Metaは10月12日、AIモデルMuse WonderとMuse Wonder Fullを発表し、このシリーズを同社史上最大かつ最強のものと説明した。これらのモデルは、短いテキスト回答を生成するだけでなく、日常業務や専門的な複数ステップのタスクを実行できるエージェントの稼働を目指している。
MetaはMeta Model APIとプログラミングプラットフォームMuse Codeを通じて、開発者向けにMuse Wonderの提供を開始した。一方、Muse Wonder FullはMuse Codeの購読者が利用できる。同社はまた、このモデルをパーソナルアシスタントMuseに統合する計画だ。Museは9月に米国で提供が始まり、メールの送信や旅行の予約などのタスクを実行する。提供は同サービスの購読者から開始される予定だ。
会話をまたいで維持される記憶と、つまずいた際の作業継続
このモデルは、MetaがActive MemoryおよびActive Focusと呼ぶ2つの機能に重点を置いている。前者は、複数の会話をまたいで重要な情報を保持し、習慣や好み、過去の会話で示された内容の一部を含む、タスクに関連する詳細を呼び出せるようにする。後者は、複雑な作業を実行する際、別の方法を試し、エラーから復旧し、重要な操作の前にユーザーへ確認を求めながら、モデルが目標に集中し続けることを目的としている。
Metaによると、Muse Wonderは、同社が4月に発表したMuse Sparkを基盤に構築され、事前学習と強化学習の規模を拡大したものだ。モデルは、ギガワット級の能力を持つPrometheusデータセンターで訓練された。同社は、Muse Spark 1.3の傾向と比較して、未知のタスクで予想を上回る性能を示したと述べている。
契約書や請求から複数ステップのアプリケーションまで
Metaは法律、金融、医療分野におけるモデルの知識を拡充し、保険請求の処理、賃貸借契約書の読解、家計の管理などの用途を示している。また、ブラウザーと複数のアプリを使ったランニングプログラムの計画、Instagramの画像を基にした商品のデザインと注文、複雑な条件に基づく結婚式の座席表の作成、画像からプレイ可能な3Dゲームの制作といった例も紹介した。
両モデルはテキスト、画像、動画、音声の入力に対応し、テキスト出力と最大100万トークンのコンテキストを提供する。今後、Museアプリはこのモデルを使って、より複雑な出力を生成し、すべてのユーザーが利用できる専門モデルを開発する予定だが、Metaは統合時期や対象となる計画の詳細を明らかにしていない。
一部のベンチマークで高い結果、なお検証が必要な限界
Metaの比較によると、Muse Wonder Fullは法律タスクを測定するHarvey LAB-AAテストで13.1を記録し、GPT-6 Astraの8.6、Claude Opus 5.5の4.2を上回った。また、長期的なコーディング能力を測定するDeepSWE 1.1では79.0を記録し、Claude Opus 5.5の74.2、GPT-6 Astraの74.1を上回った。
ただし、モデルがすべてのテストで首位になったわけではない。Claude Opus 5.5はHealthBench Pro、Terminal-Bench 4.0-AA、ProgramBench、およびArtificial Analysisの総合指標で最高スコアを獲得した。また、記事に含まれる比較の一部はMetaが公開した評価に基づいており、安全性テストの完全な報告書はなお公開中である。
センシティブなタスクの拡大に先立つ安全性
Metaは、Meta Superintelligence Scaling Frameworkに基づく評価において、緩和措置を講じる前のサイバーセキュリティリスクと制御喪失リスクが中程度以下に分類されたと述べた。一方、化学および生物学の分野では高リスクのしきい値に達する可能性を排除できなかったため、安全性訓練とシステムレベルの分類器を追加した。同社は、最終評価ではすべての分野でリスクが中程度以下になったと説明している。
実際に何が変わるのか？ Muse Wonderは、コンテキストを記憶し、複数のツールやアプリをまたいでタスクの実行を続けるエージェントの姿を示す。これにより、作業を手動で分割する必要性が減る可能性がある。ただし、実際の有用性は、Museでの提供時期、対応するプランの範囲、第三者による評価の結果に左右される。特に、モデルが法律、金融、医療というセンシティブな分野へ移行する中では、その影響が大きい。