把客戶 300 份合約 PDF 逐份抽出到期日與金額填進試算表，這種活不需要最聰明的模型，需要便宜、能一直跑。Meta 於 2026 年 11 月 9 日發布的 Muse Ember 就瞄準這塊，官方定位是工具呼叫、程式子任務、分流、資料擷取與長文件解析。
規格與價格
規格與價格：模型 ID 為 muse-ember-1.0，可在 Meta Model API 與 Muse Code 使用，context window 1M token、單次最多輸出 512K token。依 Meta Model API 價目頁，單次請求輸入在 200K token 以內，每百萬 token 輸入 0.10 美元（約新台幣 3.3 元，以央行 11 月 10 日收盤 32.865 估算，下同）、快取輸入 0.004 美元、輸出 0.50 美元（約 16.4 元）；超過 200K 就整筆改按 0.30、0.012、1.50 美元計，不是只有超出的部分變貴。Ember 只有 Standard 模式，官方寫明內容不拿去訓練模型。開 web_search 工具每 1,000 次搜尋另收 2.50 美元。
台灣能不能用：Meta 的地理使用政策（2026 年 10 月 12 日更新）列出 21 個限制地區，台灣不在其中；但政策也寫明只能在 Meta 已開放的地區使用，官方未公布開放地區清單。付款依說明中心是綁卡並填法定名稱與地址，非公司可填個人姓名。
廠商說與實際可用
Meta 在研究部落格說，Ember 在 Artificial Analysis 智慧指數最高推理設定得 35.8 分、每題 0.136 美元，Claude Haiku 5.5 最高 36.2 分、0.411 美元，Meta 據此說用約三分之一成本追平 Haiku。Artificial Analysis 頁面的 36 分、0.14 美元是同組數字四捨五入，Meta 同文兩種寫法都用；成本則是 Meta 按擬定價格估算。
要自己扣分的地方：第一，Meta 的模型文件寫 Ember 接受文字、圖片、影片、音訊與 PDF，但 Artificial Analysis 頁面目前只列文字與圖片輸入。第二，Artificial Analysis 跑指數時它輸出 1.15 億 token，高於同級中位數 9,000 萬；輸出單價是輸入的 5 倍，話多就是錢多。第三，看程式能否直接合併的 FrontierCode 2.0，Ember 27.2 分落後 Haiku 的 34.9 分。
適合做的雜事，跟我不會推薦的情況
適合：大量文件擷取、客服信件分類、逐字稿整理成固定格式、產生測試資料。一筆輸入 10 萬、輸出 5,000 token 的請求約 0.0125 美元，約新台幣 0.41 元。
我不會推薦的情況：一，要直接交付客戶的程式碼，Meta 文件自己也建議困難的單次程式問題改用 Muse Spark 或 Muse Wonder。二，習慣把整個專案塞進 1M context 的人；輸入 30 萬 token 會整筆按長文費率，同樣輸出 5,000 token 約 0.0975 美元，是同用量按短文費率的 3 倍。三，客戶合約限制資料出境的案子，先看合約再看價格。主力若仍是 Claude，可對照今天稍早的 Claude Fable 5.2 降價整理，把大小模型分工一起算。
對接案者的實際建議
拿你最常做的一類雜事跑 50 筆，比較品質與費用，並把單次輸入壓在 200K 以內。推理強度預設最高，簡單分類可調低省輸出 token。
一句話結論：Ember 適合當接案者的批次雜工，不適合當交付程式碼的主力，帳單關鍵在 200K 那條線。