Muse Ember API
Muse EmberはMetaのMuseファミリーで最小かつ最も効率的なモデルで、大規模なエージェント処理やツール呼び出しを低コストで実行することに特化しています。
Muse EmberはMetaが2026年11月9日に公開した、Museファミリーの中で最小かつ最も効率的なモデルです。テキスト・画像・音声・動画の入力に対応し、コンピュータ操作、画像理解、ツール呼び出し、構造化出力、検索グラウンディングといった機能を備えています。100万トークンのコンテキストと512,000トークンの出力上限を持ち、長文書の解析や大量のデータ処理に向いています。
用途としては、高頻度のエージェントワークフロー実行、ツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長文書解析、検索拡張生成と組み合わせたチャットボット、AI機能の大規模展開などが想定されています。分析やデータ品質チェックのような明確なタスクでは高い性能を発揮する一方、オープンエンドな質問ではトークンを過剰に使う傾向があり、隠れたパターンの検出が苦手とされています。
Muse EmberはMuse Wonderとともにプランナー・エグゼキューター構成の実行者役を担います。Metaは役割分担を「Muse Wonderが計画し、Muse Emberが量を処理する」と説明しています。Meta Model APIおよびMuse CodeからモデルID muse-ember-1.0で利用できます。
更新日時:
モデル ID
muse-ember- コンテキスト
- 1.049M
- 最大出力
- 943.718K
- 推奨 API
- messages
- 入力
- text / image / video / file / audio
- 出力
- text
ハイライト
- Museファミリー最小かつ最高効率
- 100万トークンのコンテキスト
- テキスト・画像・音声・動画入力に対応
- ツール呼び出しと構造化出力を搭載
- プランナー・エグゼキューター構成の実行者
プロバイダー
プロバイダーごとの API 料金を比較できます。プロバイダーを選択すると、すべての料金と適用条件を確認できます。
| 稼働率 | ||||
|---|---|---|---|---|
| $0.1 | $0.5 | $0.004 |
過去の統計はリアルタイムの稼働確認ではありません。データの欠損は障害を意味しません。
10 ドルで使える量
- 入力
- 1億 トークン
- 出力
- 2000万 トークン
現在の入力・出力料金から試算した目安で、割引は含みません。
ベンチマーク
- 36
Artificial Analysis Intelligence Index
36ポイント
- 60.48
Vals Index
60.48%、36モデル中13位
- 88
PlotlyDataAnalyticsBench
88%、43問中38問正解
スコアはモデル提供元が公表した値です。
推論
- 既定の推論強度
- max
- 常に有効
- はい
- 選択できる推論強度
- max / xhigh / high / medium / low / minimal
Quick Start
このモデルを Felo API Platform 互換 API で呼び出すためのコードです。コードを書く前に Playground で prompt を試せます。
API key を設定
Felo API Platform アカウントで key を作成し、環境変数として設定します。
export FELO_API_KEY="YOUR_API_KEY"最初のリクエスト
このモデル ID を Felo API Platform endpoint で使用します。X-Request-Id などの任意ヘッダーはトラブルシュートに役立ちます。
muse-emberこのモデルは reasoning に対応しています。選択した protocol とモデルルートが reasoning controls を提供する場合、会話継続時に返却された reasoning metadata を保持してください。
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());サードパーティ SDK の利用
互換 SDK では baseURL を次に設定します https://openapi.felo.ai/api/v1. Claude-style clients では Anthropic-compatible base URL を使用します。 https://openapi.felo.ai/api.
Streaming を有効化
stream: true を追加すると server-sent events で応答を受け取れます。
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform は互換性のあるモデル呼び出し surface を提供します。アプリや Agent client が既に対応している surface を選んでください。
Messages
Anthropic-compatible messages for Claude-style clients.
POST
https://openapi.felo.ai/api/v1/messagesParameters
modelstringmuse-ember呼び出す公開モデル ID。max_tokensinteger—生成する最大 tokens。messagesarray—Chat Completions の会話メッセージ。toolsarray—互換 schema に従う tool calling definitions。top_k———top_p———reasoning———temperaturenumber—対応している場合、回答の多様性を制御します。tool_choicestring or object—tool を呼び出すかどうかを制御します。response_formatobject—対応時に structured output を要求します。reasoning_effort———include_reasoning———repetition_penalty———structured_outputs———よくある質問
モデルについて: Muse Ember?
Muse EmberはMetaが2026年11月9日に公開した、Museファミリーの中で最小かつ最も効率的なモデルです。テキスト・画像・音声・動画の入力に対応し、コンピュータ操作、画像理解、ツール呼び出し、構造化出力、検索グラウンディングといった機能を備えています。100万トークンのコンテキストと512,000トークンの出力上限を持ち、長文書の解析や大量のデータ処理に向いています。 用途としては、高頻度のエージェントワークフロー実行、ツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長文書解析、検索拡張生成と組み合わせたチャットボット、AI機能の大規模展開などが想定されています。分析やデータ品質チェックのような明確なタスクでは高い性能を発揮する一方、オープンエンドな質問ではトークンを過剰に使う傾向があり、隠れたパターンの検出が苦手とされています。 Muse EmberはMuse Wonderとともにプランナー・エグゼキューター構成の実行者役を担います。Metaは役割分担を「Muse Wonderが計画し、Muse Emberが量を処理する」と説明しています。Meta Model APIおよびMuse CodeからモデルID muse-ember-1.0で利用できます。
利用料金はどのように計算されますか?
料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。
どのような入力に対応していますか?
テキスト、画像、音声、動画の入力に対応し、出力はテキストです。
コンテキスト長と出力上限はどのくらいですか?
コンテキストは100万トークン、出力上限は512,000トークンです。
どのようなタスクに適していますか?
高頻度のエージェントワークフロー実行、ツール呼び出し、コーディングのサブタスク、ルーティング、抽出、長文書解析などに向いています。
Muse Wonderとの違いは何ですか?
Muse EmberはMuse Wonderと組み合わせて使われる実行者役で、計画を立てるMuse Wonderに対して大量の処理を担います。
利用方法を教えてください。
Meta Model APIおよびMuse Codeから、モデルID muse-ember-1.0で利用できます。
関連モデル
Muse Wonder
Metamuse-wonderMetaのMuse Wonderは、テキスト・画像・動画・音声・PDF入力に対応し、能動的な記憶と集中力でエージェントワークフローとコーディングに強みを持つモデルです。
コンテキスト
1.049M
最大出力
943.718K
入力トークン
$4 / 1M トークン
出力トークン
$20 / 1M トークン
Muse Spark 1.3 Contributor
Metamuse-spark-1.3-contributorMuse Spark 1.3 Contributorは、Meta Superintelligence Labsが2026年9月2日にリリースしたエージェント型コーディング向け推論モデルで、標準版Muse Spark 1.3の割引提供ティアです。
コンテキスト
1.049M
最大出力
943.718K
入力トークン
$0.1 / 1M トークン
出力トークン
$0.2 / 1M トークン