MetaのSuperintelligence Labは2026年11月9日、Muse Emberを発表した。同社によると、これまでで最小かつ最も効率的なモデルで、ツールの呼び出し、コーディングの小規模な作業、リクエストの振り分け、データ抽出、長文書の解析など、AIエージェントが日常的に行う定型業務向けに開発された。
Muse Emberはテキスト、画像、音声、動画の読み取りと生成に対応し、1回のプロンプトで最大100万トークンを処理できる。Meta Model APIとMuse Codeを通じて、すでに利用可能だ。料金は入力トークン100万個あたり$0.10、出力トークン100万個あたり$0.50。Artificial Analysisのベンチマークでは、1タスクあたり約$0.14となる。
競合モデルとの比較
Meta独自のArtificial Analysis Intelligence Indexで、Emberのスコアは36、1タスクあたりの料金は$0.14だった。ほぼ同じスコアの37を記録した上位モデルMuse Spark 1.3は、1タスクあたり$2.39かかる。Metaによると、複数のテストで、知能性能あたりのコストではAnthropicのClaude Haiku 5.5とOpenAIのGPT-6 Lunaを上回る。ただし、同社によれば、コーディングベンチマークのFrontierCode 2.0-AAでは、Haikuが34.9％、Emberが27.2％だった。
TechCrunchは、入力トークン100万個あたりのEmberの料金は、DeepSeek V4.1 FlashやGLM 5.3 Flashといったオープンソースモデルと同程度で、大規模利用でも競争力があると指摘している。
Metaのモデル群におけるEmberの位置づけ
EmberはMetaのMuseシリーズで4番目のモデルだ。2026年4月の中規模モデルSpark、2026年8月のオープンソース版Glimmer、2026年10月の最上位モデルWonderに続く。Metaは、Emberを上位モデルMuse Wonderと連携させる構想だ。たとえばカスタマーサポートの自動化では、上位モデルが方針を定め、Emberが数万件の事例にその方針を適用する。
なぜ重要か
自動サポートやデータ抽出のエージェントを大量に稼働させる企業にとって、Emberはテキスト、画像、音声、動画を扱う能力を保ちながら、反復作業をより低コストで実行できる選択肢となる。1タスクあたりの料金が下がれば、大量のAIワークフローを導入しやすくなる一方、コーディング性能は一部の競合に及ばない。
