MetaのMuse Ember、同等級モデルより推論費を抑制

Metaは2026年11月10日、AIエージェント向けモデル「Muse Ember」を公開しました。Artificial Analysisの評価では、最大推論設定の知能指数が36となり、AnthropicのClaude Haiku 5.5と同水準です。評価タスク当たりの推定費用は約14セントで、Haikuの約41セントを下回ります。

Meta Model APIでは、テキストや画像、音声、動画、PDFを入力でき、最大約105万トークンの文脈を扱えます。入力20万トークン以下の料金は、100万トークン当たり入力10セント、出力50セントです。20万トークンを超えると各単価は3倍になり、長文処理では費用が跳ね上がる点に注意が要ります。

業務アプリを操作するAutomationBench-AAでは、初回で全タスクを完了した割合が37.8%でした。Metaの比較ではGPT-6 Lunaが20.2%、Haikuが13.9%です。一方、コーディング評価では指標によって順位が異なり、変更をマージ可能か判定するテストではHaikuがEmberを上回りました。

こうした結果から、Emberは複数工程を含む業務を全面的に任せるより、合否を明確に判定できる反復作業で試すのが現実的です。例えば問い合わせの分類や記録取得、失敗テストの調査などを任せ、重要な変更は承認や別モデルの確認につなげる設計が考えられます。

導入時は呼び出し単価だけでなく、再試行や上位モデルへの引き継ぎを含む「受け入れ可能な結果」当たりの費用を測る必要があります。入力が20万トークンを超えた場合の料金、処理時間、成功率も既存手段と比べ、十分な頻度がある仕事から効果を確かめることが重要です。