Meta Muse Emberとは？料金・性能・Claude Haiku 5.5／GPT-6 Lunaとの違い・使い方【2026年11月速報】

Muse Ember（ミューズ・エンバー）は、Metaが2026年11月9日（米国時間）に公開した、Museシリーズでいちばん小さく、いちばん安い開発者向けのAIモデルです。 料金は100万トークンあたり入力$0.10・出力$0.50で、AIエージェントが何度も繰り返す作業（ツール呼び出し、情報の抜き出し、振り分け、書類の読み取りなど）を安く速くこなすために作られています。

名前が似ていますが、2026年9月に出た個人向けのAIエージェント「Muse」とは別のものです。EmberはMeta Model APIとコーディングエージェント「Muse Code」から使うモデルで、Meta AIアプリで使えるという記載は、現時点で公式にはありません。

この記事でわかること

• Muse Emberの基本仕様と、Museシリーズ（Wonder・Spark・Glimmer）の中での位置
• 個人向けMuse・Muse Code・Muse Emberの違い
• API料金と、20万トークンを超えたときに料金が3倍になる仕組み
• Claude Haiku 5.5・GPT-6 Lunaとの料金と性能の比較
• APIとMuse Codeでの使い始め方
• 業務で使うときのデータの扱いと安全面の注意点

こんな方に向けた記事です

• 分類・抽出・要約などの大量処理を、もっと安いモデルに置き換えたい開発者
• Claude Haiku 5.5やGPT-6 Lunaと比べて、どれを使うか決めたい人
• サブエージェントやツール操作を安く回すエージェントを作っている人

Muse Emberの要点

1. 料金: 入力$0.10・出力$0.50（100万トークンあたり）。Claude Haiku 5.5・GPT-6 Lunaと基本の単価は同じ。違いはキャッシュの単価と、長い入力で料金が上がる境目
2. 性能: Metaの発表では、業務フローの自動化やエージェント系のテストでHaiku 5.5・Lunaを上回る。実際のコード変更のテストではHaiku 5.5が上
3. 使い方の前提: 計画はMuse Wonderのような大きいモデルに、大量の実行はEmberに任せる分担をMetaが勧めている

Muse Emberとは：エージェントの「大量の実行」を受け持つ小型モデル

出典: Meta 公式ブログ「Muse Ember」

Muse Emberは、Meta Superintelligence Labs（MSL）が開発したMuseシリーズの4番目のモデルです。公式ブログには「Introducing Our Smallest, Most Efficient Model（最も小さく、最も効率的なモデル）」というタイトルが付いており、Emberは難しい問題を解くためではなく、同じような作業を大量にこなすためのモデルという位置づけです。

公式ブログによると、Emberは「Muse Wonder Fullを使って学習した最初のモデル」です。上位モデルを使ってどう学習したか（蒸留の方法など）の詳細は公表されていません。

出典: Meta公式ブログ ／ Muse Ember モデルページ ／ Meta Model API ドキュメント

最大出力が約52万トークンと大きいのが目立つ点です。Claude Haiku 5.5とGPT-6 Lunaの最大出力はどちらも12.8万トークンなので、長い文書をまとめて書き出す、大量のデータを一度に変換するといった使い方では上限に当たりにくくなります。

Emberは、スクリーンショットやグラフ、スキャンした書類、ボイスメモ、会議の録音、動画を、別のモデルを挟まずにそのまま入力として扱えます。Haiku 5.5とLunaの入力はテキストと画像なので、音声・動画をそのまま渡せるのはEmberの特徴です。

Museシリーズの中での位置

MetaはMuseシリーズを、用途ごとに4つのモデルで組み立てています。

Museシリーズで重みが公開されているのはGlimmer（とSpark Open）で、Emberは含まれません。「MetaのモデルだからEmberも手元で動かせる」と考えるのは誤りです。

「Muse」「Muse Code」「Muse Ember」の違い

Metaは「Muse」の名前を製品にもモデルにも付けているので、混同しやすくなっています。

Muse Emberでできること

Emberが得意なのは、1回ごとの作業は小さいが件数が多い仕事です。 公式ブログは、ツール呼び出し、コーディングのサブタスク、振り分け（ルーティング）、情報の抜き出し、長い文書の読み取りと要約を挙げています。

実務の場面に置き換えると、次のような使い方になります。

Metaが勧めているのは、大きいモデルが計画し、Emberが実行する分担です。公式ブログは "Muse Wonder plans, Muse Ember handles the volume." と書いており、カスタマーサポートの例として「Wonderが対応のルールを決め、Emberが大量の問い合わせにそのルールを当てはめる」構成を紹介しています。AIエージェントの基本的な仕組みは「AIエージェントとは」で解説しています。

