一回の回答から、続く仕事へ
Metaは10月12日、Muse WonderとMuse Wonder Fullを発表した。掲げる特徴は、重要な文脈を持ち越すActive Memoryと、長い課題を続けるActive Focusだ。単発の質問に正しく答える能力に加え、途中で条件が変わる仕事をどう扱うかを競争の中心へ置いている。
公式発表はWonderをMeta Model APIとMuse Codeへ、FullをMuse Codeの契約者へ提供すると説明する。今後は消費者向けのMuseにも展開する計画だが、発表された計画と、自分のアカウントで使える機能は別に確認する必要がある。
WonderとFullは同じ入口ではない
イノベトピアは、WonderのAPI単価を100万トークンあたり入力4ドル、キャッシュ入力0.20ドル、出力20ドルと整理している。一方、FullはMuse Codeの対象プランで利用する形で、APIへ同じように指定できるモデルとは説明されていない。
この違いは、モデル比較で見落としやすい。最上位版の評価結果を見て通常版のAPIへ切り替えても、同じ条件の実験にならない。評価に使われたモデル、推論設定、操作する道具を一緒に確認する必要がある。APIの単価と開発ツールの月額料金も、含まれる利用範囲が異なるため単純には比較できない。
料金が同じモデル同士でも、修正が必要な回数や仕事の完了までに消費する量は違う。価格表の数字をそろえただけでは、成果物一件あたりの費用が同じとは言えない。候補を選ぶ段階では単価、導入判断では仕事全体の費用と確認時間を見る、という二段階の比較が役立つ。
Active Memoryは「何でも覚える」という意味ではない
MetaはActive Memoryを、会話をまたいで重要な文脈を持ち越し、必要なときに関係する情報を取り出す能力として説明している。利用者が以前に伝えた希望や条件を、次の課題で生かせるなら、毎回説明し直す負担を減らせる。
ここからは編集上の考察だ。仕事で重要なのは、情報を多く残すことだけではない。更新された条件を古い条件より優先すること、ある人の情報を別の人の課題へ混ぜないこと、忘れてよい情報を扱えることも必要になる。記憶の量と、記憶を正しく使う能力は分けて考えたい。
たとえば、会議の時刻が変更された場合、最初の予定を覚えているだけでは役に立たない。新しい時刻が正本であることを認識し、古い時刻で予定を作らない必要がある。単に過去の会話を再現する試験と、矛盾した情報から現行の条件を選ぶ試験では、測る能力が違う。
また、モデルの記憶能力と、製品が情報を保存する期間や利用範囲は同義ではない。技術上の機能説明だけから、個人情報の扱いや削除の条件を推測するべきではない。利用するサービス側の設定と説明を別に確認する必要がある。
Active Focusの価値は、粘ることより進め方にある
Active FocusについてMetaは、難しい目標に取り組み続け、障害に応じて別の方法を試し、新しい情報へ適応する性質を説明する。長いソフトウェア開発など、修正と確認を繰り返す仕事を想定したものだ。
ただし、止まらないことが常によい結果を生むわけではない。入力や権限が足りない場合は、続けるより正しく保留した方がよい。利用者に確認する場面と、自分で試してよい場面を見分けることが、持続的な実行能力の一部になる。
長時間の仕事を評価するなら、最終成果物に加え、どこで方針を変えたか、何を検証したか、途中から再開できるかも見たい。途中の状態が不明なら、引き継いだ人が確認を最初からやり直すことになる。長く働ける能力は、作業の記録と組み合わせて初めて組織の生産性へつながる。
ベンチマークの首位を数えるだけでは分からない
Metaは複数領域の評価を示しているが、得点の高い項目数をそのまま総合順位にするべきではない。開発者が同じ課題でも、使えるツール、試行回数、推論の設定が異なれば結果は変わる。モデル単体を測った値と、特定のエージェント環境で測った値を並べるときは注意が要る。
MemoryBenchという名称も、誰がどの課題を作ったかまで確認したい。同じ名前の評価があっても、会話の中の情報を取り出す試験と、利用者のフィードバックから学ぶ試験では意味が違う。名称より測定内容を見ることが、製品の宣伝と自社の課題の間をつなぐ。
安全性の評価も、モデル本体だけでなく、追加学習や分類器などの対策を含む状態で区別する必要がある。対策前に示された能力を、そのまま利用者向けの挙動へ置き換えることも、対策後の平均結果だけで全用途を安全と考えることもできない。
日本の開発現場で比較するなら
導入候補として見る場合は、日本語の曖昧な要件、途中の仕様変更、既存コードの制約など、自分たちの課題を含む小さな仕事で比べるとよい。一般的な得点では見えない、説明の取り違えや修正のしやすさを確認できる。
特に長期の案件では、正しい情報を覚えていた回数だけでなく、古い情報を使った回数や、不足を適切に確認できた回数も残したい。AIエージェントの競争が継続業務へ広がるほど、単発の賢さだけでは足りなくなる。Muse Wonderの今後を評価する軸も、日々の仕事で記憶と実行をどれだけ正しく結び付けられるかにある。
出典
イノベトピアの元記事、Metaの公式発表、モデル情報、モデルカード。確認日：2026年10月16日。本記事は有料APIや契約プランでの実測評価を行っていない。
PR
ElevenLabs →
