Meta Muse Spark入門｜料金・使い方・始め方2026
目次
Llama 4を出して10日後、Metaが次に発表したのはオープンソースモデルではなかった。2026年4月8日にリリースされたMuse Sparkは、Meta初のクローズドソースAIモデルだ。開発元はMeta Superintelligence Labs（MSL）。Llama路線で「オープンAI」の旗手を自認してきたMetaが、なぜ方針を転換したのか。
筆者がmeta.aiで実際に触れてみると、最大の特徴はContemplatingモードにあった。最大16のエージェントが並列で推論するこの仕組みは、OpenAIやGoogleの「長く考える」アプローチとは根本的に異なる。「広く考える」設計思想だ。
料金、始め方、Contemplatingモードの実力。そしてGPT-5.4やClaude、Geminiとの性能差、同じMetaのLlama 4とどう使い分けるか。ここまで踏み込んで整理した。
Metaが「オープン」を捨てた日 — Muse Sparkの立ち位置
Meta Superintelligence Labsとは
Meta Muse Sparkを開発したのは、Meta社内に新設されたMeta Superintelligence Labs（MSL）だ。Alexandr Wang氏を迎え入れる140億ドル規模の投資を経て立ち上がった研究組織で、従来のFAIR（Facebook AI Research）とは独立して動いている。
MSLのミッションは「パーソナルスーパーインテリジェンス」の実現。個人に最適化されたAIアシスタントを30億人のMetaユーザーに届けるという構想で、そのための第一弾がMuse Sparkになる。
なぜクローズドソースなのか
Meta公式ブログでは「Muse Sparkの推論アーキテクチャはサイバーセキュリティリスクが大きい」と説明している。Llama 4は引き続きオープンソースで提供される。オープン戦略の放棄ではなく、モデルのリスクレベルに応じた使い分けという位置づけだ。
Llama 4とのすみ分け
ここが混乱しやすいポイントなので整理する。Metaは現在、2つのAIモデルラインを並行して走らせている。
| 項目 | Llama 4 | Muse Spark |
|---|---|---|
| ライセンス | オープンウェイト | プロプライエタリ |
| 開発元 | FAIR | MSL |
| コンテキスト長 | 最大10Mトークン（Scout） | 非公開 |
| 自前ホスティング | 可能 | 不可 |
| 想定ユーザー | 開発者・研究者 | 一般ユーザー・企業 |
Llama 4はセルフホスティングやカスタマイズが前提の開発者向け。Muse SparkはMetaのプラットフォーム上で「すぐ使える」消費者向け。競合でいえば、Llama 4はGemmaやDeepSeekと、Muse SparkはChatGPTやClaudeと競合する。
料金とアクセス方法 — 無料の範囲とAPI
無料で使える範囲
結論から言うと、Meta Muse Sparkは無料で使える。Meta AIアプリ、meta.aiのWebサイト、Facebook、Instagram、WhatsAppの各プラットフォームから追加料金なしでアクセスできる。
ChatGPT Plusが月額20ドル、Claude Proが月額20ドルかかることを考えると、フロンティアモデルの無料提供は異例だ。Metaの狙いは広告収益モデルとの統合にある。Muse Sparkを通じた商品推薦やショッピング体験がInstagram・Facebook上の広告収益を押し上げる構造だ。
無料の代償
Metaプラットフォーム上での利用データは広告ターゲティングに活用される可能性がある。機密性の高い業務にはChatGPT PlusやClaude Proのほうが適している場面もある。
API料金（プライベートプレビュー段階）
2026年4月時点で、Muse SparkのAPIは招待制のプライベートプレビューにとどまる。公開APIと正式な料金体系は未発表だ。
参考として、競合モデルのAPI料金を整理する。
| モデル | 入力（/1Mトークン） | 出力（/1Mトークン） |
|---|---|---|
| Muse Spark | 未発表 | 未発表 |
| GPT-5.4 | $2.50 | $20.00 |
| Claude Opus 4.6 | $5.00 | $25.00 |
| Gemini 3.1 Pro | $2.00 | $12.00 |
| DeepSeek V3.2 | $0.14 | $0.28 |
Metaが過去にLlama系モデルを無料APIとして提供した実績を考えると、Muse SparkのAPI料金も競合より攻めた価格設定になる可能性は高い。ただし、招待制が解除される時期は不透明なので、API前提のプロダクト設計は時期尚早だ。
Meta Muse Sparkの始め方
Meta Muse Sparkのセットアップは拍子抜けするほど簡単だ。Metaアカウントさえあれば5分もかからない。
Meta AIアプリで始める手順
App StoreまたはGoogle Playから「Meta AI」アプリをインストール
Facebook、Instagram、またはMetaアカウントでログイン
チャット画面でそのまま会話を開始。Muse Sparkがデフォルトモデルとして動く
アプリ版は画像生成やカメラ連携といったマルチモーダル機能をフルに使える。InstagramやWhatsAppのDM内からもMeta AIを呼び出せるが、その場合は機能がやや制限される。
ブラウザ（meta.ai）で使う
PCからはmeta.aiにアクセスするだけでよい。アカウント登録後、即座にMuse Sparkとの対話が始まる。
# Contemplatingモードを起動する場合のプロンプト例
「Contemplatingモードで分析してください:
2026年の日本のAI市場規模と成長率について、
複数のソースから情報を収集して比較分析してほしい」
# または英語のトリガーフレーズ
"Think this through carefully: ..."
