Meta「Muse Ember」を試してみた｜日本語3万字を4秒・0.4円で読み取る格安AI
Meta「Muse Ember」を試してみた｜日本語3万字を4秒・0.4円で読み取る格安AI
結論：安くて速くて、ちゃんと読める。ただし無料では試せない
FacebookやInstagramでおなじみのMetaが出した「Muse Ember（ミューズ・エンバー）」を、日本から実際に試してみました。結論から言うと、約3.3万字の日本語の文書を4秒ほどで読み、質問に全問正解しました。かかった費用は1回あたり約0.4円です。
文書に書かれていないことを聞いても「分からない」と答え、それらしい嘘（ハルシネーション）は一度もありませんでした。日本から使えて、支払いも日本円でできます。
いっぽうで、気をつけたい点もあります。
無料枠はなく、クレジットカードを登録しないと1回も試せない
管理画面はほぼ英語
月の利用上限を設定しようとすると、今のところエラーで保存できない
「大量の文書を、安く、速く、正確に読み取りたい」という用途には、かなり有力な選択肢だと感じました。
Muse Emberとは：Metaが本腰を入れてきたAIの、いちばん小さいモデル
Muse Emberは、Metaが2026年11月に公開した、「Muse（ミューズ）」シリーズでいちばん小さくて安いAIモデルです。公式ページでは、文書の要約や情報の抽出、細かい作業の繰り返しなど、「大量にこなす仕事」向けと紹介されています。文字だけでなく、画像・音声・動画も読み込めます。
Museシリーズは、Metaが2026年4月に発表した「Muse Spark」から始まったAIのシリーズです（Meta公式ブログ）。Muse Emberはその中でも、安さと速さを重視したモデルという位置づけです。
料金は、AIが文章を処理する単位「トークン」で決まります。100万トークンあたり、読み込む分が0.10ドル、書き出す分が0.50ドルです（20万トークンを超える長い入力は3倍の料金）（Meta公式：Muse Ember）。
使い始めるまで：日本から使える。でも、つまずきポイントが3つあった
日本からログインでき、ブラウザ上でAIを試せる「Playground（プレイグラウンド）」も開けました。地域の制限はありません。ただし、実際に質問を送れるようになるまでに、いくつかつまずきました。
1. 無料では1回も試せない
ログイン直後に質問を送ってみましたが、入力欄が空になるだけで返事はありません。画面の上には「支払い方法が登録されていません」という意味の英語の帯が出ていました。ChatGPTのような「まずは無料で」はなく、クレジットカードを登録して初めて使える仕組みです。
2. 国と通貨は「一度決めたら変更できない」
カードを登録しようとすると、国と通貨を選ぶ画面が出ます。初めは「アメリカ・米ドル」が選ばれた状態で、画面はすべて英語。正直、最初は「これ、読めへん…」となりました。
一番大事なのは、下のほうに小さく書かれた「国と通貨は一度設定すると変更できません」という一文です。国を「Japan」に変えると、通貨も自動で「日本円」になりました。日本から日本円で支払えるのは安心ですが、アメリカのまま「Next」を押すと後から直せないので注意してください。
3. 月の利用上限が保存できない
使いすぎが心配なので、「月の利用上限」を設定しようとしました。ちなみにこの上限は「ここまで使ったら止める」という天井の金額で、最低料金ではありません。最初は「800円にしたら、最低800円かかるってこと？」と勘違いしそうになりました。
ところが、800円・1,000円・3,000円のどれで試しても「保存できませんでした」というエラーになりました。検証した時点では、上限を設定できないまま使うことになります。請求は、使った分が3,000円たまった時点でまとめてカードに来る仕組みです。
検証1：3.3万字の文書を読ませて、要約と抽出をしてもらう
結果は8問中8問正解で、書かれていないことをでっち上げることもありませんでした。
まず、あいさつ代わりに「日本語で自己紹介を2文で」と頼むと、約2秒で自然な日本語が返ってきました。費用は0.02円ほどです。
お題：Wikipedia「大阪市」の本文まるごと
本番のお題には、日本語版Wikipediaの「大阪市」の本文（約3.3万字）を使いました。これを丸ごと渡して、3行要約と8つの項目の抽出を頼みます。
8項目のうち3つは、わざと本文に書かれていないひっかけにしました（市の木・市の花・姉妹都市の名前）。そのうえで「書いていなければ空欄（null）にして、推測はしないで」と指示しています。AIは知っている知識で穴埋めしがちなので、そこを確かめるのが狙いです。
項目 | Muse Emberの答え | 判定 |
