想象一个 Agent 一天干的事。
真不是写诗,也不是解奥数。它大部分时间在路由——这条请求该扔给谁;在抽取——从一份 80 页 PDF 里抠出三个字段;在调工具——拼个 API、跑个脚本、把结果塞回去。这些活儿又碎又密,一天能跑几万次。
Meta 这次把 Muse Ember 1.0 直接塞进了这条流水线。
它不跟你比谁 IQ 高。它比的是:同样的脏活,谁花的 token 少、谁延迟低、谁在高频下不崩。官方把 Haiku 5.5、GPT-6 Luna 拉来逐项对账,成本那栏 Ember 压得很实。
这步棋我看对了方向。Agent 真正吃钱的从来不是「一次想得多深」,是「一天重复几万次」。把一个聪明大模型按在最无聊的环节上烧,是浪费;让小模型把这些环节包了,把贵的留给真要动脑子的时刻,账才算得过来。
有人会杠:小模型干杂活,质量会不会掉?会,但掉在容错高的环节里,代价远低于省下的推理费。PI(Physical Intelligence,做机器人基础模型的那家)四天用 API 调出双臂去毛刺也是同一个逻辑——高频、试错、迭代,小步快跑比一次到位便宜太多。
我的断言:明年 Agent 圈的胜负手,不在「谁的底座最强」,在「谁把高频环节拆得最干净、用最便宜的模型喂饱」。Muse Ember 是这条路上的一个信号,不是终点。
反过来说,它也治不了「需要深度推理」的病。真遇上要跨十步推理、还要兜底责任的活,小模型该让位还得让位。别拿它当万能钥匙——它是一把很省的电工刀,不是瑞士军刀。