Muse Spark 1.3：Metaの新モデルがChatPlusで利用可能に

1年半前、Metaは「モデルを無料で配る会社」でした。何百万人もの人がLlamaをダウンロードし、スタートアップはそれを使ってプロダクトを作り、チームは自分たちの業務向けにファインチューニングしていました。しかし、最も賢いモデルをめぐる競争では、MetaはOpenAI、Anthropic、Googleに明らかに後れを取っていました。

いま同社は、まったく別の戦略と、別のモデルファミリーを持っています。それがMuseです。モデルはクローズドになり、専任部門が開発を担い、新バージョンはほぼ毎月リリースされています。最新版のMuse Spark 1.3は9月2日に公開され、本日からChatPlusでも利用できます。以下では、このモデルがどこから来たのか、何ができるのか、数字の裏に何があるのか、どんな場面で選ぶべきかを見ていきます。

MetaはいかにMuseにたどり着いたのか

2025年4月、MetaはLlama 4をリリースしましたが、反応はやや冷ややかでした。モデルの出来は悪くなかったものの、事前の期待には届かず、最大版のリリースは延期されました。AIに年間数百億ドルを投じる企業にとって、これは好ましくないシグナルでした。

その夏、Zuckerbergは取り組み全体を立て直しました。Metaは新部門Meta Superintelligence Labsを設立し、OpenAIやGoogleなどの研究所から有力な研究者を迎え入れ、大規模モデルの学習に向けた新しいデータセンターの建設を始めました。掲げた目標は大胆です。「personal superintelligence」、つまり一人ひとりが自分の目標を達成するのを助けるAIです。

最初の成果がMuse Sparkでした。2026年4月8日に公開され、そのままMeta AIアシスタントに組み込まれ、Webとアプリで利用できるようになりました。これはマルチモーダルな推論モデルで、ツールを呼び出し、画像を読み解き、複数のエージェントを並列に動かせました。開発者向けのアクセスは当初かなり限られており、プライベートプレビュー経由のみでした。

その後の展開は速いものでした。

• 7月：Muse Spark 1.1と、開発者向けの公開APIプレビュー;
• 8月：Muse Spark 1.2と、ターミナル上で直接動くMeta独自のコーディングエージェントMuse Code;
• 9月2日：この記事の主役であるMuse Spark 1.3。

大手研究所の大型モデルとしては、3か月で3バージョンという非常に速いペースです。

Muse Spark 1.3にできること

Metaは新バージョンを、長く複数ステップにまたがるタスク向けに学習したモデルだと説明しています。この言葉の裏には、具体的に3つの能力があります。

第一に、作業の流れを追い続けられることです。長いタスクでは、各ステップを毎回ゼロから始めるのではなく、すでに何を行い、その結果どうなったかを覚えています。プロジェクト全体を確認し、テストを直し、ドキュメントを更新してほしいと頼んでも、3ステップ目で1ステップ目に何を変更したかを忘れることはありません。

第二に、混乱に強いことです。現実のタスクは、きれいに整理された状態でやって来るとは限りません。仕様書にはこう書いてある、メールのやり取りでは別の話をしている、コードはさらに違うことを示している。Muse Spark 1.3は、こうした矛盾に気づき、どれか一つを適当に選ぶのではなく、突き合わせながら処理するように学習されています。

第三に、質問することです。情報が足りないとき、モデルは推測で穴を埋めるのではなく、ユーザーに確認します。小さなことに聞こえるかもしれませんが、エージェントが道を外れる原因の多くは、まさにこの「推測」にあります。

Metaはコーディングも強調しています。バージョン1.3はMuse Codeでの実作業をもとに改良されており、同社によれば不要な手順が減り、よりコンパクトなコードを書くようになっています。AIをプログラミングの相棒として使っているなら、その違いは体感できます。モデルの出力をあとから片付ける手間が少なくなるからです。

このモデルが理解できるのはテキストだけではありません。スクリーンショット、写真、図、PDFを見せることができます。Metaは興味深い点にも触れています。Muse Sparkの視覚推論は、実際の実行環境を通じて動くというのです。簡単に言えば、モデルは画像をただ「眺めて」目分量で推定するのではなく、コードで処理できます。

