［開発者向け］Meta「Muse Spark 1.3」公開——エージェント処理とコーディングを強化した新モデルとAPI仕様を読み解く

2026-09-03

はじめに

　Metaが2026年9月2日、Museシリーズの最新モデル「Muse Spark 1.3」を公開しました。エージェント処理とコーディングを強化した更新で、同日からMuse CodeとMeta Model API経由で利用できます。本稿では公式の開発者向けドキュメントをもとに、モデルの特徴・料金・API仕様を整理します。

参考記事

メイン記事:

タイトル: Muse Spark 1.3
発行元: Meta（Meta for Developers）
発行日: 2026年9月2日
URL: https://developer.meta.com/ai/models/muse-spark/

要点

Muse Spark 1.3は、エージェント処理とコーディングに最適化されたMeta Superintelligence Labsの最新モデルであり、2026年9月2日に公開された
コンテキストウィンドウは1,048,576トークンで、ネイティブなマルチモーダル入力に対応する
Metaのベンチマーク表では長文脈検索とコーディングで高い値を示す一方、ブラウジングや指示追従では競合が上回る項目もある
料金は通常版が入力100万トークンあたり1.25ドル・出力4.25ドル、学習利用に同意する階層では入力0.10ドル・出力0.20ドルである
Meta Model APIはOpenAI SDKおよびAnthropic SDKと互換性を持つ

詳細解説

エージェント処理を軸にした1.3の設計

　Metaによれば、Muse Spark 1.3はエージェント的なワークフロー向けに訓練され、競技レベルのコーディング性能に最適化されたモデルです。公式ページでは、文脈と過去の実行結果を追跡すること、整理されていない入力や矛盾した入力を処理できること、必要な場合には利用者に確認を求めることの3点が特徴として挙げられています。7月に公開されたMuse Spark 1.1はエージェント処理とツール利用の強化を打ち出したモデルでしたが、1.3はその路線を進め、初回の試行で正解にたどり着く精度とツール呼び出しの安定性を前面に出した内容になっています。

　Metaは前世代の1.2と比較して、同じ作業を終えるまでに必要なツール呼び出しが約20%、トークン消費が約25%少なくなったと説明しています。エージェントを長時間動かす用途では「無駄な往復をしないこと」がコストに直結するため、こうした効率面の数値は実運用を検討する際の判断材料になると考えられます。

ベンチマークが示す得意分野と課題

　Metaが公開したベンチマーク比較表では、長文脈の検索精度を測るMRCRで256K〜512K区間98.5、512K〜1M区間98.1と、比較対象の中で最も高い値を記録しています。コーディング系でも、長期的なエージェント型コーディングを測るDeepSWE v1.1で75.4、コードベース理解を測るSWEAtlas CodeBase QnAで59.4、ターミナル操作を測るTerminal-Bench 2.1で88.8という値が示されています。

　一方でUnite.AIなどの報道によれば、ブラウジング能力を測るDeepSearchQAでは89.4とGPT-5.6の93.0を下回り、指示追従を測るAgentic IF Indexでも57.8と競合が上回っています。長文脈とコーディングで優位に立ち、探索と指示追従には課題が残る構図だと言えます。なお、これらはMeta自身が自社の評価環境で測定した数値であるため、採否の判断は自分たちのタスクで検証することが重要だと思います。

　安全性の面では、プロンプトインジェクション（外部から悪意ある指示を紛れ込ませる攻撃手法）への耐性と、取り消しのきかない操作かどうかの判断精度が向上したとされています。エージェントにファイル操作やコマンド実行を任せる用途では、この種の判断の質が事故の起きにくさを左右すると考えられます。

料金体系——2つの階層の違い

　Muse Spark 1.3には、データの扱いが異なる2つの階層が用意されています。

モデル	コンテキスト	入力（100万トークン）	キャッシュ入力	出力（100万トークン）
muse-spark-1.3	1M	$1.25	$0.15	$4.25
muse-spark-1.3-contributor	1M	$0.10	$0.002	$0.20

