Metaが初のフロンティアモデル「Muse Wonder」を公開、メモリ機能を強調

Meta初のフロンティアモデル

MetaのSuperintelligence Labは2026年10月12日、新しいモデル「Muse Wonder」と「Muse Wonder Full」を公開しました。原文によれば、同社がフロンティアモデルに挑んだ最初の試みにあたります。従来の「Muse Spark」は低遅延で動作する軽量モデルを狙ったものですが、今回のWonder系はより大規模で高性能とされ、コーディングのような複雑なタスクで良い結果が得られたと説明されています。

モデルカードに示されたMeta自身のテストでは、WonderとWonder FullはFable 5.1やGPT-6 Astraと同程度のベンチマークスコアを達成したとされています。Metaのブログはこれをスケーリングのはしごの次の一歩であり、パーソナル超知能に向けた大きな前進だと位置づけています。ただしこれらは自社テストの結果であり、条件の詳細は原文では示されていません。

アクティブメモリの中身

Metaは、長期にわたってタスクをこなすパーソナルアシスタントへの関心から、ユーザーが与えた情報を保持・統合する能力を特に強調しています。同社はこの性質を「アクティブメモリ」と呼んでいます。記憶の再現性を測る指標として、継続学習や記憶構築のフレームワークを試すMemoryBenchというベンチマークを挙げています。

Metaのテストによれば、Muse WonderはMemoryBenchでFable、Opus、Astraよりも高いスコアを記録したとされます。研究科学者のKavya Kopparapu氏は発表に添えられた動画で、数日・数週間・数カ月先まで重要なことを覚えていられるようにするために多大な労力を注いだと述べています。長期間の記憶保持は、エージェントを実務で使う際の課題の一つであり、その評価方法に独自の指標を持ち込んだ点が今回の特徴です。

料金と提供方法

価格はMeta Model API経由で、入力100万トークンあたり4.00ドル、出力100万トークンあたり20.00ドルとされています。トークンはモデルがテキストを処理するときの単位で、料金はその量に応じて発生します。原文では、GPT-6 SolやOpus 5.5とほぼ同等のコストだと説明されています。

一方、Muse Wonder FullはMuse Codeの加入者だけが利用でき、API経由では提供されません。両モデルはMuseエージェントの動作にも使われるとされています。つまり、自社システムに組み込めるのはAPI提供のあるMuse Wonder側で、上位版はMeta自身のサービス内での利用に限られる形です。

未公表の点と注意

Muse Wonder FullのAPI非提供の理由や、Muse Codeの料金・提供地域は原文に示されていません。ベンチマークもMeta自身のテストであり、独立した第三者による検証結果はまだ示されていません。比較対象として名前が挙がるFable 5.1、GPT-6 Astra、GPT-6 Sol、Opus 5.5についても、原文には詳しい仕様や料金の記載はありません。

学習は、今年稼働を始めたオハイオ州中部のPrometheusデータセンターで行われたと説明されています。今回のリリースは、Scale AI創業者のAlexandr Wang氏が昨年8月にMetaのAI体制を再編して以降、初めてのフロンティアモデル公開になります。それまでの公開は軽量なMuse SparkとMuseエージェントにとどまっていました。