Muse Wonder API

Muse Wonder 技術仕様

100万トークンのコンテキストウィンドウは、大規模なコードベース、長文ドキュメント群、膨大なコンテキストの保持を要するタスクに有用である。ただし、コンテキスト容量は想起精度の保証と同義ではなく、実運用での性能はタスクの複雑さ、ツール構成、提供情報の品質に依存する。

Muse Wonder とは

Muse Wonder は Meta が開発したフロンティアAIモデルで、2026年10月12日に発表された。複雑な推論、高度なソフトウェアエンジニアリング、長時間稼働のエージェントワークフロー、コンピュータ操作タスク向けに設計されている。短い会話中心のモデルと異なり、複数ステップの作業を計画し、ツールを使用し、サブタスクを委任し、より大きな目標を追いながらエラーから回復できるように作られている。

Muse Wonder の主な差別化要因は、長いコンテキストウィンドウ、エージェント指向の実行、そして Meta が Active Memory と Active Focus と呼ぶ 2 つの機能である。これらは、会話をまたいで関連コンテキストを保持し、初期アプローチが失敗した場合でも複雑なタスクに粘り強く取り組むことを狙っている。

Muse Wonder の機能と中核能力

高度なソフトウェアエンジニアリングとコーディング

Muse Wonder は、実際のソフトウェアリポジトリ内の複数ファイルにまたがって作業できるよう設計されている。想定タスクには、コード生成、デバッグ、既存実装の変更、テスト作成、変更の検証が含まれる。

複雑なエンジニアリングタスクに対して、変更のシーケンスを計画し、ツールを並行して使用し、サブタスク間の作業を調整できる。これにより、単一関数の補完にとどまらず、リポジトリレベルのコーディングエージェントに特に適合する。

長時間稼働の自律型AIエージェント

Muse Wonder は、繰り返しの計画、ツール呼び出し、結果の確認、戦略変更を必要とし得る複数ステップのワークフローをサポートする。Meta は、長時間動作し、サブエージェントにサブタスクを委任し、エラーから回復できるエージェントを説明している。

これはエージェントワークフローの能力であり、すべての API 呼び出しが単独で数時間動作することを保証するものではない。長時間の稼働には、アプリケーション側で実行ループ、ツール、権限、タスクの永続化、停止条件を提供する必要がある。

コンテキストの継続性のための Active Memory

Active Memory は、会話をまたいで関連情報を保持し、必要時に取り出すことを指す。モデルが各やり取りを完全に独立して扱うのではなく、タスクをまたぐ継続性の維持に資することを意図している。

それでも、開発者はモデルレベルのメモリ挙動とアプリケーションレベルの永続化を区別すべきである。信頼できる長期記録が必要なワークフローでは、重要な詳細が常に記憶されると仮定するのではなく、明示的な保存・取得メカニズムを使用すること。

粘り強い問題解決のための Active Focus

Active Focus は、タスクが難しくなったときも目標に向けて作業を継続し、代替アプローチを模索し、エラーから回復し、適切な場合には確認を求める能力を指す。

これはソフトウェアデバッグ、リサーチワークフロー、複雑な業務プロセスに特に関連する。とはいえ、不要なツール呼び出しや制御不能な行動を避けるため、アプリケーションは最大反復回数、タイムアウト、承認チェックポイントを定義すべきである。

コンピュータ操作とツール呼び出し

Muse Wonder は、ブラウザ、デスクトップアプリ、モバイルインターフェースと対話するエージェントを支えるよう設計されている。外部ツールと組み合わせることで、ウェブサイトのナビゲーション、ソフトウェアの操作、情報収集、複数ステップのタスク完了といったワークフローを支援できる。

コンピュータ操作は、モデルに接続されたツールと実行環境に依存する。モデルが一般的なコンピュータ操作能力を備えることは、すべての API エンドポイントが自動的にブラウザ、デスクトップ、外部アプリケーションへアクセスできることを意味しない。

