Metaの「Muse」とは？ ― 2026年に登場したMeta独自AIの全体像

最終更新：2026年10月23日

はじめに ― いま「Muse」を押さえるべき理由

2026年、生成AIの主役交代が静かに進んでいる。OpenAIのGPT、AnthropicのClaude、GoogleのGeminiが火花を散らすなか、長らく「オープンソースの旗手」として一歩引いた立ち位置にいたMetaが、独自のフロンティアAI「Muse（ミューズ）」 を引っさげて正面から殴り込みをかけてきた。

しかも2026年10月23日、そのMuseが日本で正式に使えるようになった。北米以外では初の提供であり、メルカリやマネーフォワード MEとの連携も予告されている。つまりMuseは、もはや「海の向こうの話」ではなく、日本のユーザーや中小企業が実際に触れられる選択肢になったということだ。

この記事では、「Museとは何か」を次の順で、できるだけ噛み砕いて解説する ― ①Museという言葉の二重の意味、②なぜ生まれたのか、③モデル群の全ラインナップ、④エージェント製品としての姿、⑤競合との性能比較、⑥日本での提供状況、⑦そこから読み取れるMetaの戦略。

最初に大事な注意 ― 別の「Muse」との混同。 世間で「Muse」というと、2025年2月にMicrosoft（Xbox）が発表した**ゲーム映像生成AI「Muse」**を思い浮かべる人が多い。これはゲームのプレイ画面を生成する研究寄りのモデルで、本記事のMetaの「Muse」とはまったく別物である。名前が同じなので、検索するときは「Meta Muse」と添えると確実だ。

---

1. 「Muse」という言葉の二重の意味

最初につまずきやすいのがここだ。Metaの文脈で「Muse」という言葉は、2つの異なる対象を指す。

1. モデル群としてのMuse ― Muse Spark、Muse Wonder、Muse Image といった、MSL（後述）が開発した一連のAIモデルそのものの総称。いわば自動車でいう「エンジン」の系列名。
2. エージェント製品としてのMuse ― それらのモデルを積んで、ユーザーの代わりに実際にタスクをこなす常駐型のAIアプリ（muse.ai／iOS・Androidアプリ）。こちらは「エンジンを積んだ完成車」にあたる。

同じ「Muse」でも、「Muse Sparkは262Kトークンだ」と言えばモデルの話（意味1）、「日本でMuseが使えるようになった」と言えばアプリの話（意味2）である。本記事では前半でモデル群を、後半でエージェント製品を扱うので、どちらの話をしているかを意識して読み進めてほしい。

---

2. なぜMuseが生まれたのか ― Llamaの時代からMSLへ

Museを理解するには、その手前にあるMetaのスタンスの大転換を知る必要がある。

Metaはもともと「オープンの雄」だった

Metaは長年、AIの世界で独特のポジションを取ってきた。ディープラーニングの標準フレームワーク PyTorch（2017年一般公開）を世に出し、2023年にはLLM Llama を公開。Llamaは「誰でもダウンロードして、自分のサーバーで動かせる」オープンウェイトモデルとして、オープンソースLLM時代の中心になった。研究者や開発者コミュニティは、Metaのこの「気前のよさ」の上に大量のアプリやモデルを築いてきた。

ただし、その歩みは一枚岩ではない。Llama初代は実のところ誰でも自由に使える公開ではなく、研究者向けの申請制・非商用ライセンスによる限定公開だった。Metaの「オープン」は、最初から戦略的に濃淡がつけられていたのである。

2025年6月、Meta Superintelligence Labs（MSL）の発足

転機は2025年6月30日。ザッカーバーグは社内メモで、AI部門を Meta Superintelligence Labs（MSL） に再編した。掲げたスローガンは 「すべての人にパーソナル超知能を（personal superintelligence for everyone）」。FAIR（基礎研究）、LLM開発、各種製品チームを一つの傘下に統合する大がかりな組織変更だった。

目玉の人事が、新設の最高AI責任者（Chief AI Officer）に Alexandr Wang を迎えたこと。関連してMetaはデータ企業Scale AIに約143億ドルを投じたが、これは買収ではなく、49%の無議決権マイノリティ持分の取得（出資） である。同じメモでは、Nat FriedmanがAI製品と応用研究を率いることも発表された。Metaは他社からトップ研究者を次々と引き抜き、大型投資で開発を一気に加速させた。

