最小かつ最も効率的なモデル：Muse Ember
Our Smallest, Most Efficient Model: Muse Ember (research.meta.ai)
要約
Meta AIは、複雑な推論実行と、エージェントが日常的に行うツール呼び出し、コーディングサブタスク、ルーティング、抽出、長文ドキュメント解析などのタスクに特化した、最小かつ最も効率的なモデル「Muse Ember」を発表しました。Muse Emberは、競合モデルと比較して、同等以上の性能を大幅に低いコストで実現し、効率性のフロンティアに位置するとされています。
全文翻訳
最小かつ最も効率的なモデル：Muse Ember
本日、Meta AIは、複雑な推論実行と、エージェントが日常的に行うツール呼び出し、コーディングサブタスク、ルーティング、抽出、長文ドキュメント解析などのタスクに特化した、最小かつ最も効率的なモデル「Muse Ember」を発表します。
Muse Emberは、あらゆる推論設定において、Claude Haiku 5.5やGPT-6 Lunaよりも高いコストパフォーマンスを実現します。Haikuの最高スコアに約3分の1のコストで匹敵し、Lunaのすべての設定を上回ります。また、Artificial Analysisリーダーボード全体の効率性のフロンティアに位置しており、タスクあたりのコストが低いモデルの中で最も高いスコアを記録しています。
知能 vs. タスクあたりのコスト
生のArtificial Analysis結果から、各推論努力におけるタスクあたりのコストに対する知能指数。
Muse Emberのコストは提案価格に基づいた推定値です。
- xhigh
- max
- medium
- high
- xhigh
- max
- high
- xhigh
- max
- Muse Ember
- Claude Haiku 5.5
- GPT-6 Luna
知能 vs. タスクあたりのコスト：知能 vs. タスクあたりのコスト
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember | タスクあたりのコスト（USD） | $0.116 |
| Muse Ember | スコア | 33.9 |
| Muse Ember | タスクあたりのコスト（USD） | $0.136 |
| Muse Ember | スコア | 35.8 |
| Claude Haiku 5.5 | タスクあたりのコスト（USD） | $0.092 |
| Claude Haiku 5.5 | スコア | 24.6 |
| Claude Haiku 5.5 | タスクあたりのコスト（USD） | $0.159 |
| Claude Haiku 5.5 | スコア | 29.6 |
| Claude Haiku 5.5 | タスクあたりのコスト（USD） | $0.248 |
| Claude Haiku 5.5 | スコア | 34.3 |
| Claude Haiku 5.5 | タスクあたりのコスト（USD） | $0.411 |
| Claude Haiku 5.5 | スコア | 36.2 |
| GPT-6 Luna | タスクあたりのコスト（USD） | $0.073 |
| GPT-6 Luna | スコア | 21.4 |
| GPT-6 Luna | タスクあたりのコスト（USD） | $0.104 |
| GPT-6 Luna | スコア | 23.3 |
| GPT-6 Luna | タスクあたりのコスト（USD） | $0.152 |
| GPT-6 Luna | スコア | 27.8 |
Artificial Analysis | 2026年11月9日。各点は1つの推論努力設定を表します。Muse Emberのコストはリスト価格です。
Muse Emberの評価結果
Muse Emberの評価結果：評価結果
評価結果
注目のモデル。Muse Ember (max)
Claude Haiku 5.5 (max)
GPT-6 Luna (max)
エージェント
AutomationBench-AAE2E ビジネスワークフロー
最高結果。37.8
13.9
20.2
Agents' Last Exam エンドツーエンドのエージェントタスク
最高結果。61.6
57.0
57.1
Personal Superintelligence Index 個人の仕事と知識作業の内部複合指数
最高結果。46.8
36.1
37.0
コーディング
Terminal-Bench 4.0 エージェントによるターミナルコーディング、公開されている最高のハーネス
最高結果。40.9
39.2
16.4
Coding Agent Index-AA 実際の剤ハーネスでのコーディング
最高結果。46
37
31
FrontierCode 2.0-AA 実際のエンジニアリングタスクでマージ可能性を評価
27.2
最高結果。34.9
25.2
マルチモーダル
GDP.pdf-AA 長文ドキュメントにおけるプロフェッショナルワーク
最高結果。22.8
20.8
最高結果。22.8
OSWorld 2.1 デスクトップアプリでのコンピューター操作
最高結果。69.5(部分)
33.8(バイナリ)
68.9(部分)
27.8(バイナリ)
50.5(部分)
17.0(バイナリ)
PerceptionBench (ツール使用) 細かい視覚的知覚
最高結果。80.6
78.6
62.8
一般
Artificial Analysis Index
最高結果。36
最高結果。36
28
評価の詳細については、レポートをご覧ください。
Muse Emberは本日、Meta Model APIで利用可能で、入力トークン100万あたり0.10ドル、出力トークン100万あたり0.50ドルです。
初期テストでは、パートナーはMuse Emberを、契約書のレビューからコードの記述まで、エージェントが一日中繰り返すようなタスクに活用しました。
［画像: Box logo］
