何が起きたか
MetaはMuse Spark 1.1の後継としてMuse Spark 1.2を公開しました。改善領域はコード生成、複雑なデバッグ、コードベースの理解、そして開発ワークフローの一気通貫での遂行です。同社はコーディングタスクへの学習計算資源を大幅に増やし、学習環境の多様性も広げたと説明しています。一方で汎用エージェントなど他の領域の強さは維持したとしています。
同時に、Meta自身のコーディングエージェント「Muse Code」も出荷されました。両者は共同学習されており、組み合わせて使ったときに最も性能と使い勝手が出る設計です。学習には、リジェクションサンプリングによるハーネス軌跡、ゴール・コンパクション・サブエージェントに関するレシピ最適化、そしてMuse Codeのツールセットの統合が含まれます。学習対象はリポジトリ全体の生成、大規模なエンドツーエンドのプロジェクト、自動リサーチといった長期ホライズンのタスクにまで及びます。
なぜ重要か
モデル単体ではなく「モデル＋ハーネス」をセットで作り込んだ点が本質です。Simon Willison氏は今回の発表を、いまのモデルにとって最も重要な特性が長いシーケンスにわたるエージェント的なツール呼び出しである、という証拠がまた一つ増えたものと位置づけています。
これは調達側の前提を変えます。従来のモデル選定は「ベンチマーク上位のモデルを、自社の好きなエージェント基盤に差す」でした。共同学習が前提になると、モデルの実力はハーネスとの組み合わせでしか測れません。自社のCI連携やレビュー手順に組み込んだ独自ハーネスで動かした場合、公表値どおりの性能が出る保証は薄くなります。
なお恒例のベンチマークとして知られる「自転車に乗るペリカン」のSVGについては、7月9日のSpark 1.1版と比べて小さいながらも実質的な改善だと評価されています。派手な飛躍ではない、という温度感も同時に読み取るべきでしょう。
価格が示すもう一つの論点
Muse Spark 1.2は2つのモデルIDで提供されます。通常版は入力1.25ドル/出力4.25ドル（100万トークンあたり）で、Gemini 3.6 Flashの1.50ドル/7.50ドルより安い水準です。対してmuse-spark-1.2-contributorは0.10ドル/0.20ドル。GPT-5.6 Lunaの0.20ドル/1.20ドル、Gemini 3.1 Flash-Liteの0.25ドル/1.50ドルすら下回ります。
差分の対価は「製品改善のために」自社データをMetaが利用することへの同意です。つまりこれは値引きではなく、データと現金の交換レートが明示された取引です。出力側で見れば約21倍の開き。Willison氏はこの新価格をllm-prices.comに追加しています。
💼 事業会社視点：これは自社にどう効くか
経営として先に決めるべきは「自社のコードは値引き原資にできるか」です。出力で約21倍という差（4.25ドル対0.20ドル）は、エージェントに長時間コードを書かせる使い方では月次コストの桁を変えます。受託開発企業は最も判断が重い立場です。顧客のリポジトリは自社資産ではなく、契約上の秘密保持や再委託条項に抵触し得るため、contributor版の適用可否は案件ごとに切り分けるしかありません。実務的には、社内ツール・PoC・OSS周辺は安価なcontributor版、顧客コードと本番リポジトリは通常版、という二階建ての運用ルールを先に文書化すべきです。
SaaS事業者は逆に、独自ドメインのロジックこそが差別化要因である以上、そこを学習に渡す判断は慎重であるべきでしょう。一方でECや事業会社の情シスなら、社内管理画面やバッチ処理の実装にcontributor版を割り当てる余地は大きい。
もう一つの論点はロックインです。Muse Spark 1.2はMuse Codeと共同学習され、ツールセットまで統合されています。ベンダー提供のハーネスに寄せるほど性能は出ますが、乗り換えコストも積み上がります。自社の評価タスクを用意し、既存エージェント環境と純正Muse Codeの両方で同一課題を走らせて差分を測る——この社内ベンチマークの整備が、今期の情シス・開発部門にとって最も費用対効果の高い投資です。