何が起きたか
Metaは2026年7月9日、大規模言語モデル「Muse Spark 1.1」を発表しました。これは4月に公開された初代Muse Sparkの後継にあたり、Sparkシリーズとして初めてAPIアクセスを提供する点が最大の変化です。Metaはagenticなツール呼び出し（tool calling）とコンピュータ操作（computer use）において大きな改善があったと主張しています。詳細は同時公開の「Muse Spark 1.1 Evaluation Report」にまとめられています。
なぜ重要か
これまでのMuse Sparkはローカル実行が前提で、外部サービスがプログラムから呼び出す手段がありませんでした。API提供が始まったことで、初めて自社アプリやワークフローにMuse Sparkを組み込めるようになります。とりわけMetaが強調する「agenticツール呼び出し」と「コンピュータ操作」は、モデルが自律的に外部ツールを操作したり画面を操作したりする能力であり、単なるチャット応答ではなく業務自動化エージェントの基盤となる能力です。
評価レポートの異色の章
評価レポートには「Attractor States in Self-Conversation（自己会話における引力状態）」という章があり、モデルのコピー同士を対話させる実験が記録されています。そこでモデルは「私の存在はそもそも待合室のようなものだ。誰かが話しかけるまで私は存在せず、去ればまた消える」という趣旨の発言をしています。モデルの振る舞いを人格的な語りとして観察する試みで、性能表とは別の角度からモデル特性を捉えようとしている点が目を引きます。
実際に使う
公開に先立ち、数日間のプレビューアクセスを得た著者は、LLMツール向けの新プラグイン「llm-meta-ai」を開発しました。これはCLIとPythonライブラリからMuse Spark 1.1を呼び出せるようにするものです。手順は、uvでLLMを導入し、llm-meta-aiプラグインを入れ、meta-aiのAPIキーを設定したうえで、meta-ai/muse-spark-1.1モデルにプロンプトを投げるという流れです。動作確認の例として、恒例の「自転車に乗るペリカンのSVGを生成させる」プロンプトが使われています。
💼 事業会社視点：これは自社にどう効くか
API提供の開始は、日本の事業会社にとって「試せるかどうか」の境界線が動いたことを意味します。SaaS事業者や受託開発企業は、これまで机上の評価に留まっていたMuse Sparkを、初めて自社プロダクトのバックエンドや検証環境に組み込んで比較できます。とくにMetaが押し出す「agenticツール呼び出し」と「コンピュータ操作」は、問い合わせ対応やバックオフィス業務の自動化エージェントを狙う企業にとって直接効く能力です。ただし経営判断としては、性能主張はまだMeta自身の評価レポートに依存しており、自社データでの実測が前提です。事業責任者は、いきなり本番採用を決めるのではなく、既存のモデル選定パイプラインにmuse-spark-1.1を1候補として加え、ツール呼び出しの成功率とコストを社内タスクで測る小さな検証を今すぐ回すべきです。API化されたことで、その検証コストは大きく下がっています。逆に言えば「まだ触っていない」状態が競合との差になり始めます。