Metaは月曜日にMuse Emberを発表した。これは同社のMuseファミリーの中で最小かつ最も効率的なモデルで、AIエージェントが一日中実行するルーチンワーク（ツールの呼び出し、サブタスクのコーディング、ルーティング、抽出、長い文書の解析）を真正面から狙ったものだ。このモデルは、入力トークン 100 万あたり 0.10 ドル、出力トークン 100 万あたり 0.50 ドルでメタ モデル API 上で公開されました。

Meta の発表によると、Muse Ember は、いかなる推論設定においても、Claude Haiku 5.5 や GPT-6 Luna よりも 1 ドル当たりのインテリジェンスを提供します。同社によれば、このモデルは約 3 分の 1 のコストで Haiku 5.5 の最高スコアに匹敵し、Luna のすべての設定を上回っており、人工分析リーダーボードの効率最前線に位置しており、タスクあたりのコストが低いのにこれより高いスコアを獲得しているモデルはありません。 この件の詳細は、AIの最新動向をご覧ください。

エージェントのサブタスク用に構築されたモデル

Meta の売り文句は、現代のエージェントは 1 つの巨大な答えではなく、多くの小さく構造化されたステップにトークンの大部分を費やしており、Muse Ember はまさにそのワークロード向けに設計されているというものです。同社は、ビジネス ワークフローをエンドツーエンドで実行し、レコードを取得し、ツールを順番に呼び出し、アプリケーション全体でシステムを更新できるモデルについて説明しています。

コンテキスト ウィンドウは、このクラスのモデルとしては異常に寛大です。 Muse Ember は最大 100 万の入力トークンを受け入れ、1 回の呼び出しで最大 512,000 の出力トークンを生成できます。これは完全なコードベースまたは大規模なドキュメント セットを一度に取り込むのに十分です。

ベンチマーク: 強力なスコア、1 つの注目すべきギャップ

見出しの数字は、Meta の発表で再現された 2026 年 11 月 9 日付けの人工分析データに基づいています。 Artificial Analysis Intelligence Index では、Muse Ember は最高の推論設定全体でタスクあたり 0.116 ドルで 33.9 スコア、タスクあたり 0.136 ドルで 35.8 スコアを獲得しました。 Claude Haiku 5.5 の最高の結果は 36.2 でしたが、タスクごとに 0.411 ドルかかり、およそ 3 倍でした。 GPT-6 ルナが 27.8 でトップになりました。最大推論の全体的なインデックスでは、Muse Ember と Haiku 5.5 が 36 で同点、Luna が 28 でした。

タスクレベルの結果も同じパターンを示します。

  • エージェントの端末コーディングを測定する ターミナルベンチ 4.0 では、Muse Ember は最大推論で 40.9 のスコアを獲得し、Claude Haiku の 5.5 の 39.2 を上回り、GPT-6 Luna の 16.4 を大きく引き離しました。
  • 厳格な pass@1 でスコア付けされたエンドツーエンドのビジネス ワークフロー ベンチマークである AutomationBench-AA では、Muse Ember は 37.8 に達しましたが、GPT-6 Luna では 20.2、Claude Haiku 5.5 では 13.9 でした。
  • Linux サブセットでのエンドツーエンドのエージェント タスクのメタ内部評価である エージェントの最終試験 では、Muse Ember が 61.6 のスコアを獲得し、Luna の 57.1 と Haiku 5.5 の 57.0 を上回りました。
  • 個人作業と知識作業を内部的に総合した Meta の Personal SuperIntelligence Index では、Muse Ember は 46.8 点、Luna は 37.0 点、Haiku 5.5 は 36.1 点でした。
  • デスクトップ アプリケーション全体のコンピューター使用ベンチマークである OSWorld 2.1 では、Muse Ember は部分一致スコアリングで 69.5 点、バイナリ スコアリングで 27.8 点を獲得しました。
  • ツールを使用した PerceptionBench (きめ細かい視覚認識テスト) では、Muse Ember が 80.6 でリードし、Haiku 5.5 では 78.6、Luna では 62.8 でした。

フラグを立てる価値のあるギャップが 1 つあります。結果のコードがマージできるかどうかについて実際のエンジニアリング タスクを判断する FrontierCode 2.0-AA では、Claude Haiku 5.5 が 34.9 でトップとなり、Muse Ember が 27.2、GPT-6 Luna が 25.2 でした。これは、ベンチマークが異なること、およびチームは単一のリーダーボードではなくモデルを実際のワークロードに一致させる必要があることを思い出させます。

効率の数値が意味するもの

タスクあたりのコストの枠組みは、Meta が最も明確なコントラストを描いている部分です。 Haiku 5.5 では最高の推論設定で 36.2 の最高スコアを達成するために、タスクごとに最大 0.411 ドルを費やす必要がありましたが、Muse Ember では 0.136 ドルで 35.8 を記録しました。 Luna の最高スコア 27.8 はタスクあたり 0.152 ドルで、Muse Ember の価格を上回っていますが、スコアを大きく下回っています。セッションごとに何百ものサブタスクを実行するエージェント ハーネスの場合、タスクごとのコストが急速に増大します。これはまさにメタがターゲットとしているセグメントです。

初期のパートナーが報告した内容

Meta の発表には、Box、Cline、Oracle、Cloudflare、You.com の 5 つのパートナーからの初期結果が含まれています。

CloudflareのCTOであるDane Knecht氏は、Muse Emberは「テストした同等のモデルよりもテール部分で最大30％高速」に実行され、広範なマルチリポジトリの調査タスクをうまく処理し、高スループットのエージェントワークロードに最適であると述べた。

You.com では、推論リーダーの Chak Potina 氏が、Muse Ember が同社のテストですべてのコーディング クエストを、試したモデルの中で最も低い遅延 (p95 2.2 秒) で完了したと報告しました。つまり、ポティナ氏によると、主要なオープンウェイトモデルよりも約4倍から13倍高速で、出力トークンは36％から48％少なくなります。

Box AI 製品担当副社長の Yashodha Bhavnani 氏は、Box の AI Complex Work Eval において、このモデルは企業の交渉戦略に基づいて条項ごとに契約を獲得し、正しい全体的なリスク評価を得ることができると述べました。 Cline の創設者である Saoud Rizwan 氏は、Muse Ember をコーディングやドキュメント分析などのサブエージェントの作業に「特化した」ものだと呼び、Oracle の上級副社長 Konstantinos Papamiltiadis 氏は、エンジニアリング チームにとって大きな可能性があると述べました。

可用性と重量に関する注意点

Muse Ember は月曜日の時点で Meta Model API を通じて利用可能です。この発表ではオープンウェイトの可用性については言及されていないため、自己ホストするチームは今のところこれを API のみのリリースとして扱う必要があります。パートナーの見積もりでは、Meta Superintelligence Labs の功績が認められています。

エージェント ハーネスを組み立てる開発者にとって、安価で高速なサブエージェント モデルの登場により、Claude Haiku 5.5 と GPT-6 Luna に並ぶ 3 番目の主要なオプションが追加されます。Muse Ember はどちらも、Meta が引用するベンチマークで同等の品質で価格を下回るようになりました。その利点が独立したテストの下で維持されるかどうか、人工分析から再現された外部データメタが次に注目されることになります。

---

AIの最新情報をお届け

AIの最新ニュース、分析、ブレイクスルーを一箇所で。

AIニュースをもっと読む →