Meta、Muse Emberを公開 料金はHaiku 5.5と同じ
執筆・監修: 佐々木 航公開 更新 6 分で読めます
エージェントが1日中くり返す細かな作業を、安く速く片づけるためのモデルです。Metaは11月9日、自社でいちばん小さく効率のよいモデル「Muse Ember」を公開しました。ツールの呼び出し、コーディングの小さな作業、振り分け、情報の抜き出し、長い文書の読み取りに向けています。
Meta Model APIとMuse Codeで、モデル名muse-ember-1.0として使えます。料金は100万トークンあたり入力$0.10・出力$0.50で、Anthropicの小型モデルClaude Haiku 5.5と同じです。一度に扱える長さは100万トークン、出力は最大51万2,000トークンです。
10月に出た上位のMuse Wonder Fullを使って学習した、最初のモデルでもあります。Metaは、難しい問題はMuse Wonder、コーディングとエージェントの作業はMuse Spark、量の多いくり返しの作業はMuse Emberと、使い分けを示しました。
料金を同じ軸で比べると
| モデル | 入力 | 出力 | キャッシュの 読み出し |
|---|---|---|---|
| Muse Ember20万トークンまで | $0.10 | $0.50 | $0.004 |
| Muse Ember20万トークン超 | $0.30 | $1.50 | $0.012 |
| Claude Haiku 5.510万トークンまで | $0.10 | $0.50 | $0.01 |
| Claude Haiku 5.510万トークン超 | $0.50 | $2.50 | $0.05 |
| Muse Spark 1.3 | $1.25 | $4.25 | - |
100万トークンあたりの米ドル。区切りはプロンプトの長さです。Muse Spark 1.3のキャッシュの料金は、Metaの比較には載っていません。
短いプロンプトの料金は、Haiku 5.5と同じです。差が出るのは長いプロンプトで、料金が上がる区切りがHaiku 5.5は10万トークン、Muse Emberは20万トークンです。そのため、10万〜20万トークンのプロンプトなら、Muse Emberの料金は入力も出力もHaiku 5.5の5分の1になります。キャッシュの読み出しも、Haiku 5.5の$0.01に対し$0.004と、半分以下です。
Metaの評価では、Haiku 5.5とGPT-6 Lunaを上回る
Metaは、Claude Haiku 5.5とGPT-6 Lunaと比べた結果を示しました。どれもいちばん高い推論の強さで測った値です。Meta自身が測った評価は、次のとおりです。
| 評価 | MuseEmber | Haiku5.5 | GPT-6Luna |
|---|---|---|---|
| Agents’ Last Examエージェントの作業を最後まで | 61.6 | 57.0 | 57.1 |
| Personal Superintelligence Index個人と知識労働の作業(Metaの社内の指標) | 46.8 | 36.1 | 37.0 |
| Terminal-Bench 4.0コマンドラインでのコーディング | 40.9 | 39.2 | 16.4 |
| OSWorld 2.1コンピューターの操作(部分点あり) | 69.5 | 68.9 | 50.5 |
| PerceptionBench画像の細かな読み取り(ツールあり) | 80.6 | 78.6 | 62.8 |
単位は%。Metaの発表の値です。Terminal-Bench 4.0は、各モデルがいちばん良い結果を出した仕組みで測っています(Muse Emberはmini-swe-agent、Haiku 5.5はClaude Code、GPT-6 LunaはCodex)。
Artificial Analysisの総合指標(Intelligence Index v5)では、Muse Emberは36でした。1つ上のMuse Spark 1.3の37とほぼ同じで、1課題あたりの費用は$0.14と、Muse Spark 1.3の$2.39の約17分の1です。Metaは、Haiku 5.5のいちばん良い点と同じ点を、約3分の1の費用で出したとしています。
ただし、すべてで上回ったわけではありません。Artificial Analysisが測ったコードの変更の評価FrontierCode 2.0では、Haiku 5.5の34.9%がMuse Emberの27.2%を上回りました。
Artificial Analysisの評価では、知識が弱点
評価会社のArtificial Analysisも同じ日に、独自に測った結果を公開しました。総合指標の36は、Haiku 5.5のいちばん高い強さと同じ点で、1課題あたりの費用は$0.14です。Haiku 5.5の$0.41の約3分の1でした。出力トークンの量も、Haiku 5.5の約3分の1だったといいます。
一方、弱点は知識です。知識を問う評価(AA-Omniscience)の正答率は21.1%で、近い力のモデルの中でいちばん低くなりました。Haiku 5.5は34.7%です。ただ、これは64%の質問に「分からない」と答えを控えたためで、まちがった答えを作る割合は17.4%と、Haiku 5.5の半分でした。
使える場所と、入力の種類
Metaによると、Muse Emberは文章・画像・音声・動画をそのまま理解します。画面写真や図表、音声のメモ、会議の録画も、別のモデルを使わずに扱えるといいます。
同じ日に、Google Cloudでも試験提供が始まりました。Muse Wonder 1.0とMuse Spark 1.3も一緒です。Google Cloudでは、世界共通の窓口(global)から、OpenAIと互換のResponses APIで呼びます。ただし、やり取りをサーバーに残す使い方(store: true)はできません。また、Google Cloudの案内では、Muse Emberの入力は文章と画像だけです。Oracle Cloudでも使えるとMetaは書いていますが、条件は示していません。
安全性では、化学・生物、サイバーセキュリティ、制御を失う危険を、Metaの枠組みで評価しました。どれも、危険度が高いとする線を下回ったといいます。ユーザーの代わりに動くときに、Webページや文書に隠された指示に従わないか、影響の大きい操作の前に人に確かめるかも試しました。
ここからは編集部の見方です。料金表から見ると、Muse Emberが得をしやすいのは、長い文書を何度も読ませる使い方です。10万〜20万トークンの入力では、Haiku 5.5の5分の1で済みます。キャッシュの読み出しも安いため、同じ資料を何度も参照するエージェントの手伝い役に向きそうです。
一方で、コードの変更が取り込まれるかを測る評価では、Haiku 5.5が上でした。数字はどれもMetaの発表で、日本語での質は示されていません。小さな作業をまとめて任せる前に、自分の作業で両方を試して比べるのが確かでしょう。
発表では、日本語への対応や日本での提供には触れていません。Google Cloudの窓口は世界共通のものだけで、料金は米ドルで示されています。
Muse Emberは、現時点ではYOBITSUGI AIからは使えません。
2026年11月10日 追記:Artificial Analysisが独自に測った結果(費用・知識の評価)を加えました。
出典
- Introducing Our Smallest, Most Efficient Model: Muse Ember(Meta AI Research Blog・2026年11月9日)
- Muse models from Meta・Muse Ember 1.0(Google Cloud Gemini Enterprise Agent Platform・2026年11月10日確認)
- Meta's Muse Ember is the cheapest model scoring 36 on the Intelligence Index(Artificial Analysis・2026年11月9日)
- Gemini Enterprise Agent Platform release notes(Google Cloud・2026年11月9日)
- Which Claude model should you build with? Fable, Opus, Sonnet, or Haiku(claude.dev blog・2026年11月9日。Claude Haiku 5.5の料金)