Muse Wonder（ミューズ・ワンダー）は、Metaが2026年10月12日に発表したフロンティアモデル群で、コーディングや長時間稼働エージェント、高度なコンピュータ操作をこなすのが特徴です。そのMuse Wonderを使って訓練した特化モデルを、Metaが2026年11月6日にMuseとMeta AIへ投入すると発表しました。
室谷代表取締役今回はMuse Wonder本体の新モデル発表ではなくて、Muse Wonderで訓練した特化モデルを既存プロダクトに流し込むという話なんですよね。ここが地味に大きいというか。
テキトー教師DotAI 認定講師そうなんですよ。研究開発の成果を、一般ユーザーが触れる製品に降ろしてくる段階の発表なんです。
単に新モデルが出たという話じゃないんです。
単に新モデルが出たという話じゃないんです。
Muse Wonder発の特化モデルがMuseとMeta AIに登場、何が変わるのか
Muse Wonder特化モデル展開のポイント
Muse Wonderシリーズ
個人・業務向けのエージェントタスクで最先端の性能を出すために設計されたモデル群
特化版を既存モデルへ展開
ゼロから新モデルを作らず、Muse Wonderで訓練した特化版をMuseとMeta AIに移植
Muse
Metaの個人向けAIエージェント。モバイルやMac、WhatsAppから対話形式でタスクを依頼でき、アプリ連携やツール作成も行う
Meta AI
MetaのパーソナルAIアシスタント
Active Memory / Active Focus
Muse Wonderで導入された2機能がMuseとMeta AIでも利用可能になる
Museの安全性設計
ログイン情報はエージェントが読めない安全な保管庫に保管
重要操作は事前承認
メール送信や購入などの重要操作には事前承認が必要
室谷代表取締役Metaの公式ブログによると、Muse Wonderシリーズは「個人・業務向けのエージェントタスクで最先端の性能を出す」ために設計されたモデル群で、その能力の一部をMuseとMeta AIにも広げるのが今回の狙いだと。
テキトー教師DotAI 認定講師はい。数週間前にMuse Wonderシリーズを出して、今回はそのMuse Wonderで訓練した特化版を既存モデルとして展開する、という順番です。
ゼロから新しいモデルを作ったのではなく、上位モデルの能力を下位プロダクトに移植するイメージですね。
ゼロから新しいモデルを作ったのではなく、上位モデルの能力を下位プロダクトに移植するイメージですね。
室谷代表取締役で、何が変わるかというと、Muse Wonderで導入されたActive MemoryとActive FocusがMuseとMeta AIでも使えるようになる、と。この2つが今回の主役です。
テキトー教師DotAI 認定講師ここで一度、用語を整理しておきましょう。MuseはMetaの個人向けAIエージェントで、モバイルやMac、WhatsAppから対話形式でタスクを依頼でき、ユーザーのアプリと連携して自分でツールも作るものです。
Meta AIはMetaのパーソナルAIアシスタント。この2つに特化モデルが入る、という構図です。
Meta AIはMetaのパーソナルAIアシスタント。この2つに特化モデルが入る、という構図です。
室谷代表取締役Museの安全性の作りも面白くて、ログイン情報はエージェントが読めない安全な保管庫に置かれ、メール送信や購入などの重要操作は事前承認が必要なんですよね。MYUUUでもエージェントに仕事を任せる場面が増えてきたので、この承認フローの設計は他人事じゃないなと。
テキトー教師DotAI 認定講師講座でも受講生さんから「エージェントにどこまで任せていいのか」という質問がよく出ますからね。権限と承認の線引きは実務の急所です。
Active Memoryとは？「覚えておくべき情報」を見極める仕組み
Active Memoryの位置づけ：従来の「記憶」 vs Active Memoryの「選別」
従来の記憶アプローチ
- 何でも覚える
- 情報がノイズだらけになりやすい
- 古い情報を引きずる
- 的外れな提案につながる
Active Memory
