［ニュース解説］Metaが「Muse Spark 1.1」を発表——エージェント・コーディング・マルチモーダルを強化した新モデルとは

2026-07-11

はじめに

　Meta Superintelligence Labsが2026年7月9日、マルチモーダル推論モデル「Muse Spark 1.1」を発表しました。エージェント機能やコーディング性能が前作から大きく向上しており、開発者向けの新API「Meta Model API」も公開されています。本稿ではその特徴と評価内容、利用方法について解説します。

参考記事

タイトル: Introducing Muse Spark 1.1
著者: Meta Superintelligence Labs
発行元: Meta AI Blog
発行日: 2026年7月9日
URL: https://ai.meta.com/blog/introducing-muse-spark-meta-model-api/

要点

Muse Spark 1.1は、Meta Superintelligence Labsが開発したマルチモーダル推論モデルであり、Muse Sparkの後継モデルである
エージェント機能・コンピュータ操作・コーディング・マルチモーダル理解の各分野で前作から大幅な性能向上を達成した
化学・生物、サイバーセキュリティ、制御喪失という3つのフロンティアリスク領域について安全性評価を実施し、安全域内であることが確認された
新設の「Meta Model API」でパブリックプレビューが開始され、Meta AIアプリおよびmeta.aiでも「Thinking」モードとして利用可能である

詳細解説

Muse Spark 1.1の概要

　Muse Spark 1.1は、Meta Superintelligence Labsが2026年7月9日に発表した、エージェント向けタスクに特化したマルチモーダル推論モデルです。Metaによれば、ツール・コンピュータ操作、コーディング、マルチモーダル理解において大きな性能向上を実現し、性能と効率のバランスを高めたモデルに位置づけられています。同時期に発表された画像・動画生成モデル「Muse Image」と合わせ、Metaが掲げる「パーソナル超知能」という構想の一環として紹介されています。

　マルチモーダル推論モデルとは、テキストだけでなく画像や動画、音声など複数の種類の情報を統合的に理解し、推論できるAIモデルを指します。近年、こうしたモデルはエージェント型のタスク遂行において重要な役割を担うようになっていると考えられます。

エージェント機能:計画・委任・記憶の強化

　Muse Spark 1.1は、複数の外部アプリやサービスをまたいで計画・調整が必要な個人向けエージェントタスクで高い性能を発揮するとされています。新しいツールやMCPサーバー、独自スキルに対してもゼロショットで対応できる点が特徴です。

　MCPサーバーとは、AIモデルが外部のツールやデータソースと接続するための標準規格「Model Context Protocol」に対応したサーバーを指します。この規格に対応することで、モデルは個別の追加学習なしに新しいツールを扱えるようになります。

　また、Muse Spark 1.1はメインエージェントとして文脈を収集し計画を立て、並列に動作するサブエージェントへ実行を委任できるほか、サブエージェントとしても自身の役割を理解し、必要に応じてメインエージェントへ判断を差し戻す仕組みを備えています。さらに100万トークンの文脈窓を能動的に管理し、以前の作業内容を記憶・参照しながら、後続の作業に必要な情報を圧縮して保持できるとされています。

　この仕組みは、単一のモデルがすべてを処理するのではなく、役割分担によって複雑なタスク全体の処理速度を最適化しようとする設計だと考えられます。

コンピュータ操作:自動化と直接操作の使い分け

　Muse Spark 1.1は、複数のアプリケーションをまたぎ、状況が随時変化するコンピュータ操作のワークフローに強みを持つとされています。長時間のセッションを通じて文脈を維持し、要件の変化に適応しながら、不慣れなインターフェースも最小限の人間の介入で操作できるとMetaは説明しています。

　特徴的なのは、すべての操作を1クリックずつ逐次処理するのではなく、自動化スクリプトを書くべき場面と、直接インターフェースを操作すべき場面を使い分けるよう訓練されている点です。夕食会の手配を例に、注文時に生じた状況の変化を察知し、ユーザーの介入なしに対応を更新するデモも紹介されています。

　こうした「自動化か直接操作か」を状況に応じて選択する能力は、実際の業務で人手を介さずに例外対応まで担える範囲を広げるものだと考えられます。

コーディング性能の向上

　コーディング面では、大規模で複雑なコードベースを扱う実務的なタスクで性能が大きく向上したとされています。複雑なバグの診断・修正、エンタープライズ規模のシステムへの新機能実装、大規模なコード移行までを実行できるとMetaは説明しています。

　開発フローとの親和性も強化されており、Muse Spark 1.1は計画モードやゴール指向の設計、サブエージェントへの委任、文脈の圧縮といった、一般的なエージェント型コーディング環境の機能に対応しています。社内評価「Meta Internal Coding Bench」では、Muse Sparkから大きく改善し、主要な競合モデルと同水準の性能を示したとされています。

　具体的な数値は評価レポートに委ねられていますが、複数のコーディング環境や開発ハーネスに柔軟に対応できる点は、実務導入の際のハードルを下げる要素だと言えます。

マルチモーダル理解:知覚と操作の統合

　Muse Spark 1.1は、視覚的な情報からのコード生成、詳細な画像・動画のキャプション生成まで、幅広いマルチモーダル用途に対応するとされています。特に、知覚と操作を同時に行う必要がある場面でその能力が生きるとMetaは説明しています。

　例えば、スマートフォンで撮影した動画から有用な写真を抽出し、商品について推論した上でブラウザを操作してマーケットプレイスへの出品まで行うデモが紹介されています。視覚的な理解と実際の操作を一連の流れとして扱える点が、このモデルの特徴の一つだと考えられます。

安全性評価

　Metaは、独自の「Advanced AI Scaling Framework」に基づき、展開前に安全性評価を実施したと説明しています。このフレームワークは、評価手法や脅威モデル、展開の可否を判断する基準を定めたものです。

　化学・生物兵器、サイバーセキュリティ、制御喪失という3つのフロンティアリスク領域について、Muse Spark 1.1は安全な範囲内で動作していることが確認されたとされています。また、直接的なジェイルブレイクや、信頼できないデータ経由の間接攻撃、プロンプトインジェクションに対する耐性も強化され、事実と異なる出力の発生率低下や過度な迎合傾向の抑制にもつながったとMetaは説明しています。

　安全性に関する評価項目が複数の観点にわたって具体的に示されている点は、今後の導入判断を検討するうえで参考になる情報だと思います。