|---|---|---|
行政区の数 | 24 | ○ |
市庁所在地 | 北区中之島 | ○ |
第7代大阪市長 | 關一 | ○ |
1925年の市域拡張後の人口 | 2,114,804人 | ○ |
1974年に区を新設した後の区の数 | 26 | ○ |
市の木（ひっかけ） | null | ○ |
市の花（ひっかけ） | null | ○ |
姉妹都市（ひっかけ） | null | ○ |
本文には「211万人」というおおよその数字もありますが、年表の中の正確な数字のほうを拾っていました。ひっかけの3問も、すべて空欄で返しています。
かかった時間は3.7秒、費用は約0.4円です。気になったのは、要約が改行されず1行につながって表示されたことくらいでした。
検証2：「考える量」を変えて、計算問題にも挑戦
いちばん軽い設定（Low）でも、計算や年表の読み取りを含む7問に全問正解しました。
Muse Emberには、答える前に裏でどれだけ考えるかを選ぶ設定があります。Low・Medium・High・X-High・Maxの5段階で、たくさん考えるほど時間と費用が増えます。今回は、いちばん軽いLowと、いちばん重いMaxを中心に比べました。
書かれたことを拾うだけなら、差は出ない
検証1と同じお題をLow・Medium・Maxで投げると、どれも8問すべて正解でした。違ったのは速さだけです。
計算が必要な難しめの7問
次に、同じ文書でもう少し頭を使う質問を用意しました。答えは事前に本文から計算しておき、突き合わせています。
質問 | 正解 | Max | Low |
|---|---|---|---|
1889年→1925年で、面積は何倍になったか | 11.9倍 | ○ | ○ |
人口のピークと最新の推計人口の差 | 438,149人 | ○ | ○ |
区の数が最も多かった時期 | 26区（1974〜1989年） | ○ | ○ |
1945年→1965年の人口の増加 | 2,053,263人 | ○ | ○ |
編入が実現しなかった市 | 5市 | ○ | ○ |
人口密度が最も高い区（ひっかけ） | 本文だけでは決まらない | ○ | ○ |
1人あたりの市内総生産 | 約714万円 | ○ | ○ |
特に良かったのは、人口密度のひっかけ問題です。本文には「西区や城東区は2万人を超える」としかなく、1位は分かりません。ここで「西区」と答えず「決められない」と返せたのは、信頼できるポイントだと思います。
速さと費用の比較
お題 | 考える量 | 正解 | かかった時間 | 1回の費用 |
|---|---|---|---|---|
要約・抽出 | Low | 8/8 | 3.1秒 | 約0.42円 |
要約・抽出 | Medium | 8/8 | 3.7秒 | 約0.43円 |
要約・抽出 | Max | 8/8 | 5.4秒 | 約0.51円 |
計算・読み取り | Low | 7/7 | 3.9秒 | 約0.41円 |
計算・読み取り | Max | 7/7 | 8.3秒 | 約0.62円 |
※費用は、画面に表示されたトークン数と公式料金から計算した目安です（1ドル＝150円）。
Maxにしても正解数は変わらず、時間が倍以上かかるだけでした。費用のほとんどは、読み込ませた3.3万字の分（約0.35円）です。考える量を変えても、1回あたりの差は0.2円ほどしかありません。このくらいの仕事なら、Lowで十分という結果です。
細かい違いも1つだけありました。Lowは数字を「438149」のように数値で返し、Maxは「438,149人」のように単位付きで返しました。システムに組み込んで数字を受け取るなら、Lowの形のほうが扱いやすいです。
ChatGPTのAPIと同じ感覚で使える？
使い方は、ChatGPT（OpenAI）のAPIとほぼ同じです。APIとは、自社のシステムやアプリからAIを呼び出すための窓口のことです。
Metaの公式ページにも、いま使っているOpenAI形式のプログラムの接続先をMetaに向けるだけで使える、という説明がありました（Meta公式：Muse Ember）。解説記事によると、OpenAIと同じ形式に加えて、Claude（Anthropic）と同じ形式でも呼べるそうです（OrcaRouterの解説）。
同じところと違うところをまとめると、次のとおりです。
同じ：プログラムの書き方。接続先・APIキー・モデル名（muse-ember-1.0）の3か所を変えるだけで動く想定
違う：無料でのお試しがなく、カード登録が必要
違う：「考える量」をLow〜Maxの5段階で細かく選べる
注意：月の利用上限が、検証時点では保存できない
