Meta、Muse Spark 1.3を発表、コーディングとエージェントタスクでの向上を報告

Metaは2026年9月2日に、Meta Superintelligence Labsの最新モデルであるMuse Spark 1.3をリリースし、同日からMuse CodeおよびMeta Model APIで利用可能にしました。Metaによれば、このアップデートはエージェントタスクとコーディングタスクの両方でパフォーマンスが向上し、実世界の環境での使用が容易になったとし、同社が数か月にわたるMuse CodeとMeta Model APIの広範な採用を基盤としていると述べました。

Meta AI Research の発表によると、以前利用可能だった推論モードはリリース時にそのまま利用でき、”max reasoning” モードはMetaが追加の安全性テストを完了した後に間もなく提供される予定です。Metaはベンチマークの詳細について、同伴する評価レポートを読者に案内しました。

エージェントワークフロー

Metaは、Muse Spark 1.3がユーザーと協働し、単一の長いスレッド内で複数のワークフローを同時に処理することで、長期的な作業をより持続できるよう設計されたと述べました。オープンエンドの目標が与えられた場合、同社によれば、モデルはツールを用いて混沌とした矛盾する情報源から独自のコンテキストを生成し、計画の抜けを能動的に修正し、学んだことを追跡して最終成果物を作り上げます。Metaは、さまざまなエージェント環境に汎用化できるよう、多様なハーネスでモデルを訓練したと述べました。

同社は、Muse Spark 1.3がユーザーとより積極的に協働できるよう訓練したと述べています。プロンプトが曖昧な場合、モデルは明確化の質問を行い、行き詰まった際にはユーザーの支援を求め、重要な操作を行う前に確認します。長時間のタスクにおいては、Metaはユーザーの好みに合わせて、頻繁にアップデートを提供するか、バックグラウンドで静かに作業するかを適応させると述べました。

Metaは、Muse Spark 1.3が従来のMuse Sparkモデルよりも複雑で長文の指示をより確実に遵守し、マルチステップタスクにおいては、制約を失ったり要求されたワークフローから逸脱したりすることなく、詳細な要件を保持できると述べました。

同社はまた、モデルのマルチタスク能力が向上したと述べました。例として、MetaはMuse Spark 1.3が混沌とした単一スレッドの文脈内で、ユーザーが過去のリクエストを指示したり中断したりするかに関わらず、入力されたプロンプトを正しいタスクにより正確にマッピングできるようになったと説明しています。さらに、Metaはモデルが自身の能力と限界をよりよく認識できるよう訓練され、何ができて何ができないか、何を知っていて何を知らないか、障害に直面した際に結果を妄想するのではなく適切に対処できる感覚が向上したと付け加えました。

コーディング

Metaは、Muse Spark 1.3がより長期的なコーディングタスクで訓練され、一般的なエンジニアリングワークフローでの使いやすさが向上したと述べました。Muse Spark 1.2 と比較して、新モデルは不要なターンが少なく、冗長さも低減され、全体的にクリーンなコーディングスタイルを持つと同社は述べています。Metaのエンジニアによる比較では、モデルは大幅に高速かつ効率的で、ツール呼び出しが約20％減少し、トークン使用量も約25％減少したことが示されました。

安全性と利用可能性

Metaは、エージェントおよびコーディング機能に最も関連性の高いとされる複数の軸で安全性を向上させたと述べました。同社によれば、Muse Spark 1.3は対抗的入力やプロンプトインジェクションに対する耐性が向上し、対抗的ロバスト性が強化されています。複雑なエージェントタスクにおいては、モデルは不可逆的な操作の定義に対するキャリブレーションが改善され、それに従って動作するとMetaは述べました。これらの変更は、長期的なエージェントタスクにおける判断力と裁量の向上を反映しています。

Metaによれば、Muse Spark 1.3は本日からMuse CodeおよびMeta Model APIで利用可能です。

過去の状態とロードマップ

Muse Spark 1.3は、Metaが2026年8月5日にMuse Code（ターミナル型コーディングエージェント）と共にリリースしたMuse Spark 1.2の後継です。その以前のMuse Code と Muse Spark 1.2 の発表において、MetaはMuse Spark 1.2をMuse Spark 1.1のコーディング重視のアップデートとして位置付け、コード生成、複雑なデバッグ、コードベースの理解、エンドツーエンドの開発者ワークフローが改善されたと説明しました。Metaは、当該リリースのためにコーディングタスクのトレーニング計算リソースを大幅に拡大し、トレーニング環境の多様性も広げ、さらにモデルはMuse Codeと共同で訓練されたと述べました。

今後の展望として、Metaはロードマップにより大規模なモデル、Muse Spark のオープンウェイトリリース、その他を含むと述べましたが、具体的な日程は示していません。