Muse Emberの料金とスペック——反復エージェントタスク向け超低コストAIモデル

Meta AIが2026年11月9日に発表した「Muse Ember」は、インプット1百万トークンあたり$0.10という低単価で、反復的なエージェントタスクを大量処理できるよう設計された最軽量モデルだ（Unite.AI、research.meta.ai）。コスト優先で量をこなしたい処理に向いており、高度な推論が必要な場面は同ファミリーの上位モデルに委ねる構造になっている。

Muse Emberとは——Museファミリー最小・最コスト効率モデル

Museファミリーは現在、最難問題の計画を担う「Wonder」（2026年10月）、コーディング・エージェントワークフロー向けの「Spark」（2026年4月）、そして反復タスクの大規模実行に特化した「Ember」（2026年11月9日）の三層構造で役割分担されている。開発はMeta AI Research／Meta Superintelligence Labが主導しており、Emberはこのファミリーでコストパフォーマンスをもっとも重視した位置づけだ（TechCrunch）。

モデルIDはmuse-ember-1.0。コンテキストウィンドウは100万トークン、最大アウトプットは512Kトークンで、テキスト・画像・音声・動画のマルチモーダル入力に対応する。Responses APIもサポートしており、既存の開発環境から呼び出しやすい設計になっている。

関連記事AIエージェントの料金は？主要サービスの価格体系を比較 ／ AIエージェントは目的別にどう選ぶ？導入判断の要点は？

Muse Emberでできること——機能と使い場面

Emberの設計上の想定用途は「反復タスクの大規模実行」だ。100万トークンのコンテキストウィンドウにより、長大なドキュメントをまるごと渡して処理できる点が実運用での強みになる。

• 大量データのラベリング・分類：数万行のログや顧客データを一括でカテゴリ分けするバッチ処理。コンテキストが広いため、前処理なしで長文をそのまま渡せる。
• コードのリファクタリング・静的解析支援：同一パターンの修正を多数のファイルに繰り返し適用する反復型コーディングタスク。
• エージェントパイプラインのワーカーノード：WonderやSparkが立てた計画を受け取り、実行ステップを繰り返すサブエージェントとして動かす構成。トークン単価が低いため、ステップ数が増えてもコストが膨らみにくい。
• 構造化データの抽出・変換：長文PDFや音声書き起こしから特定フィールドを抜き出すETL的な処理。マルチモーダル対応のため音声・画像入力も扱える。

ベンチマーク結果（最大推論設定）では、AutomationBench-AAでEmber 37.8%に対してClaude Haiku 5.5が13.9%、GPT-6 Lunaが20.2%。Agents’ Last Exam（Linux）ではEmber 61.6%、Terminal-Bench 4.0ではEmber 40.9%と、エージェント・自動化系の評価で競合を上回る結果が出ている（Unite.AI、research.meta.ai）。一方、FrontierCode 2.0ではClaude Haiku 5.5が34.9%に対してEmberは27.2%と劣る数字も出ており、コーディング精度の一部ではEmberが最善ではない（Unite.AI）。

誰に向いているか・向いていないか

Emberが向いているのは、次の条件に当てはまるケースだ。

• 月間トークン消費量が多く、コスト最適化が最優先のエンジニア・開発チーム
• エージェント構成でサブタスクの並列・反復実行が発生するシステムを構築している人
• 長文コンテキストをまるごと渡す自動処理（法律文書、マニュアル、コードベース全体など）を量産したい人

逆に向かない場面もある。複雑な多段階推論や新規問題の設計にはWonderやSparkが適しており、EmberはあくまでWonderやSparkが組み立てた計画の実行役として使うのが設計上の想定だ。またFrontierCode 2.0でのベンチマーク結果が示すとおり、コードの正確性を最優先するタスクでは選択を慎重に検討する必要がある。さらに提供地域や日本語対応の詳細は現時点で公式から明示されておらず、日本語処理の品質は実測が必要だ。

Muse Emberの料金と提供条件

Muse EmberのAPIは2026年11月9日に提供開始。料金体系は以下のとおり（Unite.AI、research.meta.ai、2026年11月9日発表時点）。

料金区分	単価（百万トークンあたり）
インプット	$0.10
アウトプット	$0.50
キャッシュ済みインプット	$0.004

※上記はAPI公表価格。為替レートや消費税は含まない。

Artificial Analysisの比較によれば、EmberのタスクあたりコストはSpark 1.3の$2.39に対して$0.14と、同ファミリー内で大幅に低い（Unite.AI）。コンテキストウィンドウ100万トークン・最大アウトプット512Kトークンという仕様を考えると、長文処理を繰り返すバッチ用途において価格面での優位は明確だ。

提供チャネルはMuse CodeとMeta Model APIの2系統。無料枠の有無・提供地域・日本語対応の詳細については、2026年11月時点で公式からの明示的な発表がない。利用前に公式ドキュメントで最新情報を確認することを推奨する。

利用の始め方

現時点で確認できる手順の概要は以下のとおりだ。

1. Meta Model APIから利用する場合：Meta AIの開発者向けポータルでAPIキーを取得し、モデルIDとしてmuse-ember-1.0を指定する。Responses APIに対応しているため、同APIに準拠した既存クライアントからそのまま呼び出せる構造になっている。
2. Muse Codeから利用する場合：Meta AIが提供するコーディング支援環境から直接Emberを呼び出せる。詳細な操作手順は公式ドキュメントで案内される。

エージェント構成で使う場合、計画フェーズにWonderやSparkを置き、実行フェーズの繰り返し処理をEmberに割り当てる分業設計が、コストと品質のバランスをとる現実的な選択肢になる。

注意点と現時点での制約

実運用前に把握しておくべき点をまとめる。

• 個人情報・機密データの扱い：APIを通じて外部サーバーにデータを送信する。入力データに個人情報や企業秘密が含まれる場合、MetaのAPIデータ利用ポリシーを事前に確認する必要がある。
• コスト試算の必要性：単価は低いが、設計上大量トークンを処理することを前提にしているため、想定外のリクエスト量が発生すると費用が膨らむ。バッチ処理の前にサンプル規模でコスト検証を行うことが望ましい。
• 安全評価の範囲：MetaはEmberをSupeintelligenece Scaling Frameworkで評価し、化学・生物・サイバーセキュリティ・制御喪失リスクいずれも高リスク閾値未満と報告している（Unite.AI）。ただし自社のコンプライアンス要件に照らした独自評価は別途必要だ。
• 全用途で最高性能ではない：FrontierCode 2.0でのベンチマーク結果が示すとおり、コーディング精度が最優先の用途ではEmberが最善の選択ではない可能性がある。用途ごとに実測評価を行うことが重要だ。
• 提供地域・言語サポートの未確認：日本語の品質や提供地域の制限については公式発表がなく、現時点では不明だ。

---

参考文献

• Unite.AI「Meta Announces Muse Ember for Lower-Cost Agentic and Coding Work」（2026年11月9日）— https://unite.ai/
• TechCrunch — https://techcrunch.com/
• Meta AI Research — https://research.meta.ai/