Felo API PlatformFelo API Platform
返回模型列表
Metamessages

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

1 個供應商

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。

供應商 · 計費明細
可用率
$0.1$0.5$0.004

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

  • Artificial Analysis Intelligence Index

    分

    36
  • Vals Index

    百分比;在 36 個模型中排名第 13

    60.48
  • PlotlyDataAnalyticsBench

    百分比;通過 43 題中的 38 題

    88

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

快速开始

直接复制代码,通过 Felo API Platform 兼容 API 调用该模型。写代码前可先在 Playground 测试提示词。

1

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"
2

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.

3

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。

SurfaceMethodURL

Messages

Anthropic-compatible messages for Claude-style clients.

POST

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

参数

名称类型默认值说明
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