VISIONHUBDAILY AI BRIEF 2026.10.17

開発に使うAIを選ぶ、エンジニア・PMへ

Meta「Muse Spark Open」公開
コード修正を支援するAIが、
自社の設備でも使える

Metaは2026年10月15日、コードの作成・修正や、複数の手順が必要な作業を支援するAI「Muse Spark Open」の重みを公開しました。重みは、AIが学習によって調整した数値データです。これを取得して必要な設備を用意すれば、利用条件に従って自社でこのAIを動かせます。外部サービスのAPIから利用することもできます。[1][2]

開発チームにとっては、今使っているAIを置き換えられるか検討する候補になります。まず性能を確かめたい場合は、GPUを用意せずに使えるAPIで、同じコード修正を依頼し、正確さ・待ち時間・費用を比べる方法があります。比較手順は、本稿の提案です。

自社で動かす場合は、大容量のメモリが必要です。モデルカードは、NVFP4版をGPUで動かすために700GB以上のGPUメモリが必要としています。外部APIを利用する側が、このメモリを用意する必要はありません。[2][3]

モデルの重みを公開
自社の設備で動かす選択肢

公開されたデータは「重み」と呼ばれます。利用にはライセンス条件があり、動かすための設備も必要です。[1][2]

APIでも利用可能
GPUを用意せずに試せる

Metaは、OpenRouterなど7社をAPIの利用先として紹介しています。料金や対応機能は利用先で確認します。[1]

700GB以上
NVFP4版を動かすGPUメモリ

GPUでの自社運用に必要とされるメモリ(VRAM)の合計。API利用者向けの要件ではありません。[3]

仕様は公式資料に基づきます。性能評価はMetaの公表内容、比較手順は本稿の提案です。当サイトでは、このモデルの品質・速度・費用を実測していません。

対象:エンジニア・PM公式発表:2026年10月15日出典確認:2026年10月17日

ONE-PAGE BRIEF / 1枚でわかる要点

同じコード修正を頼み、今のAIと比べる

比較手順は本稿の提案
公式仕様Metaによる評価本稿の提案当サイトの実測は未実施
同じコード修正を依頼して今のAIと比較し、運用方法を選ぶ 本稿が提案する比較手順。1 APIの利用条件と送ってよいデータを確認する。2 現在のAIとMuse Spark Openに同じコード修正課題を渡す。3 合否、待ち時間、人が確認・修正した時間、API費用を記録する。4 API利用と自社運用のどちらが条件に合うか判断する。自社運用のメモリ、速度、費用は別途確認が必要。最高性能という主張はMetaの評価で、第三者による比較評価は未確認。当サイトによる実測は未実施。 META MUSE SPARK OPEN / ONE-PAGE BRIEF / 2026.10.17 同じコード修正を頼み、今のAIと比べる。 01 利用条件を確認 APIの利用規約と、送ってよいデータを確認。コード修正の課題を用意 02 同じ課題で比較 現在のAIと新しいAIに、同じコード修正を依頼。合格の基準もそろえる 03 結果と負担を記録 合否・回答の待ち時間・人が確認や修正した時間・API費用を分けて記録 04 運用方法を選ぶ APIで利用するか、自社の設備で動かすか。データの扱いと費用で判断 性能の優位性は、Metaによる評価 米国製オープンウェイトで最高性能と説明。第三者による比較評価は、当サイトでは未確認。 自社で動かす場合は、別途確認 必要メモリ・速度・運用費を確かめる。APIで測った結果を、そのまま当てはめない。
比較手順は本稿の提案です。モデルの品質・速度・費用を測定した結果ではありません。仕様の出典:Meta公式資料とモデルカード。[1][2][3]
図の内容をテキストで読む

1.利用条件を確認する:APIの利用規約と送ってよいデータを確認し、コード修正の課題を用意します。2.同じ課題で比較する:現在のAIとMuse Spark Openに同じ修正を依頼し、同じ合格基準で判定します。3.結果と負担を記録する:合否、回答の待ち時間、人が確認・修正した時間、API費用を分けて記録します。4.運用方法を選ぶ:APIを利用するか、自社の設備で動かすかを、データの管理条件と費用から判断します。自社運用に必要なメモリ・速度・運用費は別途確認します。