背景にあったとされるLlama 4への不満

この再編が「オープン研究に区切りをつけ、フロンティア製品へ移行するシグナル」と受け止められた背景の一つに、オープンウェイトの最新作「Llama 4」への評価がある。Llama 4は、

• Llama 4 Scout ― アクティブ17B／16エキスパート／総計109B、コンテキスト10Mトークンの汎用モデル
• Llama 4 Maverick ― アクティブ17B／総計400B、精密な画像理解や文章創作に強いとされるモデル

という構成で、テキストと画像をネイティブに扱うマルチモーダル設計だった。しかしBloombergやWall Street Journalは、Llama 4への社内の不満と上位モデル「Behemoth」の延期が、再編と人材獲得加速の一因になったと報じている（Meta公式が認めた因果ではない点に注意）。

こうした流れの到達点として、2026年に満を持して投入されたのが Muse だった。

---

3. Museシリーズのモデル全ラインナップ

Museは「一発リリースして終わり」ではなく、2026年を通じて矢継ぎ早に投入された一連のモデル群だ。ここがMuseの迫力でもある。主要なものを時系列と役割で整理する。

Muse Spark（2026年4月8日）― すべての起点

シリーズ第1弾にして「Meta史上最も強力なモデル」と銘打たれた汎用LLM。テキスト生成・質問応答・推論・コーディングをこなし、画像理解（食品の栄養分析、商品比較など）にも対応する。Meta AIアプリやWeb上での会話中に、Reels・地図・ショッピングといったMetaが持つ膨大なコンテンツ資産からおすすめを引き出せるのが、他社にはない強みだ。

• 初代のコンテキストウィンドウは 262Kトークン（後述の1.1で1Mに拡張）。
• 展開先はMeta AIアプリ／Webを皮切りに、WhatsApp・Instagram・Facebook・Messenger・AIグラスへ順次拡大。一部パートナーにはAPIのプライベートプレビューも提供された。
• 音声機能の時点に注意：音声での割り込みや、話題・言語を会話の途中で切り替えられる「Voice Conversations」は、4月の発表時点の仕様ではない。2026年5月12日のアップデートで追加された機能である。

Muse Spark 1.1（7月9日）／ 1.3（9月2日）― 熟成と効率化

• 1.1（7月9日） ― 性能強化アップデート。ここでコンテキストが一気に 1Mトークン へ。約75万語相当の文脈を一度に扱える計算で、長大なドキュメントやコードベースを丸ごと読ませる用途が現実的になった。同日に Meta Model API のパブリックプレビューも始動。
• 1.3（9月2日） ― 効率重視の後継。1Mトークンを維持しつつ、価格あたり性能を前面に押し出したモデル。コストを抑えて大量に回したい業務用途を意識している。

Muse Wonder / Wonder Full（10月12日）― フラッグシップ

Museシリーズの最上位・高性能モデル。Active Memory（能動的記憶）、Active Focus（能動的集中）、サブエージェントといった、長時間・複雑なタスクを自律的にこなすための機能を備える。公表ベンチマークでは一部のコーディングテストで Claude Opus 5.5 を上回る結果もあるが、すべての指標で勝っているわけではない（第5節で反例を含めて検証する）。

Muse Image / Muse Video（7月7日）― 生成の領域へ

MSL発の画像生成・動画生成モデル。

• Muse Image は7月7日に正式提供開始。検索やコーディングのツールを自ら呼び出して精度を高める「エージェント型」 の画像生成モデルで、Muse Sparkと連携してツール共有や共同プランニングができる。単なる「お絵描きAI」ではなく、自己改善する仕組みを持つのが特徴。
• Muse Video は7月7日時点ではプレビュー扱いで、先に正式提供されたのはImageの方。Videoはネイティブ音声対応で、映像と音を一体で生成する高品質をうたう。