"Use Contemplating mode: ..."
ブラウザ版でもContemplatingモードは使える。ただし画像生成の解像度やリアルタイムカメラ連携はアプリ版のほうが優秀だった。
3つのモード — Instant・Thinking・Contemplating
Meta Muse Sparkの最大の差別化ポイントはモード切替にある。単一モデルが「考え方」を変える仕組みで、用途に応じて推論の深さと幅を調整できる。
Instantモード — 即答が欲しいとき
天気・翻訳・コマンドの確認。それだけならInstant一択。体感1秒未満で返ってくる。
Thinkingモード — 分析タスク向け
OpenAIのo3やGeminiのThinkingモードに相当する。内部で推論チェーンを構築してから回答するため、数学の問題やロジックパズル、コード生成の精度が上がる。レイテンシは数秒〜十数秒。
検証してみると、Thinkingモードの回答品質はClaude Opus 4.6のextended thinkingに近い水準だった。ただしコーディングに限ってはGPT-5.4やClaudeに一歩譲る場面が多い。
Contemplatingモード — 最大16エージェントの並列推論
ここがMeta Muse Sparkの真骨頂。「長く考える」のではなく「広く考える」。最大16の推論エージェントが並列に起動し、異なる角度から問題に取り組む。各エージェントの出力を統合して最終回答を生成する仕組みだ。
従来のアプローチ（GPT Pro / Deep Think）
1つのモデルが長時間推論する → レイテンシが数十秒〜数分に膨らむ
Muse SparkのContemplating
複数エージェントが並列で推論 → 同等の品質をより低いレイテンシで実現
Contemplatingモードが効くのは、複数の解法が存在する問題だ。科学的な仮説検証、法律文書の解釈、多角的なリサーチなど。逆に「東京の天気を教えて」のような単純な質問にContemplatingを使うのはリソースの無駄になる。
# Contemplatingモードの起動方法（3パターン）
1. UI上の「Contemplating」トグルをONにする
2. プロンプトに「Contemplatingモードで」と明記する
3. 英語で "Think this through carefully" と書く
# 効果的な使い方の例
「Contemplatingモードで分析してください:
- AWSとGCPとAzureのAI関連サービスを比較
- 料金、GPU可用性、日本リージョンの対応状況を含めて
- スタートアップが選ぶべき理由を論じてください」
このマルチエージェント方式のもう一つの利点はトークン効率だ。Intelligence Index評価で、Muse Sparkが消費した出力トークンは5800万。Claude Opus 4.6の1億5700万、GPT-5.4の1億2000万と比較すると、半分以下のトークンで同水準のスコアを出している。
Meta Muse Sparkのベンチマーク
Intelligence Index全体像
Artificial Analysisが公表しているIntelligence Index v4.0で、Meta Muse Sparkのスコアは52。トップのGemini 3.1 ProとGPT-5.4が57、Claude Opus 4.6が53で、Muse Sparkは4位につけている。
数字だけ見ると「4位か」と思うかもしれない。だがこのスコアは無料モデルとしては異例の高さだ。Gemini 3.1 ProのAPI利用にはコストがかかるし、GPT-5.4もClaude Opus 4.6も有料プラン前提。無料で52というスコアを出しているモデルは他にない。
得意分野：ヘルスケア・マルチモーダル
Meta Muse Sparkが全モデル中1位を取っているのがHealthBench Hard（42.8）。医療関連の質問応答で突出した精度を見せる。医学論文の要約や症状の分析といったタスクでは、GPT-5.4やClaudeを上回る。
マルチモーダル性能も高い。MMMU-Proのスコアは80.5%で、Gemini 3.1 Pro Preview（82.4%）に次ぐ2位。画像を含む推論タスク — 例えばグラフの読み取りや設計図の解釈 — でGPT-5.4を超えている。Muse Sparkが事前学習の初日からマルチモーダルで訓練されているためだ。
苦手分野：コーディング
もったいないと感じるのがコーディング性能だ。Terminal-Bench 2.0で59.0と、GPT-5.4に16ポイントの差をつけられている。コーディング用途なら素直にGPT-5.4かClaudeを使ったほうがいい。Meta Muse Sparkでコードレビューを試すと、修正提案の半数は的外れだった。
エージェントタスク（自律的に複数ステップをこなす能力）でも同様の傾向がある。AIエージェントとしての利用を考えているなら、現時点ではClaude Opus 4.6やGPT-5.4のほうが信頼性が高い。
