Meta「Muse Ember」登場——入力100万トークン0.10ドル、Haiku 5.5並みの賢さを約3分の1のコストで出す小型AI

Muse Ember by Meta コラム

Metaは日本時間11月10日未明(米国時間11月9日)、Museシリーズでいちばん小さく、いちばん効率のよいAIモデル「Muse Ember(ミューズ・エンバー)」を発表しました。料金は入力100万トークンあたり0.10ドル、出力0.50ドルと非常に安く、AIエージェントが一日中くり返す「小さな作業」を大量にこなす役として作られています。

Metaは、AnthropicのClaude Haiku 5.5やOpenAIのGPT-6 Lunaよりも「同じお金で引き出せる賢さ」が高いと説明しています。AI JAPAN PROJECTでは、Muse Emberの得意なこと、評価テストの結果、料金、どこで使えるかを、Metaの公式情報だけで整理します。

公式Xでの発表

Metaの公式アカウント(@AIatMeta)が、画像付きでMuse Emberを発表しています。投稿文では、アプリをまたいだ作業の引き継ぎ、ツールの連続呼び出し、テストの実行とピンポイントなコード修正ができること、100万トークンを読める大きさと、文字・画像・音声・動画をそのまま理解できることを紹介しています。なお、Meta公式のYouTubeチャンネルでは、本記事作成時点でMuse Emberの紹介動画は見つかりませんでした。

Muse Emberとは——「量をこなす」実行係のAI

MetaのMuseシリーズには、いちばん難しい問題を解く「Muse Wonder」、コーディングやエージェント作業向けの「Muse Spark」があり、Muse Emberはそこに加わる小型モデルです。Metaは役割分担を「Muse Wonderが計画し、Muse Emberが量をさばく」と表現しています。

会社にたとえると、Wonderは方針を決める部長、Emberは決まった手順を正確に何千回でもこなす実務担当です。たとえば問い合わせ対応なら、大きなモデルが対応ルールを決め、Emberがそのルールを数万件の問い合わせに当てはめていく、という使い方が想定されています。

Muse Emberは、Muse Wonderの最上位版「Muse Wonder Full」を使って育てた最初のモデルでもあります。大きなモデルの知恵を、安く速く動く小さなモデルに受け継がせた形です。

得意なこと

  • 業務フローの実行:記録を取り出し、ツールを順番に呼び出し、複数のアプリをまたいでシステムを更新する、といった一連の作業を最後まで進めます。
  • コーディングの小仕事:ファイルを読む、テストを走らせる、狙った箇所だけ直す、といった「メインのAIから何百回も振られる作業」向けです。
  • 振り分け・抜き出し:問い合わせを分類して担当へ回す、書類から項目を抜き出す、何千枚もの写真に説明を付けて整理する、といった大量処理。
  • マルチモーダル:文字・画像・音声・動画(APIではPDFも)をそのまま理解。スクリーンショットやグラフ、スキャンした書類、ボイスメモや会議の録音を、別のAIを通さずに読めます。
  • 大量の資料:一度に約100万トークンを読み込み、最大約52万トークンを出力できます。コード一式や資料の束を1回で渡せる大きさです。

評価テストの結果

Metaが公開した比較表です。比較相手は同じ「小型・低価格」クラスのClaude Haiku 5.5とGPT-6 Lunaで、どれも最も深く考える設定(max)での結果です。

評価テスト(内容)Muse EmberClaude Haiku 5.5GPT-6 Luna
AutomationBench-AA(業務フローの自動化)★ 37.813.920.2
Agents’ Last Exam(エージェントの総合課題)★ 61.657.057.1
Personal Superintelligence Index(個人・知的作業の総合指標、Meta社内)★ 46.836.137.0
Terminal-Bench 4.0(ターミナルでのコーディング)★ 40.939.216.4
Coding Agent Index-AA(実環境でのコーディング)★ 463731
FrontierCode 2.0-AA(採用されるコード修正)27.2★ 34.925.2
GDP.pdf-AA(長いPDF資料での実務)★ 22.820.8★ 22.8
OSWorld 2.1(パソコン操作・部分点あり)★ 69.568.950.5
PerceptionBench(細かな画像の読み取り・ツールあり)★ 80.678.662.8
Artificial Analysis Index(総合知能指標)★ 36★ 3628

