Metaの次世代AI「Watermelon」がGPT-5.5に匹敵か、社内ベンチマークで主張も詳細は未確認
2026年7月6日 12:51
Metaの最高AI責任者（CAIO）であるアレクサンダー・ワン氏が、開発中の次世代フロンティアモデル「Watermelon（コードネーム）」について、すでにOpenAIの「GPT-5.5」に匹敵するベンチマークスコアを達成していると社内向けに語ったことが報じられた。しかし、この主張は未公表の社内ベンチマークに基づくものであり、第三者機関による検証は行われていない。本記事では、この発表の背景にある技術的文脈と、不確実な情報が飛び交う現在のAI競争の現状を解説する。
■社内ベンチマークの不確実性と「GPT-5.5」への匹敵主張
Metaの最高AI責任者であるアレクサンダー・ワン氏が2026年7月2日、社内会議において、同社の次期フロンティアモデル「Watermelon」が、主要なAIベンチマークにおいてOpenAIの「GPT-5.5」にすでに匹敵していると従業員に語った。このモデルは現在もトレーニング中であり、前世代モデルの約10倍の計算パワーを消費しているという。もしこの主張が第三者による検証に耐えうるものであれば、Metaによる数千億ドル規模のAIインフラ投資が、フロンティアクラスの成果を生み出し始めている明確な証拠となる。しかし、現時点ではその主張が正しいとは言い切れない。
ワン氏が引用した評価は、ベンダーが実施した社内ソースに基づくものであり、具体的なベンチマーク名も明かされていない。フロンティアAIの評価において、実績を最も必要としている開発元自身による未公表の社内ベンチマークは、最も信頼性の低い証拠に分類される。同一のモデルであっても、使用する評価フレームワーク、テストセットのバージョン、設定によってスコアが10〜20ポイント変動することがある。Metaが完全なベンチマーク表を公開し、Watermelonを独立した第三者評価に委ねるまでは、ワン氏の主張はMetaの計算資源戦略の方向性を示す指標にすぎず、GPT-5.5に対する実際の立ち位置を証明するものではない。
■前世代「Muse Spark」からの進化と、1ギガワット級の巨大インフラ
ワン氏の発表の背景を理解するには、これまでの文脈が不可欠である。Metaの前世代モデル「Muse Spark（社内コードネーム：Avocado）」は、Meta Superintelligence Labsの最初の製品として2026年4月8日にリリースされた。独立系ベンチマーク企業であるArtificial Analysisは、同モデルのインテリジェンス・インデックスを「52」と評価した。これは不評だった「Llama 4」からの大幅な回復であり、Metaを世界のトップ5モデルに復帰させるには十分だった。しかし、フロンティア層においてOpenAI、Anthropic、Googleを超えることはできなかった。同インデックスにおいて、GPT-5.5は「59」、Claude Opus 4.6は「53」、Gemini 3.1 Proは「57」であり、いずれもMuse Sparkを上回っていた。特にコーディング分野のベンチマークにおいて、Metaの遅れは顕著だった。
これに対し、Watermelonは規模の面で全く異なるアプローチをとっている。ワン氏は社内会議で、オハイオ州ニューアルバニーに建設中の1ギガワット級コンピューティング施設「Prometheus」クラスターでのトレーニングに言及し、Muse Sparkの「1桁上の計算資源（約10倍）」を使用していると説明した。この施設は約50万基のGPUを搭載し、1ギガワット以上の電力を消費すると推定されており、単一企業によるAIトレーニング施設としては史上最大規模の一つである。Metaは今年、AI関連の設備投資額として1250億ドルから1450億ドル（約20兆1250億円〜23兆3450億円、1ドル＝161円換算）を見込んでおり、この巨額の投資が「計算資源の桁違いの増加」を裏付けている。
■計算資源が10倍になっても、モデルが10倍賢くならない理由
Watermelonのトレーニングを支配する工学的論理は、研究者が「ニューラルスケーリング則（神経スケーリング法則）」と呼ぶ法則に基づいている。これは、計算資源、データ、パラメータ数が増えるにつれてモデルの性能が予測通りに向上するという経験則だが、「向上は線形（比例）ではなく対数的である」という重要な制約がある。計算資源を2倍にするごとに、得られる性能向上は徐々に小さくなる。計算資源を10倍にしてもモデルが10倍賢くなるわけではなく、スケーリング則の数式上、一般的にはトレーニング損失が30〜40%減少するにとどまる。
また、2022年のDeepMindによる「Chinchilla（チンチラ）」の研究では、最適な結果を得るためには、計算資源の増加に合わせてトレーニングデータ（トークン数）も比例してスケールさせる必要があるとされている。同じデータでモデルを長くトレーニングするだけでは効率が悪い。MetaがWatermelonのトレーニングコーパスに、Facebook、Instagram、WhatsApp、Threadsといった自社プラットフォームの独自データを取り入れていると報じられているのは、このためである。これらの数十億規模の社会的相互作用やリアルタイムのクエリは、競合他社が公開ウェブデータから複製できない、Meta独自の強力な資産となっている。
しかし、このアプローチの限界も指摘されている。2025年および2026年に発表された研究によると、主要なAI知識ベンチマークである「MMLU」は、一般的なトレーニングデータとテスト問題の重複が45%を超えていることが判明しており、すでに飽和状態にある。トレーニング中にベンチマーク問題を学習してしまったモデルは、実際の知識を証明することなくスコアだけが高くなる。ワン氏が評価に使用したベンチマークを明らかにしていないため、今回の「GPT-5.5と同等」という主張が、真の実力を反映したものなのか、それともトレーニングデータの重複によるものなのかを判断することは不可能である。
