Meta Muse Spark 1.3とは？ツール呼び出し20%減の実力とClaude Fable 5.1・GPT-5.6 Solとの違い【2026年9月速報】

Muse Spark 1.3（ミューズ・スパーク 1.3）は、Meta Superintelligence Labs（MSL）が2026年9月2日に公開した、長時間のエージェント処理とコーディングに特化したマルチモーダル推論モデルです。 前世代のMuse Spark 1.2と比べてツール呼び出しが約20%、トークン消費が約25%減ったとMetaは公表しており、入力$1.25／出力$4.25（100万トークンあたり）という価格でClaude Fable 5.1に近いスコアを出した点が最大の話題になっています。

ただし、この「20%減・25%減」はMetaの社内比較かつコーディングタスクでの数値であり、エージェント系タスクではタスクあたりコストがむしろ上がったという第三者の報告もあります。数字をそのまま自社の削減見込みに置き換えると判断を誤ります。

この記事でわかること

• Muse Spark 1.3の基本仕様と、1.2から実際に変わった点
• 「ツール呼び出し20%減・トークン25%減」が成立する条件と、それに反する観測データ
• DeepSWE・Terminal-Bench・MRCR・Intelligence Indexなど主要スコアの読み方
• Standard／Contributorという2ティア料金の中身と、実際のコスト試算
• Claude Fable 5.1・GPT-5.6 Solとの用途別の使い分け
• max推論モードが一般提供されていないなど、公開時点で残っている制約

対象読者：エージェント型コーディングのモデル選定をしているエンジニア、AI利用コストを管理する情報システム・PdM、Claude CodeやCodexからの乗り換え・併用を検討している開発チーム。

出典: Meta 公式ブログ

本記事の仕様・料金は、2026年9月4日時点でMeta公式ブログ・developer.meta.com のモデルページ、およびArtificial Analysis／OpenRouterで確認できた内容にもとづきます。リリース直後のモデルであり、価格・提供モードは短期間で変わる可能性があります。

Muse Spark 1.3とは — 基本仕様と位置づけ

出典: Meta 公式ニュースルーム

Muse Spark 1.3は、Metaのフラッグシップ推論モデル「Muse Spark」シリーズの最新版で、単発の質問応答よりも「長時間動き続けるエージェント」の実行品質に重心を置いたモデルです。テキストだけでなく画像・動画・PDF・音声を直接入力でき、コンテキストウィンドウは約100万トークンあります。

出典: Meta AI Research 公式ブログ ／ developer.meta.com モデルページ

Metaは2026年4月に初代Muse Sparkを発表して以降、5か月で4回のバージョンアップを行っています。Zuckerberg CEOは今回のリリースについて「コーディングとエージェント的な作業において、これまでで最大の飛躍」とコメントし、SiliconANGLEは「MetaがAnthropic・OpenAIに追いついた」と報じました。

シリーズ全体の成り立ちや初期バージョンの位置づけは、Meta Muse Sparkとは？機能・性能・料金・他モデルとの違いで整理しています。エージェント型AIそのものの基礎から確認したい場合はAIエージェントとは？仕組み・種類・活用事例が入口になります。

リリースの流れ（Muse Sparkシリーズ）

Muse Spark 1.2から何が変わったのか

出典: Engineering at Meta 公式ブログ

変更点は「賢さの上積み」よりも、エージェントとして長時間動かしたときの詰まりにくさに集中しています。Meta公式ブログが挙げている改善点は次のとおりです。

• 長時間タスクの継続性：単一の長いスレッド内で複数のワークフローを並行して扱い、作業状態を維持できる
• 曖昧・矛盾した指示への対処：矛盾入力を検出し、必要に応じて確認や明確化を求める
• 長文かつ複雑な指示への追従性の向上
• 自己の能力・限界の認識の向上（できないことをできると言いにくい）
• 敵対的入力・プロンプトインジェクションへの耐性強化
• 不可逆的アクション（削除・送信など）に対する判断の改善
• 簡潔な実行：冗長な手順を減らす方向のチューニング

そして本バージョンの見出しになっているのが効率面の数値です。Metaの社内比較では、1.2に対してツール呼び出しが約20%削減、トークン消費が約25%削減されたとされています。

ツール呼び出し回数の削減は、単なる節約以上の意味を持ちます。エージェントはツールを呼ぶたびにモデルとの往復（ラウンドトリップ）が発生するため、呼び出しが2割減ればそのぶん待ち時間そのものが短くなるからです。Metaのエンジニアも「大幅に高速かつ効率的で、コードスタイルもよりクリーン」とコメントしています。

