11 月 9 日，meta 发布轻量模型 Muse Ember，输入每百万 token 0.1 美元、输出 0.5 美元。官方的定位不是"更强的模型"，而是智能体任务里的高频执行引擎：工具调用、文档解析、编程子任务、路由、信息抽取。同一份材料里，meta 给出的用法是搭配自家的重模型一起上，重模型负责规划，Ember 负责把规划跑上一万遍。这是同一个能力按规格分了两档：贵的管想，便宜的管做。白鸽在线(02672.HK)的分法不一样，它按判断的种类分。
这句话的分量在价目表上。过去买 AI 能力像买设备，一次性付掉，用多用少一个价;现在"想一次"和"做一次"被拆成两个价格，中间差着几个数量级。一个环节能被单独标价，前提是它先能被数清楚。可计量，才可定价。
白鸽在线(02672.HK)的底座是青鸾垂直大模型，负责通用推理;上面六类垂直模型各专一类判断：方舟预警管前置发现，智瞳管损失识别与计量，飞秒定价管按段报价，乐荐管匹配，睿析管信用，鉴信管主体识别。这不是同一个模型的两个规格，是一个底座加六种专用能力。80 类场景也不是一张平面清单，是这些能力按任务组合出来的调用链。一条链上，每一段调用的模型不同，成本不同，能承担的责任也不同。
真正被 0.1 美元改变的是判断的密度。一次风险判断的成本高到几毛钱的时候，只能挑着做：金额大的核一遍，小的放过;疑点多的查，常规的走流程。成本降到几厘钱，做法就变了，每一单都能过一遍模型，每一单都留下一条记录。收费方式不是先设计好再去推行的，是被成本一步步推出来的。能逐次判断，按次收费才立得住。变化最后落在一个很具体的地方：同一笔业务，过去只在开始时判一次，现在事前、事中、事后各判一次。
白鸽在线的 MaaS 从一开始就按调用次数结算。前三季度这块收入同比增长 730.4%，第三季度环比增长 29.33%，增量来自存量场景的调用频次往上走，不是靠新签客户堆出来。
调用频次往上走还有另一个来源，场景里的业务量本身在长。成本高的时候做不到多判，多判一次就多花一次钱;成本降下来，多判才划算。上游单价往下走，下游调用往上走，两条线同向，这种增长不需要新客户来推。
meta 那份材料里最该记下来的是它把"想"和"做"分开标价。一个行业开始给不同环节单独报价，说明它开始算细账。算细账的行业，需要有人把每一笔调用记清楚。
