本日、Meta Superintelligence LabsはMuse Spark 1.1をリリースし、併せてMeta Model APIのパブリックプレビューを公開しました。後者は構造的な変化です。Metaのモデルはこれまで主にオープンウェイトで開発者に提供されてきましたが、Muse Spark 1.1はクローズド、ホステッド、トークン単位の従量課金制です。したがって、問題は明確です。それは、あなたが既に運用しているスタックの中でどの位置を占めるのでしょうか？
Muse Spark 1.1とは？ Metaはこれをエージェントタスク向けに構築されたマルチモーダル推論モデルと説明しています。初代Muse Sparkからの向上点は、ツール使用、コンピュータ使用、コーディング、マルチモーダル理解にあります。コンテキストウィンドウは100万トークン（Meta Model APIのドキュメントでは1,048,576）。
中核機能と特性 推論モデルであるため、回答前に思考し、推論の度合いはリクエストごとに調整可能です。入力はテキスト、画像、ビデオ、ドキュメントに対応し、出力はテキストです。APIは構造化出力、並列ツール呼び出し、Files API、プロンプトキャッシングも公開しています。Responses APIコールにweb_searchツールを追加すると、引用付きの回答が返ります。
価格と地域別利用可能性 アクセスは二通りです。消費者はMeta AIアプリおよびmeta.aiで「思考」モードを無料で利用できます。開発者は入力トークン100万あたり1.25ドル、出力トークン100万あたり4.25ドルを支払います。新規アカウントには20ドルの無料クレジットが付与されます。初期リリース記事では、パブリックプレビューは米国限定で、EUからのアクセスはまだないとされています。
パフォーマンス Metaはローンチテーブルを公開し、その数値がポジショニングを説明しています。ツール使用およびツール強化推論の行でMuse Spark 1.1がリードし、コーディングとマルチモーダルでは3位です。したがって、これはオーケストレーションモデルであり、コーディング精度のリーダーではありません。ベンチマークはMetaが報告し、競合は最強モードで表示されていることに注意が必要です。
注目すべき機能：圧縮と委譲 スコア以上に、オーケストレーション行動がツール使用結果を説明します。モデルは百万トークンのコンテキストウィンドウを能動的に管理し、アクションを記憶し、以前の作業から情報を取得し、保持するものを圧縮します。委譲は第二の要素です。メインエージェントとして、コンテキストを収集し、計画し、並列サブエージェントに実行を委譲します。サブエージェントとして、自身の仕事に固執し、利用可能なツールを理解し、必要に応じてエスカレーションします。研究チームはまた、新しいネイティブツール、MCPサーバー、カスタムスキルへのゼロショット汎化を報告しています。コンピュータ使用も同様のロジックで、自動化が高速な場合はスクリプトを書き、直接操作が簡単な場合はクリックし、各ステップでアクションのバッチを生成するよう訓練されています。
既存スタックへの組み込み Model APIはOpenAI互換のため、移行はベースURLの変更のみで、書き換えは不要です。Meta自身のファーストコールレシピが提供されています。Anthropic形式のハーネス（Claude Codeなど）はMessages APIを指します。OpenCodeなどのエージェントCLIは、ベースURL、キー、モデルIDの3つの値を使用してプロバイダを登録します。
ユースケース 実際のデモは、エンジニアリングチームが既に認識しているワークロードに対応しています。例：マルチモーダルリスト自動化（Facebook Marketplaceデモでは、スマートフォン動画から写真を抽出、商品を推論、ブラウザを操作してリスト公開）、スクリーンショット駆動デバッグ（OpenCodeデモでは、チャットWebアプリを構築、自動スクリーンショットを撮り、障害をコードに追跡、修正を検証）、適応的計画（ディナーパーティーデモでは、途中で新しいコンテキストが到着し、モデルがプロンプトなしで計画を更新）。コーディングハーネスは第一級のサポートを得ています：計画モード、目標条件付け、サブエージェント委譲、コンテキスト圧縮。Metaチームはまた、社内コーディングベンチマークで大幅な向上を報告しています。
強みと弱み 総合すると、トレードオフは明白です。強み：Metaが報告するツール使用およびツール強化推論評価でリード；百万トークンコンテキストをモデルが能動的に圧縮；未知のツール、MCPサーバー、カスタムスキルへのゼロショット汎化；OpenAIおよびAnthropic SDKとの互換性によりA/Bテストが低コスト。弱み：Meta自身のテーブルでSWE-Bench Pro、DeepSWE 1.1、BabyVisionで3位；クローズドウェイトのためローカル展開やファインチューニング不可；すべてのローンチ数値はベンダー報告、競合は最大設定で表示；パブリックプレビューは米国限定；プレビュー価格は変更可能性あり。
重要なポイント Meta報告のツール使用評価でトップ；コーディングではOpus 4.8とGPT-5.5に劣る。百万トークンウィンドウはモデル自身が能動的に圧縮。価格：入力100万トークン1.25ドル、出力100万トークン4.25ドル、20ドル無料クレジット付き。OpenAIおよびAnthropic SDKにドロップイン可能；プレビューは米国限定。Meta初の自前フロンティアモデル向け有料API。
技術詳細をご確認ください。Twitterでフォロー、150k+ML SubRedditへの参加、ニュースレター購読をお忘れなく。Telegramでも参加可能です。GitHubリポジトリ、Hugging Faceページ、製品リリース、ウェビナーなどのプロモーションでのパートナーシップをご希望の場合は、お問い合わせください。