API側の機能としては、Function calling（tools / tool_choice）、JSON Schemaを使ったStructured Outputs（response_format）、ネイティブのマルチモーダル知覚に対応します。視覚推論はスクリプト化された固定手順ではなく実行環境上で走る設計になっており、動画やドキュメントをそのまま渡して処理させる用途を想定しています。

「ツール呼び出し20%減・トークン25%減」をそのまま信じてよいか

この数字は「Metaの社内比較・コーディングタスク」という条件付きの値であり、すべてのワークロードでコストが下がることを意味しません。 日本語の速報記事がほとんど触れていない部分なので、賛否の両方を並べます。

出典: Meta 公式サイト

削減を支持する材料

• Meta公式の社内比較で、コーディングタスクにおけるツール呼び出し約20%減・トークン約25%減
• Artificial Analysisの計測では、xhighのMuse Spark 1.3はIntelligence Index 1タスクあたり約$0.55で、同水準の知能を持つモデル群では最安クラス（参考：GPT-5.6 Sol（max）$0.95、Grok 4.6（high）$0.94、Claude Opus 5（high）$1.23）
• 料金体系は1.2から据え置き。同じ単価で効率が上がれば、そのぶん実額が下がる

削減と矛盾する材料

• VentureBeatは、エージェント系タスクでは入力トークン消費が増え、料金据え置きにもかかわらずタスクあたりコストが前バージョンより上がったと報告している
• eesel AIは、前世代比で出力トークンが約3倍になったケースを指摘している
• Artificial Analysisによると、maxモードはxhigh比で科学評価に+62%、banking系タスクに+28%の推論トークンを消費する
• 1.2との比較の一部が「1.3のmax」対「1.2のxhigh」で行われているとの指摘があり、バージョン差ではなく推論ティア差を含んでいる可能性がある

実務での受け止め方

「コード修正のようにツールを何度も往復する定型的な作業では効率が上がりやすく、探索的で推論の深さが要る作業ではむしろトークンが増えうる」という理解が、現時点では妥当なところです。

したがって導入判断では、Metaの数値をそのまま予算削減率に使わず、次の手順を踏むことをおすすめします。

1. 自社で実際に流している代表的なタスクを3〜5種類選ぶ
2. 1.2（または現行モデル）と1.3で同じタスクを実行し、入力・出力・キャッシュ読取のトークン数をそれぞれ記録する
3. 総トークンではなく「1タスク完了あたりの実額」で比較する
4. レイテンシ（完了までの時間）も同時に測る — 効率改善の恩恵は金額より時間に出ることがある

ベンチマークで見るMuse Spark 1.3の実力

出典: Artificial Analysis 公式サイト

コーディングとエージェント系では明確にフロンティア級に届いた一方、横断的な知能指標ではClaude勢がまだ上、というのが2026年9月4日時点の全体像です。

コーディング系

DeepSWE v1.1が1.2の55.0から75.4へ、約20ポイント上がっている点が今回の目玉です（TechTimesは「16ポイント上昇」と報道しており、比較条件により幅があります）。Terminal-Bench 2.1ではGPT-5.6 Solと同点、Claude Opus 5を上回りました。

※GPT-5.6 SolのDeepSWEスコアは、MarkTechPostが72.7、ITmediaが73.0と出典により差があるため、本記事では「約73」と表記しています。

エージェント・長文脈系

注意点として、Metaが打ち出したヘッドライン数値の多くはmaxのものです。 一般提供されているのはxhighであり、OSWorld 2.0では66.9と57.2で10ポイント近い差があります。導入検討ではxhigh側の数値を基準に見るのが安全です。

長文脈検索（MRCR v2）

100万トークン級の長文脈で情報を正確に取り出せるかという点では、現時点で最も明確な強みが出ている領域です。巨大なコードベース全体や長大なログを一度に読ませる用途では、この差が実務の精度に直結します。

横断指標（Artificial Analysis Intelligence Index）

総合では636モデル中6位（eesel AI引用）。絶対的な知能ではClaude Fable 5.1が上で、Muse Spark 1.3の強みは「同水準に近いスコアを一桁安い単価で出せる」というコスト効率にあります。 個別領域では銀行業務系エージェントタスクで52%のトップスコア、科学推論CritPtで+8ポイントを記録した一方、法務理解で−4ポイント、事実正確性で−3ポイント（xhigh）という軽微な後退も報告されています。契約書レビューのような法務寄りの用途では、この後退を踏まえた検証が必要です。

Claude側の最新状況はClaude Fable 5.1・Mythos 5.1とは？Fable 5からの変更点と移行ポイント、比較対象になったOpus 5についてはClaude Opus 5とは？料金・Fable 5比較で詳しく扱っています。

