Muse SparkからMuse Wonderへ？料金・使い方とFullの利用条件

Muse Wonderとは？何ができるモデルですか？

Meta Superintelligence Labsは、2026年10月12日にMuse WonderとMuse Wonder Fullを公開しました。計画を立て、ツールを使い、途中の失敗から立て直しながら長いタスクを進める場面に、より高性能な選択肢が加わりました。エージェントとは、モデルの周囲で動くソフトウェアのことで、チャットで回答を返すだけでなく、こうした行動を実行できるようにします。公開日と両モデルの位置づけは、Metaの発表で確認できます。

実務での変化は、ワークフローに組み込むモデルの選択肢が増えたことです。開発者なら、複数のパッケージにまたがるリファクタリングでWonderを評価できます。業務担当者なら、大量の資料を読み、複数のツールを使って答えを導く調査が候補になります。新モデルが出たというだけで、安価で問題なく動いている分類処理まで置き換える必要はありません。

Metaは開発者向けの発表で、計画立案、ツールの並列実行、エラーからの復旧を説明しています。ただし、これらの能力に価値があるかどうかは、成果物がこちらの検証を通るかで決まります。長時間動いても、間違ったタスクを完了してしまえばレビューの負担は残ります。

Muse WonderとWonder Fullの違いは？利用できる経路を比較

WonderはAPIで使えるモデルです。より高性能なWonder Fullは、対象のMuse Codeサブスクリプションでのみ利用できます。 Metaのモデルページでは、両方ともコンテキストは1Mとされています。コンテキストはモデルがまとめて参照できる情報の範囲です。その量は、テキストやその他の入力を符号化した小さな単位であるトークンで測ります。

利用条件の根拠は、Metaのモデル提供状況のドキュメントです。同ページには、Wonderの推論量をmaxに設定してもWonder Fullには切り替わらないと明記されています。推論量の設定は、選択中のモデルがどれだけ考えるかを変えるものです。利用権限のあるモデルが変わるわけではありません。

Wonder Fullの料金はいくらですか？

MetaのWonderのモデルページでは、Muse CodeのPower Usageは月額$50.00、Maximum Usageは月額$200.00です。どちらもFullを利用できます。これはMuse Codeの料金で、別製品のMuseアプリの料金ではありません。

含まれる利用枠で足りるなら、Fullの評価にはPower Usageを選べます。Maximum Usageを検討する理由は、より大きな利用枠が必要な場合です。Fullを使うために最上位プランが必須というわけではありません。Metaによれば、利用枠はそれぞれEveryday Usageの20倍と80倍です。いずれも無制限ではありません。

また、サブスクリプションであらゆるAPI利用料をまかなえるわけではありません。サブスクリプションのドキュメントでは、その認証情報はMuse Code専用で、別途作成したAPIキーの利用は個別に課金されると説明されています。特典や提供状況は地域によって異なる場合があります。

Museアプリでも、もうWonderを使えますか？

Metaの発表は、「近日中に」、まずはサブスクリプション利用者から提供するという表現にとどまっています。Museアプリでの提供開始日や、Wonder Fullの利用権限を確約したものではありません。現時点で利用経路が明示されているのはAPIとMuse Codeです。Metaの発表に沿って、アプリでの提供は開始待ちとして扱うべきです。

Muse WonderのAPI料金：タスクごとの費用を見積もる

予算は、繰り返しの呼び出しも含め、タスク全体で実際に消費するトークン数から見積もります。 1Mのコンテキストウィンドウは扱える情報量の上限であり、定額のリクエスト枠や月間利用枠ではありません。

以下の米ドル建て料金は、2026年10月13日にMetaの公開中のモデルページと料金ページで確認したものです。いずれもStandardモードでの100万トークンあたりの料金です。

キャッシュ済みの入力とは、プロンプトの内容を再利用し、割安な料金の適用条件を満たした部分です。Metaの料金ドキュメントによれば、長いコンテキストへの割増料金はありません。ウェブ検索には、トークン料金とは別に1,000クエリあたり$2.50がかかります。WonderのAPIはStandardモードのみで、ContributorモードによるAPI料金の割引はありません。

開発・業務タスクの費用を具体的に計算する

あるタスクの呼び出し全体で、キャッシュなしの入力200,000トークンと、課金対象の出力20,000トークンを消費すると仮定します。これは計算用の例であり、モデルを実行して測定した値ではありません。検索など、トークン以外の費用を除き、両モデルの使用量を同じにそろえます。

