MetaはMuse Emberを発表し、自社で最小かつ最も効率的なモデルと称している。これは最も複雑な推論タスクに挑戦するためではなく、エージェントの日常的な実行で最も頻繁に発生する作業、すなわちツールの連続的な呼び出し、情報の検索と抽出、コードの読み取り、テストの実行、ファイルの局所的な修正、および長文書の処理に特化している。 このモデルは100万トークンのコンテキストを備え、テキスト、画像、音声、動画をネイティブに理解する。Metaの戦略は明確だ：Muse Wonderが難題を解決し、Emberが大量の具体的な作業をこなす。 真に注目すべきはコストである。 Muse Emberの標準API料金は、入力100万トークンあたり0.10ドル、出力100万トークンあたり0.50ドル。Artificial Analysis Intelligence Indexでは36点を獲得し、Claude Haiku 5.5の最上位モデルと同等であり、GPT-6 Lunaのすべての推論プランを上回っている。 しかし、ベンチマークタスクを完了するのにEmberは平均して約0.14ドルしかかからないのに対し、Haiku 5.5は0.41ドル必要だ。 興味深いことに、両モデルの入力・出力トークンの単価はまったく同じである。それにもかかわらず、Emberは3分の2も安価なのはなぜか？ Artificial Analysisの説明によると、Emberは入力キャッシュの価格が低く、出力トークンの消費量はHaikuの約3分の1にすぎない。 これがエージェント時代における真に破壊的な効率向上である。モデルは単に作業をこなすだけでなく、話す回数を減らし、消費を抑え、繰り返し実行の中で各ステップのコストを削減しなければならない。 さらに興味深いのは、Emberが自社の大規模モデルのビジネスまで奪い始めていることだ。 同じArtificial Analysisテストでは、Muse Spark 1.3のインテリジェンススコアは37点で、Emberは36点だが、単一タスクあたりのコストはそれぞれ2.39ドルと0.14ドルで、約17倍の差がある。 もちろん、Emberがすべての面で優れているわけではない。実際のエンジニアリングコードのマージ可能性を測るFrontierCode 2.0テストでは、依然としてHaiku 5.5に劣っている。 Metaはその後、Ember、Wonder、Spark 1.3をGoogle CloudとOracle Cloudにも展開した。現在Google Cloudではプレビュー段階であり、Emberはテキストと画像の入力のみをサポートしている。 Metaの今回の発表が真正に示唆するのは、大規模モデル競争が単なる知能競争から、洗練された労働分業へと移行しているということだ。 過去はどのモデルが最も賢いかが議論されたが、今後開発者はむしろ、「どのタスクに最も賢いモデルに費用をかける価値があるか」「どのタスクには17分の1のコストで十分な小型モデルで十分か」を重視するようになるだろう。 結局のところ、エージェントが真に価値を生み出すのは、まれに見せる一瞬の驚異的な推論ではなく、数百回にわたる普通の操作を確実に完了できる能力にある。 最も賢いモデルがエージェントの能力上限を決定するなら、最も安価で十分に賢いモデルこそが、エージェントを収益性のあるビジネスにする可能性を決定する。