"On the Box AI Complex Work Evalにおいて、Muse Emberは印象的な精度、速度、トークン効率を提供します。契約書を、企業の交渉プレイブックに対して条項ごとにスコアリングし、適切な全体的なリスク評価を導き出すことができます。あるいは、詳細なブリーフに対して候補者をスクリーニングし、代替案として資格のある境界線の候補者をフラグ付けすることもできます。Muse Emberは、エンタープライズコンテンツで実際の作業を行うエージェントにとって、高速で効率的な基盤です。"
著者
Yashodha Bhavnani
役職
AIプロダクト担当VP
会社
Box
エージェント
エージェントは、多くの小さな構造化されたステップにトークンの大部分を費やします。Muse Emberはまさにそのために構築されています。ビジネスワークフローをエンドツーエンドで実行し、レコードを取得し、シーケンスでツールを呼び出し、アプリ間でシステムを更新できます。
1Mトークンのコンテキストウィンドウと最大512Kの出力トークンにより、単一の呼び出しで完全なコードベースまたはドキュメントセットを取り込むことができます。
AutomationBench-AA
AutomationBench-AAの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
AutomationBench-AA: AutomationBench-AA
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 37.8% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 20.2% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 13.9% |
Artificial Analysis | 2026年11月9日。厳密なpass@1。
Agents' Last Exam
Agents' Last Examの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
Agents' Last Exam: Agents' Last Exam
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 61.6% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 57.1% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 57.0% |
Meta内部評価。Linuxサブセット。
Personal Superintelligence Index
Personal Superintelligence Indexの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
Personal Superintelligence Index: Personal Superintelligence Index
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 46.8% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 37.0% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 36.1% |
個人の仕事と知識作業の内部複合指数。
コーディング
Muse Emberは、エージェントがセッション中に数百回呼び出すコーディングサブタスク—ファイルの読み取り、テストの実行、ターゲットを絞った修正—のために構築されています。
Terminal-Bench 4.0
Terminal-Bench 4.0の結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
Terminal-Bench 4.0: Terminal-Bench 4.0
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 40.9% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 39.2% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 16.4% |
各モデルは、その最高の公開ハーネスで評価されています。脚注1を参照してください。
Coding Agent Index-AA
Coding Agent Index-AAの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
Coding Agent Index-AA: Coding Agent Index-AA
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 46 |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 37 |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 31 |
Artificial Analysis | 2026年11月9日
FrontierCode 2.0-AA
FrontierCode 2.0-AAの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
FrontierCode 2.0-AA: FrontierCode 2.0-AA
| シリーズ | 測定値 | 値 |
|---|---|---|
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 34.9% |
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 27.2% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 25.2% |
Artificial Analysis | 2026年11月9日
