Meta Superintelligence Labsは、Museファミリーの中でこれまでにない最小のAIモデルとなる新モデルMuse Emberを発表しました。このモデルは、デジタルエージェントの実行エンジンとなるように特別に開発されており、簡単なプログラミングコードの記述、文書からのデータ抽出、顧客リクエストの分類など、ワークフロー内の反復的かつ特定のタスクの実行に重点を置いています。大規模モデルと比較して、非常に低い運用コストでこれらを実現します。
計画と実行の戦略：モデル間の統合
メタの新理念では、AIの異なるレベル間で作業を分担することに依存しています。このシステムでは、Muse WonderやMuse Sparkのような大規模モデルが、戦略的計画や複雑な意思決定のタスクを担当します。例えば、Wonderモデルは特定の顧客に対する返金ポリシーを決定し、一方でMuse Emberはそのルールを数千件のリクエストに適用し、注文履歴を検証し、人間の介入が必要なケースを専門チームに転送するといった処理を行います。
この「計画する頭脳」と「実行する筋肉」の分離は、開発者の全体的なコスト削減を目的としています。ルーティンタスクに小型モデルを使用することで、すべてのステップに大規模モデルを使用する場合と比較して、推論ごとのコストを大幅に削減できるためです。
技術的機能とマルチモーダル
Muse Emberはテキスト処理だけに限定されず、マルチモーダル機能を備えており、画像、音声、動画、PDFファイルなどの入力を受け取りながら、テキストの出力を生成できます。これにより、スキャンされた請求書からの支払い日時の抽出や、音声による会議記録からのアクションアイテムの要約といったタスクに最適です。
- コンテキストウィンドウ：最大100万トークンに達し、モデルが1つのリクエストで膨大な文書やコードベースを検証することを可能にします。
- 出力制限：モデルは1つの応答で最大52万4千トークンを生成できます。
コストとベンチマークテストのパフォーマンス
メタは、Meta Model APIおよびMuse Codeを通じて、競争力のある価格体系を提供しています。入力100万トークンのコストは0.10ドル（20万トークンを超えないプロンプトの場合）から始まり、出力100万トークンのコストは0.50ドルです。これらの価格は、プロンプトが20万トークンの制限を超えた場合、入力が0.30ドル、出力が1.50ドルに上昇します。
テストでは、Muse Emberが特定の分野において顕著な優位性を示しました。多段階プロセスを測定するAutomationBench-AAテストでは、モデルは37.8%の成功率を記録し、OpenAIのGPT-6 Luna（20.2%）やAnthropicのClaude Haiku 5.5（13.9%）を上回りました。しかし、プログラミングテストのFrontierCode 2.0-AAでは、Claude Haiku 5.5が34.9%を記録し、Muse Emberの27.2%を上回りました。
実用面での変更点
Muse Emberの発表は、AIアプリケーションの構築方法における転換点を表しています。すべてを行うために1つの巨大で高価なモデルに依存するのではなく、開発者はハイブリッドインフラストラクチャへと向かっています。この傾向は、ルーティンタスクの実行における高コストと低速の問題を解決し、大規模かつ経済的な効率性をもって作業できるデジタルエージェントへの道を切り開きます。これにより、管理業務や単純なプログラミングタスクの完全な自動化が現実的かつ商業的に実行可能なものとなります。