記事のサマリー(TL;DR)
- Meta Superintelligence Labは月曜日、同ラボとしては最軽量かつ最も費用効率が高いというAIモデル「Muse Ember」を発表しました。
- Emberは入力トークン100万あたり10セントで提供され、Meta はArtificial Analysisの複合ベンチマークスコアを用いて、AnthropicのHaikuやOpenAIのLunaより安価かつ高性能だと説明しています。
- Emberはより大規模なモデル「Muse Wonder」と組み合わせたエージェント構成での利用を想定しており、テキスト・画像・音声など複数のメディア形式を扱えるよう訓練されています。
詳細
Muse Emberの位置づけ
Meta Superintelligence Labは月曜日、新しいAIモデル「Muse Ember」を発表しました。Metaによれば、同ラボがこれまでにリリースしたモデルの中で最も軽量かつ最も費用効率が高いモデルだとしています。発表文の中でMetaは、Emberは「複雑な推論の実行と、エージェントが一日中繰り返す作業、すなわちツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長文書の解析のために設計された」と述べています。
コスト面での訴求
Metaは特にEmberのタスクあたりのコストを強調しており、Artificial Analysisの複合ベンチマークスコアを用いて、AnthropicのHaikuやOpenAIのLunaといった競合モデルよりも安価かつ高性能であることを示しています。入力トークン100万あたり10セントという価格は、Haiku やLunaなどのフロンティア系競合モデルと比べて大幅に安く、オープンソース系の競合であるDeepSeek V4.1 FlashやGLM 5.3 Flashとも費用面で競合する水準だとしています。
大規模モデルとの組み合わせによる運用
低コストと大規模運用時の精度を重視した設計であることから、Emberはより大規模なモデルであるMetaの「Muse Wonder」とエージェントのハーネス内で組み合わせて使うことを想定しています。例えばカスタマーサポート向けのエージェントの場合、まず大規模モデルが特定の問題への対応ルールを策定し、その後、軽量モデルが数万件規模の案件にそのルールを適用していくといった使い方が想定されています。Metaは発表の中で「Muse Wonderが計画を立て、Muse Emberが大量処理を担う」と述べています。
複数メディア形式への対応
大量処理を伴う用途を念頭に、MetaはEmberをテキスト、画像、音声といった異なる種類のメディアにわたって機能するよう訓練しました。その結果、どのような種類の入力を扱えるかという点で、このモデルは意外なほど柔軟になっているとしています。Metaは発表の中で「エージェントは、別のモデルを使わずに、スクリーンショットやグラフ、スキャンされた文書を読み取ったり、ボイスメモや会議の録音、動画から情報を得たりできる」と述べています。
Museブランドにおける位置づけ
Emberは、Metaの「Muse」ブランドの下でリリースされた4番目のモデルです。これまでに、4月にリリースされた中量級モデルの「Spark」、8月にリリースされたSparkのオープンソース版である「Glimmer」、10月にリリースされたフロンティアモデルの「Wonder」が公開されています。なお、Museブランドの看板となる消費者向けAI製品「Muse Agent」は9月にリリースされ、予想を上回る成功を収めたとされており、今月に入ってからは「Spaces」やビデオチャットといった新機能の展開も進んでいます。