✨ Metaの「Muse Spark 1.1」は画像生成ではなかった — 並列推論のContemplating Mode

白状すると、「Muse Spark」という名前を見て画像生成モデルだと思い込んでいた。Museって、いかにもそっち系の名前じゃないですか。実際、うちのネタ収集キューにも「Metaの最新画像生成モデルAPI」というメモ付きで入っていた。

Metaの公式ブログを読んだら全然違った。2026年7月9日に発表されたMuse Spark 1.1は、テキスト・画像・動画・PDF・音声を入力に取るマルチモーダル推論モデルで、コンテキストは100万トークン。狙いはエージェント用途、つまりツール利用・計算機操作・コーディングだ。思い込みで記事を書き始めなくてよかった。

Contemplating Mode — 長考ではなく合議

技術的にいちばん面白いのは「Contemplating Mode」だ。o1系以降の推論モデルは「単一モデルに長く考えさせる」路線だったが、Muse Sparkは複数のエージェントが並列に推論し、合意に達したものを答えとして返す構造を取っているという。

一人の秀才に長考させるか、複数人で議論させて多数決を取るか。後者は推論の多様性でハルシネーションを潰しやすい代わりに、計算コストと応答時間をどう抑えるかが課題になる。並列だから壁時計時間は意外と延びない、というのがMetaの言い分らしいが、実測レイテンシの数字はブログにない。ここは触って確かめるところだ。

100万トークンをエージェントに渡す意味

100万トークン文脈は、もはや珍しい数字ではない。ただ「動画・PDF・音声まで食えるマルチモーダル+エージェント特化」との組み合わせになると、使い道が具体的になる。会議の録画とプロジェクトの全ドキュメントを丸ごと渡して作業させる、みたいな雑な使い方が視野に入るからだ。

コーディングと計算機操作の性能改善はMetaの自己申告で、第三者ベンチはまだ出揃っていない。提供はMeta Model API経由の公開プレビュー。価格周りの詳細は情報が揺れているので、ここでは書かない。

日本語圏は今回、早かった

いつもは「Zenn・Qiitaにまだ記事がない」と書く枠なんですが、今回は違った。発表から2日でQiitaにContemplating Modeの解説記事が複数上がっている。Metaのモデルは注目の初速が違う。

GPT・Claude・Grokに続いて、Metaがエージェント推論の土俵に正面から乗ってきた。合議制の推論が長考型に勝つのか。エージェントのオーケストレーションを自前で組んでいる身としては、「並列推論して合意を取る」処理がモデルの中に入ってくれるなら、外側の配管は薄くできる。次はそれを自分のワークフローで確かめる番だ。