Felo API PlatformFelo API Platform
กลับไปที่โมเดล
Metamessages

Muse Ember API

Muse Ember เป็นโมเดลที่เล็กและมีประสิทธิภาพที่สุดในตระกูล Muse ของ Meta รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอ พร้อมบริบท 1 ล้านโทเคน สำหรับงานเอเจนต์ปริมาณมาก

Muse Ember คือโมเดลที่เล็กและมีประสิทธิภาพที่สุดในตระกูล Muse ของ Meta เปิดตัวเมื่อวันที่ 9 พฤศจิกายน 2026 รองรับอินพุตหลายรูปแบบทั้งข้อความ รูปภาพ เสียง และวิดีโอ โดยมีหน้าต่างบริบทขนาด 1 ล้านโทเคน และขีดจำกัดเอาต์พุต 512,000 โทเคน เปิดให้ใช้งานผ่าน Meta Model API และ Muse Code ด้วยรหัสโมเดล muse-ember-1.0

โมเดลนี้ทำหน้าที่เป็นผู้ปฏิบัติงานในสถาปัตยกรรมแบบ planner-executor ควบคู่กับ Muse Wonder โดย Meta สรุปการแบ่งงานว่า "Muse Wonder วางแผน Muse Ember จัดการปริมาณ" เหมาะอย่างยิ่งสำหรับการรันเวิร์กโฟลว์แบบเอเจนต์ปริมาณมาก การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การจัดเส้นทาง การสกัดข้อมูล การแยกวิเคราะห์เอกสารยาว และแชตบอตที่ผสานกับการสร้างข้อมูลเสริมจากฐานความรู้

จุดแข็งของ Muse Ember คือราคาต่อโทเคนที่ต่ำ หน้าต่างบริบทขนาดใหญ่ การรองรับอินพุตหลายรูปแบบ และประสิทธิภาพที่ดีในงานที่ชัดเจน เช่น การวิเคราะห์ข้อมูลและการตรวจสอบคุณภาพข้อมูล อย่างไรก็ตาม โมเดลมีแนวโน้มใช้โทเคนมากเกินไปกับคำถามปลายเปิด มีความยากลำบากในการตรวจจับรูปแบบที่ซ่อนอยู่ และไม่เปิดเผยน้ำหนักโมเดลรวมถึงจำนวนพารามิเตอร์

อัปเดต:

ID โมเดล

muse-ember
บริบท
1.049M
เอาต์พุตสูงสุด
943.718K
API ที่แนะนำ
messages
อินพุต
text / image / video / file / audio
เอาต์พุต
text

จุดเด่น

  • โมเดลที่เล็กและมีประสิทธิภาพที่สุดในตระกูล Muse
  • รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอ
  • หน้าต่างบริบท 1 ล้านโทเคน
  • ขีดจำกัดเอาต์พุต 512,000 โทเคน
  • ราคาต่อโทเคนต่ำ
  • ผู้ปฏิบัติงานในสถาปัตยกรรม planner-executor

ผู้ให้บริการ

1 ผู้ให้บริการ

เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด

ผู้ให้บริการ · รายละเอียดราคา
อัตราความพร้อมใช้งาน
$0.1$0.5$0.004

ซื้ออะไรได้ด้วย $10

อินพุต
100M token
เอาต์พุต
20M token

ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด

เบนช์มาร์ก

  • Artificial Analysis Intelligence Index

    คะแนน

    36
  • Vals Index

    เปอร์เซ็นต์; อันดับที่ 13 จาก 36 โมเดล

    60.48
  • PlotlyDataAnalyticsBench

    เปอร์เซ็นต์; ตอบถูก 38 จาก 43 ข้อ

    88

คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่

การให้เหตุผล

ระดับความพยายามเริ่มต้น
max
เปิดใช้งานตลอด
ใช่
ระดับความพยายามที่ใช้ได้
max / xhigh / high / medium / low / minimal

เริ่มต้นอย่างรวดเร็ว

โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด

1

ตั้งค่าคีย์ API

สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม

export FELO_API_KEY="YOUR_API_KEY"
2

ส่งคำขอแรก

ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา

muse-ember

โมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ

const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.FELO_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
  "model": "muse-ember",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

การใช้ SDK ของบุคคลที่สาม

ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.

3

เปิดใช้สตรีมมิ่ง

เพิ่ม stream: true เพื่อรับการตอบกลับเป็น server-sent events

curl -N https://openapi.felo.ai/api/v1/messages \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "muse-ember",
  "max_tokens": 1024,
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "stream": true
}'

Endpoint

Felo API Platform มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว

อินเทอร์เฟซเมธอดURL

Messages

ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude

POST

https://openapi.felo.ai/api/v1/messages

พารามิเตอร์

ชื่อชนิดค่าเริ่มต้นคำอธิบาย
modelstringmuse-emberID โมเดลสาธารณะที่ต้องการเรียก
max_tokensinteger—จำนวนโทเคนสูงสุดที่สร้าง
messagesarray—ข้อความสนทนาสำหรับ Chat Completions
toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้
top_k———
top_p———
reasoning———
temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับ
tool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่
response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับ
reasoning_effort———
include_reasoning———
repetition_penalty———
structured_outputs———

คำถามที่พบบ่อย

รู้จัก Muse Ember?

