Muse Ember 運営中

Muse EmberはMetaが開発した最小かつ最高効率のAIモデルで、エージェントの反復作業向けに設計されています。Muse Emberは約1/3のコストでClaude Haiku 5.5の最高スコアを達成し、GPT-6 Lunaを全面的に上回り、Artificial Analysisの効率フロンティアに位置しています。Muse Emberは100万トークンのコンテキスト、最大51.2万トークンの出力に対応し、テキスト、画像、音声、動画をネイティブに処理します。Muse Wonder Fullによって初めて訓練されたモデルです。

エージェントワークフローの実行：業務プロセスをエンドツーエンドで完了し、ツールを順番に呼び出し、アプリケーションをまたいでシステムを更新できます。記録の取得、ルーティング、情報抽出などの反復手順に対応します。
大規模なコーディングサブタスク：エージェントのセッション内で数百回発生する、ファイルの読み込み、テストの実行、対象を絞った修正などの小タスク向けに設計されています。
超長文コンテキスト処理：100万トークンのコンテキストウィンドウと、1回あたり最大51.2万トークンの出力に対応し、1回の呼び出しで完全なコードベースや文書一式を処理できます。
ネイティブなマルチモーダル理解：テキスト、画像、音声、動画を処理でき、スクリーンショット、図表、スキャン文書を読み取れます。音声メモ、会議録音、動画にも対応し、スクリーンショットから直接コンピューターを操作できます。
高コストパフォーマンスの推論：約1/3のコストでClaude Haiku 5.5の最高スコアを達成し、AAタスク1件あたり約$0.14という低価格で、あらゆる製品に組み込めます。
エンタープライズ級の安全性：リリース前にMetaのスーパーインテリジェンス拡張フレームワークによる評価を受け、化生放、サイバーセキュリティ、制御不能リスク、エージェント行動の安全性を含む項目で、いずれも高リスク閾値を下回っています。

小さなモデルで大きな成果を出す効率重視の設計：Muse EmberはMeta史上最小のモデルで、「知能密度」を極限まで高めています。Artificial Analysisの全ランキングで効率フロンティアに位置し、より低いタスク単価でより高いスコアを達成するモデルはありません。Muse Emberはフラッグシップモデルとの正面競争を意図的に避け、エージェントが日常的に消費する「高頻度の小タスク」、つまりツール呼び出し、コードサブタスク、ルーティング、抽出、長文書解析に最適化されています。低価格の小型モデルに任せることで、最大のコストレバレッジを得られます。
Muse Wonder Fullの能力蒸留を基盤にした設計：Muse Emberは、フラッグシップモデルMuse Wonder Fullを用いて訓練（蒸留）されたMeta初の専用モデルです。フラッグシップモデルの推論能力とマルチモーダル能力を継承しつつ、高効率な実行シナリオ向けに小型化・特化されています。Metaのモデル構成もこの役割分担に基づいており、Muse Wonderは最も難しい問題を担当し、Muse Sparkはコーディングとエージェントワークフローを担当し、Muse Emberは反復タスクを大規模かつ低コストで処理します。
長文コンテキストとマルチモーダルを統合したアーキテクチャ：テキスト、画像、音声、動画をモデルがネイティブに統合理解するため、マルチモーダルタスクで複数の専用モデルを呼び出すオーケストレーションコストを回避できます。100万トークンの入力と51.2万トークンの出力ウィンドウと組み合わせることで、1回の呼び出しで完全なコードベースや文書セットを処理でき、エージェントは何度も往復することなく、1回のセッションで数百件のコーディングサブタスクを連続して完了できます。
フラッグシップモデルと同等の安全性訓練：小型でありながら、Emberは中核モデルと同じ安全性訓練とテストを受けています。リリース前にMetaのスーパーインテリジェンス拡張フレームワークで化学・生物、サイバーセキュリティ、制御不能などのリスクを評価し、いずれも高リスク閾値を下回りました。また、「ユーザーを代表して行動する」際の挙動についても専門的に評価されています。

Meta Model APIで呼び出す：開発者プラットフォームdev.meta.aiに登録してAPI Keyを作成し、https://api.meta.ai/v1/responses にリクエストを送信します。モデルIDにはmuse-ember-1.0を指定し、Responses API形式を使用します。
OpenAI SDKで接続する：Emberは主要なSDKに対応しています。base URLをhttps://api.meta.ai/v1に設定し、自分のKeyを入力するだけで、既存コードにシームレスに置き換えられます。
Muse Codeターミナルでプログラミングする：curl -fsSL https://dev.meta.ai/install.sh | shを実行して公式ターミナルエージェントをインストールすると、コマンドラインでEmberにファイルの読み込み、テストの実行、コードの変更などを自動で実行させられます。
クラウドプラットフォーム経由で呼び出す：Google CloudのModel GardenまたはOracle Cloudでmuse-ember-1.0を選択し、各プラットフォームの標準方式で有効化・課金します。既存のクラウドアカウントを持つ企業ユーザーに適しています。
サードパーティゲートウェイ経由で接続する：OpenRouter（meta/muse-ember）またはVercel / Netlify AI Gatewayで利用枠を購入します。1つのアカウントで複数モデルを一元管理でき、モデルを比較・切り替えたい開発者に適しています。

圧倒的なコストパフォーマンス：Claude Haiku 5.5の最高スコアを約1/3のタスク単価で達成し、GPT-6 Lunaの全てのモデル階層を上回り、Artificial Analysisの効率フロンティアに安定して位置しています。
エージェントタスクで大幅に優位：AutomationBench-AAで37.8点を獲得し、Haiku 5.5の約2.7倍、GPT-6 Lunaの1.9倍に迫ります。
超長文コンテキスト：100万トークンの入力と最大51.2万トークンの出力に対応し、1回の呼び出しで完全なコードベースや文書一式を処理できます。1回のセッションで数百件のコーディングサブタスクを支えます。
ネイティブマルチモーダル：他のモデルを使わずにテキスト、画像、音声、動画を統合処理できます。スクリーンショットの読み取り、コンピューター操作、スキャン文書や会議録音の解析に対応し、エージェントのオーケストレーションを簡素化します。
フラッグシップ能力の普及：Muse Wonder Fullによって初めて訓練されたモデルとして、最小のモデルサイズでフラッグシップモデルの推論能力とマルチモーダル能力を継承しています。

公式サイト：https://research.meta.ai/blog/muse-ember

企業文書のインテリジェントレビュー：Boxでは、契約書を会社の交渉マニュアルと項目ごとに照合して全体的なリスク評価を提示したり、詳細な履歴書に基づいて候補者を選考し、合否の境界にある候補者を識別したりできます。高速かつ高いトークン効率で企業コンテンツを処理できます。
大規模なコーディングサブタスク：エージェントセッション内で数百回発生する、ファイルの読み込み、テストの実行、対象を絞った修正などの高頻度な小タスクをEmberが低コストで処理し、最も難しいアーキテクチャ設計はMuse Wonderに任せて計画できます。
エンドツーエンドの業務プロセス自動化：記録の取得、ツールの順次呼び出し、システムの更新など、アプリケーションをまたぐ完全な業務ワークフローを自動で実行できます。企業の日常的な反復データ処理や手順実行に対応します。
マルチモーダルコンテンツ処理：音声メモ、会議録音、動画、スクリーンショット、スキャン文書をネイティブに処理できます。他のモデルに接続することなく、非構造化マルチメディアから情報を抽出し、後続の操作を実行できます。