meta于11月9日发布muse ember，将其定位为muse系列中处理高频、重复任务的轻量模型。产品面向工具调用、编程子任务、分类路由、信息提取和长文档处理，已在meta model api及muse code提供，api模型标识为muse-ember-1.0。

侧重执行大量小任务

Muse Ember支持文本、图像、音频和视频输入，输出为文本；官方接口说明还列出PDF输入。上下文上限为1,048,576 Token，最大输出为524,288 Token。团队可让更大的模型负责规划，再由Ember执行边界明确的子任务。

Meta发布资料中的能力与单任务成本对比图；条件以官方评测说明为准

评测结果需要结合条件理解

Meta公布的对比图显示，Muse Ember在指定推理设置下以较低单任务成本接近Claude Haiku 5.5的综合成绩。该结论来自公布的评测条件和定价估算，不意味着所有业务请求都能节省相同比例费用；部分内部指标和不同执行框架的结果也不宜直接等同。

mini-token-remains

查询 MiniMax API Token 使用情况，支持小时/周级监控，秒级完成。触发词：查 token、查看额度、剩余次数、token 余额。

下载

价格存在长上下文分档

在不超过20万输入Token的请求中，每百万普通输入、缓存输入和输出Token的价格分别为0.10、0.004和0.50美元。超过20万输入Token后，整次请求采用较高档位，分别为0.30、0.012和1.50美元。缓存及已有对话历史也会计入档位判定。

Muse Ember在Model API上仅有Standard模式，没有Contributor模式变体。应用接入时还需核对账户、地区、额度和接口能力，不能把API模型发布等同于所有Meta应用均已开放同样功能。