米国製オープンウェイトで最高性能という主張はMetaの評価です。当サイトでは、第三者による比較評価は確認できておらず、独自の実測も行っていません。

01

特徴と仕組み

コードの作成・修正や、複数の手順が必要な作業を支援

Muse Spark Openは、MetaがコーディングやAIエージェント向けに開発したモデルです。AIエージェントとは、ツールを呼び出しながら複数の手順で作業を進める仕組みを指します。入力はテキスト・画像・音声・動画に対応し、出力はテキストです。[1][2]

今回公開された「重み」は、学習によって調整された数値データです。これを入手できる形で公開する方式を「オープンウェイト」と呼びます。利用できる範囲は、公開時のライセンスに従います。[2]

公式仕様

全体は8,160億パラメータ。処理には一部を使用

パラメータは、AIが学習によって調整する数値です。このモデルは、入力に応じて使う部分を切り替えるMoE方式を採用しています。全体のパラメータ数は8,160億(816B)で、1トークンの処理には420億(42B)を使います。運用時には、全体の重みを保持するメモリが必要です。[2]

Metaによる評価

「最も高性能」という評価は、Metaによるもの

Metaは、米国製のオープンウェイトモデルの中で最も高性能だと説明しています。この記事で紹介する性能評価はMetaの公表内容です。当サイトでは、第三者による比較評価は確認できていません。[1]

一度に参照できる情報量の上限(コンテキスト長)は、104万8,576トークンです。トークンは、文章などをAIが処理するときの単位で、文字数そのものではありません。[2]

Metaが紹介するAPIの利用先は、Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AIです。重みの入手先としては、Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundryが案内されています。[1]

02

今のAIとの比べ方

同じ修正課題で、正確さ・待ち時間・費用を比べる

開発チームが確認したいのは、今のAIより少ない負担で、必要な品質のコードを得られるかです。たとえば、すでに正しい修正方法が分かっている不具合を両方のAIに渡し、修正内容とテスト結果を比べます。この使い方は本稿の提案です。

比較に使う課題と合格基準をまとめたものが「評価セット」です。既存のものがあれば再利用し、なければ小さな修正課題から用意します。APIは利用先に合わせて接続先・APIキー・モデル名を設定し、入力形式やツール呼び出しなど、ほかに変更が必要な点も確認します。

実行して測る項目と、規約・仕様で確認する項目(本稿の提案)
比べる項目確認すること確認方法
修正の正確さ指定した不具合が直り、既存のテストも通るか。両方のAIを同じ課題・合格基準で評価。
待ち時間と人の作業回答を待った時間と、人が確認・修正した時間。待ち時間は秒、確認・修正時間は分で記録。
API費用再試行も含め、1件の修正を終えるまでにかかった料金。同じ通貨・範囲で集計。人件費も含める場合は、作業時間を金額に換算して加える。
データの管理条件送信内容の保存期間・保存地域・学習への利用が、自社の要件に合うか。データを送る前に、API提供会社の規約と設定を確認。
提供会社を変更する手間別のAPIや自社運用に移るとき、接続方法や周辺の仕組みをどれだけ直す必要があるか。変更箇所を調べ、移行先でも同じ合格基準を満たすか検証。

比較時の記録 提供会社やモデルの設定が違うと、結果が変わる可能性があります。会社名・モデル名・設定を残してください。APIで分かるのは、その提供会社・設定での結果です。自社運用の速度や費用は、別に確かめる必要があります。

03

利用条件

製品への表示義務と、AIをAPIで提供する事業の条件を確認

利用にはMuse Model Licenseと利用ポリシーが適用されます。商用利用を検討する際は、製品への表示や、追加契約が必要になる条件を確認します。[2][5]

ライセンス第2条

「Built with Muse Spark Open」の表示が必要

このモデルや派生モデルを使う製品・サービスでは、画面、付属文書、Webサイト、設定メニューのいずれかに、指定の文言を目立つように表示します。[5]

ライセンス第2条

出力を使って改良した別のAIも、派生モデルに含まれる

「派生モデル」は、このAIやその出力・結果を使って作成、学習、改良したAIモデルを指します。元のモデルに追加学習をした場合だけに限られません。[5]

AIをAPIなどで第三者に提供する事業者には、追加の条件があります。この事業はライセンス上「Model as a Service」と呼ばれます。その事業者と関連会社の合算総売上が、連続する12か月間で2,000万米ドルを超える場合、このモデルや派生モデルを当該事業で提供する前に、Metaへの通知と別途の書面契約が必要です。[5]

この追加条件は、社内利用・研究や、Model as a Serviceに当たらない自社製品の機能としての利用などには適用されません。適用除外の対象はこの追加条件であり、表示義務などの共通条件は別に確認します。[5]