• Spark 1.2： タスクあたり(0.2 × $1.25) + (0.02 × $4.25) = $0.335。
• Wonder： タスクあたり(0.2 × $4.00) + (0.02 × $20.00) = $1.20。
• 差額： タスクあたり$0.865で、トークン費用は約3.58倍です。

1,000タスクなら、Sparkは$335、Wonderは$1,200となり、差額は$865です。起業家が最も難しい10%だけをWonderに回し、残りの90%をSparkで処理すれば、同じ使用量の想定で総額は**$421.50**になります。この振り分け例は、タスクを難易度で分けられることを前提としています。どちらかのモデルが実際に成功することを示したものではありません。

実際のトークン数はモデルによって変わる場合があります。まずは同じ使用量での計算を試験導入の計画に使い、その後、自分のタスクで発生した課金対象の使用量とレビュー時間に置き換えてください。

Muse Spark 1.2を使い続けるべきなのはどんな場合ですか？

そのタスクでWonderの効果が確認できていなければ、検証済みのSparkのワークフローを維持しましょう。 Muse Spark 1.2はすでに1Mのコンテキストを備え、モデルページでもコーディングとツール利用に対応するモデルと位置づけられています。コンテキストウィンドウが大きいというだけでは、乗り換える理由になりません。

届いた依頼の分類、項目の抽出、定型的なダイジェストの作成を担う経験豊富な業務担当者にとって、確認すべきなのは出力が合格基準を満たすかどうかです。個人開発者が範囲の限られたバグを修正するなら、パッチとテストが正しいかが判断基準になります。Sparkですでにその水準を満たしているなら、単価の高いWonderを使うには具体的な理由が必要です。

ただし、バージョンの違いには注意が必要です。Metaは現在、Sparkを新たに使う場合にはMuse Spark 1.3を推奨しています。1.2も引き続き利用できます。モデルのドキュメントでは、1.3の音声対応が未完成であることも示されており、音声を使う場合は1.2が案内されています。Sparkシリーズを使い続ける判断と、検証済みの1.2をあえて運用し続ける判断は、分けて考えましょう。

試すべき人、待つべき人、現状を維持すべき人は？

ファイルやツールをまたぐ作業、あるいは途中の失敗への対処でタスクが何度も行き詰まるなら、開発者はWonderを試す価値があります。作業範囲と合格基準を固定すれば、モデルの変更が役立ったかを見極められます。FullをMuse Codeで評価するのは、難しいコーディング作業に対してサブスクリプションの費用が見合う場合です。

業務担当者は、安価に処理できる作業をSparkに残し、範囲を絞った難しい案件でWonderを試すのがよいでしょう。たとえば、複数の資料を突き合わせ、根拠つきの回答にまとめる必要があるケースです。同じ仕事を人に頼むときと同じように、根拠の提示を求めてください。

購買担当者やCTOは、導入の判断とモデルの性能順位を切り分ける必要があります。 API連携が必要な製品では、現時点でFullをAPI経由で利用できません。Museアプリ内でWonderを使いたい業務担当者は、そこでの提供が確認されるまで待つべきです。別製品であるMuse Codeのプランを買っても、その目的は満たせません。

Active MemoryとActive Focus：Metaは何をうたっていますか？

Metaがうたうのは、プロンプトを大きくすることだけではなく、必要な情報を思い出し、作業を継続する能力です。 指示を覚えていることと、最後までその指示に沿って実行できることでは、失敗の原因が異なります。この区別が大切です。

Metaの説明では、Active Memoryは会話をまたいで有用なコンテキストを引き継ぎ、現在のタスクに必要な情報を取り出します。Active Focusは難しい目標に粘り強く取り組み、別の方法を試し、障害に対処しながら、重要な操作の前に不明点の確認やチェックを求める能力とされています。これらはMetaが説明するモデルの振る舞いであり、本記事で独立に検証した保証ではありません。

業務担当者が記憶の働きを試すなら、新しい注文を確認する際、以前伝えた納品条件をエージェントが思い出せるかを見るとよいでしょう。作業を継続する力を試すなら、情報の照会に失敗しても、その条件を維持したまま立て直せるかを確認します。前者は想起、後者は最後まで実行する力の検証です。仕上がりのよい最終回答だけでは、どちらも証明できません。

