硬核横评
硬核横评

旗舰管规划,谁管干活?四家轻量档账本并排摆

「复杂规划交给旗舰,高频执行交给轻量」已是各家共同的 agent 工程叙事,但账本并不统一。截至 2026 年 11 月 10 日,四家轻量执行档同时在架:Meta Muse Ember(muse-ember-1.0,Input $0.10 / Output $0.50,>200K 输入升为 $0.30/$1.50,五模态,上下文 1,048,576)、Anthropic Haiku 5.5(逐字定位 Fastest, most cost-efficient model,分段价 Input $0.10 到 $0.50 / Output $0.50 到 $2.50 按 prompt 不超过/超过 100K,模态与上下文官方页未提及)、Google Gemini 3.5 Flash-Lite(逐字 The fastest, lowest-cost model in the 3.5 family,$0.30/$2.50,1M 上下文,五模态;Gemini 3.8 Flash intro $0.75/$3.75 仅到 2026-12-31)、OpenAI GPT-6 Luna(gpt-6-luna,逐字 Our most efficient model for focused, high-volume tasks,$0.10/$0.50,1.05M 上下文,>272K 全请求加价;GPT-5.4 nano/mini 已 Deprecated)。四本账并排摆:定位逐字、模态与上下文逐项登记、定价连同限定语落表,零跑分零排行零推荐;Meta 官方页自带跨厂商跑分表未复制,Muse Code 订阅价不入 API 对照。

发布于 2026年11月11日9 分钟阅读
<!-- lightweight-agent-models-comparison-review | review | 旗舰管规划,谁管干活?四家轻量档账本并排摆 -->

「复杂规划交给旗舰,高频执行交给轻量」——2026 年的 agent 工程叙事里,这句话已经从各家文档的话术变成默认架构:主 agent 负责拆解任务、调度工具、兜底纠错,底下挂一排轻量模型去跑子任务、转工具、抽文档。叙事是统一的,账本却不统一。截至 2026 年 11 月 10 日,Meta Muse Ember、Anthropic Haiku 5.5、Google Gemini 3.5 Flash-Lite、OpenAI GPT-6 Luna 四家轻量执行档同时在架,同样是「干活的模型」,输入价从 $0.10 到 $0.30、输出价从 $0.50 到 $2.50,模态覆盖从「官方页未提及」到五模态全开,长 prompt 加价规则三家各写各的。本文把这四本账并排摆开:官方定位逐字摘引,模态与上下文逐项登记,定价连同限定语一并落表,零跑分、零排行、零推荐。

本篇是「轻量执行档」的选型画像对照,不是全量价格表:逐档比单价、拆缓存命中率与聚合器服务费的完整账,看本站 LLM API 定价横评,两篇角度错开、互为补充。核验方式如实说明:Anthropic 的 claude.com/pricing 定价页直接抓取成功;Meta、Google、OpenAI 三家官方页直抓受阻,本文数字取自限定官方域名的搜索摘录,逐项回到官方页面口径后才入文,取数口径在下文逐处注明。

这四本账里,最值得注意的其实是「空白」。Haiku 5.5 的定价页把分段价写得清清楚楚,却不列输入模态与上下文上限——对按 token 计费的标准文本调用,这两项不写并不影响下单,但对要把 agent 跑在多模态与长上下文上的团队,缺一项就少一分把握。官方页没写,本文就如实记「未提及」,不拿上一代的数据补位,也不拿第三方聚合器的数字凑数——补出来的整齐,比如实呈现的缺口更危险。与「空白」同样要紧的是限定语:Ember 的加价只在输入侧且按 200K 分档,Luna 的加价按 272K 触发且作用于整个请求,两家的分界点差了半个数量级,笔误一格,账单就会差出一截。数字与限定语必须同行出现,这是本篇落表时唯一的硬规矩。

一、定位:四家怎么形容「干活的模型」

先看官方页的逐字定位。dev.meta.ai 的 Muse Ember 模型页写道:「Muse Ember is our smallest multimodal model built for high-volume agentic workflow execution, from coding subtasks and tool calls to document summarization and extraction」——为高吞吐 agent 工作流执行而造的最小多模态模型,管编码子任务、工具调用、文档摘要与抽取。模型 ID 是 muse-ember-1.0,官方标注仅在 Standard mode 提供。Meta 选型文档给它的用例画像相当具体:主 agent 派发的子代理任务(含编码子任务)、紧工具循环与延迟敏感轮次、分类路由等高并发请求、对成千上万张图片或记录跑同一个任务。

