米Metaは、最小かつ最も効率的とするAIモデル「Muse Ember」を公開しました。複雑な推論の実行のほか、ツール呼び出し、コーディングの小タスク、ルーティング、情報抽出、長い文書の解析など、AIエージェントが一日中繰り返す作業向けに設計されたといいます。Meta Model APIとMuse Codeで、モデル名「muse-ember-1.0」として利用できます。
同社は、Artificial Analysisの結果をもとに、Muse EmberはClaude Haiku 5.5やGPT-6 Lunaより、どの推論設定でもドル当たりの知能が高いと説明しています。Haikuの最高スコアに約3分の1のコストで並び、Lunaの全設定を上回るとしています。Muse Ember（max）のコストは1タスク約0.14ドルで、Intelligence Indexは36です。Muse Spark 1.3（max）は37で、1タスク2.39ドルでした。なお、Muse Emberのコストは提案価格に基づく推定値とされています。
各種ベンチマークでは、AutomationBench-AAでMuse Emberが37.8%となり、GPT-6 Lunaの20.2%、Claude Haiku 5.5の13.9%を上回りました。Terminal-Bench 4.0は40.9%で、HaikuとLunaはそれぞれ39.2%、16.4%です。Coding Agent Index-AAは46で、Haikuの37、Lunaの31を上回りました。OSWorld 2.1（部分点）は69.5%、PerceptionBenchは80.6%でした。一方、実際のエンジニアリング課題を扱うFrontierCode 2.0-AAでは、Muse Emberが27.2%、Haikuが34.9%、Lunaが25.2%で、Haikuが上でした。GDP.pdf-AAはMuse EmberとLunaがともに22.8%でした。Agents’ Last Exam（Metaの社内評価）は61.6%、Metaの社内指標Personal Superintelligence Indexは46.8%です。
機能面では、テキスト、画像、音声、動画をネイティブに理解し、スクリーンショットや図表、スキャン文書の読み取りができるとしています。コンテキストウィンドウは100万トークン、出力は最大51万2000トークンで、コードベースや文書一式を1回の呼び出しで扱えます。最も難しい問題にはMuse Wonderと組み合わせ、Muse Wonderが計画を担い、Muse Emberが大量の処理を受け持つ使い方を挙げています。
料金は入力100万トークンあたり0.10ドル、キャッシュ入力は100万トークンあたり0.004ドル、出力は100万トークンあたり0.50ドルです。Responses APIに対応します。Muse EmberはMuse Wonder Fullを使って初めて訓練されたモデルで、Muse Wonder、Muse Sparkと合わせたラインアップを構成します。Muse Ember、Muse Spark、Muse WonderはGoogle CloudとOracle Cloudでも利用できます。
パートナーの初期テストの評価も公開されました。Boxは契約書の条項ごとの評価などで正確さと速度を評価し、Clineは低コストのサブエージェント用途に向くとしました。Cloudflareはテスト対象の比較モデルより最大30%高速だったとし、You.comはp95で2.2秒の低遅延で出力トークンが36〜48%少なかったと述べています。
安全面では、Meta Superintelligence Scaling Frameworkに基づき、化学・生物、サイバーセキュリティ、制御喪失のリスクを評価しました。Metaは、評価した範囲でいずれも高リスクのしきい値を下回ったと説明しています。同社は、さらに効率的なモデルも訓練中だとしています。
出典：Introducing Our Smallest, Most Efficient Model: Muse Ember