Meta、100万トークン対応の低価格モデル「Muse Ember」を発表

Meta Superintelligence Labは2026年11月9日（月）、Muse Emberを発表した。Museファミリーで最小のモデルで、ツール呼び出しやコーディングの小タスク、処理の振り分け、長文書の解析など、大量のエージェント処理向けに設計されている。Metaによると、テキスト、画像、音声、動画を読み取り、1,048,576トークンのコンテキストウィンドウに対応する。出力できるのは最大524,288トークン。

Metaは、Muse SparkやMuse Wonderなどの大型モデルと組み合わせて使う実務向けモデルとして、Emberを位置づけている。エージェントのワークフローでは、大型モデルが計画や推論を担い、Emberが何千もの項目に対する反復的で低コストな処理を担当する。こうした設計により、タスクごとのコストを大幅に抑えることを目指す。

競合モデルとの比較

Metaは、コーディング、金融、業務自動化のテストを組み合わせたベンチマーク「Artificial Analysis Index」でEmberを評価した。Metaによると、総合スコアではAnthropicのClaude Haiku 5.5に並び、タスクあたりのコストはおよそ3分の1だった。同じベンチマークでOpenAIのLunaも上回り、クラウドアプリの657種類のタスクを評価するAutomationBench-AAでは17％の差をつけた。

価格にもコスト重視の方針が表れている。入力は100万トークンあたり10セント、出力は100万トークンあたり50セント。キャッシュを利用すると、入力コストは100万トークンあたり0.4セントまで下がる。Model APIのドキュメントによると、入力が200Kトークンを超える長いコンテキストのリクエストには、より高い料金が適用される。

現時点での利用方法

Muse EmberはMetaのModel APIとMuse Codeで利用でき、従量課金プランまたはサブスクリプションプランのいずれにも対応する。動作モードはStandardのみで、リクエストごとに最大のハードウェア割り当てを受けられる。Muse Sparkと同じリクエスト形式に対応しているため、API呼び出しでモデルIDを変えるだけで切り替えられる。

開発者は、サポートチケットの分類、大量の画像へのキャプション付け、PDFからの項目抽出、大きなワークフロー内でのターミナルコマンド実行など、範囲が限定され、何度も繰り返される処理にEmberを利用できる。