Meta發表最輕量全模態模型Muse Ember 同步讓Muse個人AI登上Apple Watch、Wear OS手錶

Meta 近期持續擴大旗下「Muse 」AI生態系佈局，不僅在開發者與企業端祭出極具價格殺傷力的輕量級模型 ，也同步在消費端穿戴裝置擴大觸角。根據外媒報導指出，Meta正式推出目前體積最小、運作效率最高的輕量級AI模型「Muse Ember」，鎖定複雜推理與高頻率AI代理 （AI Agent）日常作業需求；與此同時，Meta也更新iOS版Muse應用程式，正式加入支援Apple Watch 智慧手錶 。

單次任務成本僅Claude Haiku 5.5三分之一，多項指標超越GPT-6 Luna

隨著產業應用全面轉向需要反覆呼叫工具、多輪執行的AI代理工作流，如何壓低單次推論的Token消耗成本成為企業導入關鍵。此次發表的Muse Ember便是專為「高頻率日常代理任務」與「複雜推理」最佳化的輕量級模型。

根據第三方評測機構Artificial Analysis公布數據顯示，Muse Ember的綜合效能表現已經能與Anthropic旗下Claude Haiku 5.5並駕齊驅，但單一任務處理成本卻僅有Claude Haiku 5.5的三分之一；此外，在多項基準測試指標中，Muse Ember的表現也超越OpenAI的輕量模型 GPT-6 Luna，在運算智慧與API呼叫成本之間取得極佳平衡。

目前Muse Ember已經正式上線，企業與開發者可透過Meta Model API、Google Cloud，以及Oracle Cloud （甲骨文雲端） 取得服務，詳細規格與定價如下：

100萬Token上下文搭配51.2萬超長輸出，原生多模態直攻編碼與電腦操作

除了極具競爭力的每百萬Token 0.10美元輸入、0.50美元輸出定價之外，Muse Ember在長文本與長輸出的規格設計也相當激進，不僅具備100萬Token的上下文視窗，更支援高達51.2萬Token的單次最大輸出量。

這意味著開發者只需透過單次API呼叫，就能讓模型完整解析龐大的程式碼庫或整套技術文件；AI代理更能在單一對話階段 （Session）內，連續完成數百項細部編碼任務——涵蓋檔案讀取、執行測試到針對性修復程式碼錯誤，大幅提升自動化開發作業的連續性，避免因輸出截斷而頻繁中斷重來。

在多模態感知方面，Muse Ember原生整合文字、影像、音訊與影片理解能力，無須額外串接其他輔助模型，即可讓AI代理直接執行多元任務：

視覺與文件解析：直接判讀螢幕截圖、數據圖表、掃描文件與長篇實體文件，並且能捕捉畫面中的細微視覺資訊。

電腦介面操作 （Computer Use）：根據螢幕截圖畫面直接執行電腦操作指令。

影音素材處理：直接分析語音備忘錄、會議錄音檔與各類影片素材。

而在安全性驗證部分，Muse Ember在正式上線前已經透過Meta SI擴展框架完成全面安全評測，各項測試指標均低於該框架劃定的高風險門檻，確保企業佈署時的可控性。

同場加映：Muse個人AI助理正式支援Apple Watch、Wear OS手錶，招牌「雪怪」躍上手腕

除了底層模型推進，Meta也在消費端持續擴大個人AI助理「Muse」的硬體覆蓋範圍。除了既有的手機獨立App，以及深度整合於Instagram、Facebook等社群平台外，Meta在最新釋出的iOS版更新中，正式為Muse加入Apple Watch專屬支援，另外也支援Wear OS智慧手錶。

Apple Watch版本的Muse在主畫面延續該服務極具辨識度的「雪怪」吉祥物視覺形象，並且支援加入Apple Watch 錶面複雜功能 （Complications） 以便快速喚醒。使用者無須從口袋拿出iPhone，直接在手腕上就能透過文字輸入、語音錄製，或是即時語音通話等多種互動方式呼叫Muse處理日常事務。

從整體策略來看，Meta一方面透過極低成本、支援51.2萬Token超長輸出與原生多模態的Muse Ember，切入開發者與企業最敏感的「AI代理Token經濟學」挑戰；另一方面則將Muse推進至用戶黏著度極高的Apple Watch腕上使用情景，在自家智慧眼鏡硬體之外進一步搶佔隨身語音AI入口，明顯展現出其以軟硬體雙線包抄的企圖心。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》