Anthropic 在 claude.com/pricing 给 Haiku 5.5 的定位只有七个词:「Fastest, most cost-efficient model」。没有更多修饰,但同一张价目页补全了语境:它是该页唯一带定位描述的 Haiku;上一代 Haiku 4.5(输入 $1、输出 $5)已标 Legacy;同页的旗舰梯子也齐整——Sonnet 5.5 是 $2/$10,Opus 5.5 是 $4/$20,Fable 5.2 标准档 $8.00/$40.00、Fast 档为标准的 2 倍。轻量档与旗舰档的阶梯,在一张页面里看全。

Google 的 Gemini 3.5 Flash-Lite 模型页逐字定位:「The fastest, lowest-cost model in the 3.5 family. Outperforms prior Flash-Lite generations for high-throughput execution」——3.5 家族里最快、单价最低的型号,高吞吐执行跑赢前代 Flash-Lite。两个时间线细节要并排记:模型 ID gemini-3.5-flash-lite 状态为 Stable,页面标注最近更新 2026 年 7 月;同时 3.6 Flash 与 3.5 Flash-Lite 的页面已被官方标注为 previous-generation releases,而截至核验时点尚未见更新的 Flash-Lite 代际——「前代标注」与「现役轻量主力」并存,本文按官方页面现状如实登记。

OpenAI 的 GPT-6 Luna 模型页定位逐字:「Our most efficient model for focused, high-volume tasks」。模型索引页的官方推荐语把它和同门摆在一起:「Choose GPT-6.1 Sol to balance intelligence and cost, or GPT-6 Luna for cost-sensitive, high-volume workloads」——智力与成本要平衡选 Sol,成本敏感的高吞吐负载选 Luna。模型 ID 为 gpt-6-luna。

二、模态与上下文:登记口径,缺项留白

四家「输入吃得下什么」的差异比定价还大,先落一张表。

模型官方定位(逐字摘引)输入模态上下文上限
Meta Muse Embersmallest multimodal model,面向 high-volume agentic workflow execution文本、图像、视频、音频、PDF1,048,576 tokens
Anthropic Haiku 5.5Fastest, most cost-efficient model官方页未提及官方页未提及
Google Gemini 3.5 Flash-LiteThe fastest, lowest-cost model in the 3.5 family文本、图像、视频、音频、PDF输入 1,048,576、输出 65,536
OpenAI GPT-6 LunaOur most efficient model for focused, high-volume tasks文本、图像(输出为文本)1,050,000(约 1.05M)

Muse Ember 五模态全开,官方页原话是「Text, image, video, audio, and PDF」,并强调把多模态理解带进高吞吐 agent 工作流;1,048,576 的上下文窗口出自其选型文档表格。Gemini 3.5 Flash-Lite 同为五模态输入、纯文本输出,输入窗口 1,048,576、输出上限 65,536。GPT-6 Luna 只收文本与图像,音频与视频在模型页明确标注 Not supported;上下文 1,050,000(行文记作约 1.05M)、输出上限 128,000、知识截点 2026 年 5 月 18 日。Haiku 5.5 是四家里唯一两栏空白的一家:本次直抓成功的 claude.com/pricing 页面没有列出它的输入模态与上下文上限,模型文档页核验时被区域页拦截。本文按「官方页未提及」登记,不做跨厂商补数。

能力清单的颗粒度也各不相同。Gemini 3.5 Flash-Lite 的模型页逐项标注:Batch API、缓存、代码执行、函数调用、结构化输出、思考模式等受支持,音频生成、图像生成与 Live API 明确不支持。GPT-6 Luna 在 Responses API 工具侧支持网页搜索、文件搜索、代码解释器、计算机操作、MCP 等,微调不支持。Muse Ember 的能力描述偏工作流语言:重复编码子任务、工具调用、路由、文档处理。Haiku 5.5 的能力清单不在本次核验到的页面范围内,同样留白不补。