料金｜StandardとContributorの2ティア

Muse Spark 1.3の料金設計で特徴的なのは、性能ではなく「データの扱い」で単価が10〜20倍変わる点です。Meta Model APIは2つのエンドポイントに分かれています。

• Web検索ツールの利用は$2.50 / 1,000コール（OpenRouter掲載）
• 料金は1.2から据え置き
• Contributorティアはレート制限が低いとの指摘がある（Artificial Analysis／eesel AI）
• max推論モードの料金は2026年9月4日時点で未公開

出典: OpenAI API Pricing 公式ページ

競合との単価比較

※GPT-5.6 Solのキャッシュ読取単価は公式ページに個別掲載がないため、OpenAIが一般に採用している「入力単価の10%」で$0.40として扱っています。正確な金額は請求実績で確認してください。

窓の杜はこの構図を「Claude Fable 5の出力単価$50に対して10分の1以下の価格で同等スコア」と要約しています。GPT-5.6 Sol側の値下げ経緯はGPT-5.6 Sol APIが20%超値下げ｜新料金と期間限定リスク、シリーズ構成はGPT-5.6とは？Sol・Terra・Lunaの違いにまとめています。

コスト試算：エージェント作業1タスクあたり

条件を揃えないと単価表だけでは判断できないため、「入力200万トークン（うち150万はキャッシュ読取）＋出力20万トークン」という、コードベースを繰り返し読ませる典型的なエージェント作業を想定して試算します。円換算は1ドル＝約155円の目安です。

同じ作業でClaude Fable 5.1の約9分の1、GPT-5.6 Solの約4分の1に収まる計算です。大量のループを回すエージェント運用ほど差が効く一方、1日数回しか叩かない用途では月額差が数百円規模にとどまり、単価差より精度差のほうが重要になります。

※実際の請求はプロンプト設計・キャッシュヒット率・リトライ回数で大きく動きます。この試算はあくまで比較のための同条件シミュレーションです。

Contributorティアは使ってよいのか — 安さと引き換えのもの

Contributorティアは10〜20倍安いですが、その理由は「プロンプトと出力をMetaが製品改善（学習）に利用できる」ことへの同意です。 単価だけを見て業務コードを流すと、社内規程や受託契約に抵触する可能性があります。立場別に整理します。

eesel AIが引用した開発者コメントに「企業が自社情報をMetaから守りたい度合いのほうが、Metaがデータを欲しがる度合いより強い」という指摘があります。検証・PoCはContributorで安く回し、本番の顧客コードはStandardに切り替えるという使い分けが現実的です。ティアの切り替えはモデルIDの変更だけで済むため、環境変数で分離しておくと運用しやすくなります。

なお、Muse Spark 1.3自体はクローズドウェイトのため、データを一切外に出したくない場合は選択肢になりません。ローカル実行を優先するなら、Metaが2026年8月にApache 2.0で公開した30Bモデルを扱ったMeta Muse Glimmerとは？オープンウェイトでローカル動作するエージェントAIを検討してください。

Claude Fable 5.1・GPT-5.6 Solとの使い分け

3モデルはスコアが近く、単価とレイテンシ、そして「どの作業に使うか」で選ぶのが現実的です。

出典: Anthropic 公式ニュース

用途別のおすすめ

つまり、「量で殴る作業はMuse Spark 1.3、質で決める作業はClaude Fable 5.1、幅で選ぶならGPT-5.6 Sol」という切り分けになります。1つに絞る必要はなく、エージェントの探索フェーズをMuse Spark 1.3、最終的なコード生成レビューをClaude Fable 5.1に振る二段構成もコスト効率が良い設計です。

Muse Spark 1.3の使い方（3つの入口）

現時点で公式が提供先として明記しているのはMuse CodeとMeta Model APIの2つで、加えてOpenRouter経由での利用が確認できます。Meta AIアプリなどコンシューマー向け製品への搭載は公式に明記されていません。

1. Muse Code（ターミナル型コーディングエージェント）

コーディング用途ならこれが標準的な入口です。ターミナル上でリポジトリを渡して作業を指示する形式で、承認フロー（approvals）とOSサンドボックスがデフォルトで有効、サブエージェントは隔離したgit worktreeで並列実行されます。Muse Code自体の機能・料金・Claude CodeやCodexとの違いはMeta Muse Codeとは？ターミナル型コーディングエージェントの機能・料金・違いで解説しています。

