Muse Ember は Haiku 5.5 と同点で1問あたり約3分の1|単価は同じ、差は「書く量」だった
Meta が11月9日に出した小型モデル Muse Ember を、Artificial Analysis の指数と1問あたり費用で Claude Haiku 5.5・GPT-6 Luna と比べました。単価が同じなのに安い理由と、置き換えてよい作業・Haiku のままがよい作業を整理します。
こんにちは。街のあちこちで、そろそろ年末の気配がしてきましたね。
11月9日に Meta が小型モデル「Muse Ember」を出しました。結論から書くと、Ember は第三者の評価サイト Artificial AnalysisArtificial Analysis主要な AI モデルを同じ問題で採点し、賢さ・速さ・値段を比べて公開しているサイト。詳しく →(以下 AA)の総合指数で Claude Haiku 5.5 と同じ36点、1問あたりの費用は $0.14 で Haiku 5.5 の約3分の1です。しかも1問を解く時間は約2割で済んでいます。
面白いのは、100万トークントークンAI が文章を読み書きする時の、文字を細かく区切った単位。料金もこの数で決まる。詳しく →あたりの単価が Haiku 5.5 とも GPT-6 Luna ともまったく同じ、という点です。安さの正体は値札ではなく、答えにたどり着くまでに「書く量」が少ないことでした。ただ、どの作業でも置き換えてよいわけではありません。実際のリポジトリのコード修正では Haiku 5.5 の方が上です。順に見ていきます。
賢さは Haiku 5.5 と同点、GPT-6 Luna より8点上
まず総合点です。AA の総合指数(いくつもの評価をまとめた賢さの点数)で、いちばん深く考える設定 Max どうしを並べました。
| モデル | AA 指数 | 1問あたり費用 | 1問の所要時間 | 最初の答えまで |
|---|---|---|---|---|
| Muse Ember | 36 | $0.14 | 3.2分 | 5.03秒 |
| Claude Haiku 5.5 | 36 | $0.41 | 14.8分 | 184.51秒 |
| GPT-6 Luna | 28 | $0.15 | 11.5分 | 82.58秒 |
出典: Artificial Analysis。2026年11月12日に閲覧した指数 v5.0.1 の値です。
AA の同じ区分36モデルの中で、Haiku 5.5 が1位、Ember が2位の同点です。Luna とは同じくらいの費用で8点の差がついています。
「1問あたり費用」は、AA の評価の1問を解くのにかかった実際の費用です。トークン(AI が文章を数える単位)の単価だけを見ても、どれだけ書くかで最終的な支払いは大きく変わるので、比べるならこちらの方が実感に近いと思います。
小型モデルの中での位置も確かめておきます。いまの AA の1位は Claude Fable 5.2 Max の 64.6点(11月10日時点)で、Ember とは約29点の開きがあります。Meta 自身の上位モデル Muse Wonder(Max)は44点で、1問あたり $6.95、Ember の約50倍です。Ember は「最上位の代わり」ではなく、あくまで安い小型モデルの枠で戦うモデルだと考えてください。
単価は同じ、安さの正体は「書く量」
3つのモデルの単価を並べると、拍子抜けするほど同じです。
| モデル | 入力(100万トークン) | 出力(100万トークン) |
|---|---|---|
| Muse Ember | $0.10 | $0.50 |
| Claude Haiku 5.5 | $0.10 | $0.50 |
| GPT-6 Luna | $0.10 | $0.50 |
それでも1問あたりで約3分の1になるのは、AA の評価全体で書いた出力の量が違うからです。Ember は1億1500万トークン、Haiku 5.5 は2億9800万トークンで、Ember は Haiku の約39%しか書いていません。推論モデル(答える前に頭の中で考える文章を書くモデル)は、考える文章にも出力の料金がかかります。Ember はそこが短いわけです。
AA も Haiku 5.5 を「とても冗長」、Ember を「やや冗長」と分類しています。提携先の You.com も、Ember に替えて出力トークンが36〜48%減ったと Meta の発表の中で述べています。
書く量が少ないことは、待ち時間にも効きます。最初の答えが出るまで Haiku 5.5 は約3分、Ember は5秒ほど。出力の速さも毎秒446トークンと、Haiku 5.5 の毎秒255トークンより速いです。人が画面の前で待つ使い方では、費用よりこちらの差の方が体感に響くかもしれません。
浅い設定でも Ember の方が得な並び
