Muse Ember API
Meta 推出的小型高效能模型,主打高頻代理任務執行,具備百萬詞元脈絡與多模態輸入。
Muse Ember 是 Meta Muse 系列中體積最小、效率最高的模型,於 2026 年 11 月 9 日發布。它支援文字、圖像、音訊與影片輸入,並以文字輸出,脈絡長度達 100 萬詞元,輸出上限為 51.2 萬詞元。其能力涵蓋電腦操作、圖像理解、工具呼叫、結構化輸出與搜尋接地,能在應用程式之間擷取紀錄、依序呼叫工具並更新系統。
此模型在 Muse 系列中擔任規劃者與執行者架構裡的執行者角色,Meta 將分工概括為「Muse Wonder 負責規劃,Muse Ember 負責處理大量工作」。它適合高頻代理工作流程執行、工具呼叫、程式設計子任務、路由、擷取、長文件解析、結合檢索增強生成的聊天機器人,以及大規模部署 AI 功能。
在表現上,Muse Ember 於 Artificial Analysis Intelligence Index 取得 36 分,Vals Index 為 60.48%,在 36 個模型中排名第 13,PlotlyDataAnalyticsBench 則為 88%,通過 43 題中的 38 題。其優勢在於詞元單價低、脈絡視窗大、支援多模態輸入,且在分析與資料品質檢查等明確任務上表現穩健;限制則是面對開放式問題時傾向使用過多詞元、難以偵測隱藏模式,且未釋出權重、未公開參數量。
更新時間:
模型 ID
muse-ember- 上下文
- 1.049M
- 最大輸出
- 943.718K
- 建議 API
- messages
- 輸入
- text / image / video / file / audio
- 輸出
- text
核心要點
- Muse 系列中最小、效率最高
- 100 萬詞元脈絡視窗
- 支援文字、圖像、音訊與影片輸入
- 代理架構中的執行者角色
- 在明確任務上表現穩健
供應商
比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。
| 可用率 | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
10 美元能買多少 token
- 輸入
- 1億 tokens
- 輸出
- 2000萬 tokens
依目前輸入與輸出單價估算,未計入折扣。
基準測試
- 36
Artificial Analysis Intelligence Index
分
- 60.48
Vals Index
百分比;在 36 個模型中排名第 13
- 88
PlotlyDataAnalyticsBench
百分比;通過 43 題中的 38 題
分數來自模型廠商公布的資料,未經獨立驗證。
推理能力
- 預設推理強度
- max
- 始終啟用
- 是
- 可選推理強度
- max / xhigh / high / medium / low / minimal
填入 API key
從 Felo API Platform 帳戶建立 key,並設定為環境變數。
export FELO_API_KEY="YOUR_API_KEY"發出第一次請求
使用該模型 ID 呼叫 Felo API Platform endpoint。可選請求標頭如 X-Request-Id 能協助排查問題。
muse-ember該模型支援推理。如果所選協議與模型路由提供推理控制,請在繼續對話時保留回傳的推理中繼資料。
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.
啟用串流輸出
加入 stream: true,即可以 server-sent events 接收回應。
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———常見問題
什麼是 Muse Ember?
Muse Ember 是 Meta Muse 系列中體積最小、效率最高的模型,於 2026 年 11 月 9 日發布。它支援文字、圖像、音訊與影片輸入,並以文字輸出,脈絡長度達 100 萬詞元,輸出上限為 51.2 萬詞元。其能力涵蓋電腦操作、圖像理解、工具呼叫、結構化輸出與搜尋接地,能在應用程式之間擷取紀錄、依序呼叫工具並更新系統。 此模型在 Muse 系列中擔任規劃者與執行者架構裡的執行者角色,Meta 將分工概括為「Muse Wonder 負責規劃,Muse Ember 負責處理大量工作」。它適合高頻代理工作流程執行、工具呼叫、程式設計子任務、路由、擷取、長文件解析、結合檢索增強生成的聊天機器人,以及大規模部署 AI 功能。 在表現上,Muse Ember 於 Artificial Analysis Intelligence Index 取得 36 分,Vals Index 為 60.48%,在 36 個模型中排名第 13,PlotlyDataAnalyticsBench 則為 88%,通過 43 題中的 38 題。其優勢在於詞元單價低、脈絡視窗大、支援多模態輸入,且在分析與資料品質檢查等明確任務上表現穩健;限制則是面對開放式問題時傾向使用過多詞元、難以偵測隱藏模式,且未釋出權重、未公開參數量。
如何計算呼叫費用?
費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。
Muse Ember 支援哪些輸入類型?
支援文字、圖像、音訊與影片輸入,並以文字輸出。
Muse Ember 的脈絡與輸出長度是多少?
脈絡長度為 100 萬詞元,輸出上限為 51.2 萬詞元。
Muse Ember 適合哪些任務?
適合高頻代理工作流程執行、工具呼叫、程式設計子任務、路由、擷取、長文件解析,以及結合檢索增強生成的聊天機器人。
Muse Ember 與 Muse Wonder 有何差別?
Muse Ember 是 Muse 系列中體積最小、效率最高的模型,在規劃者與執行者架構中擔任執行者;Muse Wonder 則負責規劃。
Muse Ember 有哪些已知限制?
面對開放式問題時傾向使用過多詞元,且難以偵測隱藏模式;權重未釋出,參數量也未公開。
相關模型
Muse Wonder
Metamuse-wonderMeta 於 2026 年 10 月推出的前沿模型,支援多模態輸入、百萬級脈絡,並具備主動記憶與專注能力。
上下文
1.049M
最大輸出
943.718K
輸入 tokens
$4 / 1M tokens
輸出 tokens
$20 / 1M tokens
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMuse Spark 1.3 Contributor 是 Meta 針對代理與編碼工作推出的推理模型,提供 104 萬 token 上下文,並以較低費率提供前沿級能力。
上下文
1.049M
最大輸出
943.718K
輸入 tokens
$0.1 / 1M tokens
輸出 tokens
$0.2 / 1M tokens