モデルのコンテキストウィンドウは1,048,576トークン、つまり100万を超えます。これは数百ページ分のテキスト、あるいは大きなリポジトリを一度に扱える規模です。さらに重要なのは、下の数字が示す通り、モデルがそのウィンドウを実際にうまく使えていることです。

数字から見えること

以下の結果はすべて、Meta自身が最大推論モードで測定したものです。

最も印象的なのは、長文コンテキストでの結果です。MRCRは、巨大なテキストの中に隠れた、よく似た断片の中から正しい箇所をモデルが見つけられるかを調べます。100万トークンを形式上は受け付けられるモデルは多いものの、その規模になると中央付近の情報を「見失い」始めるものも少なくありません。Muse Spark 1.3は、50万から100万トークンの範囲で98.1%を記録しており、ほとんど取りこぼしていません。

前バージョンからの伸びも目立ちます。JobBenchでは61.6%から64.9%へ、オフィス系ベンチマークのGDPval-AAでは1615から1754 Eloポイントへ上昇しました。

次に競合との比較ですが、ここには注意が必要です。GDPval-AAでは、Muse Spark 1.3はGPT-5.6 Sol（1710）を上回る一方、Claude Opus 5（1824）には届きません。ただしMetaが比較対象にしているのは前世代です。その後、Claude Opus 5.5とGPT-6 Solが登場しており、Metaの表にはこれらが含まれていません。したがって、公平にまとめるならこうです。Muse Spark 1.3はフラッグシップ級と同じ土俵で戦えるモデルですが、最新のフラッグシップを上回っているわけではありません。

料金

価格は魅力的です。入力100万トークンあたり$1.25、出力100万トークンあたり$4.25です。比較すると、Claude Opus 5.5は$4と$20、GPT-6 Solは$2と$10、Grok 4.7は$2と$6です。フラッグシップに近い性能としては、市場でもかなり有力な選択肢の一つです。

Metaはもう一つ、ほぼ無料に近い選択肢も用意しています。入力は10セント、出力は20セントです。ただしその価格では、Metaがユーザーのプロンプトと応答をモデル学習に使う権利を得ます。ChatPlusでは標準ティアのみを接続しているため、Muse Sparkとの会話がMetaの学習に使われることはありません。

Muse Sparkが得意な場面、別のモデルを選ぶべき場面

Muse Spark 1.3が最も力を発揮するのは、タスクが長く、込み入っている場面です。大きなプロジェクトを読み解く、他人のコードにあるバグの原因を探す、矛盾する複数の文書を突き合わせて一つの結論にまとめる、分厚いレポートから必要な情報を抜き出す。こうした用途が得意分野です。スクリーンショットとの相性も良く、エラーが出ている画面を見せて原因を考えてもらう、といった使い方もごく自然にできます。

弱点もあります。これは推論モデルなので、シンプルな質問への回答は軽量モデルより遅めです。まず考えてから書くためです。翻訳、要約、ちょっとした調べ物には、GPT-6 Lunaのような軽いモデルを選ぶとよいでしょう。Metaはクリエイティブライティングについてほとんど語っていないため、文体が重要な場合は、自分のタスクでClaudeと比べてみるのがおすすめです。

ChatPlusで試す方法

Muse Spark 1.3はPROプランで利用できます。他の強力なモデルと同じく、利用枠を消費します。高価なモデルへのリクエストが差し引かれる5時間の上限です。Muse Spark 1.3でチャットを開く。

いちばん役に立つのは、自分のタスクで他のモデルと比べてみることです。ChatPlusでは、会話の途中でモデルを切り替えられます。まずMuse Sparkに聞き、ClaudeやGPTに切り替えて同じ依頼を送り、どちらの回答がよいかをその場で確認できます。モデルの仕様とベンチマーク結果は、専用のMuse Spark 1.3ページにまとめています。

まとめ

Muse Spark 1.3は、Meta Superintelligence Labsによる最新モデルで、2026年9月2日にリリースされました。長いエージェント型タスク、コード、非常に大きなコンテキストに強く、Terminal-Bench 2.1で88.8%、100万トークン規模でもほぼ情報を失いません。最新のAnthropicやOpenAIのフラッグシップにはまだ届きませんが、価格は数分の一です。ChatPlusでは、すでにPROプランで利用できます。