Metaのフロンティアモデル「Muse Wonder」シリーズが登場

Metaがフロンティアモデル「Muse Wonder」を発表—個人・業務エージェントの性能を大幅向上のイメージ画像

米Metaは2026年10月14日、AIモデルの新たなフロンティアを切り開く「Muse Wonder」シリーズを発表しました（TechCrunch – AI）。このシリーズには「Muse Wonder」と「Muse Wonder Full」が含まれ、個人やプロフェッショナルなエージェントタスクにおいて最先端の性能を実現するとされています。Metaはこれを「パーソナルスーパーインテリジェンス」への大きな一歩と位置づけているようです。

Muse WonderとMuse Wonder Fullは、個人およびプロフェッショナルなエージェントタスクにおいて最先端の性能を発揮し、パーソナルスーパーインテリジェンスに向けた大きな飛躍を意味します。

Muse Wonderは現在、Meta Model APIとMuse Codeを通じて利用可能であり、Muse Wonder FullはMuse Codeのサブスクライバー向けに提供が開始されています。将来的には、Museの様々な体験を強化し、より高度なインテリジェンスを必要とする成果物の生成やプロセスの自動化を担っていくとのことです。

予測可能なスケーリングと最先端の能力

Metaがフロンティアモデル「Muse Wonder」を発表—個人・業務エージェントの性能を大幅向上のイメージ画像

Metaは14ヶ月前からAI開発スタックを根本的に見直し、その結果として今回のMuse Wonderシリーズが誕生しました。以前発表されたMuse Sparkが軽量かつ低遅延のモデルを目指したのに対し、Wonderモデルはより大規模で高性能、特にコーディングのような複雑なタスクで高いベンチマークスコアを達成しています（TechCrunch – AI）。

今回リリースされたモデルは、事前学習と強化学習の両面でMetaのこれまでの取り組みが結実したものです。ギガワット規模のPrometheusデータセンターで訓練され、複雑な業務や日常のタスクにおいて最先端の機能を提供します。モデルのハイライトとして、以下の主要ベンチマークで最先端の結果を達成していると報告されています。

  • 個人およびプロフェッショナルなエージェント
  • メモリ能力
  • コーディング性能

特に、Fable 5.1やGPT-6 Astraと同等のベンチマークスコアを達成している点も注目に値します（TechCrunch – AI）。

リアルワールドタスクに不可欠な4つの主要機能

Muse Wonderシリーズは、実際のタスクにおいて特に重要な4つの領域に焦点を当てています。これらは「ドメイン専門知識」「Active Memory」「Active Focus」「フロンティアコーディング」です。

  1. ドメイン専門知識: 法律文書の理解や金融・健康情報の分析など、専門的な知識を要する問題に対応します。HarveyのLegal Agent Benchmark (LAB) のような評価でその能力がテストされています。
  2. Active Memory: 会話全体で重要なコンテキストを記憶し、タスクに関連する過去の情報を積極的に検索する能力です。これにより、個人やプロフェッショナルなエージェントがより信頼性の高い記憶を持つことができます。
  3. Active Focus: 困難な目標に向かって継続的に作業する能力を指します。代替アプローチを試したり、障害を克服したり、新しい情報に適応したりしながら、必要に応じて明確化を求め、重要な行動の前に確認を行います。
  4. フロンティアコーディング: 要件の追跡、コードベース全体の変更、テストと改訂の繰り返しサイクルなど、ソフトウェア開発に必要な複雑な能力を統合します。小規模なアプリケーションから複雑なソフトウェアプロジェクトまで対応できる最先端のコーディング性能を提供します。

Muse Wonderシリーズは、ドメイン専門知識、Active Memory、Active Focus、そしてフロンティアコーディングという4つの主要機能を通じて、リアルワールドの複雑なタスクに対応します。

エンジニア目線で見ると：エージェントAIの進化とAPI活用への期待

今回のMuse Wonderシリーズの発表は、エージェントAIの実用化に向けたMetaの本気度が伝わってきます。特に「Active Memory」と「Active Focus」という概念は、従来のLLMが抱えていた長期的な記憶の保持や複雑なタスクの継続的な実行といった課題に対する具体的なアプローチだと感じます。多くのエンジニアがRAG（Retrieval Augmented Generation）やPlannerのパターンで実現しようとしてきたことを、モデル自体が組み込む形で提供されるのは非常に魅力的ではないでしょうか。

自分の個人プロダクトでも、LLMに複雑な一連の処理を任せる際には、プロンプトの設計や外部記憶の管理に苦労することが少なくありません。Muse WonderがAPIを通じて提供されることで、これらの機能がより手軽に利用できるようになるならば、アプリケーション開発の幅が大きく広がるでしょう。

ただし、料金体系がGPT-6 SolやOpus 5.5と同等とのことなので（TechCrunch – AI）、コスト効率や実際の性能を既存のモデルと比較し、自分のユースケースに最適かどうかの検証は必須だと考えます。Pythonバインディングが提供されれば、Claude Codeにプロンプトを投げてサクッと試してみたいですね。