三、定价账本:数字与限定语同框

轻量档的标价看似收敛——输入 $0.10 到 $0.30、输出 $0.50 到 $2.50——但其中三家埋了阶梯或缓存限定语,只抄最低价必然算错账。逐家拆开。

Muse Ember 按 prompt 长度分两档:输入 token 不超过 200K 时,缓存输入 $0.004、输入 $0.10、输出 $0.50;超过 200K 时,缓存输入 $0.012、输入 $0.30、输出 $1.50。关键在升档方式,官方原话是超过 200K 的请求「billed at the long-context rates in full, not only for the tokens past 200K」——按长上下文价全额计费,不是只对超出部分加价。这条限定语决定了长 prompt 的真实单价是整单跳档,不是线性累进。另外 Model API 的 Contributor mode 不适用于 Muse Ember;dev.meta.ai 页面上另有一个 $5.00/月的 Muse Code 订阅价,那是订阅产品的价格,与 API token 计费无关,不进本篇对照。

Haiku 5.5 按 prompt 长度分段:输入 100K 以内 $0.10、超过 100K $0.50;输出 100K 以内 $0.50、超过 100K $2.50。缓存价同样分段:100K 以内读 $0.01、写 $0.125;超过 100K 读 $0.05、写 $0.625。与 Muse Ember 的整单跳档不同,Anthropic 把两档价在同一张表里并列呈现——同一个轻量档内部,输出价就横跨五倍。

Gemini 3.5 Flash-Lite 是四家里唯一单档报价的:输入 $0.30、输出 $2.50,默认思考档位为 minimal。本次核验到的官方页面未给到缓存单价与长上下文阶梯,按不编原则留白。要另记一笔时间线的是同门 Gemini 3.8 Flash:intro 价 $0.75/$3.75 只到 2026 年 12 月 31 日,2027 年 1 月 1 日起转标准价 $1.50/$7.50——官方页明文标注的限时价,本文如实登记,不作未来推断。

GPT-6 Luna 的标价与 Muse Ember 的低位同档:输入 $0.10、缓存输入 $0.01、缓存写 $0.125、输出 $0.50。长 prompt 规则更细:输入 token 超过 272K 的请求,输入与缓存价按 2 倍、输出价按 1.5 倍计,同样对整个请求生效。官方页还列有 Batch/Flex 五折、Fast 模式 2 倍的附加档位。四家汇总成表:

模型输入价输出价阶梯与缓存限定(与数字同框)
Muse Ember$0.10(超 200K 档 $0.30)$0.50(超 200K 档 $1.50)缓存输入 $0.004 与 $0.012 两档;超 200K 按长上下文价全额计费
Haiku 5.5$0.10(prompt 超 100K 档 $0.50)$0.50(prompt 超 100K 档 $2.50)缓存 100K 内读 $0.01、写 $0.125;超档读 $0.05、写 $0.625
Gemini 3.5 Flash-Lite$0.30$2.50单档报价;本次核验页未列缓存价与长上下文阶梯
GPT-6 Luna$0.10(超 272K 全请求按 2 倍)$0.50(超 272K 全请求按 1.5 倍)缓存输入 $0.01、缓存写 $0.125;Batch/Flex 五折、Fast 模式 2 倍

四、缺口与历史脉络:不编的部分更要写清

对照表里最扎眼的是 Haiku 5.5 的两处空白。处置方式是「官方页未提及」,而不是「官方宣布没有」:定价页没列,只说明本次核验的页面范围未覆盖,不构成产品能力结论;模型文档页又因区域拦截未核到。这是信息获取的缺口,如实标注比替官方补话更干净。

历史脉络同样值得登记。OpenAI 一侧,GPT-5.4 mini($0.75/$4.50、400K 上下文)与 GPT-5.4 nano($0.20/$1.25)在模型页已标 Deprecated,更早的 GPT-5 nano 也已弃用,其页面推荐语明写「For most new speed- and cost-sensitive workloads, we recommend starting with GPT-6 Luna」;介于其间的 GPT-5.6 Luna 报价 $0.20/$1.20,官方描述它「roughly corresponds to the nano model tier used in earlier GPT-5 families」。这条脉络说明 Luna 接的是 nano 的生态位,mini 与 nano 的型号名只作历史参考。Google 一侧,3.8 Flash 的 intro 限时价与 3.5 Flash-Lite 的 previous-generation 标注同页并存,选型时要把「哪一代、哪个价、到什么时候」三个字段一起核对。

