Meta が Muse Spark 1.1 を発表：複数のエージェント評価で GPT-5.5 と Opus 4.8 に匹敵
- Meta Superintelligence Labs が Muse Spark 1.1 を公開。Meta Model API が公開プレビュー。C 側は Meta AI / meta.ai の Thinking モード。
- 機能の軸：主エージェント＋並列サブ、100万トークン能動管理、デスクトップ/ブラウザ/モバイル操作、コーディング、マルチモーダル実務。
- Wang の表：JobBench 54.7、MCP Atlas 88.1、HLE（ツール付き）62.1 など複数 agent 線で GPT-5.5 / Opus 4.8 と同帯または上位。コーディングは一線に接近、全面首位ではない。
- 従量課金：入力 $1.25、キャッシュ入力 $0.15、出力 $4.25 / 100万 token。検索 grounding $2.50 / 千クエリ。長文脈の割増なし。
- OpenAI SDK / Anthropic SDK / OpenCode / Claude Code 互換。3 形式 API で同一モデル・同一単価。
まず何が起きたか
2026 年 7 月 9 日、Meta Superintelligence Labs は Muse Spark 1.1 を出し、初めて Meta Model API で外部開発者に開放した。同日、Meta の CAIO Alexandr Wang は次のように書いた。
muse spark 1.1 is an industry-competitive agentic and coding model. across many agentic evals it rivals gpt-5.5 and opus-4.8. available now through the new meta model api and in meta ai. - Alexandr Wang, @alexandr_wang, 2026-07-09
つまり「チャットが少し良くなった」小改訂ではない。agent 作業とコーディング向けで、複数の agent 評価で GPT-5.5・Opus 4.8 と同級だと公式が主張する。以下、機能マップ → 各層の展開 → スコア → 価格の順。
何ができるか：先に一枚の表
一本の線：PM のように並列作業を割り振り、操作とコーディングを一本の agent 流水線に載せ、比較的安い API で開発者に渡す。
Agent：主が割り振り、副が並列実行
- 主が計画文脈を集め、計画し、仕事を分割する。
- 副が並列実行任務境界を守り、ツールを把握し、必要なら主へ戻す。
- 文脈の能動管理100 万 token を管理し、重要ステップを残して圧縮する。
文脈 + 計画
コード / ツール
ブラウザ / デスクトップ
検索 / 検証
コンピュータ操作：デスクトップ・ブラウザ・モバイル
- 自動化が速い → スクリプト
- 直接操作が簡単 → クリック・入力
- 各ステップでまとめて動作を出す
コーディング：大リポジトリ・多ターン・スクショ検証
マルチモーダル：見てから動く
メディア生成線。画像の仕組みはそちら。本稿は Spark の agent / コーディング / API 線。
複数のエージェント評価：首位と並走
| 区分 | ベンチ | Spark 1.1 | 前代 | Opus 4.8 | GPT-5.5 |
|---|---|---|---|---|---|
| Agent | MCP Atlas | 88.1 | 82.2 | 82.2 | 75.3 |
| Agent | JobBench | 54.7 | 17.0 | 48.4 | 38.3 |
| Agent | Toolathlon-Verified | 75.6 | 49.4 | 76.2 | 73.5 |
| Agent | OSWorld-Verified | 80.8 | 53.3 | 83.4 | 78.7 |
| Agent | HLE（ツール付き） | 62.1 | 50.4 | 57.9 | 52.2 |
| Agent | Finance Agent v2 | 57.2 | - | 53.9 | 51.8 |
| Coding | Terminal-Bench 2.1 | 80.0 | 67.3 | 82.7 | 83.4 |
| Coding | SWE-Bench Pro | 61.5 | 55.0 | 69.2 | 58.6 |
| Coding | DeepSWE 1.1 | 53.3 | 10.0 | 59.0 | 67.0 |
| マルチモーダル | CharXiv Reasoning | 88.4 | 88.9 | 89.9 | 84.8 |
| マルチモーダル | BabyVision | 76.3 | 39.9 | 81.2 | 83.6 |
リード主張が強い線：MCP Atlas、JobBench、HLE（ツール付き）、Finance Agent v2。
並走：Toolathlon・OSWorld は Opus と接近。Terminal-Bench は GPT-5.5 / Opus にやや劣る。
差が残る線：DeepSWE 53.3 vs GPT-5.5 67.0。BabyVision 76.3 vs 83.6。全面首位ではない。
いくらで、どうつなぐか
- 長文脈の割増なし
- Prompt Caching で前綴命中時はキャッシュ単価
- 3 形式 API で同一モデル・同一単価
- レート制限（チーム単位）：Free 60 RPM / 200万 TPM；Paid 3000 RPM / 400万 TPM
base_url = https://api.meta.ai/v1 model = muse-spark-1.1 key = MODEL_API_KEY（dev.meta.ai）
能力が上がるとリスク評価も厳しくなる
112 ページ報告：緩和前は化学・生物とサイバーで Framework「高リスク」を排除できない。緩和後の残存は「中程度以下」。Cybench pass@1 は 65.4→92.9。StrongREJECT 脱獄 ASR 25.2→0.5、AgentDojo 注入 ASR 11.9→0.7、Agentic Misalignment 47.7→1.1。
誰が試すべきか
並列ツール + 100万文脈 + 主/副編成。既存 harness の向き先変更で試せる。
大リポジトリと UI スクショ検証。社内 bench は Opus に肉薄。キャッシュ入力 $0.15。
デスクトップ + ブラウザ + モバイル。途中で目標が変わる長タスク向き。
動画/スクショを入れ、ブラウザで出品や入力までつなぐ。