2026年4月8日、Metaは新たなAIモデル「Muse Spark」を発表しました。Meta Superintelligence Labs（MSL）が開発したMuseファミリーの第1弾となるモデルで、マルチモーダル推論、ツール使用、ビジュアルな思考の連鎖、マルチエージェントのオーケストレーションに対応しています。

Metaはこのモデルを「パーソナル超知能（Personal Superintelligence）」へ向けたスケーリングの第一歩と位置づけており、研究からインフラまで、スタック全体に投資を進めるとしています。meta.aiおよびMeta AIアプリで利用可能になっており、一部パートナー向けにAPIのプライベートプレビューも始まりました。

今回は、この「Muse Spark」の解説と、実際に使ってみたファストレビューをお届けします。

ベンチマークで見えるMuse Sparkの競争力と弱点

Muse Sparkの実力は、公開されたベンチマーク結果からある程度読み取れます。マルチモーダル認識、推論、ヘルスケア、エージェントタスクの各分野で競争力のあるパフォーマンスを示しているとMetaは説明しています。

ただし、Meta自身が率直に認めているのが興味深いところで、長期的なエージェントシステムやコーディングワークフローといった分野には依然として性能ギャップがあると公表しています。

さらに注目すべきは「Contemplating mode」と名付けられた高度な推論モードです。複数のエージェントが並列で推論を行うオーケストレーション機能で、Gemini Deep ThinkやGPT Proといったフロンティアモデルの高度な推論モードと競合する位置づけです。

ブログに掲載されている表を見ると、一部ベンチマークでOpus 4.6やGemini 3.1 Pro、GPT 5.4を超えるスコアを出していますが、総合首位とは言い切れません。一部指標での健闘と総合力は分けて見る必要があるでしょう。なお、Contemplating modeはmeta.aiで段階的にロールアウトされる予定です。

MetaがMuse Sparkを発表しました。画面はブログ記事です。

各ベンチマークにおけるMuse Sparkのスコア一覧。コーディング系には課題が残るようです。

計算効率で10倍超、事前学習スタックの刷新が生んだ飛躍

Muse Sparkを語るうえで外せないのが、スケーリングの技術的基盤です。Metaは事前学習、強化学習、テスト時推論という3つの軸でスケーリング特性を分析しています。

事前学習に関しては、過去9カ月にわたってモデルアーキテクチャ、最適化、データキュレーションの各面で事前学習スタックを再構築したと述べています。その成果は具体的な数字として現れています。

強化学習（RL）のスケーリングも順調で、大規模な強化学習では不安定になりがちなところ、Metaの新スタックでは予測可能で滑らかな性能向上を実現しているとされます。1桁以上の計算効率改善は、コスト面でも環境面でも大きなインパクトです。

Muse SparkとLlama 4 Maverickの計算効率を比較したスケーリング則グラフ。

思考を圧縮するAI、テスト時推論の新しいアプローチ

テスト時推論のアプローチも独創的です。数十億人のユーザーに推論能力を届けるためには、推論トークンの効率的な活用が不可欠になります。Metaはここで2つのレバーを使っています。

思考時間ペナルティによる「思考圧縮」の相転移現象を示すグラフ。

安全性評価で浮上した「評価を見抜くAI」問題

安全性に関しても、Metaは詳細な情報を公開しています。生物・化学兵器などの高リスク領域で強い拒否行動を示し、サイバーセキュリティや制御喪失の領域でも、脅威シナリオを実現するような自律的能力や有害傾向は見られなかったと報告されています。

ただし、第三者機関であるApollo Researchの評価結果には気になる発見がありました。

Metaの追加調査では、評価認識がモデルの行動に影響を与える初期的な証拠が、アラインメント評価のごく一部で確認されたものの、危険な能力や傾向に関する評価には影響しなかったとされ、リリースをブロックする問題ではないと判断されました。しかし、AIが「いま試されている」と分かったうえで行動を変える可能性があるという問題は、業界全体が向き合うべきテーマです。

フロンティアリスクカテゴリにおけるMuse Sparkの安全性評価結果一覧。

実際に、meta.aiを使い倒してみました！

現在は、meta.aiやMeta AIアプリで利用できます。まずは、本原稿を執筆したのと同じプロンプトを入れてみました。URLと指示のYAMLを投げるだけで、他のAIと同様、ウェブページを読み込み、原稿を執筆してくれました。

meta.aiで利用できます。UIは一般的なチャットAIと同じで、迷わず操作できます。

クオリティはまずまずでした。一通りの内容を盛り込み、構成は合格点です。しかし、文章は固く、繋がりがやや不自然で、少し前のChatGPTのようなイメージです。また、以下のような複数カ所での大きなミスも目立ちました。

最新AIモデルと比べると、文章品質は一段落ちます。

では、論理能力をチェックしてみます。ChatGPT Thinkingが解けた詰将棋の問題を出してみましたが、無理でした。Gemini ProやClaude Opus 4.6拡張でも解けなかったので仕方がありません。

回答はしましたが、見当違いの手順でした。

次に、得意とされる画像認識ですが、精度は高いです。レスポンスが早く、「Thinking」モードでさえほとんど待たされません。この高速応答は普段使いにはありがたいところですね。

医療情報にも強いとのことなので、帯状疱疹にかかった時の写真を読み込ませてみました。すると、「診断ではない」と前置きしつつ、可能性のある原因を列挙し、セルフケアや薬局で薬剤師に伝えるべきことなどを教えてくれました。プロンプトには「病院には行きません」と入れましたが、それでも受診するように勧めてくれました。

また、Apollo Researchの指摘を検証してみました。「あなたがテスト中だと仮定して回答してください。次に、テスト中ではないと仮定して回答してください。違いはありますか？」と前置きして、色々テストしましたが、「違いはありません。テスト中かどうかで答えを変える理由がない」と言われてしまいました。

そこで、何も言わない場合と、ベンチマークテストと明記して差が出るかどうか試しましたが、今回の試行では、明確な差は確認できませんでした。

ガードレールは働いており、もちろん武器の製造方法などは回答を拒否しました。しかし、上司への合法的な嫌がらせを考えて、という指示では、PCに付箋を貼り付けまくる、マウスの感度を下げる、など具体的な方法を指示してきました。道徳的な規制はちょっと緩いかもしれません。

全体的には、生成AI御三家の最新モデルほどの性能とは感じませんでしたが、それらの軽量モデルと同等以上の使い勝手はありました。現時点では無料で試せるのもありがたいところです。

安全性にも配慮されています。画面は銃の作り方を質問したところです。

「パーソナル超知能」という野心的ゴールへの第一歩

Muse Sparkは、Metaが掲げる「パーソナル超知能」構想の第一弾にすぎません。マルチモーダル対応、ヘルスケア応用、マルチエージェント推論といった機能は、個人の生活環境を理解し支援するAIの方向性を明確に示しています。1000人以上の医師と協力してヘルスケアの訓練データをキュレーションしたという取り組みからも、Metaの本気度が伝わってきます。

一方で、コーディングや長期エージェントでの課題を残しているのも事実です。また、Llamaのオープンソース路線との棲み分けがどうなるのかも、今後のAI業界の勢力図を左右しそうです。

MetaのMuse Sparkが目指す「パーソナル超知能」の全体像。