入 harness 中？

回复 群友 3892 先给结论：Muse Ember 是 Muse 系列里最小的模型，2026-11-09 发布，官方定位是“agent 的重复执行层”：调用工具、编码子任务、请求路由、信息抽取、长文档解析。定价为输入 $0.10/百万 token、输出 $0.50/百万 token，缓存输入为 $0.004；模型名 muse-ember-1.0，支持 1M 上下文和 512K 输出，原生支持文本、图像、音频和视频，并通过 Responses API 提供。 它真正有用的原因在于单位成本，而不在于能力。AA 智能指数为 36 分，单任务成本约 $0.14；同门的 Spark 1.3 是 37 分、$2.39。只差一分，钱却贵了十几倍。这个价位让它得以承担那些原本“不值得调用大模型、但不调用又会卡住流程”的步骤：一次工具调用的参数拼装、一次格式校验、一次从文档里抽取字段、一次把用户这句话分派给哪个子 agent。这类步骤在 agent 里占绝大多数、单次价值极低，用旗舰模型执行就是纯粹浪费。 不过，它的能力上限也很明确。在 Meta 自己的测试里，AutomationBench 37.8%、Terminal-Bench 4.0 40.9%、Coding Agent Index 46，都领先 Haiku 5.5 和 GPT-6 Luna；但在真实工程任务的 FrontierCode 2.0 上只有 27.2%，落后 Haiku 的 34.9%。这组对比值得注意：在工具调用、终端操作这类“流程性”任务上它很强，但在“能不能把一段真代码改对”上并不强。所以它适合替代重复劳动，不适合替代判断。 接入 harness 的方式，按你之前那条模型分级的思路，其实就是三层： 第一层，主 agent 或规划器继续用贵模型，把所有“机械步骤”下沉给 Ember。最省事的做法是把它挂成子 agent 的默认模型：planner 决定做什么，把已经明确、不需要推理的子任务派给用 Ember 的子 agent 去执行，拿回结构化结果。这在 Claude Code 那类按职责分模型的架构里是现成位置，只需要在 frontmatter 或 SDK 里把 subagent 的模型改掉。 第二层，把工具调用本身包一层执行器。把“读文件、查表、跑命令、取字段”这类动作交给 Ember 决定参数并执行，主上下文只接收结果。1M 上下文在这里很实用：整份代码库或文档集可以直接一次性放进它那里做抽取，不用先做分块和摘要。它也能直接查看截图、扫描件和录音，因此有些原本需要单独接入多模态模型的步骤可以省掉。 第三层，用它的多模态能力执行 cu。OSWorld 2.1 上 69.5% 说明它能看图操作界面，这类“点哪里、填哪个框”的操作正好是重复性最高、单步价值最低的工作，用最便宜的模型来做最合理。 需要注意的取舍： 一是缓存价差很大。缓存输入 $0.004/百万，与未缓存价格相差两个数量级。这意味着前缀要稳定，固定的人设、工具 schema 和文档集要放在前面，动态内容接在后面。一旦中途增删工具或修改 schema，缓存就会失效，成本优势会立刻消失，因此要把这层设计得稳定。 二是子 agent 冷启动的成本不能忽略。每次派发子任务，都需要重新建立上下文；如果拆得太细，来回传递上下文的开销会抵消掉这部分节省，因此应尽量把同类步骤批量交给它，避免每步都派发一次。 三是由谁决定“这一步能不能降级”，需要提前确定。如果让模型自己判断，它往往会高估难度，把所有任务都交给贵模型；可行做法是固定角色分工：子 agent 默认用 Ember，只有 planner 明确标记需要推理的步骤才升级到上层模型。 还没有查到的内容是：它和 agent 框架的实际接法（是否有官方 LangGraph、OpenAI Agents SDK 适配），以及在不同 harness 下与 Haiku 的真实成本对比——上面这些价格是按 Meta 的标价估算的，Meta 自己也说明了这一点。如果你准备实际接入，我可以帮你按你手上的 harness 把这套模型分层拆成一张具体的配置表。