efforteffortAI にどれだけ考えさせるかの段階設定。上げるほど賢く、遅く、高くなる。詳しく →(AI にどれだけ考えさせるかの設定)を下げた場合も見ておきます。AA の一覧には Ember は Max と Xhigh の2つだけが載っています。
| モデル(effort) | AA 指数 | 1問あたり費用 |
|---|---|---|
| Muse Ember Max | 36 | $0.14 |
| Muse Ember Xhigh | 34 | $0.12 |
| Haiku 5.5 Xhigh | 35 | $0.25 |
| Haiku 5.5 High | 30 | $0.16 |
| Haiku 5.5 Medium | 25 | $0.09 |
| GPT-6 Luna Max | 28 | $0.15 |
| GPT-6 Luna Xhigh | 23 | $0.10 |
Ember Xhigh は34点・$0.12 で、Haiku 5.5 High(30点・$0.16)より4点上で安く、Luna Max(28点)より6点上でやはり安い。Haiku 5.5 で Xhigh を使っている人なら、Ember Max は約56%の費用でほぼ同じ点です。逆に、Haiku 5.5 Medium($0.09)や Luna の浅い設定のように、点数より安さを取って割り切っている使い方なら、そのままでも十分という判断はありえます。
得意なのは「道具を順に呼ぶ作業」、苦手なのは実際のコード修正
総合点が同じでも、中身の得手不得手はかなり違います。Meta が発表した個別の評価(すべて Max)です。
| 評価 | Muse Ember | Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| AutomationBench-AA(業務アプリをまたぐ作業) | 37.8 | 13.9 | 20.2 |
| Coding Agent Index-AA | 46 | 37 | 31 |
| Terminal-Bench 4.0 | 40.9 | 39.2 | 16.4 |
| FrontierCode 2.0-AA(実際のリポジトリの修正) | 27.2 | 34.9 | 25.2 |
| GDP.pdf-AA(PDF を読んで仕事をする) | 22.8 | 20.8 | 22.8 |
| OSWorld 2.1(画面を見て PC を操作) | 69.5 | 68.9 | 50.5 |
| PerceptionBench(画像の読み取り) | 80.6 | 78.6 | 62.8 |
出典: Meta の発表(Muse Ember)。名前に「-AA」が付くものは Artificial Analysis が測った結果です。
いちばん差が大きいのは AutomationBench-AA で、37.8 と 13.9、ほぼ3倍です。Gmail・Salesforce・Slack などを模した業務アプリを APIAPIプログラムから別のサービスの機能を呼び出すための窓口。AI モデルでは、アプリを通さずに自分のプログラムから直接使う入り口を指す。詳しく →(プログラムから操作する窓口)で順に操作し、657件の作業を最後までやり切れた割合を見る評価です。メールを読んで、顧客情報を更新して、チャットに報告する。そういう「道具を順番に呼ぶ」仕事が Ember の得意分野だと言えそうです。
一方、FrontierCode 2.0 は 27.2 と 34.9 で Haiku 5.5 が上でした。実際のリポジトリ(ソースコードの置き場)で直した変更を、管理者が取り込むかどうかで採点する評価です。コーディングの指数全体では Ember が上でも、「人が読んで納得する修正」はまだ Haiku に分があります。
読むときの注意も2つ書いておきます。Terminal-Bench 4.0 は、Ember が AA の計測、Haiku 5.5 は AnthropicAnthropicAI モデル「Claude」と、プログラミング用の AI ツール「Claude Code」を作っているアメリカの会社。詳しく → の自己申告(Claude CodeClaude CodeAnthropic が出している、AI にコードを書かせて実行まで任せる開発ツール。詳しく → を使用)、Luna は CodexCodexOpenAI が出している、AI にコードを書かせて実行まで任せる開発ツール。詳しく → の結果で、使った道具が揃っていません。また、「-AA」の付かない評価には Meta 社内の計測が含まれ、Meta 自身も「他社モデルの設定が最適とは限らない」と書いています。表の中で信頼してよいのは、AA が測った行だと考えるのが安全です。
置き換えるならここから、Haiku のままでよいのはここ
ここまでの数字を、使い方ごとにまとめます。
Ember を試す価値が大きい作業
- 大量に回す抜き出し・分類・振り分け(Meta 自身が挙げる使いどころ)
- 複数のアプリや道具を順番に呼ぶ業務の自動化
