何が発表されたか
Muse Spark 1.1は、エージェント処理・コーディング・コンピュータ操作・マルチモーダル理解を狙って設計された推論モデルです。Metaは2026年4月初旬に投入した初代Muse Sparkからの「significant upgrade（大幅な進化）」と位置づけています。Meta AIアプリおよびmeta.aiの「Thinking」モードで利用でき、開発者はMeta Model APIから直接叩けるようになりました。画像モデルのMuse ImageはAPI未提供です。
注目すべきは、初代に続きオープンウェイトで公開されていない点です。Llamaで築いたオープンソース路線から、Metaが事実上距離を置いたことを示唆します。
性能は「一位」ではなく「上位で安い」
ベンチマークの見え方は冷静に読む必要があります。MCP Atlasで88.1、Humanity’s Last Examで62.1を記録しMuse Spark 1.1が首位に立つ一方、SWE-Bench ProではOpus 4.8が69.2で先行し、Muse Spark 1.1は61.5にとどまります（このベンチマークの妥当性はOpenAIが疑義を呈しています）。Agent／Coding／Multimodalの12ベンチマークで見れば、首位はMuse Spark 1.1が4つ、Opus 4.8が5つ、GPT 5.5が3つ。独立系のVALS-AIでは総合4位で、「特に速く安い」という評価です。Vibe Code Benchでは前世代から36位ジャンプしました。
つまり訴求点は「最強」ではなく「準フロンティア級を桁違いに安く」です。
エージェント設計に振り切ったモデル
Metaはマルチエージェントのオーケストレーションを学習させたと説明します。メインエージェントとして文脈を集め、計画を立て、並列のサブエージェントに実行を委譲する。逆にサブエージェントとして働くときはタスクから逸れず、必要な時に上位へエスカレーションする。ネイティブツール・MCPサーバー・カスタムスキルには個別学習なしで汎化し、100万トークンのコンテキストを自ら管理して、過去の作業を要約・圧縮しながら進みます。コンピュータ操作でも、スクリプトを書いた方が速いか、クリックした方が簡単かを自分で判断するとされます。
価格が本当の発表内容
入力100万トークン1.25ドル、出力4.25ドル、キャッシュ入力0.15ドル、Web Search Groundingは1,000クエリ2.50ドル。GLM 5.2のような中国勢はさらに安いものの、米国大手のなかでは新しい価格の床が引かれました。
この構図で最も痛いのはOpenAIとAnthropicです。両社は巨額を燃やしながら高いトークンマージンと急成長に依存します。対してMetaは年間600億ドル超の利益を持ち、GoogleともどもAPIを「エコシステムの入口」として赤字でも回せる。上からはGoogleとMetaの資本、下からは中国のオープンソースが価格で押し上げる——フロンティアラボは両側から挟まれています。
ただし、価格の優位が実コストの優位とは限りません。Databricksの検証が示したように、1タスクあたりに燃やすトークン数（トークン効率）次第で実際の請求額は大きく動きます。ベンチマークの数字が本番環境で再現するかも、まだ未検証です。
💼 事業会社視点：これは自社にどう効くか
日本企業にとって、これは「乗り換えろ」ではなく「値段の前提を作り直せ」というニュースです。
AI機能を組み込んだSaaSやEC事業者は、原価計算をもう一度やり直す価値があります。出力4.25ドルと25〜50ドル帯では粗利構造が別物になり、これまで「単価が合わない」と棚上げしていた機能——商品説明の全点自動生成、問い合わせの一次対応、レビュー要約——が一気に採算ラインに乗る可能性があります。Coinbaseやリンディが中国製モデルへの切り替えでAI費用を大幅に削った事例、Snowflakeが示したGLM 5.2とOpus 4.8のコスト差は、すでに「安いモデルで足りる領域がある」ことの実証です。
ただし短絡的な全面移行は危険です。VALS-AIで4位、SWE-Bench ProではOpus 4.8が上という事実の通り、難所のコーディングや高精度が要る領域では上位モデルが依然強い。取るべきは**タスク別の使い分け（ルーティング）**です。大量・定型の処理は安価なモデル、複雑なバグ診断やレガシー移行はOpus 4.8級——この振り分けを前提に、モデルを差し替え可能な抽象層をアプリ側に持たせておくべきです。
受託開発・SIerには追い風と逆風が同時に来ます。トークン単価が下がれば大規模コード移行やエンタープライズ改修へのAI適用が現実的になり、案件の生産性は上がる。一方で「人月の中身」がAIに置き換わるほど、単価の説明責任は重くなります。今すべきは、Databricksが指摘したトークン効率まで含めた自社実タスクでの比較検証と、契約単位を工数からアウトカムへ寄せる交渉です。価格は動きます。動かないのは、どのモデルでも差し替えられる設計を持っているかどうかです。