Muse Spark 1.1（8 分間の読み物）
TLDR AI は、AI 生成ツール「Muse Spark」のバージョン 1.1 で導入された新機能と改善点について詳細に解説している。
キーポイント
新機能の追加
バージョン 1.1 では、ユーザーエクスペリエンスを向上させるための具体的な新機能が実装されている。
パフォーマンスと精度の改善
生成速度や出力品質に関する技術的な最適化が施され、前バージョンからの明確な進歩が見られる。
ユーザビリティの向上
操作性の改善により、より直感的にツールを利用できるようになり、現場での実用性が高まっている。
影響分析・編集コメントを表示
影響分析
このアップデートは、Muse Spark を利用するクリエイターや開発者にとって、作業効率と成果物の質を直接向上させる重要なステップです。特に速度と精度の改善は、日常的な使用頻度が高いツールにおいて即座に体感できる価値をもたらすため、ユーザー定着率の強化に寄与すると考えられます。
編集コメント
特定の企業名や競合他社の言及がないため、このツール自体の機能進化に焦点を当てた分析となっています。
本日、Meta Superintelligence Labs の最新モデルである Muse Spark 1.1 をご紹介します。これは既存の Muse Spark から大幅にアップグレードされたもので、エージェントタスク向けに構築された多モーダル推論モデルです。ツールやコンピュータ操作、コーディング、そして多モーダル理解において大きな進歩を遂げています。
これらの改善により、Muse Spark 1.1 はパフォーマンスと効率性の境界線を押し広げます。今週発表された Muse Image と合わせて、このリリースは私たちが目指す「パーソナル・スーパーインテリジェンス」のビジョンにさらに近づきます。それは、あなたが目標を追求し、想像するものを作り出し、人間関係を深め、最も価値あるものに行動を起こせるよう支援するモデルです。
今回の発表に伴い、開発者が Muse Spark 1.1 にアクセスできる新 Meta Model API のパブリックプレビューも開始します。本モデルは現在、Meta AI アプリおよび meta.ai で「Thinking」モードとして利用可能です。
評価
エージェント
Muse Spark 1.1 は、さまざまな外部アプリやサービスにわたる計画と調整を必要とするパーソナル・エージェントタスクにおいて卓越したパフォーマンスを発揮します。ネイティブツール、MCP サーバー（Model Context Protocol Server）、カスタムスキルに対してゼロショットで一般化して動作します。
Muse Spark 1.1 に比べて、複雑なプロジェクトを大幅に高速で処理します。これはエンドツーエンドのレイテンシ（遅延時間）を最適化するためにマルチエージェントシステム（複数の協調する AI エージェント群）をオーケストレーション（指揮・調整）するように訓練されているためです。メインエージェントとして、コンテキスト（文脈情報）を集約し、計画を立て、並列化するサブエージェント間で実行を委任します。一方、サブエージェントとしては自身のタスクに忠実に従い、利用可能なツールを理解し、いつメインエージェントへエスカレーション（上級者への引き継ぎ）すべきかを判断します。
Muse Spark 1.1 は、100 万トークン（テキストの単位）のコンテキストウィンドウ（記憶領域）を能動的に管理できます。過去の行動を記憶し、より以前の作業から情報を検索・取得し、後の作業に必要な重要なステップを保持したまま圧縮します。
Computer Use（コンピュータ操作）
Muse Spark 1.1 は、複数のアプリケーションにまたがって展開され、情報がその場で変化するコンピュータ操作ワークフローにおいて卓越した能力を発揮します。長時間のセッション全体を通じてコンテキストを維持し、変化する要件に適応し、人間の介入を最小限に抑えながら見知らぬインターフェース（画面や操作体系）をナビゲートします。
デスクトップ上の各ステップを一つずつクリックしながら推論するのではなく、Muse Spark 1.1 は自動化が有利な場合と直接インターフェースを使用すべき場合を判断できます。自動化の方が速い場合はスクリプトを記述し、直接的な相互作用の方が簡単な場合はクリックを行い、各ステップで一連のアクションを生成するようにモデルを訓練しました。
エージェント型夕食会組織化：実世界のアプリケーションでは、タスクを変更する新しい文脈が生じます。Muse Spark 1.1 は夕食注文を行う際にこれらの変化を検知し、ユーザーの介入なしに必要な更新を行います。
コーディング
大規模で複雑なコードベースを扱う実世界タスクにおける Muse Spark 1.1 のコーディング性能は大幅に向上しました。同モデルは複雑なバグの診断と修正、エンタープライズグレードシステムにおける新機能の実装、大規模なコードマイグレーションの実行が可能です。Web アプリケーションの作成やエンドツーエンドの質問応答といったユースケースでは、最初のモデルと比較して大きな進歩を示しています。
当社は、モデルが多様なハーン（評価枠組み）に滑らかに適応し、複雑な多ターンダイナミクスを確実に処理できるように訓練しました。Muse Spark 1.1 は人気のあるエージェント型コーディング設定で良好に動作し、プランニングモード、ゴール条件付け、サブエージェントへの委任、コンテキスト圧縮といった一般的な機能をサポートします。