还有一个本篇刻意缺席的板块:跑分。Meta 的 dev.meta.ai 页面自带一张把 Haiku 5.5 与 GPT-6 Luna 一并列入的跨厂商跑分表——官方页确实存在这张表,但本栏原则是零跑分、零排行、严禁跨榜比较,所以只登记「官方页列有对比表」这一事实,不复制其中任何数字。想看跑分的读者可以直接访问 Meta 的选型文档,本篇只负责把机制与价格摆平。

五、选型画像:三组问题比一张榜单更有用

对照表回答「是什么」,选型要回答「配不配」。仅用官方口径就能落地的画像维度有三组。第一组是模态匹配:批量文档抽取与多模态审核类负载,Muse Ember 与 Gemini 3.5 Flash-Lite 的五模态输入是硬前提;GPT-6 Luna 的文本加图像组合覆盖常见的截图与表格场景,音频与视频进不去;Haiku 5.5 的模态口径官方页未列,落单前需自行向官方文档确认。第二组是上下文长度与阶梯价的联动:四家里三家按「到没到某个长度阈值」改价——Muse Ember 200K 整单跳档、GPT-6 Luna 272K 整单加倍加五成、Haiku 5.5 以 100K 分段——你的 prompt 常态长度落在阈值哪一侧,直接决定账面单价读作 $0.10 还是 $0.30、$0.50 还是 $2.50。第三组是缓存依赖度:四家的缓存价都显著低于标价输入($0.004 到 $0.125 区间),高重复前缀的 agent 工作流里,缓存命中率的差异会被轻量档的高并发放大成账单差异,这笔账的完整算法在本站定价横评里。

把三组问题过一遍,账本就能从「并排摆」变成「按需取」。同一档「轻量执行」,Meta 把注押在多模态高吞吐,Google 押在低延迟低成本,OpenAI 押在聚焦任务的极简标价,Anthropic 用七个词的定位和五倍跨度的分段价把选择权交回开发者。谁配你的工作流,取决于 prompt 长度分布、模态构成与缓存命中率,而不是任何一张榜单——这也是本篇零跑分、零推荐的立意所在。

常见问题

Q1:四家轻量档的上下文窗口分别是多少? A1:Meta Muse Ember 为 1,048,576 tokens(约 1M);Google Gemini 3.5 Flash-Lite 输入 1,048,576、输出 65,536;OpenAI GPT-6 Luna 为 1,050,000(约 1.05M)、输出上限 128,000。Anthropic Haiku 5.5 的上下文上限在其官方定价页未提及,本文不作补数。

Q2:为什么 Haiku 5.5 的模态与上下文在表里是空白? A2:本次直接抓取成功的 claude.com/pricing 页面未列出 Haiku 5.5 的输入模态与上下文上限,模型文档页核验时被区域页拦截。按「未提及不等于没有」的原则,本文只登记「官方页未提及」,不跨厂商补数,落单前请以官方文档为准。

Q3:长 prompt 会触发哪些加价规则? A3:Muse Ember 对超过 200K 输入 token 的请求按长上下文价全额计费(输入 $0.30、输出 $1.50、缓存输入 $0.012);GPT-6 Luna 对超过 272K 输入 token 的请求按全请求输入与缓存 2 倍、输出 1.5 倍计费;Haiku 5.5 按 prompt 是否超过 100K 分段(输出 $0.50 与 $2.50 两档);Gemini 3.5 Flash-Lite 本次核验页未列长上下文阶梯。三家加价规则都是整单跳档,不是只对超出部分累进。

Q4:Meta 官方页明明有跑分表,为什么本文没有? A4:dev.meta.ai 页面确实自带一张把 Haiku 5.5 与 GPT-6 Luna 一并列入的跨厂商跑分对比表。本栏执行零跑分、零排行、严禁跨榜比较的原则,故只登记「官方页列有对比表」的事实,不复制任何数字;需要跑分的读者可直接访问官方页。

Q5:GPT-5.4 的 nano 和 mini 还能用吗? A5:两者在 OpenAI 模型页均已标 Deprecated,属历史脉络而非现役选项:mini 为 $0.75/$4.50、400K 上下文,nano 为 $0.20/$1.25。更早的 GPT-5 nano 同样已弃用,其页面推荐语指向 GPT-6 Luna;GPT-5.6 Luna($0.20/$1.20)被官方描述为大致对应早期 GPT-5 家族的 nano 档位。