- 過去の会話情報がいつ再び重要になるか見極める
- まだ有効な情報と陳腐化した情報を区別
- 一時的な情報と恒久的な情報の種類を見分ける
- 時間をまたいで推論するよう訓練
室谷代表取締役Active Memoryは、過去の会話の情報がいつ再び重要になるかを見極めて、まだ有効な情報と陳腐化した情報を区別する機能です。公式ブログでは、一時的な情報と恒久的な情報の種類を見分け、時間をまたいで推論するように訓練したと説明されています。
テキトー教師DotAI 認定講師ポイントは「記憶する」ではなく「選別する」なんですよ。何でも覚えるとノイズだらけになるので、これはもう有効かどうかの判断が本体なんです。
室谷代表取締役そこなんですよね。人間でも、先週の打ち合わせで決まったことと、もう変わった前提が混ざると事故るじゃないですか。
エージェントも同じで、古い情報を引きずると的外れな提案をしてくる。
エージェントも同じで、古い情報を引きずると的外れな提案をしてくる。
テキトー教師DotAI 認定講師公式ブログでは、Museの改善モデルが「目標達成に必要な重要情報を忘れる事象が2.4分の1に減った」と示されています。あわせてActive Memory評価では、従来モデルの76%から今回のモデルが90%へ向上したと。
室谷代表取締役この数字は大きいですよ。記憶系の評価で76%から90%って、体感では「たまに忘れる」から「ほぼ忘れない」に変わるイメージなので。
テキトー教師DotAI 認定講師しかもMeta AIでも同じ改善が効くと書かれています。複雑な問題を段階に分け、より鋭い追加質問をし、会話の途中で方向転換しても追随できる、と。
室谷代表取締役追加質問が鋭くなるのはありがたいですよね。曖昧な依頼に対して、聞くべきことを聞いてくれる。
これはMeta AIとは？日本での使い方・無料の範囲・AIグラス連携まででも触れている通り、Meta AIの使い勝手に直結する部分です。
これはMeta AIとは？日本での使い方・無料の範囲・AIグラス連携まででも触れている通り、Meta AIの使い勝手に直結する部分です。
Active Focusとは？行き詰まっても目標へ進み続ける仕組み
Active Focusの主な特徴
障害時も作業を継続
予期せぬ障害に直面しても目標に向けて作業を続ける
行き詰まれば別の方法
行き詰まったときは別の方法を試す
制約変化で軌道修正
制約が変われば軌道修正する
多様なボトルネックで訓練
現実世界を反映した多様なボトルネックで訓練され、「回復する」「代替案を見つける」ができる
優れたマルチタスカー
Muse向けに、独立して進めるべきかライブで協働すべきかを見極められるよう学習
途中介入に強い
実行中のタスクへの軌道修正や明確化を入れても混乱しにくい
室谷代表取締役もう一つのActive Focusは、予期せぬ障害に直面しても目標に向けて作業を続け、行き詰まれば別の方法を試したり、制約が変われば軌道修正したりする機能です。
テキトー教師DotAI 認定講師公式ブログでは、現実世界を反映した多様なボトルネックで訓練したと説明されています。だから「頑張る」だけでなく「回復する」「代替案を見つける」ができるようになった、と。
室谷代表取締役これ、エージェント運用で一番刺さるところなんですよ。うちでもエージェントに長めのタスクを振ると、途中でAPIが落ちたり前提が変わったりして止まることがあって。
そこで止まらずに別ルートを探してくれるのは、実務だとかなりデカい。
そこで止まらずに別ルートを探してくれるのは、実務だとかなりデカい。
テキトー教師DotAI 認定講師単に粘る話じゃないんですよ。制約が変わったときに軌道修正できるかどうかが、長時間タスクの成否を分けますからね。
室谷代表取締役あと公式ブログで面白いのが、Muse向けに「優れたマルチタスカー」になるよう学んだという点で。あなたの目標に対して独立して進めるべきか、ライブで一緒に協働すべきかを見極められる、と。
テキトー教師DotAI 認定講師そこは受講生さんがよく悩むところです。「任せる」と「一緒にやる」の切り替えをモデル側が判断するわけですから、指示の出し方も変わってきますよね。