　両者の違いは価格だけではありません。muse-spark-1.3-contributor は「製品改善に利用される」と明記されており、通常版の muse-spark-1.3 は利用されないと記載されています。入力で12分の1以下という価格差は、送信したデータをMetaの製品改善に使うことへの同意と引き換えになっている構図です。試作や個人の学習用途では有力な選択肢になりますが、顧客データや機密情報を扱う場合は通常版を選ぶ必要があると考えられます。

Meta Model APIの基本仕様

　Meta Model APIの基本情報は次のとおりです。

項目	内容
ベースURL	https://api.meta.ai/v1
標準階層のモデル	muse-spark-1.3 / 1.2 / 1.1
コントリビューター階層のモデル	muse-spark-1.3-contributor / 1.2-contributor
コンテキストウィンドウ	1,048,576トークン
認証	Bearerトークン（MODEL_API_KEY）
課金	従量課金

　注目したいのは互換性の設計です。Metaのドキュメントによれば、Meta Model APIはOpenAI SDK、Anthropic SDK、およびOpenAI互換のエージェントCLIにドロップイン対応しており、クライアントのベースURLとAPIキーを差し替えるだけで残りのコードはそのまま使えるとされています。すでにOpenAIやAnthropicのSDKで組んだアプリケーションがあれば、移行コストを抑えて試せる設計だと言えます。

　機能面では、並列のツール呼び出し、ツール呼び出し引数のストリーミング、ターンをまたいで保持される推論が追加設定なしで使えるとされています。エージェントを組むときに自前で実装しがちな部分が最初から用意されている形です。

Muse Code——ターミナルとCIで動くコーディングエージェント

　Muse Codeは、Muse Sparkを土台としたMeta製のコーディングエージェントで、ターミナルとCI（継続的インテグレーション）環境での利用を想定しています。プロジェクト内で実行すると、タスクを達成するために計画を立て、ファイルを編集し、コマンドを実行します。初回起動時から承認フローとOSレベルのサンドボックスが有効になっている点が特徴で、CLIのインストールはmacOSとLinuxに対応しています。

　MetaはMuse CodeとAPIを「同じモデルを使う2つの入り口」と位置づけています。すぐ使える完成品のエージェントが欲しい場合はMuse Code、独自のエージェントやアプリを作る場合はAPIを直接呼ぶ、という使い分けです。

Museファミリーを構成する他の3モデル

　Muse Sparkのほかに、Museファミリーには3つのモデルがあります。

　Muse Image （muse-image-1.0）は画像の生成と編集を行うモデルです。エンドポイントは /v1/images/generations と /v1/images/edits で、複数ターンにわたる編集はResponses APIを使います。ベースURLと認証はMuse Sparkと共通です。

　Muse Voice Transcribe （muse-voice-transcribe-1.0）は音声認識モデルです。リアルタイム用に wss://api.meta.ai/v1/asr/realtime、ファイル用に POST /v1/asr/transcribe が用意され、料金は1時間あたり0.18ドルとされています。話者分離や発話区間の検出に対応し25言語で評価されていますが、タイムスタンプはターン単位のみで音声合成には対応していない点は制約になると考えられます。

　Muse Glimmer は、Muse Sparkから蒸留された（大きなモデルの挙動を小さなモデルに学習させた）オープンウェイトのマルチモーダルモデルです。API経由では呼び出さず、重みをダウンロードしてvLLMやllama.cppなどのランタイムで自前のハードウェア上に配信します。ライセンスはApache 2.0とされており、ローカル実行を前提とする場合の選択肢になります。

まとめ

　Muse Spark 1.3は、長文脈とコーディングで強みを見せる一方、探索や指示追従では課題も残るモデルです。既存SDKとの互換性やコントリビューター階層の低価格は、試しやすさという点で評価できる部分だと思います。同様に効率を軸に据えたGPT-5.6の設計についても過去記事で整理していますので、あわせてご覧いただければと思います。