OpenCode でのデバッグデモ：Muse Spark 1.1 はチャット Web アプリを構築し、ユーザーが視認できる障害を特定するために自動スクリーンショットを取得し、問題の根本原因を関連コードまで追跡して修正を実行し、これらの変更を検証します。このモデルはコーディング、マルチモーダル理解、ツール呼び出しをシームレスに統合しています。
Meta 全体において、開発者や研究者は Muse Spark 1.1 を日常的に利用し、より迅速な構築とスマートな業務を実現しています。主要な内部コーディング評価指標である「Meta Internal Coding Bench」において、Muse Spark 1.1 は後継モデルとして大幅な改善を示し、主要な代替製品と互角の性能を誇ります。
研究者たちは現在、ワークフローに Muse Spark 1.1 を活用することで、モデルの開発および評価タスクの自動化も進めています。
OpenCode における DeepSWE 評価：Muse Spark 1.1 は、異なる推論強度を持つ DeepSWE タスクの一部に対して自己評価を行い、その結果に基づいて分析ダッシュボードを生成します。
マルチモーダル
コーディングおよびエージェント機能に加え、Muse Spark 1.1 は知覚能力、マルチモーダル推論、ツール利用においても卓越した性能を発揮します。これは実際の環境と対話し、視覚からコードへのアーティファクト生成、詳細な画像・動画キャプション作成、そしてマルチモーダルユースケースにおけるエージェントワークフロー実行において強みを発揮する、根拠のある出力を生成できることを意味します。
Muse Spark 1.1 のマルチモーダル機能は、知覚と行動が同時に必要となる場合に特に価値を発揮します。このモデルは視覚情報や音声情報を検査し、長いワークフロー全体で詳細を保持しながら、ユーザーに代わってコンピュータを操作する際にそれらの詳細を活用することができます。
Facebook Marketplace エージェント：スマートフォンで撮影した動画を用いて、Muse Spark 1.1 は有用な写真を抽出し、製品について推論を行うことで、ユーザーに代わってブラウザを操作し、Facebook Marketplace に出品リストを作成します。
安全性
私たちは、最も高度なモデルに対する評価、脅威モデル、および展開の閾値を定義する Advanced AI Scaling Framework に従い、展開前に広範な安全評価を実施しました。
化学・生物、サイバーセキュリティ、制御喪失というすべての最前線のリスクカテゴリーにおいて、私たちの評価は Muse Spark 1.1 が安全な範囲内で動作していることを示しています。Muse Spark 1.1 は、直接的な Jailbreak（脱獄）や信頼できないデータからの間接的攻撃、プロンプトインジェクション、開発者によるプロンプト攻撃に対して強い耐性を示します。その結果、敵対的な堅牢性が高く、ハルシネーション（幻覚）の発生率が低く、同調性が抑制されています。
1.1 の完全な安全姿勢は、Muse Spark 1.1 Evaluation Report に文書化されています。
利用可能性
初めて、開発者は新しい Meta Model API を通じて Muse Spark 1.1 の構築を開始できます。現在はパブリックプレビュー中です。Muse Spark 1.1 の初期パートナーは、このモデルを完全なエージェント基盤として称賛しており、長いコンテキストの処理能力と強力なコーディングおよび推論機能を組み合わせることで、大規模なエージェントワークロードを処理できると評価しています。
「Muse Spark の最も印象的な点は、1 つのモデルにどれほどの機能を詰め込んでいるかです：膨大な 100 万トークンのコンテキスト、画像・動画・PDF を含む完全なマルチモーダル対応、引用付きの組み込み検索、強力な推論能力、トップクラスのコーディング機能（特にフロントエンドとデザイン）、構造化された出力、そして並列ツール呼び出し——これらすべてが、クリーンで OpenAI 互換のパッケージに収められています。完全なエージェント基盤です。」
— Replit CEO Amjad Masad
「Meta は明らかに、本格的なエージェントコーディングのために構築しています。スケーラブルな実際のコーディングワークロードを実行するのに現実的な価格帯で強力なツール使用を実現している点が特徴です。この組み合わせは稀であり、まさにそれが Cline の開発者が早期にアクセスしたかった理由です。」
— Cline CEO Saoud Rizwan
「Box の企業向け作業評価セットに対してテストを行った結果、Muse Spark は今日の最先端モデルと競合するエンタープライズ機能を発揮しました。このレベルの知能に加え、専門サービス、公共部門、産業運用などの業界にわたる構造化された手順ワークフローにおける強みを組み合わせることで、組織にとって魅力的な選択肢となります。」
— Box AI 製品担当バイスプレジデント Yashodha Bhavnani
「Muse Spark 1.1 は、エージェントを実行するための素晴らしいモデルです。OpenClaw とともに、高速で強力かつ楽しい体験を提供します。」
— OpenClaw Foundation Dave Morin
私たちは、研究の勢いを示す証拠となる Muse Spark 1.1 のリリースを心から嬉しく思います。さらに能力の高いモデルも訓練中で、今後の展開を楽しみにお待ちください。
執筆：
Meta Superintelligence Labs
共有：
原文を表示
