Meta AI Researchが、新しいAIモデル群「Muse Wonder」を公開した。今回は単なる性能向上の発表ではなく、個人や仕事の相棒として動く“agent”を強く意識した設計になっているのが目立つ。メモリ、集中力、長時間の作業継続、さらには安全性までを一つの話としてまとめているのが特徴だ。AIを「会話する道具」から「任せられる作業者」に寄せる流れを、Metaがどこまで本気で進めているのかを見る材料になる。
Meta AI Researchは2026年10月12日、Muse Wonderシリーズを発表した。中心になるのは「Muse Wonder」と「Muse Wonder Full」の2つで、どちらも個人向け・仕事向けのagentic tasks、つまり自律的に動くAIエージェント向け作業で最先端の性能を出すと説明している。Metaはこれを、同社のスケーリング戦略の次の段階であり、「personal superintelligence」へ向かう大きな一歩だと位置づけた。
このモデルの核として挙げられているのが「Active Memory」と「Active Focus」だ。Active Memoryは、会話をまたいでユーザーにとって重要な文脈を保持し、必要になったときに取り出す仕組みを指す。Metaは、AIが本当に役立つ個人・業務エージェントになるには、何を覚えておくべきかを見極める能力が欠かせないと考えている。Active Focusは、難しい目標に向けて作業を続ける力だ。途中で別のやり方を試したり、障害にぶつかっても進め方を変えたり、必要なら確認を取りながら重要な操作を進める。
性能面では、個人向け・業務向けエージェント、memory、codingの主要ベンチマークで最先端の結果を出したとされる。記事では、法律、金融、医療のような実務寄りの分野で専門知識を使えることを挙げ、HarveyのLegal Agent Benchmark (LAB) のように、ソース文書を扱い、細かい指示に従って法務文書を作る評価も示している。加えて、FocusBenchやSWE-Marathonのような評価で、長く続く作業や長期プロジェクトへの粘り強さも見ているという。
公開面では、Muse WonderはMeta Model APIとMuse Codeでその日から利用可能になり、Muse Wonder FullはMuse Codeのサブスクライバー向けに提供される。さらにMuseの体験にも近日中に組み込まれ、最初はサブスクライバーに展開される。artifact generationや、より高い知能を要する処理にも使われ、将来的にはこのモデルを使って、より特化したモデルを作り、それをMuse利用者全体へ届ける計画もあるとしている。
記事の後半では、「benchmaxxing」や「big model smell」にも触れている。これは、特定ベンチマークだけをうまく取るより、未知の課題にどれだけ広く対応できるかが重要だという話だ。Metaは、post-trainingで狙った課題に対する性能と、想定していなかった課題での性能の関係を調べ、Muse Spark 1.3とMuse Wonder Fullを比較した。試験時の計算量を増やしていくと、両モデルとも未知の課題では改善するが、Muse Wonder Fullは、既知課題での成績から予想されるよりも、未知課題でさらに良い結果を示したという。Metaはこれを、より大きく強い基盤モデルの上にpost-trainingを重ねているからだと説明している。個人向けエージェントは、目的や道具、制約の組み合わせが無数にあるため、この「幅の広さ」が特に重要だとしている。
実例としては、ブラウザやアプリをまたいで走る計画を立てるデモ、Instagramの写真をもとにカスタムグッズを作るデモ、複雑な条件に合う結婚式の座席表を作るデモなどが示された。3Dのキッチンゲームを画像入力から生成するデモもあり、単なるチャットではなく、画面やアプリをまたいで成果物を作る方向を強く打ち出している。
一方で安全性にもかなり紙幅を割いている。個人の代理としてメッセージやカレンダー、私的文書を扱う以上、秘密情報を慎重に扱い、悪用に強くなければならないという立場だ。Metaは、敵対的な指示への耐性と、私的情報の扱いの慎重さの両面で訓練したとし、CBRNやサイバー悪用に対するこれまでで最も強い防御を持つと述べている。ただし、防御を高める一方で、防衛目的のサイバー能力にはアクセスを残すというバランスも明言している。最後に、Muse Wonderはこれまでで最も整合性の高いモデルだとされ、追加の安全性評価レポートは後日出る予定とされている。
