AI・生成AI

Metaが唯一アーキテクチャを公開したモデルと、OpenAI・Anthropic SDKで叩けるAPI

イーランサー・ジャパン株式会社

Museという名前は3つの層に使われています。エージェント製品、モデル群、そして開発者向けのAPIとCLI。この記事では後ろの2つ——実際にコードから叩ける部分を扱います。モデルのアーキテクチャはほとんど非公開ですが、1つだけ例外があり、そこは驚くほど具体的に開示されています。

目次
  1. まず3層を分ける
  2. Muse Spark Open：唯一アーキテクチャが公開されたモデル
  3. Muse Wonder：数字は出るが、中身は出ない
  4. その他のモデル
  5. Meta Model API：OpenAIとAnthropicのSDKで叩ける
  6. Muse Code：MCP対応と、サンドボックスの外に出る拡張点
  7. サブエージェントとCI組み込み
  8. エンジニアとしての読み方
  9. 出典

まず3層を分ける

混同しやすいので、最初に整理します。

エンジニアにとって実務的に効く区別が1つあります。消費者向けMuseはMCP非対応でMeta独自のコネクタ方式、開発者向けのMuse CodeはMCP対応。同じ名前でも外部接続の仕組みが違います。

Muse Spark Open：唯一アーキテクチャが公開されたモデル

Muse family のうち、アーキテクチャが公開されているのはこれだけです。

ローカル実行の目安も出ています。4-bit精度で約1TBのメモリ。報道では「512GBのMac Studio 2台（または256GB 4台）に載る」と書かれています。

ライセンスが実務的な論点です。

年商2,000万ドルという線引きは、中小企業とスタートアップには開き、大企業からは取るという設計です。オープンウェイトを名乗りつつ事業規模で条件を分ける形は、近年増えてきています。自社プロダクトに組み込む前に、まず自社の年商がどちら側かを確認する必要があります。

第三者評価では、Artificial Analysis Intelligence Index がMuse Spark Open を39としています。オープンウェイト中7位、米国製オープンモデルでは1位。DeepSeek-V4.1-Flash と同点で、MiMo-V.2.6-Pro と GLM-5.3 には劣後、という位置づけです。

Muse Wonder：数字は出るが、中身は出ない

2026年10月12日に発表されたフラッグシップです。Metaの説明は「これまでで最も高性能なモデル」。

技術メディア経由で確認できる仕様です。

一方で、パラメータ数、アーキテクチャ、学習手法、学習データ、知識カットオフはモデルカードでも非開示です。Muse Spark についても同じで、公式ブログと安全性報告書のどちらにも記載がありません。

第三者評価では Artificial Analysis Intelligence Index でMuse Wonder Full が56、Muse Wonder が52。首位の Claude Opus 5.5 が58、Claude Sonnet 5.5 が56、GPT-6 Astra と Gemini 4 Argon が53です。

順位の表記は出典によって「3位（Sonnet 5.5 と同点）」と「2位タイ」で分かれています。スコア56、Opus 5.5が58という数値自体は一致しているため、本記事ではスコアで記載しています。

コスト面も出ています。Artificial Analysis のタスク当たりコストはMuse Wonder が4.52ドルで現行モデル中5番目に高く、Muse Spark Open が0.84ドル。Muse Wonder Full はAPIがないため計測不能です。

知識量を測る AA-Omniscience Index ではMuse Wonder Full が30（8位）、Muse Wonder が25（10位）。Artificial Analysis は両者を「知識スコアは低いが、低ハルシネーション率が部分的に補っている」と評価しています。モデル自身の知識に頼る用途より、手元のコンテキストを読ませて考えさせる用途に向いた特性だと読めます。

その他のモデル

Meta Model API のドキュメントに載っているモデルです。

Muse Glimmer が Apache 2.0 である点は見落とせません。Muse Spark Open の年商上限付きライセンスと違い、制約のないライセンスで配られている。llama.cpp と ExecuTorch に対応しているので、エッジでの利用を想定した配置と読めます。ただしパラメータ数は公表されていません。

Voice Transcribe の「ターン単位のタイムスタンプ」も実装上は重要です。単語単位を必要とする用途——字幕の同期、発話区間の切り出し、編集点の自動検出——には、そのままでは使えません。仕様表の1行ですが、採用判断を分けます。

Meta Model API：OpenAIとAnthropicのSDKで叩ける

ここが、既存のコードベースを持つ開発者にとって最も効く部分です。

自社ドキュメントで競合のSDKとエージェントを名指しで「対応」と書くのは、はっきりした戦略です。乗り換えコストをゼロに近づけて、価格と性能だけで選ばせるという位置取りです。