2. Meta Model API

自社アプリやワークフローに組み込む場合はこちら。developer.meta.com でAPIキーを取得し、モデルIDにmuse-spark-1.3（Standard）またはmuse-spark-1.3-contributor（Contributor）を指定します。Function callingとStructured Outputsに対応しているため、既存のツール呼び出し実装からの移植は比較的容易です。

3. OpenRouter経由

複数モデルを1つのAPIキーで切り替えて評価したい場合の選択肢です。既存の比較検証パイプラインにそのまま追加できるため、乗り換え判断のためのA/Bテストにはこの経路が最も手数が少なくて済みます。ただし中継事業者を挟むため、データの取り扱いは各社の規約を確認してください。

導入時に最初にやること

1. 代表的なタスクを3〜5種類決め、現行モデルでのトークン数と所要時間を先に記録する
2. OpenRouterまたはContributorティアで同じタスクを1.3で流し、差分を測る
3. 機密データを含む本番用途はStandard（muse-spark-1.3）に固定し、環境変数でティアを分離する
4. 不可逆操作（ファイル削除、外部送信、デプロイ）は必ず承認フローの内側に置く

現時点の制約・注意点

リリース直後のモデルであり、公開情報だけでは埋まらない部分が残っています。導入前に把握しておくべき点をまとめます。

1. max推論モードが一般提供されていない（最重要）

Metaが公表したヘッドライン数値の多くはmaxのものですが、maxは追加の安全性テスト完了後に提供予定とされ、時期は「soon」以上の情報がありません。VentureBeatは「Metaの最良の結果は、開発者が広く使えないモデルから出ている」と指摘し、開発者コミュニティからも「ベンチマークがmaxだけなのは不誠実」との声が上がっています。現在使えるのはxhighであるという前提で見積もりを立ててください。

2. ベンチマーク比較の条件に不整合の指摘がある

1.2との比較の一部が「1.3のmax」対「1.2のxhigh」で行われている可能性が指摘されています。バージョン差と推論ティア差が混ざっているため、公表された伸び幅がそのまま自社環境で再現するとは限りません。

3. クローズドウェイトで、オープンウェイト化は未確定

1.3のウェイトは非公開です。Zuckerberg CEOはオープンウェイト版を「soon」と述べていますが、1.2のときも同じ表現の後に公開されないまま、代わりに30BのMuse Glimmerが公開されました。The Registerなどはより大型モデルのタイミングでの公開可能性を示唆していますが、確定情報ではありません。

4. デバッグ時に推論ループへ詰まる報告がある

複雑な問題のデバッグ時に同じ推論ループから抜けられなくなるケースがユーザーから報告されています（eesel AI）。無人で長時間走らせる運用では、ステップ数やコストの上限を設定しておくのが安全です。

5. セキュリティ面で押さえるべき点

• 敵対的入力・プロンプトインジェクションへの耐性は1.2比で向上（Meta公式）
• 不可逆アクションへの慎重さも向上（Meta公式）
• ただしmaxが安全性テストを理由に保留されている事実は、高推論設定にMeta自身がリスクを認めていることの裏返しでもある
• Contributorティアのデータ主権リスクは、価格差の理由そのものとして常に意識する

AIエージェント全般のリスク設計はAIエージェントのセキュリティ対策ガイドも参考になります。

6. 現時点で未確認の項目

以下は2026年9月4日時点で公式ドキュメント上に確認できませんでした。断定情報として扱わないでください。

• 知識カットオフ日
• 最大出力トークン数
• max推論モードの料金と提供開始時期
• Standard／Contributorそれぞれのレート制限の具体値
• 日本リージョンでの提供状況、日本語性能の第三者評価

また、出力速度は計測主体によって84トークン/秒（OpenRouter計測）と186トークン/秒（Artificial Analysis計測）で大きく乖離しています。単一の数値で速度を断定せず、自社環境での実測を推奨します。

Muse Spark 1.2ユーザーは今すぐ移行すべきか

出典: OpenRouter 公式サイト

コーディング中心の使い方なら移行の価値は高く、探索的なエージェント処理が中心なら実測してからで問題ありません。 判断基準を整理します。

料金が1.2から据え置きである以上、同じ作業が同じ金額以下で終わるならモデルIDを変えるだけで移行できるのが実際のところです。リスクは金額そのものより「想定と違うトークン消費」にあるため、切り替え直後の数日はコストダッシュボードを毎日見ることをおすすめします。

