Meta、これまでで最も高性能なAIモデル「Muse Wonder」シリーズを発表

Metaは2026年10月12日、個人および業務向けのエージェント型タスクに対応する最先端モデルとして、Muse WonderとMuse Wonder Fullを発表し、Muse Wonderシリーズを披露した。Metaによると、これらは同社史上最も高性能なモデルであり、保険請求の手続きから賃貸契約書の理解、実際に動作するアプリの開発まで、幅広い作業で最先端の性能を発揮するよう設計されている。

エージェント型タスクに対応する能力

発表によると、Muse Wonderモデルは、法律、金融、医療などの専門分野に対応する能力に加え、ゲームから新規事業向けアプリまで、さまざまなものを開発する人々に向けた最先端のコーディング性能を備えている。Metaは今回の発表について、AIへの取り組み全体の見直しを始めてから14か月後に実現したものであり、その期間に同社は基盤の再構築から最先端の追求へと歩みを進めたと説明した。これらのモデルは、Muse Sparkで築いた基盤を土台としている。

Metaは、同社がActive MemoryとActive Focusと呼ぶ機能を中心に新しいモデルを構築した。Active Memoryは、会話をまたいでユーザーに関する文脈を保持し、その時点のタスクに関係する詳細を呼び戻す。Active Focusは、タスクが難しくなってもモデルが目標に向けて作業を続けられるようにする機能で、別の方法を試し、エラーから立ち直り、必要に応じて説明を求め、重要なことを実行に移す前に確認を取る。

コーディングは、これらの能力を結び付ける役割を果たす。Metaの研究ブログでは、ソフトウェア開発を、要件を把握し、コードベース全体に変更を加え、テストと修正を繰り返すプロセスとして説明している。また、両モデルは、その全過程を通じて進捗を維持できるよう、多様で長期にわたるタスクを用いて訓練されたという。記事中のデモでは、カスタマイズ可能な画像入力からプレイ可能な3Dキッチンゲームを作成する様子、個人の好みや状況に基づき、OpenStreetMapのデータを使ってブラウザー上でランニング計画を組み立てる様子、個人のInstagramプロフィールに掲載された実際の写真を使ってオリジナルグッズをデザインし注文する様子、複雑な条件を列挙したリストを基に、結婚式用のオリジナル席次表を作成する様子が紹介されている。

訓練と汎化

Muse WonderとMuse Wonder Fullは、Metaのギガワット規模のデータセンター「Prometheus」で訓練された。今回の発表は、MetaがMuse Sparkとともに示したスケーリング手法を、事前学習と強化学習の両方に適用したものだ。

研究ブログでは、テスト時の計算量が増えるにつれて、事後学習で対象としたタスクの性能が未知のタスクの性能とどう関係するかについても検証している。ブログによると、少数の分野に偏った一般的なベンチマークでは、能力の幅広さを十分に捉えられない。Metaの分析では、Muse Spark 1.3とMuse Wonder Fullについて、事後学習で対象としたタスク（分布内タスク）を代表する複合指標での各モデルのスコアと、事後学習の対象外だったタスク（分布外タスク）での平均性能を比較している。Metaは、テスト時の計算量が増えるにつれて両モデルとも分布外タスクの性能が同様に向上する一方、分布内タスクでの性能を踏まえると、Muse Wonder FullはMuse Spark 1.3の傾向から予測される以上に、未知のタスクで高い性能を発揮すると報告した。Metaは、この上方へのずれについて、Muse Wonderシリーズを支える、より大規模で高性能なベースモデルによるものだと説明している。これらのモデルでは、事後学習による性能向上が未知のタスクにもより効果的に波及するという。ブログによると、さまざまな目標、ツール、制約の組み合わせに対応しなければならないパーソナルエージェントにとって、こうした汎用性は重要だ。

評価スイート

Metaによると、Muse Wonderシリーズは、個人向けおよび業務向けエージェント、メモリー、コーディングに関する主要なベンチマークで最先端の結果を達成した。同社は幅広い評価スイートを用いて、他の最先端モデルと比較した全結果の表を公開している。評価項目には、モデルが原資料を扱い、詳細な指示に従って法律関連の成果物を作成する必要があるHarveyの法律エージェント・ベンチマークと、金融エージェントのタスクを評価するVals Finance Agent V2が含まれる。長期的な文脈メモリーはMemoryBench、集中力はFocusBench、長期にわたるソフトウェアプロジェクトの継続的な実行能力はSWE-Marathon、長期的なコーディング能力はDeepSWEで測定される。Metaは、評価の詳細については別のレポートを参照するよう案内した。

安全性とアラインメント

Metaによると、Muse Wonderファミリーは、許可なく個人情報を共有しないこと、実際に有害な行為の実行を支援する依頼を断ること、セキュリティの向上とサイバー攻撃への防御強化に取り組むことを目指して訓練された。開発者やセキュリティチームは、Muse Wonderのようなモデルを使って自らのコードの欠陥を見つけ、システムを強化できるため、Metaはモデルがそうした作業を引き続き行えるようにしたという。

Metaは、Muse Wonderについて、防御目的で最先端のサイバー能力を利用できる状態を維持しつつ、CBRN（化学、生物、放射線、核）およびサイバー分野での悪用に対して、これまでで最も強力な安全対策を備えていると説明した。また、Muse Wonderを同社史上最もアラインメントが取れたモデルと位置付けた。研究ブログで説明されている安全性評価では、許可されていないコード実行攻撃の成功率、個人情報の取り扱いに関する違反率、生物学的リスクに関する拒否率、サイバー悪用の拒否率、サイバー防御への準拠率が対象となっている。Metaは、最も高性能なモデルの訓練、評価、公開をMeta Superintelligence Scaling Frameworkに沿って行っており、追加の安全性評価を含む完全版レポートを近日中に公開すると述べた。

提供状況と発表された計画

Muse WonderはMeta Model APIとMuse Codeを通じて利用でき、Muse Wonder FullはMuse Codeの加入者が利用できます。Metaによると、Muse Wonderは近くMuse内の体験を支える予定で、まず加入者向けに提供が始まります。また、アーティファクトの生成や、より高度な知能を必要とするその他のプロセスにも活用されます。Metaはさらに、Muse Wonderを使って特化型モデルを開発し、Museを利用するすべての人に提供する予定だと述べました。