価格を並べると意図が見えます。Muse Spark Open が入力1.25ドル／出力4.15ドル、Muse Wonder が入力4ドル／出力20ドル。互換APIを開けて、安いモデルを置いて待つ。ベースURLと環境変数を差し替えるだけで比較検証に入れる形になっています。

Muse Code：MCP対応と、サンドボックスの外に出る拡張点

ターミナル／CI向けのコーディングエージェントです。

MCP対応が明記されています。設定ファイルの mcp_servers ブロックでサーバーを宣言し、transport に stdio（command、args、env）またはstreamable_http（url、headers）を指定します。

ドキュメントには明確な警告が書かれています。MCPのツールはサンドボックスされていない——信頼できるサーバーのみ接続すべき、と。

フックも細かく定義されています。SessionStart、UserPromptSubmit、PreToolUse、PostToolUse、PostToolUseFailure、PostToolBatch、PreLLMCall、PostLLMCall、PreCompact、PostCompact、SubagentStart、SubagentStop、Notification、Stop、StopFailure、SessionEnd。

こちらにも注意書きがあります。フックコマンドはサンドボックスと承認システムの外で実行される。MCPと合わせて、拡張ポイントは意図的にサンドボックスの外に置かれているということです。

運用側の含意は単純です。エージェント本体をどれだけ厳しく閉じても、MCPサーバーとフックを誰が書いたかが実効的な権限境界になります。レビュー対象はプロンプトではなく、mcp_servers と hooks の設定ファイルです。

サブエージェントとCI組み込み

CI向けの作りも具体的です。

「終了コード0は作業が正しいことを意味しない」という一文は、エージェントをCIに組み込む全員が読むべきです。エージェントが「終わった」と言うことと、意図した成果物ができていることは別。テストでゲートするしかありません。

Linux CIで bubblewrap と non-musl ビルドを要求する点も、コンテナイメージの選定に直接響きます。musl ベースの軽量イメージをそのまま使うとサンドボックスが成立しません。

skills を Claude や Codex から import できる仕組みも、API互換と同じ発想です。すでに書いた資産を持ち込めるようにして、移行の障壁を下げる。モデルの性能差より、この手の摩擦の少なさが採用を決める場面は少なくありません。

エンジニアとしての読み方

3点に整理します。

  1. 開示の非対称が大きい。Muse Spark Open だけが MoE 816B／42B active／256エキスパートまで開示し、フラッグシップの Muse Wonder はパラメータ数すら出ていない。検証可能なのは第三者ベンチマークと価格だけで、アーキテクチャを前提にしたチューニングはできない。
  2. 互換性が最大の武器になっている。OpenAI SDK と Anthropic SDK にドロップイン互換、ドキュメントが競合のエージェントCLIを名指しで対応、skills も import できる。技術で優位を取るより、乗り換えを楽にする方向に投資している。
  3. 拡張点はサンドボックスの外。MCPとフックはどちらも承認システムの外で動く。エージェントを本番に入れるなら、審査すべきはモデルではなく設定ファイル。

検証を始めるなら、入口は小さく済みます。ベースURLとAPIキーを差し替えて、手元のタスクでコストと品質を測る。価格表の数字は出ているので、自社のワークロードで実測したコストと現行モデルを並べれば判断材料になります。

出典

本記事は2026年10月28日時点で公開されている情報に基づいています。Muse Spark と Muse Wonder のパラメータ数・アーキテクチャ・学習手法は公表されていません。Muse Wonder の専用技術報告書・安全性報告書は未公開で、Metaは後日公開するとしています。Muse Glimmer のパラメータ数は確認できていません。ドキュメント間で Muse Code の既定モデルの表記に不一致（muse-spark-1.2／1.3）があります。価格・提供範囲は変更される可能性があるため、導入検討時は公式ドキュメントで最新の値をご確認ください。

CONSULTATION

AI基盤の検討をご支援します

モデルの選定、自社環境での構築、評価の仕組みづくりまで、必要な工程に応じた人材をご提案します。まず何から手を付けるべきかという段階からのご相談も承ります。

ご登録いただいた情報が企業に公開されることはありません。氏名・連絡先を伏せたスキルシートを使用します。登録から案件のご紹介、契約手続きまで費用は一切かかりません。

相談する
RELATED
導入事例AIガイドラインとは何か国内の指針を整理しています 導入事例AIプロジェクトはなぜ止まるのか本番運用に至らない構造です 新サービスAI生成テキストの不可視透かしとは来歴表示の動向を扱っています
← 記事一覧へ
案件をお探しの方 人材をお探しの方