Today, we’re excited to introduce Muse Spark 1.1, the latest model from Meta Superintelligence Labs and a significant upgrade from Muse Spark. Muse Spark 1.1 is a multimodal reasoning model built for agentic tasks, with major gains in tool and computer use, coding, and multimodal understanding.
With these improvements, Muse Spark 1.1 advances the performance-efficiency frontier. Together with this week’s launch of Muse Image, this release brings us closer to our vision of personal superintelligence: models that help you pursue your goals, create what you imagine, deepen your relationships, and take action on what you value most.
Along with this release, we are launching a public preview of the new Meta Model API where developers can access Muse Spark 1.1. The model is available now in "Thinking" mode in the Meta AI app and on meta.ai.
Evaluations
Agents
Muse Spark 1.1 delivers exceptional performance in personal agentic tasks that require planning and orchestration across a range of external apps and services. It zero-shot generalizes to new native tools, MCP servers, and custom skills.
It tackles complex projects significantly faster than Muse Spark, as it is trained to orchestrate multi-agent systems to optimize end-to-end latency. As the main agent, it can gather context, make a plan, and delegate execution across parallel subagents. As a subagent, it adheres to its job, understands available tools, and knows when to escalate back to the main agent.
Muse Spark 1.1 can actively manage its context window of 1 million tokens. It remembers actions, retrieves information from much earlier work, and compacts in a way that keeps the critical steps needed for later work.
Computer Use
Muse Spark 1.1 excels at computer-use workflows that unfold across multiple applications with information changing on-the-fly. It maintains context across extended sessions, adapts to evolving requirements, and navigates unfamiliar interfaces with minimal human intervention.
Rather than reasoning through every desktop step one click at a time, Muse Spark 1.1 understands when to automate and when to use the interface directly. We trained the model to write scripts when automation is faster, click when direct interaction is simpler, and generate batches of actions at each step.
Agentic dinner party organization: In real-world applications, new context arises that changes the task. Muse Spark 1.1 notices these changes when placing the dinner order and makes necessary updates without user intervention.
