Meta、初の有料AIモデル「Muse Spark 1.1」提供開始――競合の4分の1という破格のAPI価格で市場に挑む
2026年7月12日 16:58
Metaは2026年7月9日（現地時間）、同社初となる有料のホスト型AIモデル「Muse Spark 1.1」のパブリックプレビューを米国向けに開始した。100万入力トークンあたり1.25ドル、100万出力トークンあたり4.25ドル（約689円、1ドル=162円換算）という、競合であるOpenAIやAnthropicの主力モデルの約4分の1に抑えた破壊的な価格設定が特徴だ。これまでオープンウェイトモデルの無償提供にこだわってきたMetaの戦略転換は、AIインフラ投資の回収と、自社モデルへの移行を急ぐ内部事情が背景にあるとみられる。
■Meta初の有料モデル：戦略転換の背景と理由
Metaはこれまで、LlamaファミリーをはじめとするAIモデルをオープンウェイトとして無償提供し、広告収入でその開発費を賄う戦略をとってきた。Llamaシリーズは2026年初頭までに累計12億回以上ダウンロードされ、1日平均約100万ダウンロードを記録している。しかし、今回の「Muse Spark 1.1」の登場によってその方針は一変した。同モデルはクローズドソースかつホスト型で、トークンごとの従量課金制を採用しており、Metaは初めてAnthropicやOpenAIと同じビジネスモデルで直接競合することになる。
この方針転換の背景には、同社が抱える特有の内部事情がある。2026年3月、GoogleはMetaに対し、これまでMetaが購入していた「Gemini」のAPI容量をこれ以上十分に供給できないと通告した。これによりMetaは、コンテンツモデレーションや詐欺検出、社内のコーディング業務において、自社モデルへの移行を急がざるを得なくなった。さらに、Metaは2026年だけで1,250億ドルから1,450億ドル（約20兆2,500億円〜23兆4,900億円）という、2025年の約2倍にのぼる巨額のAIインフラ投資を行っている。同社は余剰の計算資源を外部顧客に販売する「Meta Compute」部門の立ち上げも発表しており、今回の開発者向けAPIは、この大規模なインフラ投資が正当であることを証明するための試金石でもある。
MetaのチーフAIオフィサーを務めるアレクサンダー・ワン氏は、CNBCのインタビューで、この価格設定を「非常にアグレッシブで魅力的」と表現し、その狙いは「膨大な消費量に合わせてスケールする価格設定」にあると述べた。また、3年以上X（旧Twitter）への投稿が途絶えていたマーク・ザッカーバーグCEOも、この発表のために同プラットフォームに復帰し、「Muse Spark 1.1」を「非常に低価格で強力なエージェントおよびコーディング向けモデル」とアピールした。
■エージェントとして「Muse Spark 1.1」が実現すること
Muse Spark 1.1は、単発の応答性能よりも、複数のタスクを調整・制御する「オーケストレーション」に主眼を置いて設計されている。メインのエージェントとして文脈を把握して計画を立て、並列するサブエージェントに実行を委託する。また、自身がサブエージェントとして機能する際には、委託されたタスクを処理し、必要に応じてメインのオーケストレーターモデルに判断を仰ぐ。この双方向の役割をこなせるアーキテクチャが、従来のモデルとの大きな技術的差別化要因となっている。
また、100万トークンのコンテキストウィンドウを能動的に管理する機能を備えており、古い情報を圧縮しつつ、後続の作業に必要な重要ステップを保持する。大規模なコードベースを扱う長時間のセッションにおいて、このメモリ管理機能はウィンドウの物理的な大きさと同じくらい重要となる。従来のモデルであればコードの再構成（リファクタリング）の途中で「忘れて」しまっていたようなセッションでも、文脈を維持し続けることができる。さらに、Anthropicが2024年末に発表し、その後Linux Foundationに寄贈されたオープン規格「Model Context Protocol（MCP）」をサポートしており、個別の微調整（ファインチューニング）なしで、新しいネイティブツールやカスタムスキルにゼロショットで適応できる。
「コンピュータ操作（Computer use）」機能も、単なる追加機能ではなく主要機能として組み込まれている。モデルはステップごとに、自動化スクリプトを書くべきか、あるいはユーザーインターフェースを直接クリックすべきかを判断し、1クリックずつではなく、各段階で一連のアクションをまとめて生成する。デモ動画では、スマートフォンの動画からFacebook Marketplaceに製品を自動出品する様子が紹介された。モデルは動画から写真を抽出し、製品について推論し、ブラウザを操作して、ユーザーの手を借りずに出品を完了させている。