早期パートナーの評価

公式ブログには、先行して試した企業のコメントが載っています。

• Box: 契約書レビューと候補者のスクリーニングで、精度・速さ・トークン効率を評価
• Cline: コーディングと文書分析の低コストなサブエージェントとして合う
• Oracle: 複雑なエンジニアリング作業で良い結果が出た
• Cloudflare: 比べたモデルより、応答が遅いときの待ち時間（テールレイテンシ）が最大30%短い
• You.com: テストのコーディング作業をすべて完了し、p95で2.2秒と測った中で最も速かった

どれもMetaが選んで載せた声で、条件や比べた相手の詳細は書かれていません。自社の作業で試してから判断するのが安全です。

Muse Emberの料金：基本単価は入力$0.10・出力$0.50

出典: Meta Model API 公式サイト（Muse Ember）

Meta Model APIでの料金は、100万トークンあたり入力$0.10・出力$0.50の従量課金です。 最低利用額や前払いはありません。ただし入力が20万トークンを超えると、単価が3倍になります。

出典: Meta Model API Pricing & Rate Limits

費用の見積もりを外しやすいのは、次の3点です。

1. 20万トークンを超えたリクエストは、超えた分だけでなく全体が高い単価になる。 キャッシュされた部分も入力に数えます。previous_response_id で会話を続けている場合は、保存されている過去の会話も入力に含まれます。長い会話を続けるうちに、気づかないまま20万トークンを超えることがあります
2. データ提供と引き換えの割引（Contributorモード）はEmberには無い。 料金ページに「Not available for Muse Ember on Model API」と書かれています。Spark 1.3にはContributor価格がありますが、Emberは通常の料金（Standardモード）だけです
3. 無料枠・無料クレジットの記載は無い。 試すときから従量で費用がかかります

レート制限は毎分3,000リクエスト・毎分400万トークンで、料金ページではAPIキーごとではなくチーム単位の上限と説明されています。複数のキーを発行しても上限は増えないので、大量処理を並列で回す場合は注意してください。

費用の試算

公式単価から計算した目安です。

仮に1ドル＝150円とすると、表の1つ目の例は月に約3,000円です。長い文書を毎回まるごと入れる作り方だと3倍になるので、文書を分けて20万トークン以下に収める、繰り返し使う部分をキャッシュに乗せる、といった設計で費用が大きく変わります。

Metaは、第三者の評価機関Artificial Analysisのテストを1つこなす費用を、Emberで約$0.14、Muse Spark 1.3で$2.39と示しています。総合指数はSpark 1.3が37、Emberが36なので、「ほぼ同じ総合力を約17分の1の費用で」というのがMetaの主張です。ただしこれは定価から出した見積もりで、実際の作業での費用を約束するものではありません。

Muse Codeで使う場合

Muse Codeのサブスクリプションでは、Everyday Usage・High Usage・Power Usage・Maximum Usageの全プランでEmberを選べます。各プランの価格は公式ドキュメントに載っておらず、MetaのAccounts Centerの購入画面で表示される仕組みです。

注意したいのは、Muse CodeのサブスクではContributorモードが初期設定でオンになっていることです。使える量が増える代わりに、プロンプト・コード・ファイルがMetaの学習に使われます。設定からいつでもオフにでき、オフにした後の内容は学習に使われません。従量課金で使う場合、ZDR（データを保存しない契約）のアカウント、組織で一括管理しているアカウントでは、この設定自体が表示されません。

Claude Haiku 5.5・GPT-6 Lunaとの違い

3つのモデルは、基本の単価が入力$0.10・出力$0.50でまったく同じです。 違いが出るのは、キャッシュの単価、長い入力で料金が上がる境目、最大出力、扱える入力の種類です。

出典: Meta Model API Pricing ／ Anthropic 料金ページ ／ Anthropic モデル一覧 ／ OpenAI GPT-6 Luna モデルページ（2026年11月10日時点）

料金で差が出やすいのは、入力が10万〜20万トークンのリクエストです。この範囲ではHaiku 5.5は長文の単価（入力$0.50・出力$2.50）になりますが、Emberは通常の単価のままです。たとえば15万トークンを読ませる場合、入力の費用はEmberが約$0.015、Haiku 5.5が約$0.075で、5倍の差になります。

逆に、入力が20万〜27.2万トークンの範囲では、Emberは3倍の単価に上がる一方、Lunaは通常の単価のままです。この長さの文書を大量に読ませるなら、Lunaのほうが安くなります。

