Meta、高ボリュームのエージェンティック・ワークフロー向けにMuse Emberをリリース

Metaの新しいMuse Emberモデルは、Claude Haiku 5.5の性能を約3分の1のコストで実現でき、「エージェンティック」なワークフローにおける高効率な選択肢として位置付けられています。ツール呼び出し、ルーティング、長文ドキュメントの解析といった反復的なタスクに特化して設計されたこのモデルは、自動化システムを構築する開発者に対して、1ドルあたりの高い知能を提供することを目指しています。

この抽象的なイラストは、Muse Emberの発表における主要なビジュアルであり、複雑なエージェンティック・ワークフローにおけるモデルの役割を表しています。

最前線の効率性

Muse Emberは、Artificial Analysisリーダーボードの「効率の最前線（efficiency frontier）」に位置するように設計されています。これは、現在の他のどのモデルも、タスクあたりのコストを抑えつつより高いスコアを獲得できていないことを意味します。テストでは、さまざまな推論設定において、Claude Haiku 5.5およびGPT-6 Lunaの両方と比較して、知能と価格の優れたバランスを実証しました。

このモデルは、入力トークンあたり0.10ドル、出力トークンあたり0.50ドルの価格で提供されます。これらのコストは、より大きなモデルが、より高速で安価な基盤モデルに小さく構造化されたステップを委譲する「サブエージェント」の作業を促進することを意図しています。

HN Digestによる図表（research.meta.aiの報告数値に基づく）。数値はソースの表記通り。

MetaはMuse EmberのコストをArtificial Analysisタスクあたり約0.14ドルと推定しており、この価格設定は、さまざまな製品にわたる高ボリュームのプロダクション環境での利用を容易にすることを目的としています。

「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1ドルあたりの高い知能を提供します。Haikuの最高スコアを約3分の1のコストで一致させ、すべてのLuna設定を上回ります。」

— Introducing Our Smallest, Most Efficient Model: Muse Ember

コーディングと自動化における性能

コーディングのベンチマークにおいて、Muse Emberはレイテンシとトークン効率の面で顕著な優位性を示しました。例えば、You.comによるテストでは、このモデルはコーディングクエストをp95レイテンシ2.2秒で完了し、主要なオープンウェイトモデルよりも4倍から13倍高速でありながら、出力トークンを36〜48%削減しました。

このモデルは自動化のベンチマークでも優れた成績を収め、AutomationBench-AAで37.8%を記録しました。これはClaude Haiku 5.5のスコア（13.9%）のほぼ2倍です。これにより、詳細なブリーフに対する候補者のスクリーニングや、交渉プレイブックに対する契約のスコアリングなど、エンドツーエンドのビジネスワークフローの候補となります。

このモデルは、エージェントが1セッションあたり数百回送信する、ファイルの読み取り、テストの実行、標的を絞った修正といった特定のコーディング・サブタスクのために構築されています。

安全性と展開の制限

Metaは、サイバーセキュリティや制御喪失などのリスクを網羅するSuperintelligence Scaling Frameworkの下でMuse Emberを評価しました。このモデルは高リスクの閾値を下回り、Metaのより大きなフロンティアモデルと同じコア安全トレーニングを受けています。

その効率にもかかわらず、Muse Emberは最も困難な推論タスクのための汎用的な代替品として意図されているわけではありません。Metaの戦略は階層的なアプローチを含んでおり、Muse Wonderが最も困難な問題を処理し、Muse Emberはエージェントがセッションを通じて実行する高ボリュームで反復的なタスクを管理します。

証拠の境界

主なソースはコーディングと自動化におけるMuse Emberの効率性と性能を強調していますが、提供されたテキストでは、100万トークンのコンテキストウィンドウや、オーディオおよびビデオモダリティのネイティブサポートを明示的に確認していません。これらの特定の技術仕様は、提供されたドキュメントでは未検証のままです。

ソースはまた、OSWorld 2.1などの一部の評価結果が「部分的（partial）」または「バイナリ（binary）」とマークされていることも指摘しており、特定の性能指標には範囲やスコアリング手法に制限がある可能性があることを示唆しています。