★と色付きは各テストの1位です(数値はMeta発表)。同点はすべて印を付けています。

10項目のうち9項目でMuse Emberが1位(同点を含む)で、実際に採用されるコード修正を測るFrontierCode 2.0-AAだけはClaude Haiku 5.5が上回りました。特に業務フロー自動化のAutomationBench-AAでは、Haiku 5.5の約2.7倍のスコアです。総合知能指標はHaiku 5.5と同点の36ですが、Metaによると同じ点数を約3分の1のコストで出せるとしています。

料金——上位モデルの十数分の1

Muse Emberの料金は、入力100万トークンあたり0.10ドル、キャッシュ済み入力0.004ドル、出力0.50ドルです(入力が20万トークンまでの場合)。20万トークンを超える長い依頼では、入力0.30ドル、キャッシュ済み入力0.012ドル、出力1.50ドルになります。

項目Muse EmberMuse Spark 1.3
料金(入力/出力、100万トークンあたり)0.10ドル/0.50ドル1.25ドル/4.25ドル
Artificial Analysisの1タスクあたりコスト約0.14ドル約2.39ドル
Artificial Analysis Index(総合知能指標)3637

同じMeta社のMuse Spark 1.3と比べると、総合知能指標は1点差なのに、1タスクあたりのコストは十数分の1です。Metaは「すべての製品で、すべての人のために動かせるほど安い」と説明しています。毎日何千件も処理する定型業務ほど、この差が効いてきます。

どこで使える?日本での提供は

  • Meta Model API:モデル名 muse-ember-1.0 として従量課金で提供。Responses API、Chat Completions、Messagesの各形式に対応し、Muse Sparkと同じ書き方で、モデル名を変えるだけでほぼ切り替えられるとしています。
  • Muse Code:すべての有料プランと従量課金で使えます。
  • クラウド:Muse Ember、Muse Spark、Muse WonderはGoogle CloudとOracle Cloudでも利用可能になりました。
  • 日本向けの案内:日本での提供条件や日本語性能についての個別の案内は未発表です。

早期テストに参加した企業の声として、Boxは「契約書を社内の交渉ルールと1条ずつ照らし合わせ、全体のリスク評価を正しく出せた」、Cloudflareは「比較したモデルより最大30%速かった」とコメントしています。

安全面のポイント

Metaは、化学・生物、サイバーセキュリティ、AIの制御喪失といったリスクを自社の安全基準で評価し、Muse Emberは高リスクの基準を下回ったと報告しています。小型モデルでも大型モデルと同じ安全訓練と試験を受けたとしています。

さらに、利用者の代わりに作業するときに、本人の意図を守るか、機密情報を適切に扱うか、Webページや書類に紛れ込ませた「乗っ取り命令」に従わないか、重要な操作の前に人へ確認するか、といった点も評価したと説明しています。

まとめ

Muse Emberは、MetaがMuseシリーズに加えた「安く・速く・量をこなす」小型AIです。入力100万トークン0.10ドルという低価格ながら、Metaの比較では10項目中9項目でClaude Haiku 5.5とGPT-6 Lunaを上回りました(同点を含む)。

中小企業や個人事業主にとっては、書類の項目抜き出し、問い合わせの振り分け、写真や録音の整理など、「手順は決まっているが数が多い仕事」を任せる候補になります。難しい判断は上位モデル、くり返し作業はEmberという分担を前提に、まずは小さな定型業務から試してみるとよいでしょう。

関連記事:Metaの「Muse」が声で話せるように/Claude Haiku 5.5発表

参考リンク

この記事を書いた人
この記事を書いた人

毎日20時間以上AIの実践・研究に没頭するITエンジニア。20年以上にわたり、オンラインゲームや生活関連など幅広いジャンルのオウンドメディアで執筆・編集長を歴任。現在は上場企業グループの代表取締役を務め、複数の事業者団体で理事を兼務する経営者でもある。テクノロジーの最前線に身を置きつつ、地域の商店街や神社の運営にも深く携わるなど、地域活性化にも尽力。圧倒的な現場経験とITの専門知識、経営者の視点から、信頼性の高い有益な情報を発信している。
Olive株式会社 代表取締役

tanakaをフォローする
コラム
シェアする
tanakaをフォローする

コメント

タイトルとURLをコピーしました