独自のシステムに組み込む場合は、過去の情報をどこに保存し、どうモデルに渡すかを決めておく必要があります。APIのモデルIDを変えただけで、永続的な記憶システムができると考えてはいけません。たとえばMuse Codeには、適用範囲を分けたMarkdown形式のメモリがドキュメント化されています。記憶には、モデルを取り巻く製品側の仕組みも関わります。

Muse Wonderの使い方：Muse CodeとAPIで試す

リポジトリでの作業ならMuse Codeを使い、自分で管理するアプリケーションに組み込むならAPIを使います。 最初の試行では検証したい点を絞り、自分で確かめられる結果を得ることを目指しましょう。

Muse Codeで使い始める

Muse Codeは、ターミナルで動くMetaのコーディングエージェントです。macOSまたはLinuxで、公式クイックスタートに沿って導入します。

curl -fsSL https://dev.meta.ai/install.sh | sh
muse

作業対象のリポジトリから起動してください。初回起動時にはブラウザーでサインインするか、APIキーを使います。/modelsを開いてWonderを選択します。Fullを選べるのは、契約中のサブスクリプションに含まれる場合だけです。

最初は、たとえば「失敗しているページネーションのテストの原因を調べ、最小限の修正案と、該当するテストの実行結果を示してください」のように、範囲を限定した目標を与えます。変更を受け入れる前に、差分と裏付けを確認してください。インストールから計画、レビューまでの詳しい流れは、Muse Codeの使い方ガイドで解説しています。

APIを直接呼び出す

Meta Model APIのダッシュボードでAPI keys → Create API keyの順に進んでAPIキーを作成し、シェルのMODEL_API_KEYに設定します。この変数を設定したうえで、MetaのドキュメントにあるResponsesリクエストのモデルIDをWonderに変更すると、次のようになります。

curl -sS https://api.meta.ai/v1/responses \
  -H "Authorization: Bearer $MODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-wonder-1.0",
    "input": "Plan a contained fix for a pagination bug. List the evidence needed to verify it."
  }'

返ってくるのは修正の計画であり、リポジトリ自体が編集されるわけではありません。このリクエストには、リポジトリもツールも渡していないためです。Metaによれば、WonderとSparkは同じエンドポイントで同じ形式のリクエストを受け付けます。そのため、既存のSpark連携を出発点にすると評価を始めやすくなります。

過大評価を避けるために：使えることと、自律的に完遂できることは別

購入時に最も大きな問題を招くのは、利用条件を誤解したまま契約することです。 次の違いを確認して判断してください。

• Fullは別のモデルです。 推論量をmaxにしたWonderも、あくまでWonderです。$4/$20のAPI料金でFullを使えるわけではありません。
• 1Mのコンテキストは、必要な情報を確実に思い出せる保証ではありません。 容量の大きさだけでは、モデルが必要な事実を見つけ、タスクの最後までそれを守れたとは言えません。
• サブスクリプションは、無制限のAPIクレジットではありません。 Muse Codeの課金と、別途作成したAPIキーの課金は別に計算されます。
• 今回はホスト型での提供です。 本記事で参照した発表と利用条件のドキュメントには、セルフホスト用にダウンロードできるWonderの重みは用意されていません。

設定時にも確認すべき点があります。Muse Codeのサブスクリプションは、初期設定でContributorモードになっています。このモードでは利用枠が増える代わりに、提供したコンテンツをMetaがモデルの学習に使用できるようになります。業務に適さない場合は、設定で無効にしてください。一方、WonderのAPIのStandardモードでは、Metaはコンテンツをモデルの学習に使用しないと説明しています。自分が実際に使う製品やモードの条件を確認しましょう。

モデル同士の比較は、Muse WonderとClaude Opus 5.5の比較を参照してください。以前のSpark世代の背景を知るには、Muse Spark 1.1のレビューが参考になります。現在の予算を計算する際は、本記事の上の料金表を使ってください。

よくある質問

まずは手元のタスクで比較する

既存のワークフローから、範囲を限定できる10個のタスクを選んでください。入力と合格基準をそろえ、現在のSpark環境とWonderを比較します。採用できた成果物、課金対象の総使用量、レビュー担当者の作業時間を記録しましょう。Sparkで十分にこなせる作業はそのまま残し、実測した改善効果が追加費用に見合う部分にWonderを導入します。Fullを別途評価するのは、その作業をMuse Codeで行うのが適切な場合だけです。

AIモデルの選び方や運用コストを実践的に学びたい方は、ニュースレターにご登録ください。