Meta Muse Ember 1.0 リリースノート

Metaは、ツール呼び出し、コーディングのサブタスク、ルーティング、長文ドキュメントの解析といった高頻度なエージェントタスクに特化して設計された新しいモデル「Muse Ember」をリリースしました。効率性に焦点を当てることで、Muse Emberは高い知能対コスト比を提供し、Claude Haiku 5.5やGPT-6 Lunaといったモデルに対する費用対効果の高い代替手段としての地位を確立することを目指しています。

パフォーマンスと効率性

Muse Emberは「効率性のフロンティア」に向けて最適化されており、低い運用コストを維持しながらエージェントベンチマークで高いパフォーマンスを発揮します。Artificial Analysisのデータによると、Muse Emberはタスクあたり約$0.14のコストで36の知能スコアを達成しています。このパフォーマンスはより大規模なモデルと競合するものであり、特定のエージェントハーネスにおいてはそれらを上回ることもしばしばです。

主なパフォーマンスのハイライトは以下の通りです：

• AutomationBench-AA: 37.8%のスコアを達成し、GPT-6 Luna (20.2%) や Claude Haiku 5.5 (13.9%) を大幅に上回りました。
• Personal Superintelligence Index: 46.8%を記録し、Luna (37.0%) と Haiku (36.1%) の両方をリードしています。
• Terminal-Bench 4.0: 40.9%を記録し、エージェントによるターミナルコーディングにおいて強力な能力を示しました。

技術仕様と可用性

Muse EmberはMeta Model APIを通じて muse-ember-1.0 として利用可能です。100万トークンのコンテキストウィンドウを備え、最大512,000の出力トークンをサポートしています。価格は入力トークン100万あたり$0.10、キャッシュされた入力トークン100万あたり$0.004、出力トークン100万あたり$0.50に設定されています。

このモデルはネイティブなマルチモーダルであり、個別の専門モデルを必要とせずにテキスト、画像、音声、動画を処理できます。これにより、スクリーンショット、スキャンされたドキュメント、会議の録音を含むワークフローへの直接的な統合が可能になります。

コミュニティと業界の視点

今回のリリースは、モデルのベンチマークとデプロイメントの現状に関して重要な議論を巻き起こしています。提供された指標は強力なパフォーマンスを示していますが、一部のコミュニティメンバーは、集計されたベンチマークスコアよりも、ワークロード固有の評価の重要性を強調しています。

「これは、カスタムでワークロード固有の評価の必要性を補強するものです。広範なベンチマークはモデルの候補を絞り込むには有用ですが、それらを選択するには、代表的なタスク、明確な成功基準、そして実際にデプロイしようとしているツールや推論設定を用いた測定が必要です。」 — @ProblemExplorer

その他の議論では、オープンウェイトではないことへの懸念が中心となっており、ローカルで実行可能なモデルを好むユーザーもいます。さらに、観察者からは、Muse Emberは特定のベンチマークでは優れた性能を発揮するものの、ソフトウェアエンジニアリングのタスクで現在HaikuやLunaのような確立されたモデルに依存している開発者にとって、採用の主要な指標は依然として実用性であると指摘されています。

戦略的ポジショニング

Muse Emberは、Metaのより大規模な「Muse Wonder Full」アーキテクチャを使用してトレーニングされた最初のモデルです。これは、高複雑度の推論のための「Muse Wonder」や、専門的なコーディングワークフローのための「Muse Spark」を含む、Metaの現在のモデルポートフォリオを補完することを目的としています。タスクあたりのコストを低く抑えることで、MetaはBoxのような初期パートナーによって実証されているように、契約分析や候補者スクリーニングといったエンタープライズアプリケーションにおいて、エージェントワークフローをよりスケーラブルにすることを目指しています。