2026年11月9日、Meta が「Muse Ember」を発表しました。公式ブログの見出しは "Introducing Our Smallest, Most Efficient Model" で、Muse シリーズでいちばん小さく、いちばん効率のよいモデルという位置づけです。ツール呼び出し、コーディングの小さな作業、振り分け(ルーティング)、情報の抜き出し、長い文書の読み込みといった、エージェントが1日に何百回もくり返す仕事を担わせるためのモデルとして作られています。
先に結論を書きます。Muse Ember の表の単価は、入力100万トークンあたり0.10ドル・出力0.50ドルで、Claude Haiku 5.5 と GPT-6 Luna とまったく同じです。だから「どれが安いか」は単価表を見ても決まりません。差が出るのは、①長いプロンプトを送ったときの割増の境目、②キャッシュ入力の単価、③同じ仕事を終えるまでに使うトークン量、の3点です。この記事では、この3点を公式の数字で並べ、月額がどこで分かれるかを3つのケースで試算します。
Muse Ember とは:Meta の「量をこなす」小型モデル
公式ブログに書かれている基本仕様をまとめると次のとおりです。
項目 | 公式の記載 |
|---|---|
発表日 | 2026年11月9日(同日提供) |
モデル名(API) | muse-ember-1.0 |
使える場所 | Muse Code、Meta Model API。Muse Ember・Muse Spark・Muse Wonder は Google Cloud と Oracle Cloud でも利用可能と記載 |
コンテキスト | 100万トークン(最大出力51.2万トークン) |
入力の種類 | テキスト・画像・音声・動画をネイティブに理解。スクリーンショットからのコンピュータ操作にも対応 |
API | Responses API に対応 |
学習 | Muse Wonder Full を使って学習した最初のモデル |
Meta はラインナップの役割分担も示しています。最も難しい問題は Muse Wonder、コーディングとエージェント作業は Muse Spark、大量にくり返す定型の作業は Muse Emberという分け方です。さらに「Muse Wonder が計画し、Muse Ember が量をさばく」という組み合わせ方も公式に書かれています。上位モデルの Muse Wonder がどこで使えるかは、Muse Wonder の提供範囲を3層で整理した記事にまとめています。
Muse Ember の料金:20万トークンを境に3倍
料金は発表文に明記されています。プロンプトが20万トークン以下かどうかで単価が変わる二段構えです。
1Mトークンあたり | 20万トークン以下 | 20万トークン超 |
|---|---|---|
入力 | 0.10ドル | 0.30ドル |
キャッシュ入力 | 0.004ドル | 0.012ドル |
出力 | 0.50ドル | 1.50ドル |
同じ Muse シリーズの上位モデルと比べると、価格帯がまったく違います。2026年10月時点の公式モデルページでは、Muse Wonder が入力4.00ドル・出力20.00ドル、Muse Spark 1.3 が入力1.25ドル・出力4.25ドルでした。Muse Ember の出力単価は Muse Spark 1.3 の約8.5分の1、Muse Wonder の40分の1です。Muse Wonder の月額を自社のトークン量で出したい場合は、Muse Wonder の料金を月間トークンから試算した記事が使えます。
なお、ブログ内のグラフには "Muse Ember costs are estimates at proposed pricing" という注記もあります。グラフの1タスクあたり費用は発表時点の価格で見積もった値だ、という意味です。請求の前提にするのは、上の表の単価にしてください。
Claude Haiku 5.5・GPT-6 Luna と単価を並べる
Meta が比較相手に選んだのは、Anthropic の Claude Haiku 5.5 と OpenAI の GPT-6 Luna です。3社それぞれの公式料金ページの数字を、同じ形にそろえて並べました(2026年11月14日確認)。
1Mトークンあたり | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
入力 | 0.10ドル | 0.10ドル | 0.10ドル |
出力 | 0.50ドル | 0.50ドル | 0.50ドル |
キャッシュ入力(読み出し) | 0.004ドル | 0.01ドル | 0.01ドル |
割増が始まる境目 | 20万トークン超 | 10万トークン超 | 27.2万トークン超 |
境目を超えた入力/出力 | 0.30ドル/1.50ドル(3倍) | 0.50ドル/2.50ドル(5倍) | 0.20ドル/0.75ドル(入力2倍・出力1.5倍) |
コンテキスト/最大出力 | 100万/51.2万 | 100万/12.8万 | 105万/12.8万 |
