MetaがMuse Wonder(ミューズワンダー)を公開　記憶と長時間作業を強化した新AIとは

会話のたびに同じ条件を説明し、途中まで進んだ仕事を何度も頼み直す手間を、AIがどこまで引き受けられるか。Metaが公開したMuse Wonderは、記憶と長時間の作業を重視した新モデルです。

2026年10月13日時点で開発者向けの提供が始まっており、個人向けMuseへの搭載は今後と案内されています。
使える場所を見分けるには、AIモデルと、それを動かすアプリやツールを分けて捉えると分かりやすくなります。

Muse Wonder(ミューズワンダー)とは？Metaの新AIモデル

Metaは公式ページ日付の2026年10月12日、Muse WonderとMuse Wonder Fullを発表しました。両モデルは、仕事や日常の複数段階の作業を進めるAIエージェント向けに設計されています。

AIエージェントは、目標に向けて必要な作業を順に進める仕組みで、その判断を担うのがMuse Wonderです。
たとえば資料を読み、必要な情報を調べ、内容を修正するような仕事では、前のやり取りを踏まえながら作業を続ける能力が関わります。

このモデルを使う入口には、開発用のMuse Codeや、自社のアプリから呼び出すAPIがあります。個人向けのMuseは別のアプリなので、新モデルの公開日と、Museで使える日は同じとは限りません。

出典:Meta「Introducing Muse Wonder and Muse Wonder Full: Frontier Models for Agents」(英語)

Muse Wonderの記憶と長時間作業は何を変えるか

Active Memoryは必要な文脈を呼び戻す能力

MetaがActive Memoryと呼ぶのは、会話をまたいで重要な文脈を保持し、作業に関係する情報を必要な場面で取り出す能力です。過去の条件を、その時の仕事に結びつけることを重視しています。

たとえば継続的な企画づくりなら、前回決めた対象者や表現の方針を踏まえられるかが検証点になります。
ただし、記憶の強化は、情報の正確さや無制限の保存を保証するものではありません。重要な条件は依頼にも書き、古くなった条件は人が直しておく必要があります。

Active Focusは難しい仕事を続ける能力

Active Focusは、目標に向けて別の方法を試し、エラーや障害に対処しながら作業を続ける能力として説明されています。Muse Wonderは途中で必要な確認を求め、重要な行動の前にも利用者へ確認する設計です。

この能力は、Webアプリの改善のように、修正とテストを繰り返す仕事に関わります。長く動くことと、期待どおりに完成することは分けて評価し、途中の成果を確認できる作業から試すとよいでしょう。

出典:Meta AI Research「Muse Wonder」(英語)

Muse WonderとFullはどこで使える？

Muse WonderはMeta Model APIとMuse Codeで提供が始まり、開発ドキュメントではプレビューと案内されています。
一方のMuse Wonder Full(ミューズワンダーフル)は、Muse Codeの対象契約で使う上位モデルです。

利用する入口と対象モデル(2026年10月13日時点)

入口	通常版	Full
Meta Model API	提供開始 従量利用	未提供
Muse Code	従量利用・ 全契約プラン	対象契約のみ
個人向けMuse	今後搭載予定	搭載案内なし

表の「対象契約」に当たるのは、Power UsageとMaximum Usageの契約です。通常版の思考設定を上げてもFullへ切り替わるわけではなく、選ぶモデルと契約条件の確認が必要になります。

なお、Muse Codeはターミナルでコードを編集したり、コマンドを実行したりする開発用ツールです。一般業務を画面から頼みたい場合は、Museアプリ側での搭載案内と利用条件を見ることになります。

出典:Meta開発者向け製品ページ「Muse Wonder」(英語)

その個人向けMuseには、Muse Wonderを今後搭載し、契約者から先に展開すると公式発表は説明しています。日本の個別提供日や日本語UIの詳細は、今回確認した発表・モデル資料では確定できません。

日本から検討するなら、自分のアカウントで選べるモデル、対象契約、使う画面を先に確かめます。APIの提供開始だけを根拠に、個人向けMuseでも今すぐ同じ機能を使えると判断するのは避けてください。

Muse Wonderを仕事で試す時に確認したいこと

Muse Codeの学習利用はモードで異なる

Muse Codeの契約利用では、Contributor modeが既定で有効と案内されています。このモードは、利用量を増やす代わりに、入力したプロンプト、コード、ファイル、文脈とモデルの返答を、将来のMetaモデルの学習に利用できるようにする仕組みです。

会社の資料を渡す前に、学習利用に同意できるかを確認し、同意できない内容ならContributor modeを設定で無効にします。Standard modeでは学習に利用しないと説明されていますが、学習対象外と、データを保存しないことは別です。

出典:Meta Model API公式ドキュメント「Models」(英語)

性能評価は自社の作業でも確かめる

Metaは記憶やエージェント作業、コーディングの評価で高い性能を示したと説明しています。こうしたベンチマークは決まった課題での評価なので、自社の日本語資料や業務で同じ成果が出るかは別に確かめる必要があります。

たとえば公開情報を使った企画書なら、指示した条件を保てるか、出典に誤りがないかを見ます。回答の根拠を確かめる際は、ハルシネーションを起こしやすい指示と改善例も確認すると、プロンプトを具体的に見直せます。

なお、追加の安全評価を含む完全なレポートは近日公開と案内されています。公式の評価を読む際も、安全対策の説明を、業務上の誤りが起きない保証として扱わない姿勢が必要です。

まず任せる仕事と確認する人を決める

Muse Wonderを試すなら、非機密で、途中の成果を確認できる仕事を選びます。新しいモデルの名前から用途を広げるより、完成の条件と確認する担当者を先に決める方が、結果を評価しやすくなります。

具体的には、公開情報を基にした企画案の下書きや、検証用のWebアプリ改善が候補です。
その際は使ってよい資料、残すべき条件、作業を止める場面を依頼に含め、途中の出力を見て指示を補います。

特にメール送信、購入、外部公開まで進めるなら、人の承認を通す場面を社内ルールにします。情報入力・外部公開・自動実行に分けた生成AIの社内ルールを基に、試行から業務利用へ進める範囲を決めてください。

FAQ