延伸阅读

本文由 AI 辅助生成,经人工审核编辑。最后更新:2026-11-11

常见问题

四家轻量档的上下文窗口分别是多少?
Meta Muse Ember 为 1,048,576 tokens(约 1M);Google Gemini 3.5 Flash-Lite 输入 1,048,576、输出 65,536;OpenAI GPT-6 Luna 为 1,050,000(约 1.05M)、输出上限 128,000。Anthropic Haiku 5.5 的上下文上限在其官方定价页未提及,本文不作补数。
为什么 Haiku 5.5 的模态与上下文在表里是空白?
本次直接抓取成功的 claude.com/pricing 页面未列出 Haiku 5.5 的输入模态与上下文上限,模型文档页核验时被区域页拦截。按「未提及不等于没有」的原则,本文只登记「官方页未提及」,不跨厂商补数,落单前请以官方文档为准。
长 prompt 会触发哪些加价规则?
Muse Ember 对超过 200K 输入 token 的请求按长上下文价全额计费(输入 $0.30、输出 $1.50、缓存输入 $0.012);GPT-6 Luna 对超过 272K 输入 token 的请求按全请求输入与缓存 2 倍、输出 1.5 倍计费;Haiku 5.5 按 prompt 是否超过 100K 分段(输出 $0.50 与 $2.50 两档);Gemini 3.5 Flash-Lite 本次核验页未列长上下文阶梯。三家加价规则都是整单跳档,不是只对超出部分累进。
Meta 官方页明明有跑分表,为什么本文没有?
dev.meta.ai 页面确实自带一张把 Haiku 5.5 与 GPT-6 Luna 一并列入的跨厂商跑分对比表。本栏执行零跑分、零排行、严禁跨榜比较的原则,故只登记「官方页列有对比表」的事实,不复制任何数字;需要跑分的读者可直接访问官方页。
GPT-5.4 的 nano 和 mini 还能用吗?
两者在 OpenAI 模型页均已标 Deprecated,属历史脉络而非现役选项:mini 为 $0.75/$4.50、400K 上下文,nano 为 $0.20/$1.25。更早的 GPT-5 nano 同样已弃用,其页面推荐语指向 GPT-6 Luna;GPT-5.6 Luna($0.20/$1.20)被官方描述为大致对应早期 GPT-5 家族的 nano 档位。

相关文章

硬核横评

0.1美元俱乐部开战:小模型价格战四款横评

小模型价格战横评(2026-10-08 价格快照口径,五列四行):Claude Haiku 5.5、GPT-6 Luna、Sonnet 5.5、Qwen3.8-27B(开源自部署档)。价格行:Haiku 5.5 每百万 0.1/0.5 美元(<100K 提示档)、Luna 0.1/0.5 美元(≤272K)、Sonnet 5.5 单价 2/10 美元但缓存读减半至 0.1、Qwen3.8-27B 权重免费(Apache-2.0)自备 GPU。核心发现:短提示档 Haiku 5.5 与 Luna 同价打平,但 100K 以上 Haiku 5.5 输入价 0.5 美元 vs Luna 0.2 美元——「同价」只在短提示档成立,长文档批量任务账单会反转。基准各引各的官方数并标注(跨基准禁互比):Haiku 5.5 Terminal-Bench 4.0 39.2%、OSWorld 72.4%;Luna 未随文给新基准;Sonnet 5.5 TB4 70.6%;Qwen3.8-27B 无横向同表。可调 effort 档位对比(Haiku 5.5 首次下放 Haiku 级;Luna none→max)、上下文(Haiku/Luna 1M、Qwen 262K 可扩 1M)。结论按需求给:高吞吐子代理、批量分类、主力编码、私有化部署各归各位;本站无压测不仲裁。内链四篇同题专文做深读。

2026年10月8日10 分钟阅读
硬核横评

TrnRT、Kindi、Baseten 引擎:一张许可证禁止托管

把 TrnRT、Kindi、Baseten 三个 2026 年 10 月下旬出现的推理引擎仓库摆在同一张表上,主轴是许可证与硬件路线,不是选型推荐或性能跑分。Apache License 2.0、Elastic License 2.0、GNU AGPL v3.0 三值并存,其中一张 LICENSE 逐字写明不得把软件作为托管服务提供给第三方,GitHub 对其判 NOASSERTION,只按原文写不替官方下结论。硬件侧从 Trainium2、GB300 到 Quadro K420 与 RTX 3080 各按 README 自报写清,star 按累计总量,不写 growth score 与单日增量。

2026年11月16日9 分钟阅读