表から読み取れることは3つです。
- 短いプロンプト中心なら、単価の差はキャッシュだけ。同じシステムプロンプトや社内マニュアルを毎回読み込ませる使い方では、キャッシュ入力が Haiku 5.5・Luna の4割の Muse Ember が有利です。
- 10万〜20万トークンの帯では Haiku 5.5 だけが5倍になる。契約書や議事録をまとめて読ませる処理がこの帯に入りやすく、ここで差が大きく開きます。Haiku 5.5 の境目の詳しい扱いはClaude Haiku 5.5 の料金と10万トークン超の割増を解説した記事で整理しています。
- 27.2万トークンを超える長文では Luna が最も安い。Muse Ember は20万トークンを超えると3倍になるので、それより長い文書を丸ごと渡す処理では Luna の割増(入力2倍)のほうが軽く済みます。
月額の試算:3つのケースで勝者が入れ替わる
単価だけでは判断できないので、よくある使い方を3つ置いて月額を計算しました。計算式は次のとおりです。
月額 =(キャッシュなし入力 × 入力単価 + キャッシュ入力 × キャッシュ単価 + 出力 × 出力単価)÷ 100万 × 月間リクエスト数
前提として、キャッシュの書き込み料金・推論(思考)トークンの増減・トークナイザーの違いは入れていません。同じ日本語の文章でも、モデルによって数えられるトークン数は変わります。あくまで「単価構造の違いがどこで効くか」を見るための目安です。
ケース | 1回あたりの量 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|---|
A:社内FAQボット(月1万回) | 入力2万(うちキャッシュ1.5万)・出力2千 | 約15.6ドル | 約16.5ドル | 約16.5ドル |
B:契約書の要点チェック(月1,000回) | 入力15万・出力4千 | 約17ドル | 約85ドル | 約17ドル |
C:資料一式の読み込み(月1,000回) | 入力40万・出力8千 | 約132ドル | 約220ドル | 約86ドル |
ケースAは、キャッシュが効く分だけ Muse Ember が少し安くなります。ただし差は月1ドル程度で、これだけで乗り換える理由にはなりません。ケースBは、入力が10万トークンを超えた瞬間に Haiku 5.5 が5倍の単価に切り替わるため、同じ処理で5倍の差がつきます。ケースCは入力が20万トークンを超えるので Muse Ember も3倍になり、境目が27.2万トークンと最も高い Luna が逆転します。
つまり、「どのモデルが安いか」はプロンプトの長さの分布で決まります。乗り換えを考えるときは、まず自社の処理ログから1回あたりの入力トークン数を「10万以下/10万〜20万/20万〜27.2万/それ以上」に分けて数えるのが近道です。Luna 側の使える場所や値下げの経緯はGPT-6 Sol と Luna の解説記事を参照してください。
公式ベンチの読み方:負けている列もある
発表文には、3モデルを最大の推論設定(max)でそろえたベンチマーク表が載っています。発表元が作った表なので、勝っている列と負けている列を分けて見ます。
ベンチマーク | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
AutomationBench-AA(業務ワークフロー) | 37.8 | 13.9 | 20.2 |
Agents' Last Exam(エージェント作業) | 61.6 | 57.0 | 57.1 |
Terminal-Bench 4.0(ターミナルでのコーディング) | 40.9 | 39.2 | 16.4 |
Coding Agent Index-AA | 46 | 37 | 31 |
FrontierCode 2.0-AA(実務のエンジニアリング課題) | 27.2 | 34.9 | 25.2 |
GDP.pdf-AA(長い文書での実務) | 22.8 | 20.8 | 22.8 |
OSWorld 2.1(パソコン操作・partial) | 69.5 | 68.9 | 50.5 |
Artificial Analysis Index | 36 | 36 | 28 |
読み取れることは次のとおりです。
- 業務ワークフロー系(AutomationBench-AA)は大差で先頭ですが、Personal Superintelligence Index などは Meta 自身の評価セットで、第三者の検証ではありません。
- 実務のエンジニアリング課題(FrontierCode 2.0-AA)では Haiku 5.5 が上です。コードの質を最優先する処理では、Haiku 5.5 を外す理由にはなりません。
- 総合の Artificial Analysis Index は Haiku 5.5 と同点の36です。Meta の主張の中心は「同じスコアをより安いタスク単価で出す」点にあります。グラフでは、Haiku 5.5 の最高スコア(max・36.2)の1タスクあたり費用が0.411ドル、Muse Ember(max・35.8)が0.136ドルで、約3分の1です。単価が同じなのにタスク単価が下がるのは、同じ仕事を少ないトークンで終えている、という主張になります。