今回の発表で一番はっきりしたのは、MetaがAIを「質問に答える道具」ではなく、「こちらの意図を覚えて、止まらずにやり切る存在」として再定義しようとしていることだと思う。Active Memory と Active Focus という名前の付け方も、単なる機能説明ではなく、人間が相手に求める資質に寄せている。忘れっぽくて、その場でしか話せないAIではなく、前回の会話を踏まえて動く。しかも途中で諦めず、必要なら確認しながら進む。これはかなり強いメッセージだ。
ただ、ここで面白いのは、Metaが「賢さ」そのものより「継続性」を前面に出していることだ。多くのAIモデルは、ベンチマークで一回うまく答えることに寄りがちだった。けれど実際の仕事や生活では、答えを一発で返すだけでは足りない。メールを見て、カレンダーを確認し、過去の会話を思い出し、外部ツールを使いながら少しずつ前に進む必要がある。Metaはその現実に合わせて評価軸をずらしてきた。これは筋が通っているし、ユーザーにとっても自然だと思う。
記事の中で印象に残るのが、Metaがわざわざ「benchmaxxing」や「big model smell」に触れている点だ。要するに、特定のベンチマークだけを最適化しても、本当に役立つAIにはならないだろう、という批判に先回りしている。そこで彼らは、既知の課題と未知の課題を分けて見せ、Muse Wonder Fullは想定外のタスクにも広く効くと主張した。ここには、単なる数字の競争ではなく「汎用性」の勝負に持ち込みたい意図が見える。
私はこの切り口はかなり重要だと思う。なぜなら、個人向けエージェントは、企業内の定型ワークフローよりずっと予測不能だからだ。旅行計画、家族の予定、買い物、仕事の資料整理、趣味の制作、どれも入力が揃っていない。さらにユーザーは途中で気が変わる。こういう場面では、テストで狙った型にだけ強いモデルより、多少雑でも広く破綻しないモデルのほうが役に立つ。ただし、Metaの説明はまだモデル側の性能に寄っていて、実際のプロダクトでどこまで安定して動くかは別問題だ。未知課題への強さを示すなら、デモではなく長期利用での失敗例も見たいところだと思う。
この発表で安全性にかなり触れているのは当然だが、同時にそれは、Meta自身も危うさをよく分かっている証拠でもある。メール、カレンダー、私的文書、アプリ間の操作まで任せるAIは、便利さの裏で一気に危険度が上がる。もし誤操作すれば、単なる誤回答では済まない。誰かの予定を勝手に変えたり、重要な文書を誤って扱ったり、悪意ある指示に引っ張られたりする。だから「最も整合性の高いモデル」と言うだけでは足りず、どこまで自律実行させるのかの線引きが肝になる。
ここで気になるのは、Metaが「防御を強くした」と言う一方で、用途をかなり広く想定していることだ。personal superintelligence を本気で目指すなら、性能を上げるほど権限も増える。権限が増えるほど、便利だが怖い。これはAIエージェント全般の宿命だが、Metaのような巨大プラットフォームがやると、個人の生活導線そのものに食い込む。ユーザー体験としては非常に魅力的でも、失敗したときの影響は大きい。私は、ここから先はモデル性能よりも、どこで止まるか、何を確認させるか、どの操作だけは人間に戻すかの設計競争になるのではないかと思う。
最後に気になるのは、この発表が研究ブログでありながら、かなり露骨に製品ロードマップを匂わせていることだ。Meta Model API、Muse Code、Muse、artifact generation、さらに将来の specialized models まで、研究成果がどの順番で製品に入るかが見えている。つまりMuse Wonderは、単なる論文でも、デモの祭りでもなく、Metaの製品群全体を押し進める中核部品として置かれている。ここはかなり重要だ。
私はこの動きを、AIの実用化が「会話の上手さ」から「継続的な代行能力」へ移った象徴だと見ている。しかもMetaは、最終的なユーザー体験を一気に変えるというより、API、開発者向けツール、サブスク、将来のMuse体験と、複数の入口から浸透させようとしている。これはかなり強い戦い方だ。ただし、こうした“居座るAI”が広がるほど、ユーザーは便利さに慣れ、どこまで任せているのかを意識しなくなるかもしれない。そこは少し怖い。だからこそ、今後見るべきなのはモデルの点数だけではなく、失敗の仕方と制御のしやすさだと思う。
参考: Muse Wonder: A Frontier Model For Personal & Professional AI Agents