Muse Ember คือโมเดลที่เล็กและมีประสิทธิภาพที่สุดในตระกูล Muse ของ Meta เปิดตัวเมื่อวันที่ 9 พฤศจิกายน 2026 รองรับอินพุตหลายรูปแบบทั้งข้อความ รูปภาพ เสียง และวิดีโอ โดยมีหน้าต่างบริบทขนาด 1 ล้านโทเคน และขีดจำกัดเอาต์พุต 512,000 โทเคน เปิดให้ใช้งานผ่าน Meta Model API และ Muse Code ด้วยรหัสโมเดล muse-ember-1.0 โมเดลนี้ทำหน้าที่เป็นผู้ปฏิบัติงานในสถาปัตยกรรมแบบ planner-executor ควบคู่กับ Muse Wonder โดย Meta สรุปการแบ่งงานว่า "Muse Wonder วางแผน Muse Ember จัดการปริมาณ" เหมาะอย่างยิ่งสำหรับการรันเวิร์กโฟลว์แบบเอเจนต์ปริมาณมาก การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การจัดเส้นทาง การสกัดข้อมูล การแยกวิเคราะห์เอกสารยาว และแชตบอตที่ผสานกับการสร้างข้อมูลเสริมจากฐานความรู้ จุดแข็งของ Muse Ember คือราคาต่อโทเคนที่ต่ำ หน้าต่างบริบทขนาดใหญ่ การรองรับอินพุตหลายรูปแบบ และประสิทธิภาพที่ดีในงานที่ชัดเจน เช่น การวิเคราะห์ข้อมูลและการตรวจสอบคุณภาพข้อมูล อย่างไรก็ตาม โมเดลมีแนวโน้มใช้โทเคนมากเกินไปกับคำถามปลายเปิด มีความยากลำบากในการตรวจจับรูปแบบที่ซ่อนอยู่ และไม่เปิดเผยน้ำหนักโมเดลรวมถึงจำนวนพารามิเตอร์

การใช้งานถูกเรียกเก็บเงินอย่างไร

ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน

Muse Ember รองรับอินพุตประเภทใดบ้าง

รองรับอินพุตข้อความ รูปภาพ เสียง และวิดีโอ โดยมีเอาต์พุตเป็นข้อความ

หน้าต่างบริบทและขีดจำกัดเอาต์พุตของ Muse Ember คือเท่าไร

มีหน้าต่างบริบทขนาด 1 ล้านโทเคน และขีดจำกัดเอาต์พุต 512,000 โทเคน

Muse Ember เหมาะกับงานประเภทใด

เหมาะกับงานเอเจนต์ปริมาณมาก การเรียกใช้เครื่องมือ งานย่อยด้านการเขียนโค้ด การจัดเส้นทาง การสกัดข้อมูล การแยกวิเคราะห์เอกสารยาว และแชตบอตที่ผสาน RAG

Muse Ember แตกต่างจาก Muse Wonder อย่างไร

Muse Ember เป็นผู้ปฏิบัติงานในสถาปัตยกรรม planner-executor โดย Muse Wonder ทำหน้าที่วางแผน ขณะที่ Muse Ember จัดการปริมาณงาน และเป็นโมเดลที่เล็กและมีประสิทธิภาพที่สุดในตระกูล Muse

Muse Ember ใช้งานได้ผ่านช่องทางใด

ใช้งานได้ผ่าน Meta Model API และ Muse Code ด้วยรหัสโมเดล muse-ember-1.0

Muse Ember มีข้อจำกัดอะไรบ้าง

มีแนวโน้มใช้โทเคนมากเกินไปกับคำถามปลายเปิด มีความยากลำบากในการตรวจจับรูปแบบที่ซ่อนอยู่ และไม่เปิดเผยน้ำหนักโมเดลรวมถึงจำนวนพารามิเตอร์

โมเดลที่เกี่ยวข้อง

Muse Wonder

Metamuse-wonder

Muse Wonder คือโมเดล AI จาก Meta ที่รับข้อมูลได้ทั้งข้อความ รูปภาพ วิดีโอ เสียง และ PDF พร้อมความสามารถด้านเวิร์กโฟลว์แบบเอเจนต์และการเขียนโค้ด

การเขียนโค้ดและการวางแผนงานระยะยาวเวิร์กโฟลว์แบบเอเจนต์หลายขั้นตอนการสร้างต้นแบบอย่างรวดเร็วการทำความเข้าใจสัญญาเช่าและข้อมูลการเงิน

บริบท

1.049M

เอาต์พุตสูงสุด

943.718K

token อินพุต

$4 / 1M token

token เอาต์พุต

$20 / 1M token

Muse Spark 1.3 Contributor

Metamuse-spark-1.3-contributor

Muse Spark 1.3 Contributor คือโมเดลให้เหตุผลแบบ agentic สำหรับงานเขียนโค้ดระยะยาว รองรับบริบท 1,048,576 โทเคน ในราคาระดับเริ่มต้น

งาน agentic และการเขียนโค้ดงานเขียนโค้ดระยะยาวการให้เหตุผลระดับรีโพซิทอรีagent ที่จัดการเอกสารจำนวนมาก

บริบท

1.049M

เอาต์พุตสูงสุด

943.718K

token อินพุต

$0.1 / 1M token

token เอาต์พุต

$0.2 / 1M token