この「少ないトークンで終わる」は、上の試算に入れていない要素です。本当に効くかどうかは自社の処理で測るしかありません。同じ入力を3モデルに流し、出力トークン数(推論トークンを含む)を比べるのがいちばん確実です。
中小企業はどこから試すか
単価が同じ3モデルの比較なので、全面的な乗り換えより「処理ごとの振り分け」で考えるのが現実的です。
- 10万〜20万トークンの処理を Haiku 5.5 で回しているなら、最初に試す価値がある。ケースBのとおり、単価の差が最も大きく出る帯です。
- 同じ前提文を毎回読ませる大量処理(FAQ・分類・抜き出し)なら、キャッシュ単価の差を測る。件数が多いほど効きますが、差は小さいので精度が落ちないことが前提です。
- 27.2万トークンを超える長文の一括処理は、Luna のままでよい。Muse Ember の割増のほうが重くなります。
- コード品質が最優先の処理は、FrontierCode の結果を踏まえて Haiku 5.5 と並走させて比べる。
もう1つ確認しておきたいのが、データの扱いです。Meta Model API には、過去に「製品改善に使われる」と注記された安価な枠(contributor 版)が並んでいたことがあります。顧客情報や社内資料を流す処理では、使うモデル名とデータ利用の条件を契約前に確かめてください。社外にデータを出せない処理なら、社内で動かせる Muse Glimmer の解説のように、ローカルで動くモデルも比較対象に入ります。
どのモデルを選ぶかは、処理ごとのトークン量と求める精度で決まります。Mihata では、こうした「どの処理をどのモデルに任せるか」の設計から、社内向け AI の開発までお手伝いしております。記事の途中で恐縮ですが、モデル選びで迷われている方は、よろしければサービス内容もご覧いただけたら嬉しいです。
まとめ
Muse Ember は、Meta が2026年11月9日に出した Muse シリーズで最小・最も効率のよいモデルで、Meta Model API(muse-ember-1.0)と Muse Code で使えます。表の単価は入力0.10ドル・出力0.50ドルで、Claude Haiku 5.5 と GPT-6 Luna と同じです。差が出るのはキャッシュ入力(Muse Ember が0.004ドルで最安)と長いプロンプトの割増で、10万〜20万トークンの帯では Haiku 5.5 の5倍割増が効き、27.2万トークン超では Luna が最も安くなります。公式ベンチは業務ワークフロー系で大きく先頭ですが、実務のエンジニアリング課題では Haiku 5.5 が上でした。乗り換えるかどうかは、自社の処理のプロンプト長の分布を数えてから決めるのが確実です。
よくある質問
Muse Emberの料金はいくらですか?
Meta Model API の muse-ember-1.0 は、プロンプト20万トークン以下なら100万トークンあたり入力0.10ドル・キャッシュ入力0.004ドル・出力0.50ドルです。20万トークンを超えるリクエストは入力0.30ドル・キャッシュ入力0.012ドル・出力1.50ドルになります。
Muse EmberはClaude Haiku 5.5やGPT-6 Lunaより安いですか?
表の単価は3つとも入力0.10ドル・出力0.50ドルで同じです。差が出るのは長いプロンプトとキャッシュで、10万トークンを超えるとHaiku 5.5は単価が5倍に、27.2万トークンを超えるとLunaは入力2倍・出力1.5倍に、20万トークンを超えるとMuse Emberは3倍になります。キャッシュ入力はMuse Emberが0.004ドルで最も安い設定です。
Muse Emberはどこで使えますか?
発表文では、Muse Code と Meta Model API で muse-ember-1.0 として当日から提供と書かれています。あわせて Muse Ember・Muse Spark・Muse Wonder が Google Cloud と Oracle Cloud で利用可能になったとされています。Responses API にも対応しています。
Muse Emberのコンテキストと最大出力は?
コンテキストは100万トークン、出力は最大51.2万トークンです。テキストに加えて画像・音声・動画をそのまま理解でき、スクリーンショットを見ながらのコンピュータ操作にも対応すると説明されています。
Muse EmberとMuse Wonderはどう使い分けますか?
Meta は、最も難しい問題は Muse Wonder、コーディングとエージェント作業は Muse Spark、大量にくり返す定型のコーディング・エージェント作業は Muse Ember という役割分担を示しています。難しい計画を Wonder に任せ、量の多い処理を Ember に回す組み合わせも公式に挙げられています。