Muse Ember(ミューズエンバー)とは

Muse Emberとは、問い合わせの振り分けや資料からの項目抽出など、繰り返し発生する仕事を担うMetaのAIモデルです。2026年11月9日に発表されました。AIエージェントが作業を進める途中で、同じ手順で何度も行う小さな仕事を受け持つ設計。文章のほか、画像やPDFなどを入力に使い、結果は文章として返します。

Metaはこのモデルを、Museシリーズで最も小さく、最も効率のよいモデルと位置づけています。2026年11月時点の料金は、100万トークンあたり入力約0.10米ドル・出力約0.50米ドル。トークンは、AIが読み書きする文章の量を数える単位です。入力が20万トークンを超える依頼は、入力約0.30米ドル・出力約1.50米ドルの単価になります。

繰り返しの仕事をどう切り出す?

たとえば窓口に届くメールを読み、請求・不具合・機能要望に分け、理由を一文で残す仕事です。元のメールと判定理由が並んでいれば、人が振り分けをやり直しやすくなります。同じ手順で複数の入力を扱い、結果の正誤も確かめられる仕事から試すと、何を任せられるかが見えてくるでしょう。

Metaの公式ドキュメントでは、全体を計画する役と、量の多い処理をこなす役を分ける構成が紹介されています。たとえばMuse SparkやMuse Wonderが依頼を分け、Muse Emberは複数の書類から同じ項目を抜き出す担当。件数が多く、例外が少ない仕事ほど、軽いモデルに任せる効果は大きくなるでしょう。

試すときは後工程まで見る

件数が多い仕事では、1件が速く終わるかと同じくらい、あとで何件を人が確認するかが大切です。たとえば窓口の分類を試すなら、全体の正答率と一緒に、請求の苦情が別の担当へ送られた件数も見ておく。精度の合格ラインを項目ごとに決めておくと、何を人に戻すか判断しやすいでしょう。一方、難しい1回限りのプログラム作成や、幅広い知識を要する質問には、Muse SparkかMuse Wonderを使うよう公式ドキュメントは案内しています。

TopicBoxが試した、契約書を条項ごとに読む仕事

Metaの発表には、文書管理サービスのBoxによる早期テストが載っています。Boxが試したのは、自社の交渉ルールに照らして契約書を条項ごとに評価する使い方。企業によって違う交渉の基準をAIに渡し、契約書の読み方に反映させる例です。

Muse Emberに関するよくある質問

Muse EmberはMeta Model API以外でも使えますか?
ソフトウェア開発用のMuse Codeでも使えます。Metaの発表では、Google CloudとOracle Cloudでも提供されると案内されています(2026年11月時点)。
Muse Emberは画像や音声を作れますか?
画像や音声は入力として扱えます。公式仕様で示される出力はテキストです。

あわせて読みたい記事