Meta、大量のエージェント・サブタスク向け低価格マルチモーダル推論モデル「Muse Ember」を発表

Metaは11月9日、Muse Emberを発表し、Muse CodeとMeta Model APIで提供を開始した。このモデルは、エージェントのワークフローで繰り返し実行する、範囲の明確な作業を主な対象としている。たとえば、フィールド抽出、リクエスト分類、ツール呼び出し、コードの一部修正などだ。Metaは、Muse WonderまたはMuse Sparkで計画を立てたうえで、大量のサブタスクをEmberに任せる使い方を推奨している。発表

技術仕様では、muse-ember-1.0はテキスト、画像、音声、動画、PDFを入力として受け付け、テキストを出力する。コンテキスト上限は1,048,576トークン、最大出力は524,288トークン。APIではResponses、Chat Completions、Messagesの各エンドポイントを利用できる。推論強度はminimalからmaxまで調整可能で、デフォルトは最高強度に設定されている。ツール呼び出しと構造化出力にも対応する。モデルドキュメント

コストはプロンプトの長さも含めて計算する必要がある。Metaの開発者向け告知によると、入力が20万トークン以下の場合、100万トークンあたりの入力／出力料金は0.10／0.50ドル。しきい値を超えると0.30／1.50ドルになる。したがって、100万トークンのコンテキストでより多くのコードや文書を扱える一方、長い会話では高い料金が適用される可能性がある。マルチエージェントシステムでは、タスク完了に必要な総トークン数、再試行回数、検証コストを測定することが重要だ。開発者向け告知

評価結果からは、能力の境界も見えてくる。Metaによると、EmberはTerminal-Bench 4.0で40.9点を獲得し、Haiku 5.5の39.2点を上回った。ただし、両者は異なるエージェント実行フレームワークを使用しており、この差をモデル単体の性能差とみなすことはできない。コード変更のマージ可能性を評価するFrontierCode 2.0-AAでは、Emberは27.2点で、Haikuの34.9点を下回った。これらの数値はMetaの発表資料に基づくものであり、同じツール、予算、テストセットを使った再評価が必要だ。評価結果と条件

Vercelも同日、モデルをAI Gatewayに追加した。モデル名はmeta/muse-emberで、AI SDKや複数の互換APIから呼び出せる。エンジニアリングチームは今後、繁体字中国語の文書抽出、ツール引数の正確さ、推論強度を下げた場合のレイテンシと成功率を検証するとよい。また、入力モダリティと出力制限は、各プロバイダーで個別に確認する必要がある。Vercelの更新情報