Metaがターミナル常駐のMuse Codeを公開。入力単価はデータ提供で約12分の1

Muse Code は Meta が2026年8月5日に公開したターミナル型のコーディングエージェントで、共同学習した Muse Spark 1.2 を搭載しています。

📖 この記事で分かること

• Muse Code の対応OSと導入方法
• Muse Spark 1.2 の実行アーキテクチャ
• 従量課金とコントリビューター階層の差
• ベンチマークの公表形式と読み方の注意

💡 知っておきたい用語

• コンテキストウィンドウ: AI が一度に読み書きできる分量の上限。作業机の広さに近い
• コントリビューター階層: 入力データをモデル改善に使わせる代わりに単価が下がる契約区分

最終更新日: 2026年8月6日

▶ 公式ページ

• Introducing Muse Code and Muse Spark 1.2(Meta AI Research)
• Meta 開発者ポータル(Meta)

Metaが公開した「Muse Code」の概要

この記事のポイント

• Meta が2026年8月5日、ターミナル型コーディングエージェント Muse Code(ベータ)を公開しました。
• 対応は macOS と Linux、モデルは共同学習した Muse Spark 1.2、文脈長は100万トークンです(2026年8月時点)。
• 従量単価は据え置きのまま、データ提供を条件に入力が約12分の1になる階層が新設されました(2026年8月時点)。

Meta AI Research は2026年8月5日、ターミナル上で動くコーディングエージェント「Muse Code」(2026年8月時点)をベータ公開しました。大規模なリポジトリをまたいで、変更の計画・コードの記述・結果の検証までを担う設計です。対応 OS は macOS と Linux で、導入は curl -fsSL https://dev.meta.ai/install.sh | bash の1行から始まります。

同時に公開された Muse Spark 1.2(2026年8月時点)は、Muse Code と共同学習(co-trained)されたコーディング特化モデルです。汎用モデルを後からコーディングに転用したものではない、というのが Meta の説明で、1.1 からの更新点にはコード生成、複雑なデバッグ、コードベースの理解、開発ワークフローが挙げられています。Meta は2026年7月9日にMuse Spark 1.1 を有料 API として公開しており、約1か月での続報になります。

100万トークンと、セッション中ずっと残るサブエージェント

Muse Code の設計上の特徴は、長時間の作業を1セッションで完走させることに寄っています。

コンテキストウィンドウは100万トークン(2026年8月時点)です。実行方式はシンプルなエージェントループに非同期のバックグラウンドエージェントを組み合わせたもので、後者はタスクごとに起動と終了を繰り返すのではなく、セッション中は常駐し続けます。

もう一つが記録の持ち方です。Muse Code はモデル呼び出し、ツール実行、承認、編集をすべてローカルのイベントログに追記していきます。この単一の正本があることで、実行を同じ順序で再現でき(replay-exact)、クラッシュ後も途中から再開できる(restart-safe)と説明されています。公式ブログでは、NVIDIA Hopper 向け GPU カーネルの最適化で、最長24時間に及ぶ実行の中で1,000回を超えるツール呼び出しを行った事例が紹介されています。

料金の本体は値下げではなく、データとの交換レート

Muse Spark 1.2 の価格は100万トークンあたり、従量階層で入力 1.25 ドル、キャッシュ入力 0.15 ドル、出力 4.25 ドルです(2026年8月時点)。

これに対してコントリビューター階層は、入力 0.10 ドル、キャッシュ入力 0.002 ドル、出力 0.20 ドルまで下がります(2026年8月時点)。条件は、そのデータを Meta がモデル改善に利用することへのオプトインです。入力で約12分の1、出力で約21分の1という開きになります。

注目したいのは、従量側の入力 1.25 ドル / 出力 4.25 ドルが、7月に公開された Muse Spark 1.1 と同じ水準だという点です。つまり今回の発表で新しいのは値下げそのものではなく、「データを渡すと単価がここまで下がる」という交換レートが価格表として明示されたことです。Muse Spark 1.2 は Muse Code と Meta Model API で当日から利用可能とされ、グローバルアクセスを拡大したと説明されています。対象国の詳細な列挙は公式にはありません。

