Metaは11月9日、同社として最小かつ最も効率の高いモデルとする「Muse Ember」を発表した。主な用途は、AIエージェントが高頻度でこなす雑務だ。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、情報抽出、長文ドキュメントの解析などが挙げられている。テキスト、画像、音声、動画をネイティブに扱え、コンテキストは100万トークン、1回あたりの出力は最大51.2万トークンである。
Emberは現在、Meta Model API(モデル名はmuse-ember-1.0、Responses APIに対応)とMuse Codeで提供されている。Google CloudとOracle Cloudでも利用でき、開発者はdev.meta.aiで試せる。発表ページにオープンウェイトへの言及はなく、現時点の情報ではAPI専用のモデルとみられる。MetaはEmberが、Muse Wonder Fullで学習した最初のモデルであることにも触れている。
価格は2段階
Emberはプロンプト長に応じた段階制で、価格は100万トークンあたり次のとおり。
| 項目 | 20万トークン以下 | 20万トークン超 |
|---|---|---|
| 入力 | 0.10ドル | 0.30ドル |
| キャッシュ入力 | 0.004ドル | 0.012ドル |
| 出力 | 0.50ドル | 1.50ドル |
同じMuseシリーズのMuse Spark 1.3は、入力1.25ドル、出力4.25ドルである。Artificial Analysisの知能指数では両者は36と37で、差はわずか1ポイントだが、ベンチマーク1タスクあたりのコストは0.14ドル対2.39ドルと、約17倍の開きがある。
ベンチマークは勝ち負けが分かれる
Metaはmax推論強度のEmberを、Claude Haiku 5.5およびGPT-6 Lunaと比較した。差が最も大きいのはAutomationBench-AAで、Emberが37.8%、Haiku 5.5が13.9%、GPT-6 Lunaが20.2%だ。コンピューター操作のOSWorld 2.1(二値採点)ではEmberが33.8%、Haiku 5.5が27.8%。Terminal-Bench 4.0ではEmberが40.9%で、Haiku 5.5の39.2%を1.7ポイント上回るにとどまる。
負けたのはコーディングだ。FrontierCode 2.0-AAではEmberが27.2%、Haiku 5.5が34.9%。GDP.pdf-AAではGPT-6 Lunaと並ぶ22.8%だった。総合のArtificial Analysis Indexは、EmberとHaiku 5.5がともに36、Lunaは28である。
コストの散布図からは、より細かい数字が読み取れる。Emberの2つの推論レベルは1タスクあたり0.116ドルと0.136ドルで、指数は33.9と35.8。Haiku 5.5は0.411ドルのレベルでようやく指数36.2に達する。指数が並ぶ水準では、Emberの1タスクあたり費用はHaiku 5.5の約3分の1になる。
サブエージェント1体の1日分の請求額を概算する
発表ページの価格で概算してみる。コーディング用サブエージェントが1回の呼び出しで3万トークンを読み込み、2,000トークンを出力するとする。このうち2万トークンは、キャッシュにヒットするシステムプロンプトとコードのコンテキストだ。
- キャッシュなしの入力1万トークン:約0.001ドル
- キャッシュ入力2万トークン:約0.00008ドル
- 出力2,000トークン:約0.001ドル
1回あたり約0.002ドル、1日1万回呼び出して約21ドルになる。これは20万トークン以下の価格での話で、長文ドキュメントの解析がこの線を超えると、3項目の単価が同時に3倍になる。実際の請求額は推論レベルによって生じる思考トークンにも左右されるが、発表ページにはこの分の課金方法が別途示されていない。
パートナーからの評価は速度に集中している。You.comは具体的なレイテンシの数字を挙げた。
"with the lowest latency of any model we tested: a p95 of 2.2 seconds"
(私たちが試したすべてのモデルの中で最も低いレイテンシで、p95は2.2秒)
Clineは、コーディングやドキュメント分析といったサブエージェントの作業に向くと述べている。安全面では、Metaは公開前に同社の超知能スケーリング・フレームワークに基づく評価を行い、化学・生物、サイバーセキュリティ、制御喪失の3種のリスクがいずれも高リスクのしきい値を下回ったとしている。上記のベンチマーク結果はいずれもMetaが公表した数値で、第三者による再検証の結果はまだ出ていない。
参考資料:CocoLoop、Meta公式リサーチブログ。段階制の価格、各ベンチマークのスコア、1タスクあたりのコスト、パートナーのコメントはブログで確認した。1日分の請求額は公開単価に基づく概算である。