最も難しい問題には、Muse Wonderとペアリングしてください：Muse Wonderは計画を立て、Muse Emberはボリュームを処理します。
マルチモーダル
Muse Emberは、テキスト、画像、音声、ビデオをネイティブに理解するため、エージェントはスクリーンショット、チャート、スキャンされたドキュメントを読み取ったり、音声メモ、会議の録音、ビデオから個別のモデルなしで作業したりできます。長文の実際のドキュメントを処理したり、スクリーンショットから直接コンピューターを操作したり、細かい視覚的ディテールを拾い上げたりできます。
GDP.pdf-AA
GDP.pdf-AAの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
GDP.pdf-AA: GDP.pdf-AA
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 22.8% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 22.8% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 20.8% |
Artificial Analysis | 2026年11月9日
OSWorld 2.1
OSWorld 2.1の結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
OSWorld 2.1: OSWorld 2.1
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 69.5% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 68.9% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 50.5% |
Meta内部評価。部分点報酬。
PerceptionBench
PerceptionBenchの結果（max推論時）、ドキュメントの現在のチャートから再現。
スコア
PerceptionBench: PerceptionBench
| シリーズ | 測定値 | 値 |
|---|---|---|
| Muse Ember (max) | モデル | Muse Ember (max) |
| Muse Ember (max) | スコア | 80.6% |
| Claude Haiku 5.5 (max) | モデル | Claude Haiku 5.5 (max) |
| Claude Haiku 5.5 (max) | スコア | 78.6% |
| GPT-6 Luna (max) | モデル | GPT-6 Luna (max) |
| GPT-6 Luna (max) | スコア | 62.8% |
Meta内部評価。ツール使用。
安全性
リリース前に、Meta Superintelligence Scaling Frameworkに基づき、化学的・生物学的リスク、サイバーセキュリティリスク、制御喪失リスクを含むMuse Emberの評価を実施しました。評価されたカテゴリ全体で、Muse Emberはフレームワークのハイリスク閾値を下回っていることが判明しました。小型モデルですが、同じコアの安全性トレーニングとテストを受けています。また、Muse Emberがユーザーの代わりに動作する際の振る舞いについても評価しました。これには、ユーザーの意図を尊重するかどうか、機密情報を適切に処理するかどうか、ユーザーを誘導しようとするウェブページ、ドキュメント、またはツールの出力に隠された指示に抵抗するかどうか、および高影響度の操作の前に人間の入力を求めるかどうかなどが含まれます。
利用可能性
Muse Emberは本日、Muse CodeおよびMeta Model APIでmuse-ember-1.0として利用可能です。入力トークン100万あたり0.10ドル、キャッシュ入力トークン100万あたり0.004ドル、出力トークン100万あたり0.50ドルで、コンテキストウィンドウは1Mトークン、出力トークンは最大512Kです。Muse EmberはResponses APIをサポートしています。
Muse WonderとMuse Wonder Fullを導入した際、それらを使用して、すべての人に提供できる特殊モデルを開発すると述べました。Muse Emberは、Muse Wonder Fullを使用してトレーニングされた最初のモデルです。これにより、モデルポートフォリオが充実します：最も困難な問題にはMuse Wonder、コーディングおよびエージェントワークフローにはMuse Spark、そして反復的なコーディングおよびエージェントタスクにはMuse Emberが、Artificial Analysisタスクあたり約0.14ドルという、あらゆる製品で、すべての人に展開できるほど低価格で利用できます。
Muse EmberとMuse Spark 1.3の比較
Muse EmberとMuse Spark 1.3の比較：Artificial Analysis比較
| Artificial Analysis | 注目のモデル。Muse Ember (max) | 注目のモデル。Muse Spark 1.3 (max) |
|---|---|---|
| 知能指数 | 36 | |
| ベスト結果。37 | ||
| 知能指数あたりのコスト | ベスト結果。$0.14 | |
| $2.39 | ||
| 1M入力/出力トークンあたりの価格 | ベスト結果。$0.10(入力)$0.50(出力) | |
| $1.25(入力)$4.25(出力) |
私たちの目標は、個人の超知能です：あなたの目標達成を支援し、あなたが想像したものを創造し、人間関係を深め、最も価値のあるものに行動を起こすモデルです。それをすべての人に届けるには、最先端の能力以上のものが必要です。それは、スケーリング可能な価格での最先端の能力を必要とします。さらに効率的なモデルをトレーニング中であり、次回の発表を楽しみにしています。