室谷代表取締役実行中のタスクに途中で軌道修正や明確化を入れても混乱しにくくなった、というのも書かれています。これはChatGPT Codexとは？のようなコーディングエージェント系の記事でも再三言われている話ですが、途中介入に耐えるかどうかが実用性の分かれ目なんですよね。
数字で見る進化——忘れにくさ2.4分の1、行き詰まり67%改善の中身
室谷代表取締役ここは数字をきちんと押さえたいので、整理するとこうです。
テキトー教師DotAI 認定講師公式ブログで確認できる数値は以下ですね。
- Personal Superintelligence Index:今回のMuseモデル47%、従来のMuseモデル38%
- Active Memory評価(重要コンテキストを正しく使えたタスク):今回90%、従来76%
- Museにおける、目標達成に不可欠な情報を忘れる事象:2.4分の1に減少
- Museにおける、予期せぬ問題が起きる日常タスクの完了:67%改善
室谷代表取締役このうち2.4分の1と67%は「Museでの改善」として示されている数字なんですよね。Meta AI側の個別数値は今回の公式ブログには出ていないので、そこは混同しないようにしたいところです。
テキトー教師DotAI 認定講師そうなんですよ。あくまでMuseの改善値として読むのが正確です。
Meta AIについては「同じ改善が思考パートナーとしての質を上げる」という定性的な説明にとどまっています。
Meta AIについては「同じ改善が思考パートナーとしての質を上げる」という定性的な説明にとどまっています。
室谷代表取締役あと、Muse Wonder本体のベンチマークも参考までに置いておくと、開発者向けページの比較表ではMuse Wonder FullがDeepSWE 1.1で85.6、SWE-Marathonで57.5を記録しています。ただしこれはあくまでMuse Wonder Fullの数値で、今回MuseやMeta AIに入る特化モデルのスコアとして示されたものではないんですよね。
テキトー教師DotAI 認定講師そこは正確に切り分けたいです。特化モデルはMuse Wonderで訓練されている、という関係であって、同じスコアを出すとまでは書かれていませんから。
室谷代表取締役MuseとMeta AIで何ができる？仕事と日常での具体的な変化
室谷代表取締役じゃあ実際に何が変わるのか。Muse側は、目標に必要な情報を忘れにくくなるので「同じことを何度も言い直す手間」が減る、と公式ブログは書いています。
テキトー教師DotAI 認定講師もう一つの柱が「計画変更時の行き詰まり」の解消です。制約が変わったときに止まらず、代替案を出してくれる。
これは日常タスクでも効きますし、業務エージェントではなおさらです。
これは日常タスクでも効きますし、業務エージェントではなおさらです。
室谷代表取締役Museはモバイル、Mac、WhatsAppから使えて、アプリ連携や自分でツールを作る機能もあるので、メールやカレンダー管理、買い物、健康管理あたりを任せる使い方が公式では想定されています。そこで記憶と粘りが効くようになるのは素直に嬉しい進化です。
テキトー教師DotAI 認定講師Meta AI側は「より良い思考パートナー」という位置づけでしたね。複雑な問題を明確なステップに分解し、より鋭い追加質問をし、会話の途中で方向転換してもついてくる、と。
室谷代表取締役これは講座で言っている「壁打ちの質」の話に近いんですよ。質問が鋭いと、こちらが言語化できていなかった前提が引き出される。
受講生さんがMeta AIを思考の相棒として使うなら、この改善はかなり効くはずです。
受講生さんがMeta AIを思考の相棒として使うなら、この改善はかなり効くはずです。
テキトー教師DotAI 認定講師あわせて、Muse Wonderシリーズ自体がコーディング、長時間稼働エージェント、高度なコンピュータ操作に強みを持つモデル群だと説明されています。その一部が一般向け製品に降りてくる、という流れですね。
室谷代表取締役なお、Muse Wonder Fullの詳細やベンチマークの位置づけはMetaの「Muse Wonder Full」とは？LMArena WebDevで6位に初登場でも触れています。開発者向けの話と一般ユーザー向けの話を分けて読むと整理しやすいです。