■競合OpenAIはすでに「GPT-5.6」へ移行中
仮にWatermelonの社内スコアが第三者検証をクリアしたとしても、競争環境はすでにワン氏が言及した基準点を超えて動いている。OpenAIは2026年4月にGPT-5.5をリリースし、ChatGPTやAPIの有料プランユーザー向けに広く提供している。さらに、OpenAIは同年6月後半に「GPT-5.6」のプレビューを行っている。これは「Sol」「Terra」「Luna」の3つのモデルからなるラインナップだが、国家安全保障上の懸念からトランプ政権の要請により一般公開が制限されており、現在は政府が承認した約20のパートナー組織のみに提供されている。
ワン氏が比較対象としてGPT-5.5を選んだのは意図的なフレーミングである。GPT-5.5は開発者や企業が実際に利用している商業的基準モデルであり、これに匹敵することは大きなマイルストーンとなる。しかし、Watermelonが実際にリリースされる頃には、市場の最前線はさらに進んでおり、OpenAIの最強モデルとされる「GPT-5.6 Sol」などが制限付きながらも先行して存在しているという状況になる。
■開発者や企業バイヤーにとっての現実的な意味
開発者や企業のAIバイヤーにとって、今回の発表が実用的な意味を持つかどうかは、今後のいくつかのステップにかかっている。すなわち、Watermelonが一般公開され、ベンチマークスコアが第三者によって検証され、実際の業務タスクで同等のパフォーマンスを発揮できるかどうかである。知識ベンチマークで高得点を得たモデルであっても、長文の文脈理解や、高負荷下でのツール利用の信頼性、自律的なマルチステップタスクの実行など、企業導入で最も失敗しやすい領域で苦戦することは珍しくない。
もしWatermelonがリリースされ、GPT-5.5と同等であることが検証されれば、OpenAIとAnthropicの2社に依存していた企業の選択肢は大きく広がる。Metaは将来のMuseシリーズをオープンウェイト（モデルの重みデータを公開する形式）で提供することを約束しており、オンプレミス環境でフロンティア級のAIを運用したい企業にとって貴重な選択肢となる。また、ワン氏は2026年7月3日にX（旧Twitter）上で、近いうちにMuse Sparkのアップデートを行い、コーディングやエージェント機能を大幅に向上させると投稿した。これは、Watermelonのリリースを待たずに、Anthropicの「Claude Opus」とのコーディング性能の差を縮めようとするMetaの姿勢を示している。
より根本的な問題として、Metaのマーク・ザッカーバーグCEOが7月2日の社内会議で認めたように、同社のAI投資が想定ほどのスピードで成果に結びついていないという現状がある。ロイターが報じたこの率直な認否は、ワン氏の強気なベンチマーク主張と矛盾するようにも見える。Metaには計算資源、データ、資金、そして人材が揃っている。Watermelonは、これらの要素が本当にフロンティア層で競争できるモデルとして結実するのか、そしてそれが社内会議の聴衆だけでなく、誰もが検証できる形で証明されるのかを測る、次の大きな試金石となるだろう。
■注目ポイントQ&A
●MetaはAIモデル「Watermelon」をいつ一般公開しますか？
MetaはWatermelonの具体的な公開日を明らかにしていません。2026年7月4日時点で同モデルはまだトレーニング段階にあります。社内会議では「Muse Spark」の後継モデルと説明されましたが、リリース時期についての言及はなく、現在パブリックベータや開発者向けの先行アクセスなどは提供されていません。
●MetaのWatermelonは、本当にGPT-5.5よりも優れているのですか？
現時点では判断できません。Metaの幹部が社内会議で「同等である」と主張したものの、これは未公表の構成で実施された詳細不明の社内ベンチマークに基づいています。第三者機関による検証結果や、詳細なベンチマークデータは公開されていません。Metaがモデルを公開し、外部のテスト機関に提出するまでは、この主張を客観的に確認することは不可能です。
●WatermelonとMuse Sparkの技術的な違いは何ですか？
Watermelonは、Muse Sparkの約10倍（1桁上）の計算資源をトレーニングに使用していると報じられています。これはオハイオ州にあるMetaの「Prometheus」コンピューティングクラスター（約50万基のGPUを搭載）を活用したものです。ただし、ニューラルスケーリング則に基づくと、計算資源を10倍にしても性能が単純に10倍になるわけではなく、向上幅は緩やかになります。Muse Sparkがコンパクトさと効率性を重視していたのに対し、Watermelonは膨大なリソースを投入して絶対的な能力の向上を目指しているとみられます。
●企業のAI選定担当者は、この情報をどう受け止めるべきですか？
現時点では、調達の意思決定を左右するものではなく、Metaの開発の方向性を示すシグナルとして捉えるべきです。もしWatermelonがリリースされ、GPT-5.5と同等の性能が第三者検証で証明されれば、市場の価格競争が促され、オープンウェイトの強力な選択肢が加わることになります。注目すべきは社内会議での発言ではなく、リリース時に再現可能な評価データが公開され、独立した外部機関による検証をクリアするかどうかです。
元記事: Meta Watermelon AI Claims GPT-5.5 Parity: Benchmarks Remain Unnamed and Unverified