※今回はブラウザ上のPlaygroundで試しただけで、プログラムから呼び出すところまでは確かめていません。
すでにChatGPTのAPIを使った仕組みがあるなら、「要約や抽出の部分だけMuse Emberに切り替えてコストを下げる」といった使い方も考えられます。
まとめ：こんな人、こんな使い方に向いている
Muse Emberは、たくさんの文書を毎日のように読ませたい人に向いています。
たとえば、次のような使い方です。
契約書や報告書から、日付・金額・担当者などを拜き出す
問い合わせやアンケートの回答を、まとめて要約する
社内のマニュアルから、質問に関係する部分を探す
3万字ほどの文書でも1回0.4円なので、1,000回読ませても400円ほどです。「書いていないことは分からないと答える」という素直さも、仕事で使ううえでは大事な点です。
いっぽうで、「ちょっと試してみたい」だけの人には少しハードルがあります。無料枠がなく、管理画面は英語で、利用上限も設定できませんでした。普段の会話相手がほしいなら、ChatGPTやClaudeなどのアプリのほうが手軽です。
今回の検証は全部6回送って、かかった費用は合計で約2.4円でした。「安くて、速くて、正確」という看板には、日本語の文書でも偏りはありませんでした。
よくある質問
Q. Muse Emberは無料で使えますか？
無料枠はありません。ブラウザ上のPlaygroundで試す場合も、クレジットカードの登録が必要です。
Q. 日本から使えますか？支払いは日本円でできますか？
日本から使えます。支払い設定で国を「Japan」にすると日本円で支払えます。国と通貨は後から変更できないので注意してください。
Q. 料金はいくらですか？
100万トークンあたり、入力0.10ドル・出力0.50ドルです。今回の検証では、約3.3万字の日本語文書を読ませて1回約0.4〜0.6円でした。
Q. 日本語の精度はどうですか？
日本語版Wikipedia「大阪市」の本文を使った計算・抽出の合計15問に、すべて正解しました。書かれていないことをでっち上げることもありませんでした。
Q. ChatGPTのAPIから乗り換えられますか？
OpenAIと同じ形式に対応しているので、接続先・APIキー・モデル名を変えるだけで使える想定です（今回はプログラムからの呼び出しまでは未確認）。
参考にしたページ
結論：安くて速くて、ちゃんと読める。ただし無料では試せない
FacebookやInstagramでおなじみのMetaが出した「Muse Ember（ミューズ・エンバー）」を、日本から実際に試してみました。結論から言うと、約3.3万字の日本語の文書を4秒ほどで読み、質問に全問正解しました。かかった費用は1回あたり約0.4円です。
文書に書かれていないことを聞いても「分からない」と答え、それらしい嘘（ハルシネーション）は一度もありませんでした。日本から使えて、支払いも日本円でできます。
いっぽうで、気をつけたい点もあります。
無料枠はなく、クレジットカードを登録しないと1回も試せない
管理画面はほぼ英語
月の利用上限を設定しようとすると、今のところエラーで保存できない
「大量の文書を、安く、速く、正確に読み取りたい」という用途には、かなり有力な選択肢だと感じました。
Muse Emberとは：Metaが本腰を入れてきたAIの、いちばん小さいモデル
Muse Emberは、Metaが2026年11月に公開した、「Muse（ミューズ）」シリーズでいちばん小さくて安いAIモデルです。公式ページでは、文書の要約や情報の抽出、細かい作業の繰り返しなど、「大量にこなす仕事」向けと紹介されています。文字だけでなく、画像・音声・動画も読み込めます。
Museシリーズは、Metaが2026年4月に発表した「Muse Spark」から始まったAIのシリーズです（Meta公式ブログ）。Muse Emberはその中でも、安さと速さを重視したモデルという位置づけです。
料金は、AIが文章を処理する単位「トークン」で決まります。100万トークンあたり、読み込む分が0.10ドル、書き出す分が0.50ドルです（20万トークンを超える長い入力は3倍の料金）（Meta公式：Muse Ember）。
使い始めるまで：日本から使える。でも、つまずきポイントが3つあった
日本からログインでき、ブラウザ上でAIを試せる「Playground（プレイグラウンド）」も開けました。地域の制限はありません。ただし、実際に質問を送れるようになるまでに、いくつかつまずきました。
1. 無料では1回も試せない
ログイン直後に質問を送ってみましたが、入力欄が空になるだけで返事はありません。画面の上には「支払い方法が登録されていません」という意味の英語の帯が出ていました。ChatGPTのような「まずは無料で」はなく、クレジットカードを登録して初めて使える仕組みです。
