推出迄今最小、效率最高的模型:Muse Ember

邱宇AI 前沿📡 BestBlogs·AI高分精选⭐ 852026-11-10129 阅读💛 14 收藏
推出迄今最小、效率最高的模型:Muse Ember

📌 One-Sentence Summary

Meta AI 的 Muse Ember 进入 Haiku/Luna 级别的高效 AI 模型行列,在复杂推理任务上提供有竞争力的价格,并在 Artificial Analysis 效率前沿上展现出强劲性能。

📝 Summary

文章介绍了 Meta AI 推出的新型高效模型 Muse Ember,其价格和性能定位与 Claude Haiku/GPT Luna 相当。文章分析了不同提示词长度下的定价结构,指出 Ember 的输入成本具有竞争力:200k tokens 以内为 $0.10/1M tokens,超过 200k 则为 $0.30。文章还引用 Artificial Analysis 的数据,指出 Muse Ember(xhigh 和 max 设置)位于帕累托效率前沿,在每项任务成本适中($0.12-$0.14)的情况下,智能指数得分达到 34-36。作者还通过生成 SVG 插图测试 Ember 的不同推理等级,发现更高的推理等级并不总能带来更好的视觉输出质量。

💡 Main Points

Muse Ember 具有竞争力的定价结构

Ember 的标准定价与 GPT-6 Luna 和 Claude Haiku 5.5 相近(每百万 tokens 输入 $0.10、输出 $0.50),但阶梯定价有所不同:超过 200k tokens 后,Ember 的输入价格升至 $0.30、输出价格升至 $1.50;相比之下,Haiku 在超过 100k tokens 后会升至 $0.50/$2.50,因此 Ember 处理较长提示词时更划算。

位于 Artificial Analysis 的效率前沿

根据 Artificial Analysis 的数据,Muse Ember 各型号的智能指数得分为 34-36,每项任务成本为 $0.12-$0.14,位于帕累托前沿。在这条效率前沿上,若要提升某一项指标,就必须牺牲另一项指标,因此这些型号执行复杂推理任务时效率很高。

更高的推理等级不一定能保证更好的输出质量

测试 Ember 的六个推理等级(从 minimal 到 max)进行 SVG 生成,结果并不稳定:「high」等级未能生成完整输出,而更高的推理等级也不一定能稳定提升视觉质量。这表明,在图像生成任务中,推理深度并不总与输出质量相关。

💬 Key Quotes

我们最小、效率最高的模型,专为复杂推理任务而设计,也适用于智能体全天反复执行的工作:工具调用、编码子任务、路由、信息提取和长文档解析

它也位于 Artificial Analysis 完整排行榜的效率前沿:没有任何模型能以更低的单项任务成本取得更高分数。

Muse Ember(xhigh)的得分约为 34,成本约为 $0.12;Muse Ember(max)的得分约为 36,成本约为 $0.14;两者都位于帕累托前沿。

📊 Article Meta

AI Screening: 85

Source: Simon Willison's Weblog

Author: Simon Willison

Category: 人工智能

Language: 英文

Read Time: 2 min

Word Count: 418

Tags:

AI 与智能应用 , AI 产品与应用 , 模型训练与推理 , AI 工程 , 大语言模型 (LLM)

#AI 与智能应用# AI 产品与应用# 模型训练与推理# AI 工程# 大语言模型 (LLM)

文章评论(12)

林拾贝5 天前

看标题就点进来了,内容果然没让人失望。

回复
晨沐雨5 天前

看完了,收获满满,期待更多更新。

回复
北岛渔夫5 天前

实测过类似工具,作者说的基本属实。

回复
拾贝者5 天前

收藏了,以后慢慢研究。

回复
星寻梦5 天前

内容翔实,正好需要,先收藏再看。

回复
逐光而行5 天前

看完了,收获满满,期待更多更新。

回复
星寻梦5 天前

实话,说的不明不白

回复
北岛渔夫5 天前

收藏了,以后慢慢研究。

回复
星寻梦5 天前

内容翔实,正好需要,先收藏再看。

回复
松听风5 天前

写得挺用心的,支持一下。

回复
一个橘子5 天前

实话,说的不明不白

回复
邱文博5 天前

写得挺用心的,支持一下。

回复