Metaは、AIエージェントの運用コスト削減を目指している。11月9日、同社は軽量モデル「Muse Ember」を発表した。AIエージェントを忙しくさせている反復作業を担うモデルだ。他のモデルとは異なり、Emberは複雑なタスクの解決を目指すのではなく、日常的な作業を可能な限り低コストでこなすことに重点を置いている。
Muse Wonderが計画を立てる一方で、大量の処理に対応できるよう設計
Metaは、AIエージェントの稼働を支える日常的な作業を担うためにEmberを開発した。ほかのソフトウェアツールを呼び出したり、リクエストを適切なシステムに振り分けたり、文書から情報を抽出したり、長いファイルを処理したりできる。また、テストの実行や特定箇所の修正など、小規模なコーディング作業にも対応する。
より複雑な判断を行うため、Metaは高度な推論モデルであるMuse WonderとEmberを組み合わせて使用しています。Wonderがタスクへの取り組み方を決め、Emberがタスクの完了に必要な小さな作業を実行します。Metaの言葉を借りると、
「Muse Wonderが計画を立て、Muse Emberが大量の処理を担います。」
EmberはMuseシリーズの第4世代で、Muse Spark、Muse Glimmer、Muse Wonderに続くモデルです。Meta Model APIとMuse Codeを通じて開発者が利用できます。料金プランでは、入力トークン100万個あたり0.1ドル、キャッシュされた入力トークン100万個あたり0.004ドル、出力トークン100万個あたり0.5ドルが課金されます。
Emberは100万トークンのコンテキストウィンドウを備えており、大規模な文書やコードベースを処理できます。また、画像、音声、動画にも対応しています。
Artificial Analysisが主張を検証して明らかになったこと
独立したテストによって、Emberのコスト面での優位性がどの程度あるのかが明確に示されています。Artificial Analysisによると、EmberのIntelligence Indexスコアは36で、Claude Haiku 5.5と同じです。しかし、Emberのベンチマークタスク1件あたりのコストはわずか0.14ドルであるのに対し、Claude Haikuは0.41ドルです。ここに示した数値はテストにかかった推定コストであり、顧客が支払う固定料金ではありません。さらにEmberはAutomationBench-AAで68.1%のスコアを記録し、Metaのより高性能なモデル、Muse Wonderに匹敵しました。
ただし、コーディングテストの結果にはばらつきがありました。Terminal-Bench 4.0ではEmberがHaikuを上回り、スコアはそれぞれ40.9%と32.8%でした。一方、FrontierCode 2.0ではHaikuがEmberを上回り、スコアはそれぞれ34.9%と27.2%でした。
Emberのもう一つの弱点は一般知識です。AA-Omniscienceでの正答率はわずか21.1%で、クエリの64%には回答を見送りました。慎重な姿勢のおかげで、Emberはハルシネーションスコアを17.4%に抑えることができました。
Meta Muse Emberのエージェントタスク1件あたり0.14ドル：Claude Haiku 5.5とのコストと性能の比較
今、タスク単位のコストが重要な競争軸である理由
Emberの低価格化は、企業がAI技術への支出を見直すなかで実現しました。Gartnerは、AIエージェントやアシスタントへの需要によって、2026年には支出が292億ドルに達すると予測しており、これは2.7兆ドル規模と見込まれるAI市場の一部です。AI技術の利用が拡大するなか、BCGはソフトウェア企業に対し、ライセンスを持つユーザーごとに課金するだけでなく、完了したタスクや成果に対する課金も検討するよう促しています。ただし、従来のサブスクリプション料金を性急に廃止しないよう警鐘を鳴らしています。
より重要なのは、低価格のAIがより大きなリターンをもたらすかどうかです。McKinseyは、トークンコストだけではビジネス価値を測れないと指摘しています。価格が下がれば、企業によるAIの利用がさらに増える可能性もあります。IDCによると、企業の67%がエージェント関連の予算を超過しました。同調査会社は、エージェントのアクション1回あたりのコストは2030年までに95%低下する一方、トークン配信の総コストは487倍に増加すると予測しています。
ROI、信頼性、監督をめぐる課題
Metaの初期パートナーは、Emberの速度を高く評価しています。CloudflareのCTO、Dane Knecht氏は、このモデルについて次のように述べています。
「最大30%高速」
You.comの推論部門責任者、Chak Pothina氏は次のように報告しています。
「p95で2.2秒」
Boxの幹部、Yashodha Bhavnani氏によると、Emberは契約を次のように評価できます。
「企業の交渉プレイブックに照らし、条項ごとに」
これらの結果は有望ですが、パートナーによるテストで得られたものです。企業は引き続き、自社の業務におけるEmberの性能を評価する必要があります。
信頼性は速度だけでは決まりません。FII Instituteが引用した調査結果によると、回答者の73%がAIにおけるデータのプライバシーとセキュリティに懸念を抱いています。一方、McKinseyの調査では、エージェント型AIのガバナンスがより高い成熟度に達している組織は約30%にとどまりました。
コスト圧力はモデル自体にとどまりません。Metaが最近実施した150億ドルの社債発行は、AIインフラの構築にかかる費用の大きさを浮き彫りにしています。Cryptopolitanも、Metaによるデータセンター投資の拡大を報じています。
この記事を読んでいるあなたは、すでに一歩先を行っています。ニュースレターで、その先を進み続けましょう。