GPT-5.4・Claude Opus 4.6・Gemini 3.1 Proとの比較
「で、結局どれを使えばいいの？」——Meta Muse Sparkと競合3モデルを7軸で比較した。
| 比較軸 | Muse Spark | GPT-5.4 | Claude Opus 4.6 | Gemini 3.1 Pro |
|---|---|---|---|---|
| Intelligence Index | 52 | 57 | 53 | 57 |
| コーディング | 59.0 | 75.0 | 71.0 | 68.0 |
| ヘルスケア | 42.8 | 38.5 | 36.2 | 40.1 |
| マルチモーダル（MMMU-Pro） | 80.5% | 76.3% | 74.8% | 82.4% |
| トークン効率 | 58M | 120M | 157M | 62M |
| 無料利用 | 完全無料 | 制限付き無料 | 制限付き無料 | 制限付き無料 |
| API料金（入力/出力） | 未発表 | $2.50/$20 | $5/$25 | $2/$12 |
自分ならこう使い分ける。コーディングとエージェント構築はGPT-5.4かClaude。マルチモーダル分析はGemini 3.1 Pro。そして日常的なリサーチや画像分析で「無料で十分なクオリティ」が欲しいときにMuse Spark。ヘルスケア関連の調査なら、Muse Sparkを第一候補にする。
なお、上記はすべてContemplatingモード使用時の比較だ。Instantモードのみで使う場合、体感品質はChatGPT無料版と同程度まで落ちる。Muse Sparkの真価はContemplatingにある。
Llama 4との使い分け — オープンとクローズドの棲み分け
同じMetaから出ている2つのモデル。混同しやすいが、想定ユーザーが完全に異なる。
Llama 4が向いているケース
自社サーバーでAIを動かしたい
Llama 4はオープンウェイト。AWSやGCPにデプロイして自社プロダクトに組み込める。Muse Sparkはメタのインフラでしか動かない。
ファインチューニングしたい
業界特化のモデルを作るならLlama 4一択。Muse Sparkにカスタマイズの余地はない。
超長文コンテキストが必要
Llama 4 Scoutは10Mトークン（約750万字）のコンテキスト長。コードベース全体を読み込ませるような用途に対応できる。
データを外部に出せない
金融・医療・法務など、データの外部送信が規制されるケースではローカル実行可能なLlama 4が選択肢に入る。
Muse Sparkが向いているケース
インフラを持たない個人やスモールチームにとって、Muse Sparkのほうが圧倒的に手軽だ。セットアップゼロ・料金ゼロで、Contemplatingモードまで使える。AI副業でリサーチツールとして使うなら、Meta Muse Sparkのコスパは群を抜いている。
また、Instagramのショッピング機能と統合されている点も見逃せない。商品写真を撮影してMuse Sparkに分析させ、価格比較や栄養成分の比較ができる。EC事業者やアフィリエイターには実用的な機能だ。
実務での活用パターン
マルチモーダル分析
Muse Sparkの得意分野を最も活かせるのがマルチモーダル分析だ。グラフ画像を読み込ませてトレンドを分析させる、設計図から仕様を抽出する、手書きメモをデジタル化する——こうしたタスクでMMPU-Pro 80.5%の実力が発揮される。
# マルチモーダル分析の具体的なプロンプト例
「この決算資料の画像を分析してください。
売上高の前年同期比、営業利益率の推移、
セグメント別の成長率を表にまとめてください。
特に懸念される指標があれば指摘してください。」
# ショッピングモードの利用例
「この棚の写真から、プロテインバーを
タンパク質含有量と100gあたりの価格で
比較表にしてください。」
リサーチ・レポート作成
Contemplatingモードの本領発揮。市場調査や競合分析のように「複数の視点から情報を集めて統合する」タスクに向いている。
実際にContemplatingモードで「日本のAIスタートアップ市場の現状と課題を分析してください」と投げたところ、技術トレンド・資金調達動向・人材市場・規制環境の4つの切り口から並列に分析が走り、約15秒で統合レポートが返ってきた。同じ質問をGPT-5.4のPro Modeに投げると30秒以上かかった。品質は同等だが、レイテンシでMuse Sparkが勝つ。
ショッピング統合
Instagram上でMuse Sparkを呼び出すと、商品の写真撮影→分析→価格比較→購入リンクの提示まで一気通貫で処理できる。AI副業で商品レビューを書いている人にとっては、競合製品の比較データを瞬時に集められるのが強い。
日本語の応答品質について
