Metaは、同社の最小かつ最も効率的なモデルであるMuse Emberを導入しました。Muse Emberは、エージェントがトークンの大半を費やす多数の小さな構造化されたステップ向けに作られています。エージェントはトークンの大半を多数の小さな構造化されたステップに費やしており、Muse Emberはまさにそのために作られています。Muse Emberは、レコードの取得、ツールの順次呼び出し、アプリをまたいだシステムの更新を行いながら、業務ワークフローをエンドツーエンドで進めることができます。
コーディングとコスト効率のベンチマーク結果
Coding Agent Index-AA（実際のエージェントハーネスでのコーディング）では、Muse Ember (max)が46で最高結果、Claude Haiku 5.5 (max)は37、GPT-6 Luna (max)は31という結果でした。
Muse Emberは、Claude Haiku 5.5の最高スコアに約3分の1のコストで並び、GPT-6 Lunaのどの設定も上回ります。Artificial Analysisのリーダーボード全体においても効率フロンティア(efficiency frontier)上に位置しており、タスクあたりのコストがより低くてスコアがより高いモデルは存在しません。
Intelligence vs. Cost Per Task の図は、Artificial Analysis Intelligence Indexを、各推論の強度(reasoning effort)でのタスクあたりのコストに対して示したもので、Artificial Analysisの生の結果に基づいています。この図でのMuse Emberのコストは、提案価格での推定値です。2026年11月9日付の同図では、各点が1つの推論の強度の設定を表しています。Muse Emberのコストは定価(list pricing)に基づいています。
パートナー各社の初期テストでの評価
初期テストでは、パートナー各社がMuse Emberを、契約書のレビューからコード作成まで、エージェントが一日中繰り返すような種類のタスクに使いました。BoxのVP of AI ProductsであるYashodha Bhavnaniは、Box AI Complex Work Evalで、Muse Emberは印象的な精度、速度、トークン効率を示すと述べています。また、Muse Emberを、エンタープライズコンテンツ上で実務を行うエージェント向けの、高速で効率的な基盤であるとも述べています。CloudflareのCTOであるDane Knechtは、テストにおいてMuse Emberが比較対象のモデルよりテールレイテンシで最大30%高速に動作し、広範な複数リポジトリの調査タスクをうまくこなしたと述べ、高速でスループットの高いエージェント型ワークロードに適していると評しています。
Clineの創業者であるSaoud Rizwanは、高速で低コストな信頼できるモデルを求める開発者や、ハーネス内のサブエージェントとして動かしてコストを削減するチーム向けに、Metaが軽量モデルを公開したことを称賛しています。
OracleのSVP, Global PartnershipsであるKonstantinos Papamiltiadisは、初期テストにおいてMuse Emberが複雑なエンジニアリングタスクに取り組む有望な能力を示し、エンジニアリングチームにとって価値あるツールになる強い可能性があると述べています。
ClineのSaoud Rizwanによれば、Muse Emberはコーディングや文書分析のようなサブエージェント作業のために作られ、その作業を得意としています。
AutomationBench-AA(E2E business workflows)のスコアは、Muse Ember(max)が37.8で最高結果、Claude Haiku 5.5(max)が13.9、GPT-6 Luna(max)が20.2です。Agents' Last Exam(End-to-end agent tasks)のスコアは、Muse Ember (max)が61.6%で最高結果、Claude Haiku 5.5 (max)が57.0%、GPT-6 Luna (max)が57.1%でした。Personal Superintelligence Index(個人業務とナレッジワークの社内複合指標)では、Muse Ember (max)が46.8%で最高結果、Claude Haiku 5.5 (max)が36.1%、GPT-6 Luna (max)が37.0%です。Terminal-Bench 4.0(エージェント型のターミナルでのコーディング、公開済みのうち最良のハーネスを使用)では、Muse Ember (max)が40.9%で最高結果、Claude Haiku 5.5 (max)が39.2%、GPT-6 Luna (max)が16.4%でした。
| Agents' Last Exam: Agents' Last Exam | ||
|---|---|---|
| Series | Measurement | Value |
| Muse Ember (max) | Model | Muse Ember (max) |
| Muse Ember (max) | Score | 61.6% |
| GPT-6 Luna (max) | Model | GPT-6 Luna (max) |
| GPT-6 Luna (max) | Score | 57.1% |
| Claude Haiku 5.5 (max) | Model | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | Score | 57.0% |
元記事の表を転載しています(見出しは日本語にしています。値は原文のままです)。出典: 元記事
FrontierCode 2.0-AA (マージ可能かどうかで判定される実際のエンジニアリングタスク)では、最高結果はClaude Haiku 5.5 (max)の34.9であり、Muse Ember (max)は27.2、GPT-6 Luna (max)は25.2でした。GDP.pdf-AA (長い文書にわたる専門業務)では、Muse Ember (max)が22.8、GPT-6 Luna (max)が22.8で同点で最高結果となり、Claude Haiku 5.5 (max)は20.8でした。OSWorld 2.1 (デスクトップアプリをまたぐcomputer use)では、Muse Ember (max)が69.5%（partial）および33.8%（binary）で最高結果となり、Claude Haiku 5.5 (max)は68.9%（partial）および27.8%（binary）、GPT-6 Luna (max)は50.5%（partial）および17.0%（binary）でした。PerceptionBench (w/ tools、細かな視覚認識)では、Muse Ember (max)が80.6で最高結果となり、Claude Haiku 5.5 (max)は78.6、GPT-6 Luna (max)は62.8でした。