2. 国と通貨は「一度決めたら変更できない」
カードを登録しようとすると、国と通貨を選ぶ画面が出ます。初めは「アメリカ・米ドル」が選ばれた状態で、画面はすべて英語。正直、最初は「これ、読めへん…」となりました。
一番大事なのは、下のほうに小さく書かれた「国と通貨は一度設定すると変更できません」という一文です。国を「Japan」に変えると、通貨も自動で「日本円」になりました。日本から日本円で支払えるのは安心ですが、アメリカのまま「Next」を押すと後から直せないので注意してください。
3. 月の利用上限が保存できない
使いすぎが心配なので、「月の利用上限」を設定しようとしました。ちなみにこの上限は「ここまで使ったら止める」という天井の金額で、最低料金ではありません。最初は「800円にしたら、最低800円かかるってこと？」と勘違いしそうになりました。
ところが、800円・1,000円・3,000円のどれで試しても「保存できませんでした」というエラーになりました。検証した時点では、上限を設定できないまま使うことになります。請求は、使った分が3,000円たまった時点でまとめてカードに来る仕組みです。
検証1：3.3万字の文書を読ませて、要約と抽出をしてもらう
結果は8問中8問正解で、書かれていないことをでっち上げることもありませんでした。
まず、あいさつ代わりに「日本語で自己紹介を2文で」と頼むと、約2秒で自然な日本語が返ってきました。費用は0.02円ほどです。
お題：Wikipedia「大阪市」の本文まるごと
本番のお題には、日本語版Wikipediaの「大阪市」の本文（約3.3万字）を使いました。これを丸ごと渡して、3行要約と8つの項目の抽出を頼みます。
8項目のうち3つは、わざと本文に書かれていないひっかけにしました（市の木・市の花・姉妹都市の名前）。そのうえで「書いていなければ空欄（null）にして、推測はしないで」と指示しています。AIは知っている知識で穴埋めしがちなので、そこを確かめるのが狙いです。
項目 | Muse Emberの答え | 判定 |
|---|---|---|
行政区の数 | 24 | ○ |
市庁所在地 | 北区中之島 | ○ |
第7代大阪市長 | 關一 | ○ |
1925年の市域拡張後の人口 | 2,114,804人 | ○ |
1974年に区を新設した後の区の数 | 26 | ○ |
市の木（ひっかけ） | null | ○ |
市の花（ひっかけ） | null | ○ |
姉妹都市（ひっかけ） | null | ○ |
本文には「211万人」というおおよその数字もありますが、年表の中の正確な数字のほうを拾っていました。ひっかけの3問も、すべて空欄で返しています。
かかった時間は3.7秒、費用は約0.4円です。気になったのは、要約が改行されず1行につながって表示されたことくらいでした。
検証2：「考える量」を変えて、計算問題にも挑戦
いちばん軽い設定（Low）でも、計算や年表の読み取りを含む7問に全問正解しました。
Muse Emberには、答える前に裏でどれだけ考えるかを選ぶ設定があります。Low・Medium・High・X-High・Maxの5段階で、たくさん考えるほど時間と費用が増えます。今回は、いちばん軽いLowと、いちばん重いMaxを中心に比べました。
書かれたことを拾うだけなら、差は出ない
検証1と同じお題をLow・Medium・Maxで投げると、どれも8問すべて正解でした。違ったのは速さだけです。
計算が必要な難しめの7問
次に、同じ文書でもう少し頭を使う質問を用意しました。答えは事前に本文から計算しておき、突き合わせています。
質問 | 正解 | Max | Low |
|---|---|---|---|
1889年→1925年で、面積は何倍になったか | 11.9倍 | ○ | ○ |
人口のピークと最新の推計人口の差 | 438,149人 | ○ | ○ |
区の数が最も多かった時期 | 26区（1974〜1989年） | ○ | ○ |
1945年→1965年の人口の増加 | 2,053,263人 | ○ | ○ |
編入が実現しなかった市 | 5市 | ○ | ○ |
人口密度が最も高い区（ひっかけ） | 本文だけでは決まらない | ○ | ○ |
1人あたりの市内総生産 | 約714万円 | ○ | ○ |
特に良かったのは、人口密度のひっかけ問題です。本文には「西区や城東区は2万人を超える」としかなく、1位は分かりません。ここで「西区」と答えず「決められない」と返せたのは、信頼できるポイントだと思います。
速さと費用の比較
お題 | 考える量 | 正解 | かかった時間 | 1回の費用 |