Coding
Coding performance for Muse Spark 1.1 improved substantially on real-world tasks involving large, complex codebases. It can diagnose and fix complex bugs, implement new features in enterprise-grade systems, and execute large code migrations. In use cases like creating web applications and end-to-end question answering, Muse Spark 1.1 shows large gains over our first model.
We trained our model to smoothly adapt to diverse harnesses and reliably handle complex multi-turn dynamics. Muse Spark 1.1 performs well with popular agentic coding setups, supporting common features like planning mode, goal conditioning, subagent delegation, and context compaction.
Debugging demo in OpenCode: Muse Spark 1.1 builds a chat web app, takes automated screenshots to identify user-visible failures, traces issues back to relevant code to implement fixes, and validates these changes. The model seamlessly combines coding, multimodal understanding, and tool calling.
Across Meta, developers and researchers are using Muse Spark 1.1 daily to build faster and work smarter. On our primary internal coding evaluation, Meta Internal Coding Bench, Muse Spark 1.1 significantly improves upon Muse Spark and is competitive with leading alternatives.
Researchers are now also automating model development and evaluation tasks by leveraging Muse Spark 1.1 in their workflows.
DeepSWE evaluation in OpenCode: Muse Spark 1.1 evaluates itself on a subset of DeepSWE tasks across different reasoning strengths and produces an analysis dashboard based on the results.
Multimodal
Along with coding and agentic capabilities, Muse Spark 1.1 excels in perception, multimodal reasoning, and tool use. It can interact with real environments and produce grounded outputs with strengths in visual-to-code artifact generation, ultra-descriptive image and video captioning, and agentic workflow execution for multimodal use cases.
Muse Spark 1.1’s multimodal capabilities are especially valuable when perception and action need to happen together. The model can inspect visual and audio, preserve details across a long workflow, and use those details while operating computers on the user’s behalf.
Facebook Marketplace agent: Using video shot from a smartphone, Muse Spark 1.1 extracts useful photos and reasons about the product to operate a user's browser and make a Facebook Marketplace listing on the user's behalf.
Safety
We conducted extensive safety evaluations before deployment, following the Advanced AI Scaling Framework, which defines evaluations, threat models, and deployment thresholds for our most advanced models.
Across all frontier risk categories — Chemical & Biological, Cybersecurity, and Loss of Control — our evaluations show Muse Spark 1.1 operates within safe margins. Muse Spark 1.1 demonstrates strong resistance to direct jailbreaks and indirect attacks from untrusted data, prompt injection, and developer-prompt attacks. Consequently, it shows better adversarial robustness, lower hallucination rates, and reduced sycophancy.
Our full safety posture for 1.1 is documented in our Muse Spark 1.1 Evaluation Report.
Availability
For the first time, developers can begin building with Muse Spark 1.1 via the new Meta Model API, now in public preview. Early partners of Muse Spark 1.1 praise the model as a complete agentic foundation, pairing long context handling with strong coding and reasoning capabilities to handle large-scale agentic workloads.
“What’s most impressive about Muse Spark is how much it packs into one model: massive million-token context, full multimodal support (images, video, PDFs), built-in search with citations, strong reasoning, top-tier coding abilities (particularly frontend and design), structured output, and parallel tool calling — all in a clean OpenAI-compatible package. A complete agentic foundation."
— Amjad Masad, CEO of Replit
“Meta is clearly building for serious agentic coding – strong tool use at a price point that makes it viable to run real coding workloads at scale. That combination is rare, and it’s exactly why we wanted Cline developers to have access early.”
— Saoud Rizwan, CEO of Cline
“When tested against Box’s enterprise work evaluation set, Muse Spark delivered enterprise capabilities competitive with today's leading frontier models. That level of intelligence, combined with its strengths in structured, procedural workflows across industries such as professional services, public sector, and industrial operations, makes it a compelling choice for organizations.”
— Yashodha Bhavnani, VP of AI Products at Box
"Muse Spark 1.1 is an awesome model for running agents. Fast, powerful, and fun with OpenClaw.”
— Dave Morin, OpenClaw Foundation
We're thrilled to be releasing Muse Spark 1.1, a testament to our research momentum. We have even more capable models in training and look forward to sharing what’s to come.
Written by:
Meta Superintelligence Labs
Share:
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み