現在のMuse、Metaのパーソナル・スーパーインテリジェンス指数で47%を記録

Meta AI Researchは2026年11月6日、MuseとMeta AIを支えるモデルをMuse Wonderを用いて訓練した特化版の展開を発表した。現行のMuseモデルはPersonal Superintelligence Indexで47%を記録し、前モデルは38%だった。

今回のアップデートにより、両製品にアクティブメモリーとアクティブフォーカスが導入される。展開されるのは、Wonderシリーズそのものではなく、Metaの既存システムを基盤とし、Muse Wonderを通じて改良された専用モデルだ。この方法により、Wonderで導入された機能を、アシスタントの既存モデルを通じてより多くの人々に提供する。

Metaは2026年10月12日の発表で、Muse WonderとMuse Wonder Fullを、これまでで最も高性能なモデルと説明した。また、まずWonderを使って加入者向けのMuse体験を強化し、その後、Museを利用するすべての人に向けた専用モデルの開発に活用すると述べていた。今回の展開により、この専用モデル計画がMuseとMeta AIの両方に広がる。

アクティブメモリーが関連する情報を選び出す

アクティブメモリーにより、アシスタントは重要な情報を保持し、それが後の会話で必要になったときに取り出せる。訓練では、一時的な情報と恒久的な情報の違い、時間の経過を踏まえた推論、情報の詳細が引き続き関連性を保っているのか、あるいは古くなったのかを見分ける方法を学習する。つまり、記憶には情報を選び、適切なタイミングで取り出すことが求められる。モデルは、以前の会話のどの情報が今も当てはまり、どの情報が古くなったのかを判断しなければならない。

Metaによると、改良されたMuseモデルでは、ユーザーの目標達成に不可欠な情報を忘れる割合が2.4倍低下した。アクティブメモリー評価では、現在のモデルがタスクの90%で重要な文脈を正しく活用し、前モデルの76%を上回った。これらの数値は、目標に必要な情報を保持することと、タスクの実行中にその文脈を正しく活用することという、別々の課題を示している。

アクティブフォーカスがタスクの進行を支える

アクティブフォーカスは、予期せぬ問題で作業が中断されたときも、Museが目標に向かって進み続けられるようにする機能だ。Metaは、現実の状況を反映するよう設計したさまざまな障害をモデルに学習させ、ユーザーのために作業を継続したり、立て直したり、別の方法を選んだりできるようにした。Metaによると、Museでは、予期しない問題が起きる日常的なタスクの完了率が67%向上した。

専用モデルは、タスクの進行中にエージェントがユーザーとどのように協働するかという課題にも対応する。複数の作業を同時にこなし、自律的に進めるかリアルタイムで協働するかを選び、混乱したりタスクを見失ったりせずに、ユーザーからの指示や補足を取り入れられるよう設計されている。これにより、粘り強さと応答性が結び付く。エージェントは目標を追い続けながら、ユーザーが介入したときには進め方を変えられる。

Meta AIでは、同じ改良によって、アシスタントがより優れた思考のパートナー、協働相手となることを目指している。複雑な問題を明確な手順に分け、より的確な追加質問をし、会話の途中でユーザーが方向を変えても、それに合わせて応答できる。

ユーザーにとって、今回の展開の実用性を測る鍵は、状況が変わっても有用な文脈が保たれるか、障害から作業を立て直せるか、目標を見失わずに修正を取り入れられるかという継続性にある。こうした振る舞いによって、Metaが報告した成果と、MuseおよびMeta AIで支援を目指す日常的な協働とが結び付く。