Meta、「Muse Spark 1.3」公開 コーディングとエージェント性能を強化 「最大の飛躍」とザッカーバーグCEO

Metaが9月2日、AIモデル「Muse Spark 1.3」を発表した。エージェント機能とコーディング性能を強化したのが特徴。ベンチマーク「DeepSWE v1.1」でスコア75.4を記録し、Anthropicの「Claude Opus 5」（74.0）やOpenAIの「GPT-5.6 Sol」（73.0）を上回った。ザッカーバーグCEOは「コーディングとエージェント的な作業において、最大の飛躍」とコメント。長文脈読解（1Mトークン区間）でも98.1と高スコアを示し、ツール呼び出しが従来モデル比で約20%削減、トークン消費も約25%削減されたという。 注意深く見ると、ザッカーバーグの言葉は何を意味しているのか。「最大の飛躍」とは、スコアが伸びたのではなく「実務での無駄が減った」ことを指している。ツール呼び出しが20%減、トークン消費が25%減——つまりモデルが「要らない行き来」を減らし、曖昧な指示に対しては質問で返し、つまずいたら捏造しない。これらはベンチマークスコアには映らない。ここが横並び比較表の怖いところだ。DeepSWEというコーディングベンチマークで1.4点上がるより、「エラー後の不毛なやり取りが3回減る」ことの実務価値の方が大きい。また、ツール呼び出しが減るというのは、モデルが「自分で考える」ようになったという意味でもある。これは長期的には、ユーザーの指示待ちエージェントから、自律的に判断するエージェントへの移行を示唆している。 新モデルは「高速」「正確」ではなく「つまずかない」ことが売り。中小企業がAIを実運用するなら、精度の1-2%向上より「ハルシネーション後の戻り作業が減る」ことの方が金になる。次のプロジェクトで新モデルを試すなら、スコア表ではなく「一連の仕事がノーリセットで完了したか」という実績で判定すべき。