キャッシュの単価もEmberは$0.004で、Haiku 5.5・Lunaの4割です。同じシステムプロンプトや社内マニュアルを毎回読ませる使い方では、この差が積み上がります。

各モデルの詳細は「Claude Haiku 5.5とは」「GPT-6 Sol・GPT-6 Lunaとは」で解説しています。

性能の比較（Meta発表のベンチマーク）

出典: Meta公式ブログ（推論設定 max。一部はArtificial Analysisの採点）

• 業務フローの自動化では大きく上回る。 AutomationBench-AAではHaiku 5.5の約2.7倍です
• 実務に近いコード変更ではHaiku 5.5が上。 本格的な機能追加やリファクタリングを任せたいなら、Emberは第一候補になりません
• 総合指数はHaiku 5.5と同点。 「全体として賢いモデル」ではなく、エージェント作業に寄せた性能です

これらはすべてMetaが発表した数字で、発表時点では第三者による独自の検証はありません。CryptoBriefingも「独立した検証はまだ無い」と注意を書いています。日本語での性能も公式には示されていないので、日本語の書類や問い合わせを扱うなら、自社のデータで比べてから決めてください。

Muse Emberの使い方

出典: Meta 開発者向け公式サイト

Meta Model APIのキーを取得し、接続先を https://api.meta.ai/v1、モデル名を muse-ember-1.0 にすれば呼び出せます。 OpenAI SDK・Anthropic SDKのどちらの形式でも受け付けるので、既存のコードは接続先とモデル名を変えるだけで試せます。

APIで使う

1. Meta Model API でアカウントを作り、APIキーを発行する
2. 使っているSDKの接続先（base_url）を https://api.meta.ai/v1 に変える
3. モデル名に muse-ember-1.0 を指定する

OpenAI SDK（Python）で書く場合の例です。

from openai import OpenAI

client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key="YOUR_META_API_KEY",
)

response = client.responses.create(
    model="muse-ember-1.0",
    input="次の問い合わせを「請求」「技術」「その他」のどれかに分類してください: ...",
)
print(response.output_text)

リクエストの書き方はMuse Sparkと同じなので、Sparkで動いているコードはモデル名の変更だけで切り替えられます。OpenAI互換のエージェントCLIにも、そのまま差し込めると公式は説明しています。

Muse Codeで使う

ターミナルで次のコマンドを実行してインストールします（macOS・Linux）。WindowsはPowerShell用のスクリプトが用意されています。

curl -fsSL https://dev.meta.ai/install.sh | sh

muse で起動し、ブラウザでサインインするか、APIキーを貼り付けます。その後、モデルの選択でEmberを選びます。業務のコードを扱う場合は、使い始める前にContributorモードの設定を確かめてください。

日本から使えるか

日本からMeta Model APIを使えるかどうかは、公式には明記されていません。 2026年7月のMuse Spark 1.1の公開プレビューは「米国の開発者向け」と報じられていました。2026年10月には、Metaのコミュニティ掲示板に「この地域ではModel APIを使えない」という投稿もあります（国名は不明）。公式の対応国一覧は見つかりませんでした。

使う予定があるなら、まず dev.meta.ai でサインアップして、APIキーを発行できるか確かめてください。OpenRouterやAmazon Bedrockといった他の窓口での提供も、2026年11月10日時点では確認できていません。

Muse Emberの弱み・注意点

Emberは安く速い代わりに、難しい設計や本格的なコード変更には向きません。 Meta自身も、難しい問題にはWonderを勧めています。

公式ブログには「できないこと」の一覧はありません。この表は、ベンチマークと料金表から読み取ったものです。発表から間もないため、料金や提供範囲は変わる可能性があります。使う前に 料金ページ を確かめてください。

安全性とデータの扱い：業務で使う前に確かめること

出典: Meta Newsroom 公式サイト

Metaは、Emberを社内の安全評価の枠組みで評価し、調べた範囲では高リスクの基準を下回ったと発表しています。 ただし評価の数値は公開されていません。

公式ブログによると、評価の中身は次のとおりです。

• Meta Superintelligence Scaling Framework で、化学・生物、サイバーセキュリティ、AIが制御できなくなるリスクの3分野を評価した
• 大きいモデルと同じ基本の安全学習とテストを受けた
• 確かめた項目は、利用者の意図を守るか、機密情報を正しく扱うか、文書やツールの出力に隠された指示（プロンプトインジェクション）に従わないか、影響の大きい操作の前に人に確認を求めるか

