跳到正文
gihyo.jp·· 12 天前AI 評分69

Meta 發佈小型模型 Muse Ember,供智能體低成本執行重複任務

Meta、小型AIモデル「Muse Ember」を発表 ——エージェントが繰り返す処理を低コストに

AI 導讀

Meta於2026年11月9日發佈小型模型 Muse Ember,供 Muse Code 及 Meta Model API 使用,面向以較低成本執行 AI 智能體的重複工作。

正文

Metaは2026年11月9日、ツール呼び出しやコード修正、文書解析など、AIエージェントが繰り返す処理を低コストで実行するための小型モデルMuse Emberを発表した。同日から、コーディングエージェントのMuse Codeと、アプリケーションからモデルを利用するMeta Model APIで提供している。

Muse Emberは同社で最も小型のモデルで、Muse Wonder Fullを使って訓練した最初のモデルでもある。Metaによると、外部評価機関Artificial Analysisの総合指標「Intelligence Index」では、Claude Haiku 5.5の最高スコアに近い結果を、1タスク当たり約3分の1の費用で得られるという。

Threadsで見る

コード修正からアプリをまたぐ業務まで

Muse Emberは、ファイルの読み取り、テストの実行、必要な箇所のコード修正など、AIエージェントが繰り返す処理を低コストで数多くこなす用途を想定している。コード修正のほか、業務データを取得し、複数のツールを順に呼び出し、アプリケーションをまたいでデータを更新する一連の作業にも対応する。

Metaは、難しい問題に取り組む際にはMuse Wonderに計画を立てさせ、個々の作業をMuse Emberに任せる使い方を勧めている。

また、Muse Emberが扱える文脈の長さは100万トークンで、出力は最大51万2000トークン。テキストに加えて画像、音声、動画の内容も理解でき、スクリーンショットやスキャン文書の読み取り、会議録音や動画を使った作業にも対応する。

性能評価とタスク当たりの費用

Metaが公表したIntelligence Indexのスコアは、Muse Emberが35.8、Claude Haiku 5.5が36.2だった。この比較では、両モデルが推論に使う処理量の設定を、最大の「max」にそろえている。Metaによると、Muse Emberは、GPT-6 Lunaの各推論設定で得られたスコアをすべて上回ったという。

この評価での1タスク当たりの費用は、Muse Emberが推定0.136ドル、Claude Haiku 5.5が0.411ドル。費用の算定条件については、Metaの発表記事にある比較グラフと注記を参照のこと。

業務処理とコーディングの評価では、3モデルとも推論設定を「max」にそろえて比較している。

AutomationBench-AAは、SaaSアプリを模した環境で業務処理の成功率を評価する。1回の試行で制約を守りながら、課題のすべての目標を達成した場合を成功としている[1]。Muse Emberの成功率は37.8%で、Claude Haiku 5.5の13.9%、GPT-6 Lunaの20.2%を上回った。

Coding Agent Index-AAは、エージェントを使った複数のコーディング評価をまとめた指標。Muse Emberのスコアは46で、Claude Haiku 5.5の37、GPT-6 Lunaの31を上回った。ただし、評価に使ったコーディングエージェントはモデルごとに異なる[2]。

FrontierCode 2.0-AAは、実際のリポジトリでの開発課題を対象に、変更内容がマージに適した水準に達しているかを評価する。Muse Emberのスコアは27.2%で、GPT-6 Lunaの25.2%を上回ったが、Claude Haiku 5.5の34.9%には届かなかった。

APIは入力100万トークン当たり0.10ドルから

Meta Model APIでのモデルIDはmuse-ember-1.0で、Responses APIに対応する。料金は100万トークン当たりの従量制で、プロンプトの長さによって次のように変わる。

  • 20万トークン以下:入力0.10ドル、キャッシュ済み入力0.004ドル、出力0.50ドル
  • 20万トークンを超える場合:入力0.30ドル、キャッシュ済み入力0.012ドル、出力1.50ドル

利用の詳細はMetaの開発者向けサイトを参照のこと。

來源:gihyo.jp · gihyo.jp