04

自社で動かす条件

自社運用には大容量のメモリが必要。構成と速度を別途確認

モデルの配布形式によって、必要なメモリ量が変わります。モデルカードは、GPUで動かす場合にNVFP4版で700GB以上、BF16版で2TBのGPUメモリ(VRAM)が必要としています。[3]

NVFP4は、主に4ビットで重みを保持して容量を抑える形式です。BF16は16ビットの形式で、重みファイルの容量はそれぞれ約537GBと約1.65TBです。実行時には計算途中のデータなども保存するため、重みファイルより多くのメモリが必要になります。[2]

公式の構成例

Blackwell世代のGPUを4基使用

公式資料では、NVFP4版をNVIDIAのB300・GB300などのGPUを4基使う構成で動かせると説明しています。必要なメモリと対応する実行ソフトを、構成全体で確認します。[4]

公式の対応構成 / 速度は当サイトで未測定

大容量メモリのMac Studioを2台使う構成も紹介

Metaは、M5 Ultraと512GBのユニファイドメモリを搭載したMac Studioを2台使う構成を紹介しています。ユニファイドメモリはCPUとGPUが共用するメモリです。[4]

MLXというAI実行ライブラリを使い、Thunderbolt 5経由の接続などを設定します。当サイトでは、この構成の応答速度や長い入力を扱ったときの動作を測定していません。[4]

05

最初に試す手順

送信できるコードで、まずは10件ほどの修正を比べる

以下は、比較を始めるための提案です。10件は最初の目安であり、それだけで本番利用の品質を保証するものではありません。

手順1:課題と条件を用意外部APIへの送信が認められたコードから、修正課題を10件ほど選びます。APIの規約、データの扱い、今回の使い方に関係するライセンス条件を先に確認し、課題ごとの合格基準を決めます。
手順2:両方のAIに依頼現在のAIとMuse Spark Openに、同じコードと修正指示を渡します。使えるツールや試行回数もそろえ、利用した会社・モデル名・設定を記録します。設定をそろえられない箇所は、違いを残します。
手順3:結果と負担を比較合否は、人が修正を加える前のAI出力を同じ基準で判定します。回答の待ち時間、人の確認・修正時間、API費用は別々に記録します。必要な品質を保ちながら負担を減らせるかを見て、追加検証する価値があるか判断します。
比較記録のひな形。1つの課題について、現在のAIとMuse Spark Openの結果を1行ずつ記入します。合否は人が修正する前に判定し、料金は通貨も記録してください。
修正課題比較するAI合否回答待ち時間(秒)人の確認・修正時間(分)API費用・通貨
課題1現在のAI
Muse Spark Open
課題2現在のAI
Muse Spark Open
課題3現在のAI
Muse Spark Open
課題4現在のAI
Muse Spark Open
課題5現在のAI
Muse Spark Open
課題6現在のAI
Muse Spark Open
課題7現在のAI
Muse Spark Open
課題8現在のAI
Muse Spark Open
課題9現在のAI
Muse Spark Open
課題10現在のAI
Muse Spark Open

今のAIを置き換える価値と、運用方法を順に判断する

まず、同じ仕事で必要な品質を満たせるか確認します。そのうえで、APIを利用するか、自社の設備で動かすかを選びます。自社運用を検討する場合は、設備費・運用の手間・実際の速度も別に確かめてください。

出典と確認日

公式発表:2026年10月15日。以下の公式資料を2026年10月17日に確認しました。

  1. Meta研究記事:Muse Spark Openの公開発表公開日、開発向けの用途、APIの利用先、重みの入手先。最高性能という主張はMetaによる評価。
  2. Meta開発者ドキュメント:Muse Spark Openの概要API利用と自社運用の違い、入出力、パラメータ数、コンテキスト長、重みファイルの容量。
  3. Metaのモデルカード:Muse Spark Open NVFP4版GPUで動かす際のメモリ要件と、モデル利用上の留意点。
  4. Meta開発者ドキュメント:対応ハードウェアNVIDIAのGPU構成、Mac Studioの対応構成と接続条件。
  5. Muse Model License本文製品への表示、派生モデルの定義、Model as a Serviceに関する追加条件と適用除外。

本稿の比較手順と記録表は編集部の提案です。当サイトでは、日本語での正確さ、APIごとの品質・速度・費用、Mac Studioでの実用速度を測定していません。公式の対応情報と、本番業務で得られる効果は分けて判断してください。