Metaが新モデルMuse Wonderを公開 長文処理と推論に強み
この記事の要点
Metaが新しいフロンティアモデルMuse Wonderを公開した。第三者機関の性能指標は52点で同社の従来機を上回り、扱える文脈は105万トークン、料金は100万トークンあたり約2.94ドル。長文を扱う業務でモデル選びの選択肢が増える。正式な仕様と公開時期は公式で確認したい。
結論
Metaが新しいフロンティアモデルMuse Wonderを公開した。性能を独立に評価する第三者機関の指標では52点を記録し、同社が夏に出したMuse Sparkシリーズの34〜48点を上回った。一度に扱える文脈は約105万トークンと長く、料金は入力と出力をならして100万トークンあたり約2.94ドルとされる。公開時期と正式な仕様は変わりうるため、最新は公式で確認してほしい。
業務にとっての意味は、長い文書や複数の資料をまとめて読ませる作業で、選べる高性能モデルが一つ増えたことにある。対話の質だけでなく、長文を途切れずに処理できるかどうかは、議事録や契約書、調査資料を扱う現場で効く。モデルを固定せず、作業ごとに適したものを選ぶ姿勢が、ここでも有効になる。
Muse Wonderの位置づけ
Muse WonderはMetaの先端研究部門が開発した。報道によれば、標準のMuse Wonderに加えて、より高い能力を狙った上位版も用意され、上位版は同社の開発支援環境に限って使えるとされる。標準版はMetaのモデル向けの接続窓口から利用できる。
性能面では、第三者機関のArtificial Analysisが総合指標で52点を付けた。これは推論、知識、コードなど複数の課題をならした値で、同社の従来機より一段高い。処理速度は毎秒約88トークン、文脈の長さは約105万トークンと集計されている。なお、これらは第三者機関による計測で、Meta自身が示す性能主張とは分けて見る必要がある。公開直後の指標は今後動く可能性がある。
一度に105万トークンを扱えるという点は、長い文書を分割せずに読ませられることを意味する。日本語でおおよそ数十万字に相当し、分厚い資料一式をそのまま入力して質問できる規模になる。
料金と使える場所
第三者機関の集計では、入力と出力をならした料金が100万トークンあたり約2.94ドル、1つの作業を終えるまでの目安が約4.52ドルだった。高性能モデルとしては中位の価格帯で、速度を優先した安価なモデルと、最上位の高価なモデルの間に位置する。実際の費用は入力量と出力量で変わるため、見積もりは自社の典型的な使い方をもとに出すのが確実だ。
利用できる場所は、標準版がMetaのモデル接続窓口、上位版が開発支援環境に限られるとされる。業務で使えるかは提供形態と地域の対応次第のため、導入前に公式の案内を確かめたい。
現場の実務にどう効くか
まず、長文処理の選択肢が増えたことをモデル選定に反映したい。これまで長い資料は分割して入力し、つなぎ目で文脈が切れる問題に悩まされてきた。105万トークン級の文脈を使えば、資料一式を一度に読ませて横断的な質問ができる。どのモデルがどの作業に向くかは主要LLM一覧 2026年版:5社のモデルの特徴と選び方で整理し、作業ごとに使い分けるとよい。
次に、料金と性能の釣り合いだ。高性能モデルは万能に見えても、単純な定型作業に使えば費用がかさむ。性能と価格の軸でモデルを並べ、難しい作業にだけ高性能機を充てる運用が無駄を減らす。選び方の観点はAIツール選びの基準 失敗しない7つの観点が参考になる。小型モデルとの役割分担はSLM vs LLM 比較:コスト・速度・精度を業務目線で整理で確認できる。
モデル競争の速さも押さえておきたい。各社が短い間隔で新モデルを出しており、Mistral Large 4公開 1兆パラメータで低価格のように価格と性能の基準は動き続ける。特定モデルに固定せず、定期的に選択肢を見直す前提で仕組みを作っておくと、乗り換えの負担を抑えられる。
具体的なイメージ
四半期ごとに数百ページの市場調査資料を読み込み、要点をまとめる業務を考える。従来は資料を章ごとに分けてAIに入力し、章をまたいだ比較は人が手でつないでいた。105万トークンの文脈があれば、資料全体を一度に読ませ、章を横断した傾向や矛盾点をそのまま尋ねられる。
ただし、長文を一度に入れるほど入力トークンが増え、費用も上がる。全文を毎回入れるのか、関連部分だけを渡すのかを作業ごとに決めることが、精度と費用の両立につながる。長い文脈を扱うモデルが増えたからこそ、何をどこまで入力するかの設計が成果を分ける。
日本語の業務で使えるかの確認点
新しいモデルを業務に入れる前に、日本語での品質を自分の資料で確かめたい。英語の指標で高得点でも、日本語の敬語や社内用語、業界特有の言い回しで同じ精度が出るとは限らない。自社の実際の文書を10件ほど使い、要約や分類をさせて出力を人が点検する小さな試行から始めると、過大評価も過小評価も避けられる。
長い文脈を扱えるモデルほど、入力に含める情報の取捨選択が成果を左右する。資料全体を入れるか、関連箇所だけを渡すかで、精度も費用も変わる。社内の典型的な作業を数パターン決め、それぞれで入力の範囲と費用の目安を記録しておけば、部署をまたいで使うときの基準になる。モデルを乗り換える際も、この基準があれば比較が速い。
まとめ
Muse Wonderは、長文処理に強い高性能モデルの選択肢をもう一つ増やした。モデルは固定せず、作業の難しさと長さに応じて選び、入力の量を設計して費用を抑える。この運用を続けることが、速いモデル競争の中で成果を安定させる近道になる。
出典
よくある質問
Muse WonderはMetaの従来モデルと何が違いますか。
第三者機関の性能指標で52点と、従来のMuse Sparkシリーズの34〜48点を上回りました。約105万トークンの長い文脈を扱え、推論やコード生成などの難しい作業を想定しています。正式な仕様は公式で確認してください。
業務で使うといくらかかりますか。
第三者機関の集計では、入力と出力をならした料金が100万トークンあたり約2.94ドル、1タスクあたりの目安が約4.52ドルです。処理速度は毎秒約88トークンでした。実際の費用は使い方で変わるため、最新の料金は公式で確認してください。