評価指標として、Artificial Analysisによる2026年11月9日付のAutomationBench-AAの結果は、厳格なpass@1で測定されています。また、Agents' Last Examの結果はMetaの社内評価によるもので、Linuxサブセットを用いています。
OSWorld 2.1の結果は、Metaの社内評価によるものであり、部分点の報酬(partial-credit reward)で採点されています。
General分野のArtificial Analysis Indexのスコアは、Muse Ember (max)とClaude Haiku 5.5 (max)がともに36で最高結果であり、GPT-6 Luna (max)は28です。Artificial AnalysisでのIntelligence Indexは、Muse Ember (max)が36、Metaのコーディングとエージェント型ワークフロー向けモデルであるMuse Spark 1.3 (max)が37で、Muse Spark 1.3 (max)が最高結果です。Cost Per Intelligence Index Taskは、Muse Ember (max)が$0.14で最高結果であり、Muse Spark 1.3 (max)は$2.39です。
CloudflareのCTOであるDane Knechtによれば、テストにおいてMuse Emberは、テスト対象とした比較可能なモデルよりテールレイテンシで最大30%高速に動作し、複数リポジトリにまたがる広範な調査タスクもうまく処理しました。最も難しい問題に対しては、MetaはMuse Emberを、同社で最も難しい問題向けのモデルであるMuse Wonderと組み合わせることを提案しています。これは、Muse Wonderが計画を立て、Muse Emberが大量の処理をこなすという構成です。
Muse Emberは、1Mトークンのコンテキストウィンドウと最大512Kの出力トークンを備え、コードベース全体やドキュメント一式を1回の呼び出しで取り込めます。Muse Emberはテキスト、画像、音声、動画をネイティブに理解します。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、図表、スキャン文書を読んだり、音声メモ、会議の録音、動画をもとに作業したりできます。Muse Emberは現実の長い文書を処理でき、スクリーンショットからコンピュータを直接操作でき、細かな視覚的ディテールを見分けられます。AutomationBench-AA(max reasoning)のスコアは、Muse Ember (max)が37.8%、GPT-6 Luna (max)が20.2%、Claude Haiku 5.5 (max)が13.9%でした。
| AutomationBench-AA: AutomationBench-AA | ||
|---|---|---|
| シリーズ | Measurement | Value |
| Muse Ember (max) | Model | Muse Ember (max) |
| Muse Ember (max) | Score | 37.8% |
| GPT-6 Luna (max) | Model | GPT-6 Luna (max) |
| GPT-6 Luna (max) | Score | 20.2% |
| Claude Haiku 5.5 (max) | Model | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | Score | 13.9% |
元記事の表を転載しています(見出しは日本語にしています。値は原文のままです)。出典: 元記事
Artificial Analysisの比較表における100万トークンあたりの価格は、Muse Ember (max)が入力$0.10・出力$0.50（最高結果）であり、Muse Spark 1.3 (max)は入力$1.25・出力$4.25です。パートナーの評価では、Box AI Complex Work Evalにおいて、Muse Emberは契約書を企業の交渉プレイブックに照らして条項ごとに採点して正しい総合リスク評価に行き着け、候補者を詳細な要件に照らして選別して、なお代替候補として適格な境界線上の人材にフラグを立てられるとされています。You.comのInference LeadであるChak Pothinaによれば、テストにおいてMuse Emberはすべてのコーディング課題を完了し、テストした全モデルの中で最も低いレイテンシ（p95で2.2秒）でした。これは主要なオープンウェイトモデルの約4倍から13倍の速さで、出力トークンは36〜48%少なかったと述べています。Metaが目標として掲げる「パーソナル超知能(personal superintelligence)」とは、ユーザーが目標を追い、想像するものを作り、人間関係を深め、最も大切にすることに行動を起こすのを助けるモデルのことです。これをすべての人に届けるためには、最先端の能力だけでなく、スケールする価格での最先端の能力が必要だとしています。
公開前に、Metaは自社のMeta Superintelligence Scaling FrameworkのもとでMuse Emberを評価しました。この評価には化学・生物、サイバーセキュリティ、および制御喪失(loss-of-control)のリスクが含まれています。評価したカテゴリ全体で、Muse Emberはこのフレームワークの高リスクしきい値を下回っていました。Muse Emberは小型モデルですが、同じコアの安全性訓練とテストを受けています。ユーザーの代わりに行動するときの挙動についても評価しており、ユーザーの意図を尊重するかどうか、機密情報を適切に扱うか、Webページ・文書・ツール出力に仕込まれた、挙動を乗っ取ろうとする指示に抵抗するか、影響の大きい行動の前に人間の入力を求めるか、という点が含まれます。
Muse Emberは、大規模に繰り返されるコーディングおよびエージェント型タスクを行うためのモデルで、モデルのラインナップを完成させる位置づけです。Muse Emberは、Artificial Analysisのタスクあたり約$0.14であり、すべてのプロダクトで動かせるほど低いコストであるとされています。ラインナップの中で、最も難しい問題にはMuse Wonder、コーディングとエージェント型ワークフローにはMuse Sparkを使う位置づけです。
提供開始の情報と今後の方針
Muse Emberは本日から、Muse CodeとMeta Model APIで`muse-ember-1.0`として利用可能です。料金は、入力100万トークンあたり$0.10、キャッシュ入力トークン(cached input tokens)100万トークンあたり$0.004、出力100万トークンあたり$0.50です。コンテキストウィンドウ(context window)は1Mトークンで、出力は最大512Kトークンであり、Responses APIに対応しています。
Metaは、Muse WonderとMuse Wonder Fullを発表した際に、これらを用いてすべての人に提供できる特化型モデルを開発すると述べていました。Muse Emberは、Muse Wonder Fullを使って訓練された最初のモデルです。
Metaは、さらに効率的なモデルを訓練中です。