Meta 把自家最大模型蒸馏成美分级小模型，单任务成本约为 Claude Haiku 5.5 的三分之一
11 月 9 日 Meta 超级智能实验室发布 Muse Ember，每百万 token 输入 0.10 美元、输出 0.50 美元、缓存命中 0.004 美元，100 万 token 上下文、单次最多 512K 输出，只通过 Meta Model API 与 Muse Code 提供，不开放权重。Meta 称这是第一个用 Muse Wonder Full 训练出来的模型。
关键事实
- 自家对照：Meta 给出每个 Artificial Analysis 任务约 0.14 美元，同门 Muse Spark 1.3 为 2.39 美元，而两者智能指数只差 1 分（36 对 37）。
- 对手对照：智能指数 36 分与 Claude Haiku 5.5 持平，单任务成本 0.136 美元对 0.411 美元；OpenAI GPT-6 Luna 为 28 分。
- 分项：AutomationBench-AA 37.8%（Haiku 13.9%、Luna 20.2%）、Coding Agent Index 46（37、31）、Terminal-Bench 4.0 40.9%（39.2%、16.4%）、OSWorld 2.1 33.8%（27.8%）。
- 弱项：FrontierCode 2.0-AA 为 27.2%，低于 Haiku 5.5 的 34.9%，该项按代码合并可用性打分。
- 合作方口径：Cloudflare 测尾延迟比对照模型快最多 30%；You.com 称编码任务 p95 为 2.2 秒、输出 token 少 36% 至 48%。
观点
- 前沿实验室的降本路径已从训一个小模型改为从最大的模型蒸出来，蒸馏从被防的对象变成内部工序。Muse Wonder Full 训 Ember 是这条流水线的第一件产品，外界拿不到权重也拿不到过程。
- 同分不同价比更强更能解释企业为什么不换大模型：36 分对 36 分，0.136 美元对 0.411 美元，采购单上的差别只剩价格一项。
- 0.10 美元的输入价已经进入 DeepSeek V4.1 Flash、GLM 5.3 Flash 这批开源模型的报价区间，闭源方开始用价格去争#470《门罗风投报告：美国企业开源模型支出中 89% 流向中国模型》里那块被中国模型拿走 89% 的开源支出。
- 它在 FrontierCode 上落后 7.7 个百分点，说明这一档卖的是吞吐而非判断力。大模型定规则、小模型铺量的分工，被厂商直接写成了产品结构与价目表。