AI Topica

比較・活用

Meta新モデル「Muse Spark Open」とQwen・GLM・Kimi、企業はどう選び分けるか

オープンウェイトモデルを自社の開発環境に導入しようとすると、これまではQwenやGLM、Kimiといった中国企業のモデルが主な候補でした。そこにMetaが新たな選択肢を投入したことで、性能だけでなく動かす環境やライセンス条件まで含めて比較する必要が出てきました。

何が起きたか

Metaは2026年10月15日、オープンウェイトモデル「Muse Spark Open」を発表しました。総パラメータ数は約8160億、実際に稼働するのは約420億相当で、文脈窓は最大100万トークンに達し、テキスト・画像・動画・音声に対応する多モーダルモデルです[1][2]。

Metaは自社ベンチマークのJobBench、MCP-Atlas、HLE-Diamond、ZeroBenchなどで、Qwenの「Qwen 3.8」、GLMの「GLM 5.3」、Kimiの「Kimi K3」といった中国勢のオープンモデルを複数の項目で上回ると説明しています。ただし、Meta自身の有料モデルMuse Wonder Fullには及ばない水準だったとMetaは説明しました[1]。

モデルはApple製のM5 Ultra搭載のMac Studio 2台(各512GBの統合メモリ)で動作するよう最適化されており、発表にあたってAppleとMetaが協力しました[3]。重みはHugging Faceで公開され、利用自体は無料ですが「Built with Muse Spark Open」という表記が必須で、年間売上が2000万ドルを超える事業者がAPIとして提供する場合はMetaとの別契約が求められます[1]。

Metaは同モデルを自社のAIコーディング端末「Muse Code」と組み合わせ、Mastodonクライアントの不具合修正や、動画編集ソフトDaVinci Resolveでの映像確認・切り出し作業に使ったといいます[4]。

背景・解説

オープンウェイトモデルとは、モデルの重み(パラメータ)が公開され、企業が自社環境で動かしたり手を加えたりできるモデルを指します。クローズドなAPI提供型のモデルと違い、トークン量に応じた利用料を払う必要がなく、社内データを外部に送らずに処理できる点が特徴です[4]。

Muse Spark Openは、Mixture-of-Experts(MoE)という方式を採用しています。256個の専門家(エキスパート)のうち、入力されたトークンごとに8個だけを選んで計算するため、重みとしては8160億パラメータ分を保持しながら、実際の計算量は420億パラメータ相当に抑えられています[2]。8月に公開された小型モデル「Muse Glimmer」の後継にあたる大型版です[2]。

比較対象として挙がったQwen、GLM、Kimiは、いずれも中国企業が公開しているオープンウェイトモデルで、Metaのベンチマーク結果の中で性能比較の基準として使われています[1]。Metaはコーディングや、計画・実行・観察・修正を繰り返すエージェント的な作業に強みがあると位置づけています[2]。

仕事や業務への影響 — AI Topicaの見方

社内でコーディング支援や自動化を検討する企業は、ベンチマークの数字よりも「どの環境で動かせるか」と「ライセンス条件」で選択肢を絞り込むべきです。Muse Spark Openは1テラバイト規模のメモリを積んだMac Studio 2台が前提となるため、潤沢な設備投資ができる大企業の開発部門に向いた選択肢です[4]。例えば、社内に専任のインフラ担当が1人しかいない従業員50人規模のソフトウェア会社であれば、この規模のハードウェアを新たに用意するより、クラウド上でAPIとして使える中国勢のモデルを試す方が導入の手間は小さくなります。

ライセンス条件も見逃せない論点です。年間売上が2000万ドルを超える事業者がMuse Spark OpenをAPIとして再提供する場合、Metaとの個別契約が必要になるため、自社サービスに組み込んで外販したい中堅以上のSaaS企業は、契約交渉の手間を織り込んでおく必要があります[1]。一方、社内利用にとどめる企業にとって、この条件は実質的な障壁になりません。

性能面では、MetaはJobBenchやMCP-Atlasなど複数の指標で「Qwen 3.8」「GLM 5.3」「Kimi K3」を上回ると説明していますが、これはMeta自身が選んだ評価基準に基づく数字です[1]。コーディング関連の一部ベンチマークでは競合に劣るとも記されており、コーディングエージェントの精度を最優先する開発チームは、特定のベンチマーク名だけを根拠に乗り換えを決めるべきではありません[1]。自社の実際のコードベースで小規模に試し、修正の精度と速度を比較する方が確実です。

不確かな点・注意

記事中のベンチマーク数値は、いずれもMeta自身が公表した評価結果であり、第三者機関による独立した検証結果ではありません[1]。QwenやGLM、Kimiとの性能差が実際の作業時間や修正件数にどの程度結びつくかは、出典に具体的な記載がありません。Muse Spark Openの日本国内での利用実績や、日本語タスクでの精度についても出典には情報がなく、不明です。1テラバイトのメモリを用意できない企業がクラウドAPI経由で利用する場合の料金体系についても、出典では明らかにされていません[1]。

出典

  1. Muse Spark Open is Meta's answer to Qwen, GLM, and Kimi in the open-weight race
  2. Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta
  3. Meta and Apple team up to make Muse AI models run better on Macs
  4. Meta launches an open-weight AI model that runs on Macs | TechCrunch

AI Topica 編集部