ベンチマークはグラフ画像での提示にとどまる

性能面については、公表のされ方に注意が必要です。

Meta は Terminal-Bench 2.1、DeepSWE 1.1、自社の Meta Internal Coding Bench、GDPval の結果を掲載していますが、いずれもグラフ画像での提示にとどまり、スコアの数値そのものは本文テキストに明記されていません(2026年8月6日時点)。読み取れるのは評価の枠組みまでで、Terminal-Bench 2.1 は全89タスクを5回試行の pass@1 で、DeepSWE v1.1 は91リポジトリ・5言語にまたがる113タスクで評価する構成です。

数値はいずれもベンダー自己申告であり、第三者による再現結果ではありません。また、launch post にはダウンロード可能な重みへの言及がなく、ホスト型サービスへの依存として扱うのが妥当です。Llama 系で取ってきたオープンウェイトの路線とは、この点で性格が異なります。

編集部の見方

編集部は、今回の発表で実務判断を左右するのはエージェントの機能差ではなく、コントリビューター階層を選べるかどうかだと見ています。

• 根拠1: 従量価格が 1.1 と同水準に据え置かれた一方、入力で約12分の1、出力で約21分の1という階層が新設されました(2026年8月時点)。差額の大きさがそのまま「何を渡すか」の価格になっています。
• 根拠2: 対価はデータのオプトインです。業務コードや顧客リポジトリを扱う場合、この選択は技術評価ではなく契約と機密管理の問題になり、判断する部署が変わります。
• 根拠3: 重みは公開されておらず、ベンチマークも数値非開示のグラフ提示です。導入前に自社タスクで実測する前提を置くべき状況です。

この見方が変わる条件は、コントリビューター階層の適用範囲やデータ保持期間が公式に細かく規定された場合です。学習利用の線引きが明文化されれば、いまは契約判断に寄っている論点が、通常の技術選定に戻ります。

よくある質問

Q: Muse Code は Windows でも使えますか?

A: 公式に案内されている対応 OS は macOS と Linux です(2026年8月時点)。Windows への対応は発表されていません。

Q: コントリビューター階層を選ぶと、コードは学習に使われますか?

A: 単価が下がる条件が、そのデータを Meta がモデル改善に利用することへのオプトインです。利用範囲や保持期間の詳細は公式に明示されていません。

Q: Muse Spark 1.2 の重みは公開されていますか?

A: launch post にダウンロード可能な重みへの言及はありません。ホスト型サービスとして利用する前提になります。

まとめ

Meta は2026年8月5日、ターミナル型コーディングエージェント Muse Code と、共同学習した Muse Spark 1.2 を公開しました。100万トークンの文脈長、常駐する非同期サブエージェント、実行を再現可能にするローカルイベントログが設計の柱です。価格面では従量単価を据え置いたまま、データ提供と引き換えに入力で約12分の1になる階層が新設され、コスト差の対価が価格表として明示されました。ベンチマークは数値非開示のグラフ提示にとどまるため、導入判断は自社タスクでの実測に依存します。

【用語解説】

• エージェントループ: AI が「考える→ツールを実行する→結果を見る」を繰り返す基本動作。人が手順を逐一指示しなくても作業が進む仕組み
• pass@1: 複数回試したうち1回で正解できた割合を測る評価方法。一発で通せるかを見る指標
• オプトイン: 利用者が自分の意思で参加を申し出る方式。既定では対象外で、選んだ場合だけ適用される

引用元:

• [1] Introducing Muse Code and Muse Spark 1.2(Meta AI Research)
• [2] Meta 開発者ポータル(Meta)
• [3] Meta Ships Muse Code Coding Agent With Co-Trained Muse Spark 1.2 Model(Unite.AI)
• [4] Meta Superintelligence Labs Releases Muse Code(MarkTechPost)

この記事について: AI 支援で執筆、編集部が事実確認・編集しています。誤りや追加情報があれば Contact よりお知らせください。