Muse Ember API
Meta 推出的轻量高效模型,主打高并发智能体执行,支持多模态输入与百万级上下文窗口。
Muse Ember 是 Meta 于 2026 年 11 月 9 日发布的轻量模型,也是 Meta Muse 系列中体积最小、效率最高的成员。它支持文本、图像、音频和视频输入,仅输出文本,上下文窗口达 100 万 tokens,单次输出上限为 512,000 tokens。模型具备图像理解、工具调用、结构化输出和搜索 grounding 等能力,可作为执行器在规划器-执行器架构中与 Muse Wonder 配合,Meta 对此的概括是「Muse Wonder 负责规划,Muse Ember 负责处理海量任务」。
它面向高并发场景设计,适合大规模智能体工作流执行、工具调用、编码子任务、路由、信息抽取、长文档解析,以及结合检索增强生成的聊天机器人,也适用于规模化部署 AI 功能。在分析和数据质量检查等边界清晰的任务上表现较强;但在开放式问题上容易消耗过多 tokens,对隐藏模式的检测能力偏弱。
模型可通过 Meta Model API 和 Muse Code 使用,模型 ID 为 muse-ember-1.0。其权重未公开,参数规模也未披露。在 Artificial Analysis智能指数上得分为 36 分,与 Claude Haiku 5.5 持平,而成本约为后者的三分之一。
更新时间:
模型 ID
muse-ember- 上下文
- 1.049M
- 最大输出
- 943.718K
- 推荐 API
- messages
- 输入
- text / image / video / file / audio
- 输出
- text
核心要点
- Muse 系列最小、最高效的模型
- 支持文本、图像、音频、视频输入
- 100 万 tokens 上下文窗口
- 可作规划器-执行器架构中的执行器
- 与 Claude Haiku 5.5 智能指数持平但成本更低
供应商
比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。
| 可用率 | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
历史统计不等于实时健康检查,缺失数据不代表服务中断。
10 美元能买多少 token
- 输入
- 1亿 tokens
- 输出
- 2000万 tokens
按当前输入与输出单价估算,未计入折扣。
基准测试
- 36
Artificial Analysis 智能指数
分
- 60.48
Vals指数
百分比;在 36 个模型中排名第 13
- 88
PlotlyDataAnalyticsBench
百分比;43 道题中通过 38 道
分数来自模型厂商公布的数据,未独立验证。
推理能力
- 默认推理强度
- max
- 始终启用
- 是
- 可选推理强度
- max / xhigh / high / medium / low / minimal
填入 API key
从 Felo API Platform 账户创建 key,并设置为环境变量。
export FELO_API_KEY="YOUR_API_KEY"发起第一次请求
使用该模型 ID 调用 Felo API Platform endpoint。可选请求头如 X-Request-Id 能帮助排查问题。
muse-ember该模型支持推理。如果所选协议和模型路由暴露推理控制,请在继续对话时保留返回的推理元数据。
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());使用第三方 SDK
兼容 SDK 只需把 baseURL 设置为 https://openapi.felo.ai/api/v1. Claude 风格客户端使用 Anthropic-compatible base URL。 https://openapi.felo.ai/api.
启用流式输出
加入 stream: true,即可以 server-sent events 接收响应。
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 提供兼容的模型调用入口。选择你的应用或 Agent 客户端已经支持的接口即可。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messages参数
modelstringmuse-emberPublic model ID to call.max_tokensinteger—Maximum generated tokens.messagesarray—Conversation messages for Chat Completions.toolsarray—Tool calling definitions following compatible schema.top_k———top_p———reasoning———temperaturenumber—Controls response variety when supported.tool_choicestring or object—Controls whether a tool should be called.response_formatobject—Request structured output when supported.reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———常见问题
什么是 Muse Ember?
Muse Ember 是 Meta 于 2026 年 11 月 9 日发布的轻量模型,也是 Meta Muse 系列中体积最小、效率最高的成员。它支持文本、图像、音频和视频输入,仅输出文本,上下文窗口达 100 万 tokens,单次输出上限为 512,000 tokens。模型具备图像理解、工具调用、结构化输出和搜索 grounding 等能力,可作为执行器在规划器-执行器架构中与 Muse Wonder 配合,Meta 对此的概括是「Muse Wonder 负责规划,Muse Ember 负责处理海量任务」。 它面向高并发场景设计,适合大规模智能体工作流执行、工具调用、编码子任务、路由、信息抽取、长文档解析,以及结合检索增强生成的聊天机器人,也适用于规模化部署 AI 功能。在分析和数据质量检查等边界清晰的任务上表现较强;但在开放式问题上容易消耗过多 tokens,对隐藏模式的检测能力偏弱。 模型可通过 Meta Model API 和 Muse Code 使用,模型 ID 为 muse-ember-1.0。其权重未公开,参数规模也未披露。在 Artificial Analysis智能指数上得分为 36 分,与 Claude Haiku 5.5 持平,而成本约为后者的三分之一。
如何计算调用费用?
费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。
Muse Ember 支持哪些输入和输出类型?
支持文本、图像、音频和视频输入,仅输出文本。
Muse Ember 的上下文和输出长度是多少?
上下文窗口为 100 万 tokens,单次输出上限为 512,000 tokens。
Muse Ember 适合哪些任务?
适合高并发智能体工作流执行、工具调用、编码子任务、路由、信息抽取、长文档解析,以及结合检索增强生成的聊天机器人和规模化部署 AI 功能。
Muse Ember 和 Muse Wonder 有什么区别?
Muse Ember 是 Muse 系列中体积最小、效率最高的执行模型,与负责规划的 Muse Wonder 构成规划器-执行器分工。
Muse Ember 有哪些局限?
在开放式问题上容易消耗过多 tokens,对隐藏模式的检测能力较弱,且权重未公开、参数规模未披露。
相关模型
Muse Wonder
Metamuse-wonderMuse Wonder 是 Meta 于 2026 年 10 月发布的前沿模型,支持多种输入,擅长编程与智能体任务,并具备主动记忆与主动专注能力。
上下文
1.049M
最大输出
943.718K
输入 tokens
$4 / 1M tokens
输出 tokens
$20 / 1M tokens
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMuse Spark 1.3 Contributor 是 Meta 面向智能体与编程任务的推理模型折扣层,支持超大上下文与多模态输入。
上下文
1.049M
最大输出
943.718K
输入 tokens
$0.1 / 1M tokens
输出 tokens
$0.2 / 1M tokens