Meta Muse Spark 1.1、1M token agent APIで開発者向けに前進

1M token contextとpublic preview APIが、Muse Spark 1.1を単なるMeta AIの更新ではないものにしている。Metaは2026年7月9日、Muse Spark 1.1をMeta AIアプリとmeta.aiのThinking modeに入れると同時に、新しいMeta Model APIから開発者にも開いた。狙いは、coding、computer use、multimodal reasoningを一つのagent基盤として提供することだ。

Metaの説明では、Muse Spark 1.1は外部アプリ、native tool、MCP server、custom skillを使うagentic taskに向けたモデルである。main agentとしては文脈を集め、計画を立て、並列subagentに実行を配る。subagentとしては割り当てられた仕事を進め、必要なときにmain agentへ戻す。1M token context windowは、長い作業の途中で重要な状態が消える問題への答えとして置かれている。過去の行動を覚え、以前の情報を取り出し、後の工程に必要な手順を残すcompactionも強調された。

coding領域では、大規模codebase上のcomplex bug診断、feature実装、大規模migration、web application生成、end-to-end QAでMuse Sparkから大きく改善したとMetaは述べる。社内のcoding evaluationではleading alternativesと競争できる水準だという。公開leaderboardだけで勝負するより、planning mode、goal conditioning、subagent delegation、context compactionを備えた実運用のagent harnessに合わせている点が重要だ。

今回のリリースで見逃せないのは、112ページのEvaluation Reportである。報告書は、mitigation適用前のMuse Spark 1.1について、Chemical & BiologicalとCybersecurityの領域でAdvanced AI Scaling Framework上のhigh risk thresholdに達する可能性を排除できないと書いた。そのうえで、実際のdeploymentではmulti-layer mitigationによりresidual riskをmoderate or lowerへ下げたと説明している。Cybersecurity scorecardにはCybench pass@1 92.9、Curated CTFs pass@1 89.9、CyberGym pass@1 59.0などが並ぶ。

この構成は、frontier model競争の評価軸が変わったことを示す。長いcontext、tool calling、subagent orchestration、prompt injection耐性、misuse monitoring、安全評価が同じ製品面に入る。MetaはMuse Spark 1.1で、consumer app内のモデル改善だけでなく、developer-facing APIを伴うagent platform競争に踏み込んだ。

次に見るべきなのは、public previewのlatency、価格、rate limit、independent coding benchmark、そして安全mitigationが実際のagent利用でどこまで保つかである。そこが確認できれば、Muse Spark 1.1はMetaのagent戦略を測る重要な基準点になる。