10美分跑百万token：Meta用Muse Ember打响Agent价格战

2026年11月10日，Meta正式发布名为Muse Ember的新模型。与以往主打参数规模或榜单成绩的发布不同，Meta这次把聚光灯打在一个更务实的维度上：让AI Agent“跑得起”。根据官方披露，Muse Ember每百万输入token仅收费10美分，定位是一款轻量级、面向Agent执行的模型。

为“执行”而生：Agent需要什么样的大脑

过去两年，大模型的叙事主线是“更聪明”——更长的上下文、更强的推理、更高的测评分数。但随着Agent产品从演示走向生产环境，开发者的关注点正在迁移：模型能否稳定地调用工具、在多步任务中保持格式、以足够低的延迟和成本完成成千上万次循环。

这正是Muse Ember的切入点。所谓“Agent执行”，指的是模型在任务链条中承担“手脚”的角色：解析指令、选择工具、填写参数、读取返回结果，再决定下一步。这类工作重复度高、单次请求简单，却对成本和吞吐极其敏感。用一个前沿大模型来跑Agent循环，往往意味着大量token花在格式化输出和工具调用上，性价比并不高。

10美分/百万token：价格本身就是产品

Meta为Muse Ember给出的定价是每百万输入token 10美分。作为参照，TechCrunch在报道中指出，这一价格显著低于Haiku、Luna等前沿竞品。对开发者而言，这不是一个小幅折扣，而是数量级层面的成本重构。

Agent场景的token消耗有其特殊性：一次用户请求可能触发十几轮模型调用，每轮都要重复携带系统提示、工具定义和历史上下文。输入token的累积速度远超普通聊天场景。当单价从“美元级”降到“美分级”，原本因成本而搁置的自动化流程——批量数据清洗、客服工单分流、代码仓库巡检——会重新变得可行。

每百万输入token 10美分——Meta用一个价格标签，把Agent竞争拉进了“分厘必争”的时代。

Agent赛道，正在分层

行业里一个逐渐成型的共识是：未来的Agent系统不会由单一模型包打天下，而是“规划—执行”分层。强模型负责拆解任务、制定计划和处理疑难分支；轻量模型负责高频、标准化、可并行的执行环节。Muse Ember显然瞄准的是后一层。

这也解释了Meta为何在此时入局。Agent框架、工具协议与多智能体编排在2025年后快速成熟，执行层的模型需求量随之放大。谁能用最低的成本承接这部分流量，谁就有机会成为Agent基础设施的默认选项。对Meta来说，模型本身未必是利润中心，但它是入口——开发者一旦围绕某套API构建工作流，迁移成本会迅速上升。

编者按：低价是一张生态牌

回看Meta的模型策略，从Llama系列开始，“以开放和低价换取生态份额”就是一条清晰的主线。Muse Ember延续了这一逻辑：用极具攻击性的定价吸引Agent开发者，把模型嵌入真实的生产工作流。相比在榜单上争第一，这种做法更像是在修路——路修好了，车自然会来。

但价格战从来不是单方面的。10美分的定价会直接压缩竞品的定价空间，迫使对手在“跟随降价”与“强调能力差异”之间做选择。对于以API调用为主要收入来源的模型厂商而言，这是一道不易作答的题。

低价之外，仍需回答的问题

当然，轻量模型的短板同样明显。工具调用的准确率、长链条任务中的错误累积、对复杂指令的理解边界，都是Agent落地的真实门槛。单价低不等于总成本低——如果模型频繁出错导致重试，省下的token费用可能被工程成本和人工保底抵消。

此外，Muse Ember在上下文长度、并发配额、函数调用协议兼容性等方面的具体规格，仍有待开发者实测。Meta能否把“便宜”转化为“可靠”，将决定这款模型是成为Agent的默认执行层，还是停留在价格表上的一个数字。

可以确定的是，Agent的竞争已经进入下半场：上半场比谁更聪明，下半场比谁更便宜、更稳、更能被规模化调用。Muse Ember是Meta交出的第一张执行层答卷。

本文编译自TechCrunch