料金・提供範囲——日本ではいつから使えるのか
室谷代表取締役ここが一番聞かれるところなんですけど、今回の発表は「MuseとMeta AIに特化モデルを展開する」という内容で、料金についての新しい記載は公式ブログにはありません。
テキトー教師DotAI 認定講師そうですね。Muse自体の料金体系や無料範囲について、今回の発表資料では明示されていません。
日本での提供開始時期も、今回の公式ブログには書かれていないんですよ。
日本での提供開始時期も、今回の公式ブログには書かれていないんですよ。
室谷代表取締役なので「日本ではいつから」は現時点では明らかにされていません、と正直に書くしかないですね。憶測で「近日」とか書かないほうがいい。
テキトー教師DotAI 認定講師一方で、開発者向けのMuse Wonderシリーズの提供条件は公式ページで確認できます。整理するとこうです。
- Muse Wonder:muse-wonder-1.0としてMeta Model APIとMuse Codeで提供。コンテキスト長1Mトークン、入力$4.00/出力$20.00(100万トークンあたり)、キャッシュ入力$0.20
- Muse Wonder Full:muse-wonder-full-1.0としてMuse Codeのサブスクリプション限定。Power Usage($50.00/月)とMaximum Usage($200.00/月)のプランで利用可能
- Maximum UsageはEveryday Usageプランの80倍の利用量、Power Usageは20倍の利用量
室谷代表取締役ここは開発者向けの話なので、一般ユーザーがMuseやMeta AIで使うときの料金とは別物として読んでください。混ぜると誤解のもとです。
テキトー教師DotAI 認定講師あと、Meta Model APIは既存のOpenAI SDK互換クライアントのbase_urlを変えるだけでmuse-wonder-1.0に切り替えられる、というのも公式ブログに書かれています。これは開発者にとっては移行コストが低い話ですね。
室谷代表取締役既存のワークフローに差し込めるのは強いですよ。うちでもツールを乗り換えるとき、SDK互換かどうかで工数が全然違いますから。
よくある質問
室谷代表取締役最後に、よく聞かれる点をまとめておきましょう。
テキトー教師DotAI 認定講師まず「Muse WonderとMuse Wonder Fullの違いは？」ですが、公式ページによるとMuse WonderはMeta Model APIとMuse Codeで提供されるモデル、Muse Wonder FullはMuse Codeのサブスクリプション限定の最上位モデルです。どちらもコンテキスト長は1Mトークンとされています。
室谷代表取締役「今回Museに入るのはMuse Wonder Fullそのもの？」という疑問も出そうですけど、これはMuse Wonderで訓練した特化モデルであって、Muse Wonder Fullそのものではない、という理解でいいと思います。
テキトー教師DotAI 認定講師次に「Active MemoryとActive Focusは何が違うのか」。Active Memoryは過去情報の有効性の見極め、Active Focusは障害時の継続と軌道修正、と役割が分かれています。
室谷代表取締役「日本でいつから使えるか」は、今回の発表では明らかにされていません。「料金は」も同様で、MuseやMeta AIの料金に関する新情報は今回の資料にはありません。
テキトー教師DotAI 認定講師「Meta AIでも同じように良くなるのか」については、公式ブログは複雑な問題の分解、鋭い追加質問、方向転換への追随という形で改善を説明しています。個別の数値は示されていない、という点は押さえておきたいですね。
室谷代表取締役総じて、Muse Wonderという最上位モデル群の能力を、研究開発のクローズドな場所から一般ユーザーの手元に降ろしてくる発表なんですよね。開発者向けの最先端と、日常で使うエージェントの地力が近づいてくる。
この流れはしばらく追いかけたいと思います。
この流れはしばらく追いかけたいと思います。
