MF Blogs 便利ツール
淡い青の背景に、細い曲線と点が花びらのように重なり合う抽象的な図形

記事

Meta、軽量AIモデル「Muse Ember」を公開——入力100万トークン10セントでエージェントの反復作業を担う

Meta Superintelligence Labsは、Museシリーズで最も軽量かつ低コストなAIモデル「Muse Ember」を公開したとTechCrunchが報じました。ツール呼び出しやコーディングの下位タスク、長文書の解析など、エージェントが繰り返す処理向けで、上位モデルのMuse Wonderと組み合わせる使い方を想定しています。

0:00 0:00

TechCrunchは2026年11月9日、MetaのMeta Superintelligence Labsが新しいAIモデル「Muse Ember」を公開したと報じました。Museブランドのなかで最も軽く、最もコスト効率の高いモデルと位置づけられています。Metaは発表のなかで、Emberを「複雑な推論の実行と、エージェントが一日中繰り返す作業、つまりツール呼び出し、コーディングの下位タスク、ルーティング、情報抽出、長文書の解析のために設計した」と説明しているということです。

「1タスクあたりのコスト」を前面に

報道によると、Metaが特に強調したのは1タスクあたりのコストです。Artificial Analysisの総合ベンチマークスコアを使い、EmberがAnthropicのHaikuやOpenAIのLunaといった競合より安く、しかも賢いことを示したとしています。

価格は入力100万トークンあたり10セントです。フロンティア企業の軽量モデルと比べて大幅に安いだけでなく、DeepSeek V4.1 FlashやGLM 5.3 Flashのようなオープンソース系の軽量モデルと比べても、コスト面で十分に競える水準だと伝えています。ただし、比較に使われたのはMeta自身が選んだ指標であり、実際の業務でどの程度の差が出るかは利用者側で確かめる必要があります。

横軸に1タスクあたりのコスト、縦軸にArtificial Analysisの知能指数をとり、Muse EmberやClaude Haiku、GPT-6 Lunaを比較したグラフ 画像引用元: TechCrunch(画像提供: Meta Superintelligence Labs)

「Wonderが計画し、Emberが量をこなす」

Emberは単体で使うよりも、上位モデルのMuse Wonderと組み合わせてエージェントの仕組みのなかで動かすことを想定しているとされます。Metaは発表で「Muse Wonderが計画し、Muse Emberが量をこなす」と表現しているそうです。

TechCrunchはカスタマーサポートを例に挙げています。重いモデルがある問い合わせへの対応ルールを決め、その後は軽いモデルがそのルールを数万件の案件に当てはめていく、という分担です。判断の難しい部分だけを高価なモデルに任せ、定型的な大量処理を安価なモデルに回すことで、全体のコストを抑えられます。

テキスト・画像・音声をひとつのモデルで

大量処理の用途を見据えて、Emberはテキストだけでなく画像や音声も扱えるように学習されたと報じられています。Metaは「エージェントはスクリーンショットやグラフ、スキャンした書類を読み取れるほか、ボイスメモや会議の録音、動画からも、別のモデルを使わずに作業できる」と説明しているということです。

業務の現場では、請求書のPDFや画面キャプチャ、会議の録音など、形式の異なるデータが混在しています。従来は文字起こしや画像認識に別のモデルを挟む必要がありましたが、ひとつの軽量モデルで受け付けられれば、パイプラインを単純にできます。

モデルの数が減れば、障害が起きたときに原因を探す範囲も狭まります。入力の形式ごとに別々のAPIキーや料金体系を管理する手間も省けるため、運用面での効果は価格表の数字以上に大きくなる可能性があります。

Museシリーズの流れ

Emberは、Museブランドで公開された4つ目のモデルです。これまでの流れは次のとおりです。

公開時期モデル位置づけ
2026年4月Muse Spark中規模モデル
2026年8月Muse GlimmerSparkのオープンソース版
2026年10月Muse Wonderフロンティアモデル
2026年11月Muse Ember最軽量・低コストモデル

一般向けの主力製品であるMuse Agentは9月に公開され、予想を上回る反響を集めたと伝えられています。今月に入ってからは、共同作業のためのSpacesやビデオチャットといった機能も追加されています。

エージェント開発者にとっての意味

エージェントを本番運用している開発者にとって、コストの大半はツール呼び出しや抽出といった細かな処理の積み重ねです。そこを安価なモデルに置き換えられれば、月々のAPI費用は大きく変わります。

Emberの性能がMetaの説明どおりであれば、すでにHaikuやLunaを下位タスクに使っているチームは、同じ評価データで比較してみる価値があります。その際は、ベンチマークの総合点だけでなく、自社のツール定義に対する呼び出しの正確さや、日本語の長文書を扱ったときの抽出精度を確認しておくと判断を誤りにくくなります。上位モデルと軽量モデルの役割分担を前提にしたエージェントの設計は、今後さらに一般的になっていきそうです。