- エージェントの下請け役(ファイルを読む・テストを走らせる・的を絞った修正)
- 人が画面の前で答えを待つ使い方(最初の答えまで5秒ほど)
Haiku 5.5 のまま比べた方がよい作業
- 実際のリポジトリに入れるコード修正(FrontierCode は Haiku 5.5 が上)
- Claude Code など、Anthropic の道具の中で使っている場合
GPT-6 Luna を使っている人にとっては、話はもっと単純です(Haiku 5.5 と Luna の違いは以前の記事で比べました)。同じ単価・ほぼ同じ1問あたり費用で8点上なので、Luna で賢さが足りないと感じている作業があれば、真っ先に試す候補になります。
Meta は「上位の Muse Wonder で計画を立て、量の多い作業を Ember に任せる」という組み合わせも勧めています。1問あたり約50倍の差があるので、考える役と手を動かす役を分けると、全体の費用はかなり下がるはずです。
切り替える前に確かめたいこと
- 自分の入力で数十件比べる: 同じ入力を今のモデルと Ember に流し、正答と出力トークン数を見る。AA の「約3分の1」は評価の平均で、作業によって書く量は変わります。
- 入力が20万トークンを超えないか: Ember は超えると単価が3倍(入力 $0.30・出力 $1.50)になります。長い文書をまとめて流す使い方では、この境目を意識してください。
- キャッシュをよく使うか: キャッシュ済み入力は $0.004 で割引96%、Haiku 5.5・Luna の90%より深い割引です。同じ前置きを何度も送る使い方では、さらに差が開きます。
- どこで使えるか: Meta Model API(OpenAI の SDK と互換)と Muse Code のほか、Meta は Google Cloud と Oracle Cloud でも提供すると書いています。重み(モデル本体)は公開されていないので、手元の PC で動かすことはできません。
管理人はこう試すつもりです
私も、自作の自動処理(文章の分類・判定・情報の抜き出し)で Haiku 5.5 と GPT-6 Luna を使っています。Ember はまだ自分の作業では試していないので、この記事の数字はすべて公開データです。
それでも、単価が同じで書く量が4割、最初の答えまでが約37分の1という並びは、小型モデルの選び方を一段変える数字だと感じました。これまで小型モデルは「賢さを取るか、安さを取るか」で effort を上げ下げするものでしたが、Ember は同じ点数のまま書く量そのものを減らしてきたわけです。まずは量の多い抜き出しと分類で同じ入力を流して比べ、コード修正の役は Haiku 5.5 のまま残す。その順番で確かめていくつもりです。
この記事を書いた人
HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です!エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします!
META-MARK × AI
AI モデル選びの次は、動かす場所です。
エージェントや自作ツールを止めずに動かすなら、常時稼働できる置き場所が要ります。手元の GPU で動かす場合の必要スペックも確認できます。
関連記事
effort を途中で変えるとキャッシュはどうなる? Fable 5.1 と Opus 5 で実測した
Fable 5.1 の値下げはキャッシュ読みだけ。Claude Code が TTL を決める仕組み、キャッシュを壊す操作と壊さない操作、effort 切替時の再書き込みを Fable 5.1 と Opus 5 の usage で実測しました。
Anthropicリーク2連発:Claude MythosとClaude Code流出で見えたKAIROS、BUDDY、Undercover Modeの正体
Anthropicの2週間で2回のリークを整理。Claude Mythosの位置づけ、Claude Code流出の中身、KAIROS/BUDDY/Undercover Modeの意味を分けて読む。
Sonnet 5.5 xhighは買いか、Claude Opus 5.5 mediumが得か
Claude Sonnet 5.5のeffort別実測と公式指針を整理。Sonnet 5からの破壊的変更、Opus 5.5との費用差、mediumの使いどころを解説します。
Claude Code の新effortモード徹底解説|max・ultracode・autoと『呪文ultrathink』の正体
Claude Code の /effort に増えた max・ultracode・auto と、プロンプトに紛れ込ませる呪文 ultrathink を、公式が明言した『ultracode は API の effort レベルではない』を起点に解剖。overthinking・自律ワークフロー・永続性と優先順位の罠まで、誤解されやすい論点を一次情報で正します。