この記事について海外で公開された情報をもとにAIが要約・解説した記事です。原文の翻訳ではありません。正確な内容は記事末尾の出典元をご確認ください。
この記事の要点
  • Metaがコード特化モデル「Muse Spark 1.2」とエージェント「Muse Code」を発表
  • 長大なエージェント型ツール呼び出しに対応し、コード生成・デバッグ性能が向上
  • データ利用許諾で最大9割以上安くなる新価格「contributor」を提供

発表の概要

Metaは2026年8月5日、コーディングに特化したAIモデル「Muse Spark 1.2」と、このモデルを活用したコーディングエージェント「Muse Code」を発表しました。この発表はSimon Willison氏のブログで取り上げられ、同氏は「最近のモデルで最も重要な特性は長いシーケンスにわたるエージェント型ツール呼び出しだ」と指摘しています。

Muse Spark 1.2は前バージョン1.1の更新版で、コード生成、複雑なデバッグ、コードベースの理解、開発者向けのエンドツーエンドワークフローが改善されたとされています。同時に、汎用エージェントとしての既存の強みも維持しているとのことです。

技術的な改善点と共同訓練

訓練面では、コードタスク向けの計算量を大幅に増やし、訓練環境の多様性を広げたと説明されています。さらに、リポジトリ全体の生成や大規模なエンドツーエンドプロジェクト、自動リサーチといった長期的なコーディングタスクに重点を置いた訓練が行われました。

Muse Spark 1.2はMuse Codeと共同訓練されており、両者を組み合わせたときに最高の性能と使いやすさを発揮するよう設計されています。訓練には拒否サンプリングで得た軌跡の利用や、目標設定、圧縮、サブエージェントに関するレシピの最適化、Muse Codeツールセットの統合が含まれます。

価格モデルの新機軸

価格面では、2つのモデルIDが提供されます。標準の「muse-spark-1.2」は入力100万トークンあたり1.25ドル、出力100万トークンあたり4.25ドルで、競合のGemini 3.6 Flashに近い価格帯です。

もう一つは「muse-spark-1.2-contributor」で、Metaの製品改善にデータを利用することを許可する代わりに、入力0.10ドル、出力0.20ドルと大幅に割り引かれます。これはGPT-5.6 LunaやGemini 3.1 Flash-Liteの価格帯に近く、コスト重視の開発者には魅力的な選択肢となるでしょう。

位置づけと今後の論点

Simon氏は、この発表を、モデルにとって長いシーケンスのエージェント型ツール呼び出しが重要であるという流れのさらなる証拠だと位置づけています。Metaが自社のコーディングエージェントを投入したことで、この分野の競争が一層激化するとみられます。

実際の性能については、同氏が生成した自転車に乗るペリカンのSVG画像の例を示し、1.1版から「小幅ではあるが意味のある改善」と評しています。ただし、詳細なベンチマーク結果や実業務での有効性は今後の検証が必要です。

原文からの引用
We co-trained Muse Spark 1.2 with Muse Code to ensure the model exhibits its best performance and coding usability when paired together.

私たちはMuse CodeとMuse Spark 1.2を共同訓練し、両者を組み合わせた際に最良の性能とコーディングの使いやすさを発揮するようにしました。

日本の開発者・IT企業にとっての意味

この発表は、日本のIT企業や開発者にとっても無視できない動きです。コード生成AIの性能向上は、開発現場の生産性向上に直結します。特に、長いシーケンスにわたるエージェント型のツール呼び出しが重視される中で、複雑なタスクを自律的にこなすAIの実用性が高まっています。また、価格モデルの柔軟性は注目に値します。データ利用を許諾すれば大幅な割引が受けられますが、自社のソースコードや機密情報を外部AI企業に提供することになるため、セキュリティやコンプライアンス上の慎重な判断が必要です。日本の企業は、このような新しい選択肢を評価しつつ、自社のデータポリシーと照らし合わせて導入を検討するべきでしょう。

用語解説

コーディングエージェント
ユーザーの指示に基づき、コードの作成や修正を自律的に行うAIシステム。複数のツールを呼び出して複雑な開発タスクを進める。
ツール呼び出し
AIモデルが外部APIや関数を実行する仕組み。エージェント型AIでは、この機能を連続的に使ってタスクをこなす。
拒否サンプリング
生成されたデータから品質の低いものを除外し、高品質な学習データを作る手法。モデル訓練の効率向上に寄与する。

出典

Introducing Muse Code and Muse Spark 1.2

Simon Willison / Simon Willison / 2026年8月6日

https://simonwillison.net/2026/Aug/5/muse-code-and-muse-spark-12

AI導入も顧問も、お任せください

何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。

AI導入について相談する