データの扱いは、使う経路で変わります。

詳しくは、Meta Model APIの利用規約に従います。

業務に組み込むときの設計

安いモデルに大量のツール操作を任せるほど、1回の誤りやプロンプトインジェクションの影響が広い範囲に及びます。メールの送信、データベースの書き換え、外部サービスへの登録のように外に書き込む操作は、計画を立てる大きいモデルか人が承認してから実行する作りにしておくと安全です。Emberには読み取り・分類・下書きまでを任せ、確定の操作は別に分けるのが現実的です。

新しいモデルを自社の業務システムに組み込むときは、既存システムとのつなぎ方や、PoCから本番運用までの費用の目安も先に押さえておくと判断しやすくなります。費用の内訳は「AI開発の費用相場」で整理しています。

Muse Emberはこんな人におすすめ／おすすめしない人

こんな人におすすめ

• 問い合わせの分類、書類からの項目の抜き出し、要約などを大量に回していて、単価を下げたい人
• 10万〜20万トークンの長めの文書を繰り返し読ませていて、Haiku 5.5の長文料金が負担になっている人
• 会議の録音や動画を、文字起こしを挟まずにそのまま処理したい人
• 大きいモデルの下で動くサブエージェントやツール操作を、安く速く回したい人
• すでにMuse SparkやMuse Wonderを使っていて、同じ書き方で安いモデルを足したい人

おすすめしない人

• 本格的な機能追加やリファクタリングなど、難しいコード変更を任せたい人（Haiku 5.5や、より大きいモデルが向いています）
• 日本語の品質が決め手になる用途で、検証の時間を取れない人
• 日本からAPIを使えることが確定していないと進められない人
• データ提供と引き換えの割引を使って、さらに安くしたい人（Emberには割引がありません）
• Amazon BedrockやGoogle Cloudなど、決まったクラウドの中でしかAIを使えない会社

どれを選ぶかの目安

よくある質問

Muse（アプリ）とMuse Emberは同じものですか？

違います。Muse（アプリ）は一般の利用者が使う個人向けのAIエージェントで、Muse EmberはAPIやMuse Codeから呼び出す開発者向けのモデルです。アプリの裏側でEmberが使われるかどうかは、公式には書かれていません。アプリについては「Meta Museとは」で解説しています。

Muse Emberを無料で試す方法はありますか？

公式の料金ページには、無料枠や無料クレジットの記載がありません。とはいえ単価が低いので、短いプロンプトで数十回呼び出す程度なら数円で済みます。Muse Codeのサブスクでも使えますが、こちらは月額料金がかかります。

Muse Emberはオープンソースですか？手元のPCで動かせますか？

重みは公開されていないので、手元のPCやサーバーでは動かせません。Metaのモデルで重みが公開されているのはMuse GlimmerやMuse Spark Openです。社内のサーバーで動かすことが条件なら、そちらを検討してください。

Muse Spark 1.3から切り替えるべきですか？

Spark 1.3でこなしている作業が分類・抽出・定型のツール操作なら、Emberに切り替えると単価は入力で12.5分の1、出力で8.5分の1になります。総合指数の差は1しかありません。一方、Sparkで難しい判断をさせているなら、まず一部の作業だけEmberに移し、結果を比べてから広げるほうが安全です。

プロンプトインジェクションへの対策はされていますか？

Metaは、文書やツールの出力に隠された指示に従わないかをテストしたと説明しています。ただし結果の数値は出ていません。モデル側の対策だけに頼らず、外部への書き込みを伴う操作に承認の手順を入れておくのが基本です。

まとめ

• Muse Emberは、Metaが2026年11月9日に公開したMuseシリーズで最も小さく安いモデル。モデルIDは muse-ember-1.0
• 料金は入力$0.10・出力$0.50（100万トークンあたり）で、Claude Haiku 5.5・GPT-6 Lunaと同じ。キャッシュは$0.004と安く、入力20万トークンまで通常単価のまま使える
• 20万トークンを超えると、そのリクエスト全体が3倍の料金になる
• 業務フローの自動化やエージェント系のテストでは上回るが、実務に近いコード変更ではHaiku 5.5が上（どちらもMeta発表の数字）
• 計画は大きいモデル、大量の実行はEmberという分担が前提
• Muse CodeのサブスクではContributorモードが初期オン。業務のコードを扱うなら設定を確かめる
• 日本から使えるか、日本語の性能は公式に示されていない。発表直後なので、使う前に料金と提供範囲を確認する

Museシリーズの上位モデルは「Muse Wonderとは」、生成AI全体の基本は「生成AIとは」で解説しています。