跳转到内容
主站 新闻 控制台

推出我们最小、最高效的模型:Muse Ember

· Simon Willison
技巧LLM

隆重推出我们最小、最高效的模型:Muse Ember

Meta AI 刚刚发布了对标 Claude Haiku / GPT Luna 这一级别的模型:Muse Ember。他们对它的描述是:

[…] 我们最小、最高效的模型,专为复杂推理执行以及智能体(agent)整天重复的工作而设计:工具调用、编码子任务、路由、信息抽取和长文档解析。

在较短提示词下,它的定价与 GPT-6 Luna 和 Claude Haiku 5.5 相同,均为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。今天发布的另一款重磅模型 Claude Fable 5.2,价格是它的 80 倍,为 8 美元/40 美元。

不过,随着提示词变长,定价就没那么简单了。Luna、Ember 和 Haiku 都支持最多一百万输入 token,但它们都设有一个阈值,超过后价格会上涨。把这个阈值考虑在内,Ember 的价格介于另外两者之间:

模型提示词大小输入(美元/百万 token)缓存输入输出
GPT-6 Luna≤272k$0.10$0.01$0.50
GPT-6 Luna>272k$0.20$0.02$0.75
Muse Ember 1.0≤200k$0.10$0.004$0.50
Muse Ember 1.0>200k$0.30$0.012$1.50
Claude Haiku 5.5≤100k$0.10$0.01$0.50
Claude Haiku 5.5>100k$0.50$0.05$2.50

但如今单纯比较每 token 价格已经没有太大意义,因为有了推理 token,不同模型解决同一个问题所用的 token 数量可能天差地别。

对此,一个有用的衡量标准是 Artificial Analysis。

Artificial Analysis 的堆叠条形图,比较六个模型的成本(美元),每根柱子分为四段未标注的堆叠区块,按总成本从低到高排序。Claude Haiku 5.5(low):总计 $0.04*,底部区块 $0.02,上方有三段较薄的未标注区块。GPT-6 Luna(非推理):总计 $0.07,底部区块 $0.06,上方有较薄的未标注区块。GPT-6 Luna(xhigh):总计 $0.10,自下而上依次为 $0.07、$0.02、$0.02,顶部另有一段较薄的未标注区块。Muse Ember(xhigh):总计 $0.12,自下而上依次为 $0.06、$0.02、$0.02,顶部另有一段较薄的未标注区块。Muse Ember(max):总计 $0.14,自下而上依次为 $0.07、$0.03、$0.03、$0.02。Claude Haiku 5.5(xhigh):总计 $0.25*,自下而上依次为 $0.14、$0.04、$0.05、$0.02。Anthropic 的柱子为赤陶色,OpenAI 的为深灰色,Meta 的为蓝色,每根柱子下方均有对应公司的标志。

比这更有用的是他们的”智能指数 vs. 单任务成本”(Intelligence Index vs. Cost per Task)图表,下图展示了这三个模型的情况:

Artificial Analysis 的散点图,标题为"Intelligence Index vs. Cost per Task",纵轴为 Artificial Analysis 智能指数(5 至 40),横轴为以对数刻度表示的单任务成本(美元,$0.04 至 $0.3),左上方有绿色的"最具吸引力象限",并有一条虚线帕累托线。Claude Haiku 5.5(low)* 得分约 19,成本约 $0.044。GPT-6 Luna(非推理)得分约 9.5,成本约 $0.07。GPT-6 Luna(xhigh)得分约 23.5,成本约 $0.10。Muse Ember(xhigh)得分约 34,成本约 $0.12;Muse Ember(max)得分约 36,成本约 $0.14,两者都落在帕累托线上。Claude Haiku 5.5(xhigh)* 得分约 34.5,成本约 $0.25,远在帕累托线右侧。另有三个未标注的灰点也位于帕累托线上。

Muse Ember 模型正好位于帕累托线上,也就是说,在这条线上,想要改善某一个维度,就必须牺牲另一个维度。Meta 在发布公告中特别指出了这一点:

它同样位于完整 Artificial Analysis 排行榜的效率前沿:没有哪个模型能以更低的单任务成本取得更高的分数。

(绿色区域中间、帕累托线上的那个灰点是 GPT-6.1 Terra(low)——看来我显然应该多关注一下 Terra 系列!)

Muse Ember 有六个推理等级:minimal、low、medium、high、xhigh 和 max,所以我渲染了六只骑自行车的鹈鹕。“high”推理等级未能返回完整的 SVG,而其他 SVG 令人意外的是,推理等级与输出的视觉质量并没有清晰的对应关系。

下面是”max”等级的结果,不过其他几张也值得一看:

自行车车架还不错,篮子里有鱼,鹈鹕戴着一顶奇怪的蓝色帽子。

Ember 生成的鹈鹕在质量上与我从 Muse Wonder 得到的结果相当,而 Muse Wonder 的价格是 Muse Ember 的 40 倍。