米Metaは、小型AIモデル「Muse Ember」を発表し、同モデルの提供を開始した。AIエージェントが繰り返すツール操作やプログラミングなどに特化し、競合モデルと比べた処理性能と費用対効果の高さを打ち出す。
入力100万トークン0.10ドルから、競合を上回る評価も
2026年11月9日に公表されたMuse Emberは、AIエージェントによる情報抽出、処理の振り分け、コード修正、長文解析などを想定したモデルだ。最大100万トークンのコンテキストウィンドウ（※）と、最大51万2000トークンの出力に対応し、大量の文書やコードを一度に扱える。
料金は入力100万トークン当たり0.10ドル、出力が0.50ドル、キャッシュ済み入力が0.004ドル。これらは20万トークン以下のプロンプトに適用され、超過時はそれぞれ0.30ドル、1.50ドル、0.012ドルとなる。
Meta Model APIとMuse Codeで「muse-ember-1.0」として利用でき、Google CloudとOracle Cloudでの提供も案内された。
性能面では、Artificial Analysisの総合指標で最大推論設定時に36点を記録。Claude Haiku 5.5と同点、GPT-6 Lunaの28点を上回った。業務自動化を測るAutomationBench-AAでは37.8％となり、両モデルの13.9％、20.2％を超えている。
一方、実際の開発課題を評価するFrontierCode 2.0-AAでは27.2％と、Claude Haiku 5.5の34.9％には届かなかった。Metaは難度の高い問題を上位モデル「Muse Wonder」に任せ、反復的な処理をEmberが担当する使い分けを提案している。
※コンテキストウィンドウ：AIモデルが一度の処理で参照できる情報量の上限。トークンという単位で表され、長文の資料やプログラムなどをどこまでまとめて扱えるかに影響する。ただし、上限内の情報を常に正確に理解・利用できるとは限らない。
大量の定型処理に追い風、評価条件と安全性が課題
今回の発表は、AIモデルの性能競争が単純な最高得点だけでなく、処理一件当たりの費用へと広がっていることを示す。エージェントは一つの業務を完了するまでに小さな判断やツール呼び出しを何度も繰り返すため、各工程の単価を抑えられれば運用コストの削減につながる。
特に、契約書の条項確認や候補者情報の照合、コードの部分修正など、作業を細分化できる企業業務との相性はよいと考えられる。複雑な判断を上位モデルに委ねる構成なら、品質を維持しながら大量の処理を低価格モデルへ移す選択肢も生まれるだろう。
ただし、ベンチマーク上の優位があらゆる現場で再現されるとは限らない。評価にはMeta独自の指標や、モデルごとに異なる実行環境を用いた試験が含まれるうえ、長い入力には割増料金が適用される。導入時には実際の業務データで正確性と総費用を検証する必要がある。
また、外部システムを操作するエージェントでは、誤操作や機密情報の扱いが問題となる。Metaは公開前の安全性評価で高リスク基準を下回ったと説明するが、企業側の権限設計や人間による承認を不要にするものではない。今後は低コスト化と統制を両立できるかが普及の焦点になる。
関連記事:
NVIDIAとMetaがMuse開発で提携拡大 AI基盤も強化へ
Metaが新モデル「Muse Wonder」発表 長期記憶と実行力を強化
MetaがパーソナルAI「Muse」を日本投入 自律型タスク処理で日常を一変
