Meta、初のフロンティアモデルMuse Wonderを発表　長期記憶を重視

概要

Metaは、Muse製品群を軽量モデル中心の段階から、フロンティアモデルを競う段階へ進めようとしている。同社のSuperintelligence LabはMuse WonderとMuse Wonder Fullを発表した。どちらも、低遅延での利用を主眼に置いたMuse Sparkより大規模で、コーディングなどの複雑な作業、長期間にわたる情報の保持、そしてMuseエージェントの基盤として設計されている。

主なポイント

• Muse Sparkから性能重視へ。 Sparkが軽量さと応答速度を重視していたのに対し、Wonderシリーズはより高い能力を狙う。Metaは、複雑なタスクやコーディングでより良い結果が得られ、社内テストではFable 5.1とGPT-6 Astraに近いベンチマーク結果を示したとしている。ただし、提供された情報には評価条件、データセットの詳細、第三者による検証は含まれていないため、現時点ではMetaの発表として受け止める必要がある。
• アクセス方法を分ける。 Muse WonderはMeta Model APIから利用でき、料金は入力100万トークンあたり4ドル、出力100万トークンあたり20ドル。GPT-6 SolやOpus 5.5とおおむね同じ価格帯だという。一方、Wonder FullはAPIでは提供されず、Muse Codeの購読者に限定される。高性能版を自社サービスの価値に結び付ける戦略が見える。
• 「アクティブメモリー」を前面に出す。 Metaが特に強調するのは、ユーザーが数日、数週間、数カ月にわたって与えた情報を保持し、組み合わせて活用する能力だ。同社はこれをactive memoryと呼ぶ。Metaのテストでは、Muse WonderのMemoryBenchスコアがFable、Opus、Astraを上回った。継続学習と記憶の構築を測るこの評価は、長期利用を前提とする個人アシスタントに関係が深い。
• Museエージェントにも組み込まれる。 新モデルはAPI向けだけでなく、Muse agentの動力源にもなる。複数の手順をまたいで計画し、過去の情報を呼び出し、作業を続けるエージェントにとっては、単発の回答品質だけでなく、記憶の正確さや情報の統合も重要になる。

意味と影響

今回の発表は、Scale AI創業者のAlexandr Wangが昨年MetaのAI体制を再編して以来、同社が初めて投入するフロンティアモデルだ。これまでMetaはMuse SparkとMuse agentを発表してきたが、OpenAIやAnthropicが行ってきたような最先端モデルの競争には比較的慎重だった。Wonderは、計算資源、モデル性能、自社サービスを一つの製品戦略にまとめる転換点と見ることができる。

モデルは、今年稼働したオハイオ州中部のPrometheusデータセンターで訓練されたという。これはMetaが整備する計算基盤を高性能モデルに結び付ける動きだが、今回の素材だけでは他社のインフラとの比較までは判断できない。

今後の焦点は、実際の利用環境で宣伝された優位性が再現されるかだ。第三者評価、応答の安定性、レイテンシー、利用コストに加え、記憶の保存・修正・削除をどのように制御できるかが重要になる。長期記憶はアシスタントを個人に合わせやすくする一方、不要な情報や古い情報を残すリスクも伴う。Metaがこの管理を実用的に仕上げ、Muse CodeとMuse agentにWonderを定着させられるかが競争の鍵になる。

出典：TechCrunch AI