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
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
ซื้ออะไรได้ด้วย $10
- อินพุต
- 100M token
- เอาต์พุต
- 20M token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 36
Artificial Analysis Intelligence Index
คะแนน
- 60.48
Vals Index
เปอร์เซ็นต์; อันดับที่ 13 จาก 36 โมเดล
- 88
PlotlyDataAnalyticsBench
เปอร์เซ็นต์; ตอบถูก 38 จาก 43 ข้อ
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- ระดับความพยายามเริ่มต้น
- max
- เปิดใช้งานตลอด
- ใช่
- ระดับความพยายามที่ใช้ได้
- max / xhigh / high / medium / low / minimal
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
muse-emberโมเดลนี้มีความสามารถในการให้เหตุผล 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.
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
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringmuse-emberID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionstoolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้top_k———top_p———reasoning———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับtool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับreasoning_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-wonderMuse Wonder คือโมเดล AI จาก Meta ที่รับข้อมูลได้ทั้งข้อความ รูปภาพ วิดีโอ เสียง และ PDF พร้อมความสามารถด้านเวิร์กโฟลว์แบบเอเจนต์และการเขียนโค้ด
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-contributorMuse Spark 1.3 Contributor คือโมเดลให้เหตุผลแบบ agentic สำหรับงานเขียนโค้ดระยะยาว รองรับบริบท 1,048,576 โทเคน ในราคาระดับเริ่มต้น
บริบท
1.049M
เอาต์พุตสูงสุด
943.718K
token อินพุต
$0.1 / 1M token
token เอาต์พุต
$0.2 / 1M token