|---|---|---|---|---|
要約・抽出 | Low | 8/8 | 3.1秒 | 約0.42円 |
要約・抽出 | Medium | 8/8 | 3.7秒 | 約0.43円 |
要約・抽出 | Max | 8/8 | 5.4秒 | 約0.51円 |
計算・読み取り | Low | 7/7 | 3.9秒 | 約0.41円 |
計算・読み取り | Max | 7/7 | 8.3秒 | 約0.62円 |
※費用は、画面に表示されたトークン数と公式料金から計算した目安です（1ドル＝150円）。
Maxにしても正解数は変わらず、時間が倍以上かかるだけでした。費用のほとんどは、読み込ませた3.3万字の分（約0.35円）です。考える量を変えても、1回あたりの差は0.2円ほどしかありません。このくらいの仕事なら、Lowで十分という結果です。
細かい違いも1つだけありました。Lowは数字を「438149」のように数値で返し、Maxは「438,149人」のように単位付きで返しました。システムに組み込んで数字を受け取るなら、Lowの形のほうが扱いやすいです。
ChatGPTのAPIと同じ感覚で使える？
使い方は、ChatGPT（OpenAI）のAPIとほぼ同じです。APIとは、自社のシステムやアプリからAIを呼び出すための窓口のことです。
Metaの公式ページにも、いま使っているOpenAI形式のプログラムの接続先をMetaに向けるだけで使える、という説明がありました（Meta公式：Muse Ember）。解説記事によると、OpenAIと同じ形式に加えて、Claude（Anthropic）と同じ形式でも呼べるそうです（OrcaRouterの解説）。
同じところと違うところをまとめると、次のとおりです。
同じ：プログラムの書き方。接続先・APIキー・モデル名（muse-ember-1.0）の3か所を変えるだけで動く想定
違う：無料でのお試しがなく、カード登録が必要
違う：「考える量」をLow〜Maxの5段階で細かく選べる
注意：月の利用上限が、検証時点では保存できない
※今回はブラウザ上のPlaygroundで試しただけで、プログラムから呼び出すところまでは確かめていません。
すでにChatGPTのAPIを使った仕組みがあるなら、「要約や抽出の部分だけMuse Emberに切り替えてコストを下げる」といった使い方も考えられます。
まとめ：こんな人、こんな使い方に向いている
Muse Emberは、たくさんの文書を毎日のように読ませたい人に向いています。
たとえば、次のような使い方です。
契約書や報告書から、日付・金額・担当者などを拜き出す
問い合わせやアンケートの回答を、まとめて要約する
社内のマニュアルから、質問に関係する部分を探す
3万字ほどの文書でも1回0.4円なので、1,000回読ませても400円ほどです。「書いていないことは分からないと答える」という素直さも、仕事で使ううえでは大事な点です。
いっぽうで、「ちょっと試してみたい」だけの人には少しハードルがあります。無料枠がなく、管理画面は英語で、利用上限も設定できませんでした。普段の会話相手がほしいなら、ChatGPTやClaudeなどのアプリのほうが手軽です。
今回の検証は全部6回送って、かかった費用は合計で約2.4円でした。「安くて、速くて、正確」という看板には、日本語の文書でも偏りはありませんでした。
よくある質問
Q. Muse Emberは無料で使えますか？
無料枠はありません。ブラウザ上のPlaygroundで試す場合も、クレジットカードの登録が必要です。
Q. 日本から使えますか？支払いは日本円でできますか？
日本から使えます。支払い設定で国を「Japan」にすると日本円で支払えます。国と通貨は後から変更できないので注意してください。
Q. 料金はいくらですか？
100万トークンあたり、入力0.10ドル・出力0.50ドルです。今回の検証では、約3.3万字の日本語文書を読ませて1回約0.4〜0.6円でした。
Q. 日本語の精度はどうですか？
日本語版Wikipedia「大阪市」の本文を使った計算・抽出の合計15問に、すべて正解しました。書かれていないことをでっち上げることもありませんでした。
Q. ChatGPTのAPIから乗り換えられますか？
OpenAIと同じ形式に対応しているので、接続先・APIキー・モデル名を変えるだけで使える想定です（今回はプログラムからの呼び出しまでは未確認）。
参考にしたページ
AI・システム開発のこと、VISKにご相談ください
「自社の業務にAIを活かせないか」「この作業、自動化できないか」——
そんな漠然とした段階からで大丈夫です。大阪のAI・システム開発会社VISKが、御社の課題に合わせて、企画から開発・検証までサポートします。