専門分野横断の推論

Meta は、法務、金融、ヘルスケアを、Muse Wonder が専門情報を解釈して成果物を作成するのに役立てる領域として挙げている。例として、賃貸契約の理解、財務情報の分析、原資料のレビュー、ドラフトの作成がある。

これらの能力は、リサーチ支援、要約・統合、専門家レビュー向け資料の準備に最適である。法的権利、財務判断、ヘルスケアに関わる出力は、引き続き適切な検証が必要である。

Muse Wonder ベンチマーク性能

出典: Meta の公式 Muse Wonder モデルページ

Muse Wonder の想定上のポジショニングを裏付ける根拠は、エージェント性とコーディングに関する評価の広さにある。他モデルと比較する際は、ベンチマークのバージョン、推論設定、ツール構成、スコアが標準の Muse Wonder か Muse Wonder Full かを確認すること。

Muse Wonder と Muse Wonder Full と Muse Spark の比較

Muse Wonder Full は単に muse-wonder-1.0 の別名として扱うべきではない。Meta は両バリアントで提供経路が異なることを文書化している。開発者は自身がアクセス可能な正確なモデルを選択し、選択したプラットフォームでどの機能が公開されているかを検証すべきである。

Muse Wonder の最適なユースケース

1. 複雑なコーディングとリポジトリ保守

Muse Wonder を使用して、複数ファイルにわたる変更計画、リグレッションのデバッグ、テストの追加、実装詳細のレビューを行う。テストを実行し、生成されたリポジトリ状態を検査できるエージェントハーネスに適している。

2. 長期的なリサーチと分析

モデルは、広範なリサーチ目標をサブタスクに分解し、接続されたツールを通じて情報を収集・統合し、構造化された成果物を作成するのに役立つ。信頼できる引用が必要なリサーチでは、ソースの根拠付けと明示的な根拠確認を用いること。

3. ビジネスプロセス自動化

適切な統合により、文書処理、ブラウザベースの操作、構造化された情報収集など、ビジネスアプリケーション横断の複数ステップのワークフローを支援できる。

4. 文書中心の専門業務

長いコンテキストウィンドウとドメイン指向の推論により、長文ドキュメントのレビュー、資料の比較、契約の要約、財務・専門ドラフトの準備に適している。重要な意思決定では専門家によるレビューが引き続き重要である。

5. コンピュータ操作エージェント

開発者は、ブラウザまたはデスクトップ制御環境と統合して、インターフェースを操作しタスクを実行するエージェントを構築できる。これらのシステムでは、スコープ化された権限、操作ログ、不可逆・機微な操作に対する確認を用いるべきである。

Muse Wonder の制限事項と重要な留意点

• プレビュー段階: モデルはプレビューとして文書化されている。本番での依存前に、提供状況、挙動、API 互換性を検証すること。
• 長大なコンテキストは完全な想起ではない: 大きなコンテキストウィンドウでも、省略やハルシネーション、詳細の取り出しミスは起こり得る。
• エージェント的作業にはオーケストレーションが必要: 長時間の実行には、ツール、リトライ、状態、完了基準を管理するアプリケーションやエージェントフレームワークが必要。
• コンピュータ操作には外部インフラが必要: ブラウザやデスクトップの操作は、接続されたツールと実行環境、付与された権限に依存する。
• ドメイン出力にはレビューが必要: 法務、金融、ヘルス関連の応答は、確信を持って提示される場合でも誤りを含み得る。
• ベンチマーク結果には限界がある: プロバイダ公表の結果や異なるエージェントハーネスは、必ずしも直接比較可能ではない。
• 安全対策は依然として必要: 最小権限のツールアクセス、生成コードの検証、操作ログ、人による承認を要する運用を行うこと。
• ゲートウェイ互換性の検証が必要: Meta のネイティブ API でのサポートは、CometAPI において同一の ID やリクエスト形式でモデルが利用可能であることを自動的に保証しない。