平山 大樹 AB通信 運営責任者
AB通信 編集部が、企業・行政の公式発表や決算資料などの一次情報を確認して書いています。運営会社・編集方針
この記事のポイント
- Metaは2026年11月9日（日本時間10日未明）、同社でいちばん小さいモデル「Muse Ember」を公開しました
- ツールの呼び出し、コーディングの小分けの作業、振り分け、抽出、長い文書の読み取りなど、繰り返す作業向けです
- 料金は100万トークンあたり入力0.10ドル・出力0.50ドルです。同じ系列のMuse Spark 1.3は入力1.25ドル・出力4.25ドルです
- コンテキストは100万トークン、出力の上限は51万2000トークンです
- Muse CodeとMeta Model APIで、モデル名 muse-ember-1.0 として使えます
Metaが、いちばん小さいモデル「Muse Ember」を公開しました
Metaは2026年11月9日（日本時間10日未明）、同社でいちばん小さく、効率を重視したモデル「Muse Ember」を公開しました。公式ブログでは、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向けだと説明しています。例として、ツールの呼び出し、コーディングの小分けの作業、振り分け、抽出、長い文書の読み取りを挙げています。
コンテキストは100万トークンで、出力の上限は51万2000トークンです。公式によると、テキスト、画像、音声、動画をそのまま扱え、一度の呼び出しでコード一式や文書の集まりを渡せるとしています。難しい問題はMuse Wonderに計画を任せ、量の多い作業をMuse Emberが引き受ける使い方も紹介しています。
料金は入力0.10ドルで、Muse Spark 1.3より安いです
| 項目 | Muse Ember | Muse Spark 1.3 |
|---|---|---|
| 入力（100万トークンあたり） | 0.10ドル | 1.25ドル |
| 出力（100万トークンあたり） | 0.50ドル | 4.25ドル |
| キャッシュした入力 | 0.004ドル | （この記事では未記載） |
| コンテキスト | 100万トークン | （この比較表には記載なし） |
| 出力の上限 | 51万2000トークン | （この比較表には記載なし） |
公式の比較表では、Artificial Analysisの1課題あたりの費用の目安を、Muse Ember（max）が0.14ドル、Muse Spark 1.3（max）が2.39ドルとしています。Intelligence IndexはEmberが36、Spark 1.3が37です。
使える場所は、Muse CodeとMeta Model APIです。モデル名は muse-ember-1.0 で、Responses APIに対応しています。Museのこれまでの更新は、Museの更新履歴（4334）にまとめています。
他社モデルとの比較は、Metaが示した数字です
公式ブログには、Claude Haiku 5.5やGPT-6 Lunaとの比較が載っています。これらはMetaが自社の発表のために示した数字です。一部はArtificial Analysis（2026年11月9日時点、定価ベース）の結果で、一部はMetaの社内の評価です。第三者の追試や、同じ条件での別の測定とは限りません。
Metaの説明では、どの推論の強さでも、1ドルあたりの能力はClaude Haiku 5.5やGPT-6 Lunaより高いとしています。Haikuのいちばん良い点数に近い結果を、約3分の1の費用で出せるとも書いています。
同じ発表の評価表では、調べた項目の多くでMuse Ember（max）がいちばん高い数字になっています。一方で、実際の変更が取り込まれるかを見るFrontierCode 2.0-AAでは、Claude Haiku 5.5（max）の34.9に対して、Muse Ember（max）は27.2と、Meta自身の表でもHaikuの方が高く出ています。
出典
- Meta公式ブログ「Introducing Our Smallest, Most Efficient Model: Muse Ember」（2026年11月9日）
- AI at Meta公式X（2026年11月10日 3:04 JST）
更新履歴
- 2026年11月10日：初版