こんな人におすすめ

• エージェント型コーディングを日常的に大量に回している開発チーム — ツール呼び出し削減とレイテンシ低下の恩恵を最も受けやすい
• 100万トークン級の長文脈を扱う人 — 512K〜1MレンジのMRCR 98.1は現時点で明確な優位性
• AI利用コストが月額で無視できない規模になっているチーム — 同水準の知能で単価が一桁違う
• PoC・検証で試行回数を稼ぎたい個人開発者・学習者 — Contributorティアなら1タスク十数円規模
• 画像・動画・PDFを含む入力をそのまま処理させたいケース — ネイティブ・マルチモーダル対応

おすすめしない人

• 絶対的な精度を最優先する用途 — Intelligence IndexではClaude Fable 5.1が上位。品質最優先ならそちらが妥当
• 法務・契約文書のレビューが主目的 — 法務理解で−4ポイント、事実正確性で−3ポイントの後退報告がある
• コードやデータを一切外部に出せない組織 — クローズドウェイトのため、ローカル実行の選択肢がない
• 受託開発で顧客コードを扱う人がContributorティアを検討している場合 — 契約・NDA違反のリスクが現実的にある
• maxのベンチマーク値を前提に稟議を通そうとしている人 — 一般提供されておらず、料金も時期も未公開
• 安定した仕様のもとで長期運用したい組織 — 5か月で4回のバージョンアップという更新速度は、検証コストの負担にもなる

よくある質問

Q. Meta AIアプリやmeta.aiでMuse Spark 1.3は使えますか？
現時点で公式が提供先として明記しているのは、Muse CodeとMeta Model APIの2つのみです。コンシューマー向けアプリへの搭載は公表されていません。

Q. 日本語の性能はどうですか？
公式・第三者ともに、日本語に特化したベンチマーク結果は2026年9月4日時点で確認できていません。100万トークンのコンテキストやマルチモーダル入力は言語に依存しませんが、日本語での指示追従性は自社データで検証してから判断するのが安全です。

Q. 無料で試せますか？
Meta Model APIは従量課金で、無料枠の有無は公式に確認できていません。最も安く試せるのはContributorティア（入力$0.10／出力$0.20）ですが、プロンプトと出力がMetaの製品改善に使われる前提になります。

Q. Muse Spark 1.2は使い続けられますか？
1.2の提供終了に関する公式アナウンスは確認できていません。ただし約4週間でバージョンが上がった実績を踏まえると、旧バージョンへの依存を前提とした長期設計は避けたほうが無難です。

Q. maxモードはいつ使えるようになりますか？
Metaは「安全性テスト完了後」としており、具体的な日付は公表されていません。料金も未公開です。

Q. 他社モデルからの移行はどれくらい手間がかかりますか？
Function callingとStructured Outputsに対応しているため、OpenAI互換の実装からの移植は比較的軽く済みます。OpenRouter経由なら既存のキーのままモデル名の切り替えで比較検証できます。

まとめ

Muse Spark 1.3は、「フロンティア級の一歩手前の性能を、一桁安い単価で使えるモデル」として位置づけるのが正確です。コーディングと長文脈検索では実際にトップクラスの数値を出しており、大量のエージェント処理を回すチームにとっては現実的な選択肢になりました。

一方で、見出しの「ツール呼び出し20%減・トークン25%減」はコーディングタスクでの社内比較値であり、エージェント系ではコストが増えた観測もあります。ヘッドライン数値を予算に直結させず、自社の代表タスクで実測してから判断してください。加えて、maxが一般提供されていないこと、Contributorティアが学習利用と引き換えの価格であることは、稟議の前に必ず押さえておくべき前提です。

次に読むなら、シリーズの全体像はMeta Muse Sparkとは？機能・性能・料金・他モデルとの違い、実際に手を動かす入口はMeta Muse Codeとは？機能・料金・Claude Code/Codexとの違い、比較検討を深めるならClaude Fable 5.1・Mythos 5.1とは？とGPT-5.6とは？Sol・Terra・Lunaの違いが役立ちます。エージェント技術そのものの基礎からたどりたい場合はAIエージェントとは？仕組み・種類・活用事例、生成AI全般の全体像は生成AIとは？仕組み・できること・主要ツールへ。

参考・出典

• Meta AI Research 公式ブログ「Introducing Muse Spark 1.3」
• developer.meta.com Muse Spark モデルページ
• Artificial Analysis「Muse Spark 1.3: Meta reaches the frontier」
• VentureBeat（max未提供とコスト増の指摘）
• MarkTechPost（ベンチマーク・モデルID・料金ティア）
• OpenRouter Muse Spark 1.3
• ITmedia AI＋（日本語ニュース）
• 窓の杜（日本語ニュース）
• Anthropic 公式 Claude 料金
• OpenAI 公式 GPT-5.6 Sol モデルページ