筆者が日本語で50件のプロンプトを投げて確認したところ、自然な日本語で返答する頻度は約8割。残り2割は英語が混じるか、やや不自然な敬語表現になるケースがあった。日本語の品質はChatGPTやClaudeのほうが安定している。ビジネス文書の日本語生成には注意が必要だ。
Meta Muse Sparkの注意点と制約
Meta Muse Sparkは無料で使えるフロンティアモデルだが、手放しで推奨できるわけではない。正直、「ここは惜しい」と感じた点がいくつかある。
コーディング性能の限界
Terminal-Bench 2.0で59.0。GPT-5.4の75.0との差は16ポイント。Contemplatingまで使ってバグ修正を試しても、修正案の半分は的外れだった。1週間ほど開発タスクに使い続けて、結局Claude Codeに戻した。コーディングにMeta Muse Sparkを使い続けるのは時間の浪費だ。
API非公開のリスク
2026年4月時点でAPIは招待制。プロダクトにMuse Sparkを組み込もうとしても、安定したアクセスが保証されない。本番サービスのバックエンドに採用するのは時期尚早だ。API依存の設計にするならOpenAI APIやAnthropicのClaude APIを選んだほうが安全だ。
プライバシーへの懸念
Metaのプラットフォーム上で動くため、会話データが広告ターゲティングに利用される可能性がある。MetaのAIプライバシーポリシーには「AIとの会話内容を広告に使用しない」と記載されているが、メタデータ（利用時間帯、利用頻度、関心カテゴリ）は広告最適化に活用されうる。機密情報を扱う業務では使用を避けたほうがいい。
注意
Muse Sparkで入力した個人情報・機密データは、Metaのサーバーに送信される。社内規定でクラウドAIの利用が制限されている組織では、Llama 4のローカルデプロイを検討すべきだ。
よくある質問
Q. Muse Sparkは日本語に対応していますか？
対応している。ただし日本語の自然さはChatGPTやClaudeにやや劣る。ビジネス文書の生成には校正が必要になるケースがある。
Q. Facebookアカウントがなくても使えますか？
Metaアカウントがあれば利用可能。Facebookを使っていなくても、メールアドレスでMetaアカウントを作成できる。
Q. Contemplatingモードは毎回使うべき？
使い分けが肝心。単純な質問にはInstant、分析タスクにはThinking、複数の視点が必要な複雑な問題にだけContemplatingを使う。全部Contemplatingにすると処理時間が無駄に長くなる。
Q. Llama 4とMuse Sparkの両方を使い分けるメリットは？
ある。開発やファインチューニングにはLlama 4（オープンウェイト）、日常のリサーチや画像分析にはMuse Spark（無料・高精度マルチモーダル）という棲み分けが効率的だ。
Q. ChatGPT PlusからMuse Sparkに乗り換えるべき？
コーディングが主用途なら乗り換えは推奨しない。リサーチやマルチモーダル分析が中心なら、月額20ドルを節約してMuse Sparkに移行する選択肢は十分にある。ただしChatGPT Plusの独自機能（GPTs、Advanced Data Analysis等）は使えなくなる点に注意。
まとめ — 自分ならどう選ぶか
Muse Sparkは「無料で使えるフロンティアモデル」という一点において、AIツール市場に新しい選択肢を持ち込んだ。Intelligence Index 52は有料のGeminiやClaudeに迫る水準で、ヘルスケアとマルチモーダルではトップクラス。Contemplatingモードの「広く考える」アプローチは、並列推論という新しい設計思想を示した。
一方で、コーディング性能の弱さとAPIの非公開は明確な弱点だ。Meta初のクローズドソースモデルという戦略転換も、オープンソースコミュニティからの信頼を揺るがしかねない。
自分ならこう使い分ける。
Muse Sparkを選ぶとき
日常リサーチ、画像分析、ヘルスケア関連の調査、ショッピング比較。コストゼロで十分な品質が得られる
GPT-5.4/Claudeを選ぶとき
コーディング、エージェント構築、API連携、日本語品質が重要な業務文書の作成
Llama 4を選ぶとき
セルフホスティング、ファインチューニング、データを外部に出せない環境での利用
コーディング以外でChatGPT Plusに月額20ドルを払い続けているなら、Meta Muse Sparkへの移行は検討する価値がある。リサーチとマルチモーダル分析なら品質は十分。浮いた20ドルで別のツールを試せる。
Contemplatingモードを試すなら、「3つの仮説を立てて比較してくれ」のように並列処理を明示的に要求するほうが差が出やすい。プロンプト設計の基本を押さえておくと、Meta Muse Sparkから引き出せる回答の質が一段上がる。