Muse Glimmer（8月10日）― 手元で動く小型オープンモデル

約29.6B（Metaの表記は「30B」）のオープンウェイトモデル。ライセンスは商用利用もしやすい Apache 2.0。単一のコンシューマ向けGPUで動くことを想定し、上位のMuse Sparkから知識を「蒸留（distillation）」して作られた。クラウドに頼らず手元のマシンで動かしたい、データを外に出したくない、といったニーズに応える普及層向けモデルだ。

その他のモデル

• Muse Voice Transcribe（9月1日発表） ― リアルタイム音声認識（音声→テキスト）モデル。70を超える言語で学習しており、Meta Model API経由で $0.18／時間 という明快な価格で提供される。議事録や字幕生成など実務直結の用途が見込まれる。
• Muse Spark Open（10月15日） ― Muse Sparkの重みを公開したオープンウェイト版。総パラメータ816BのMoE（Mixture of Experts） という大規模モデルでありながら重みが公開された点が目を引く。ただしライセンスはApache 2.0ではなく、独自の Muse Model License である。

用語メモ ― MoE（Mixture of Experts）とは。 モデル内部を複数の「専門家（エキスパート）」に分け、入力ごとに一部だけを動かす仕組み。総パラメータは巨大でも、実際に計算に使う「アクティブ」な部分は小さく抑えられるため、大規模と効率を両立できる。Llama 4やMuse Spark Openがこの方式を採る。

---

4. Muse エージェント・開発者向けサービス

モデル（意味1）の話はここまで。ここからは、それらを積んだプロダクトとしてのMuse（意味2）と、開発者向けの入り口を見る。Metaはモデル単体を出すだけでなく、エージェント製品とAPIを立て続けに投入し、OpenAIやAnthropicの製品ラインに真っ向から対抗する構えを見せている。

• Muse（エージェント／2026年9月発表） ― タスク実行や外部サービス連携を担う常駐型AIエージェント。専用の仮想マシン 「Muse Secure VM」 上で動作し、その操作を独立した別エージェント「Sentinel」 が監視・チェックする二重構造を備える。ユーザーが画面の前を離れている間も、許可された範囲で作業を進め続ける「任せられる」設計が売りだ。セキュリティと自律性を両立させようという設計思想が見てとれる。
• Muse Code（2026年8月） ― CLI（コマンドライン）上で動くコーディングエージェント。ファイル編集や自動テスト実行に対応し、開発ワークフローに直接組み込める。
• Meta Model API ― OpenAI互換のAPIインターフェース。既存のOpenAI向けコードを最小限の変更でMuseに差し替えられる設計で、乗り換えのハードルを下げている。提供経緯を正確に書くと、2026年7月9日にパブリックプレビュー開始（Muse Spark 1.1と同時、当初は米国のみ）→ 9月24日にMeta ConnectでGA（全世界一般提供） → 10月12日にMuse WonderもAPI対応に追加、という段階を踏んだ。

用語の整理（再掲）。 ここでの「Muse」はエージェント製品（意味2）。第3節のMuse SparkやMuse Wonderはモデル（意味1）。同じ名前なので、文脈で読み分けを。

---

5. 性能はどのくらいか ― 競合との比較を正しく読む

Museの実力を語るとき、ベンチマークの数字は**「限定付き」で読む**必要がある。ここを誤ると、誇大にも過小にも受け取ってしまう。

まず大前提として、Metaの公式比較表の相手は Claude Opus 5.5 ではなく、1世代前の Opus 5 であることが多い。さらにベンチマークの「版」も揃っていない（例：Spark 1.3側はTerminal-Bench 2.1、Opus 5.5側は4.0）。版が違う数字をそのまま並べても、厳密には直接比較にならない。以下の表は、その前提で読んでほしい。

Spark 1.3 vs Opus 5（Meta計測）

読み取れる傾向は割れている。コーディング（DeepSWE、Terminal-Bench）ではSpark 1.3がOpus 5に並ぶか上回り、長文脈の取り出し（MRCR 98.1）は突出した強み。一方で、知識労働（GDPVal-AA）やビジネスツール操作（JobBench）ではOpus側がわずかに上だ。Opus 5.5はOpus 5の後継なので、複雑な知識労働での上限はさらに高いと見るのが妥当である。

