Muse Ember和Haiku单价一样，为什么评测里的任务花费只要三分之一？

挂牌价一模一样，省钱全靠话少和缓存

Meta 在 11 月 9 日端出了一个小模型 Muse Ember，专门用来干长文档解析、提炼内容、写小块代码和反复调工具这类苦力活，目前已经在 Meta Model API 上线。单看牌价，它每百万输入 Token 收 0.10 美元、输出收 0.50 美元，跟大家常用的小模型 Claude Haiku 5.5 标价完全一样。

但挂牌价一样，最后掏的钱还真不一样。独立评测机构 Artificial Analysis（下称 AA）把俩模型都开到 max 思考档位跑了一遍：俩模型的综合智能指数同样拿了 36 分，但跑完这套评测，Haiku 平均每个任务要花约 0.41 美元，Muse Ember 只要约 0.14 美元，算下来只有 Haiku 的三分之一左右。

单价分毫不差，账单怎么凭空缩水了三分之二？AA 拆开了账单：一方面，Muse Ember 的缓存输入每百万 Token 只要 0.004 美元，比 Haiku 便宜了 60%；更关键的是，干完同样的活，它吐出来的输出 Token 数量大概只有 Haiku 的三分之一。按 Token 计费的年代，请到一个干活利索、不爱长篇大论凑字数的员工，本身就是一种折扣。

适合按死规矩搬砖，别拿它当百科全书

话少、便宜、跑分还不落下风，那是不是可以把手里的日常对话全切过去了？千万别。省钱的背面，是这模型极其偏科。

在 AA 测知识广度的 AA-Omniscience 测试里，Muse Ember 碰到 64% 的题目直接选择了拒绝回答，最后准确率只有 21.1%，而同场 Haiku 的准确率有 34.7%。它肚子里没装多少百科常识，它在这项测试中的幻觉率是 17.4%，坏处是如果你把它当成平时随手查资料的聊天主力，它会频繁用“我不知道”把你顶回来。

那它到底该干嘛？Meta 给出的官方口号挺直白：“Muse Wonder 负责做计划，Muse Ember 负责跑量（Muse Wonder plans, Muse Ember handles the volume）。”翻译成人话就是，让脑子好的大模型当主管定规矩，让 Muse Ember 当临时工去批量搬砖。

比如 Meta 官方提到云盘公司 Box 的早期测试，就是拿它来对照公司定好的谈判规则，审核合同条款、打风险评级；编程工具 Cline 的创始人 Saoud Rizwan 在 Meta 的公告里也夸它，说它就是专门为代码和文档分析这类拆出来的子任务定做的。再加上它本身支持 1M 的上下文窗口，把厚文档和死规矩一次性喂给它，让它顺着往下筛，正好撞在那个便宜的缓存价格上。

如果你平时只是打开网页跟 AI 聊聊天、查点常识，这模型跟你基本没关系，别为了省钱去受它拒答的气。它真正值得试的场景，是你手里有一堆规则已经写死、结果好不好一眼能核对的重复活——比如每天从一批固定格式的资料里抠字段、按现成标准给客服工单分类，或者接手从大项目里拆出来的小块代码任务。不过 AA 的两项编程测试里它和 Haiku 互有胜负，并没有全面压过对手；真要换它上岗，建议先拿自己手头已有的一批老任务喂给它跑一轮，看看出错返工要耗掉多少时间，算清总账真省钱了再全量切过去。