Wonder Full vs Opus 5.5（Metaのモデルカード、最大推論時）

Wonder FullはDeepSWEとSWE-MarathonでOpus 5.5を上回るが、Terminal-Bench 4.0では負けており、第三者の独立指標であるArtificial Analysis Intelligence Indexでも劣後している。したがって「WonderがOpus 5.5を上回る」と書くなら、「一部の指標で」「Meta自己計測では」という限定が不可欠だ。

結論。 Spark 1.3は価格あたり性能でOpus世代に肉薄する効率モデル、Opus 5.5は複雑な知識労働での上限が高い最上位モデル。Meta側の正規の対抗馬はWonderであり、SparkとOpusを直接ぶつける比較は「階級違い」である。数字の派手さより、どのタスクで・どの版で・誰が測ったかを見るのが肝心だ。

価格の比較

API価格（100万トークンあたり）で見ると、Muse Spark 1.3 は入力 $1.25／出力 $4.25、Claude Opus 5.5 は入力 $4／出力 $20。出力価格ではOpusがおよそ5倍にあたる。Sparkが「効率モデル」を名乗るゆえんで、コスト重視の大量処理用途ではMuse Sparkの価格競争力は明確な武器になる。

---

6. 日本での提供状況（2026年10月23日時点）

ここが日本の読者にとって最も実用的なパートだ。

• Meta AI（アシスタント） ― 日本でも利用可能だが、機能は依然として限定的。
• Muse（エージェント） ― 2026年10月23日に日本で提供開始。北米以外では初の展開で、iOS／Androidアプリと muse.ai から利用できる。基本は無料、利用上限を増やすサブスクリプションも用意。さらにメルカリ、マネーフォワード ME、チケットぴあとの連携が予定されており、「AIが実際に日本のサービスを操作する」世界が現実味を帯びてきた。
• Muse Code / Meta Model API ― 公式には提供されている。Meta Model APIについては、「日本が禁止対象ではなく、実利用の報告もある」というのが現時点で正確な表現。
• Muse Glimmer ― オープンウェイト配布（Apache 2.0）のため、日本でも入手・ローカル実行が可能。

※この領域は提供状況の変動が激しい。実際に使う前に必ず最新情報を確認すること。本節は最終更新日と同じ2026年10月23日時点に統一している。

---

7. まとめ ― Museが示すMetaの「二正面作戦」

最後に、Museという製品ラインがMetaの何を物語っているのかを整理しておきたい。

Meta AIはこれまで、研究機関としてPyTorch・Llamaという業界の土台を築き、製品として数十億ユーザーのSNS（Facebook・Instagram・WhatsApp・Messenger）に会話型AIを浸透させてきた。そして2025〜2026年、超知能を目指す独自モデル路線（MSL＋Muse） へと大きく舵を切った。

ただし、これを「オープンからクローズドへの一方向の転換」と単純化すると実態を見誤る。Metaは、

• フロンティア領域（Wonderなど）はクローズドに保ちつつ、
• 普及層にはGlimmer（Apache 2.0）やMuse Spark Open（重み公開）のようにオープンウェイトを出し続ける

という 「フロンティアはクローズド、普及層はオープンウェイト」の二正面作戦 を取っている。最先端で稼ぎ、裾野でエコシステムを押さえる ― これこそが、Museに表れた現在のMetaの姿だ。

かつてのオープンソースの旗手は、いまや独自フロンティアモデルを擁して、Google・OpenAI・Anthropicを追う挑戦者になった。しかも日本でもMuseが使える時代に入った。Metaは今、その転換期のまっただ中にいる。

---

参考リンク

1. About Us - AI at Meta
2. Meta AI（Wikipedia）／ Meta Superintelligence Labs（Wikipedia）
3. Introducing Muse Spark（Meta Newsroom, about.fb.com）
4. Introducing Muse Spark 1.1 / Meta Model API（AI at Meta ブログ）
5. Introducing Muse Image and Muse Video（AI at Meta）
6. Muse Glimmer 30B 論文（AI at Meta Research）
7. Meta、パーソナルAIエージェント「Muse」を日本で提供開始（ITmedia NEWS, 2026年10月23日）