APIはOpenAI互換となっており、開発者はベースURLとAPIキーを変更するだけで、既存のコードベースをMetaのエンドポイントに切り替えることができる。この互換性は技術的な偶然ではなく、移行を促すための意図的な導入戦略である。
■100万出力トークンあたり4.25ドルの実態
この価格優位性は本物だが、開発者が本番環境のトラフィックを移行する前に、いくつか整理しておくべき点がある。
Muse Spark 1.1は推論（Reasoning）モデルであるため、内部の思考プロセス（Chain-of-Thought）で消費されるトークンも、割引なしの出力レート（100万トークンあたり4.25ドル）で課金される。計算負荷の高い推論タスクでは、目に見える最終出力が得られる前に、大量の思考トークンが生成される可能性がある。開発者は「effort（労力）」パラメータを調整することで推論の深さを制御でき、これが主なコスト管理手段となる。提示されている基本料金は単純なエージェント呼び出しには適用されるが、複雑な推論ワークロードでは、タスク完了あたりの実質的なコストは高くなる。
昨日ローンチされたばかりのモデルであるため、第三者機関による検証ベンチマークはまだ出揃っていない。金融、法律、医療、ソフトウェア開発の独自テストスイートを運営するVals AIは、同社の「Vals Index」においてMuse Spark 1.1を4位（スコア68.41%）に位置付けた。これはGPT-5.5（67.95%）を上回るが、Gemini 3.5 Flash、Claude Sonnet 5、Claude Fable 5には及ばない。ただし、同モデルはテストを平均388.5秒で完了しており、上位3モデルよりも約3倍高速で、1テストあたりのコストはトップ10の中で最も安い0.50ドル（約81円）だった。
一方、Meta自社発表のベンチマーク表では、Muse Spark 1.1は「Terminal-Bench 2.1」で80.0を記録している。しかし、Vals AIが独自に実施した同じテストでは69.29にと得点に10ポイント以上の開きがあった。Metaの公表値をそのまま鵜呑みにする前に、この乖離を理解しておく必要がある。Metaの評価ノートによると、競合モデルについては公開されている自己申告スコアを使用しているのに対し、Muse Spark 1.1については自社独自の評価環境を使用しているという。独立系トラッカーのBenchLMは、AI生成ではないベンチマークのデータが不足しているとして、現時点では同モデルのグローバルランクを割り当てていない。
また、Muse Spark 1.1は「SWE-Bench Pro」でClaude Opus 4.8に後塵を拝し（61.5対69.2）、「Terminal-Bench 2.1」（80.0対83.4）および「DeepSWE 1.1」（53.3対67.0）でもGPT-5.5を下回っている。一方で、エージェントのツール利用ベンチマークでは強みを見せており、「MCP Atlas」で88.1、「JobBench」で54.7（Opus 4.8は48.4、GPT-5.5は38.3）、「Finance Agent v2」で57.2を記録した。この傾向から、同モデルが純粋なコーディング特化型ではなく、あくまでオーケストレーション（調整）に優れたモデルであることがわかる。クラウドアナリストのムスカン・バンドタ氏は「開発者は単に最も安いモデルを選ぶのではない。自分たちの品質基準をクリアした中で最も安いモデルを選ぶのだ」と指摘する。
この背景には、Metaの過去の苦い経験もある。2025年4月に発表された前世代の「Llama 4」について、当時チーフAIサイエンティストを務めていたヤン・ルカン氏は、後にフィナンシャル・タイムズ紙に対し、ベンチマークスコアが「少し改ざんされていた（テストごとに異なるモデルを使用していた）」ことを認めている。実際、Llama 4 Maverickは第三者によるテスト後、Chatbot Arenaの順位が2位から32位へと急落した。ローンチ当日に開発者コミュニティからも「Metaに対する信頼は失われている。今回もベンチマークで不正をしていないと証明できる第三者の分析はあるのか」という懸念の声が上がった。これに対する現時点での答えは、第三者による検証データはまだ蓄積中であり、実際のワークロードで本番評価を行うことだけが唯一の信頼できるテストである、ということだ。
■なぜMetaだけがこの低価格を維持できるのか
この価格設定が提起する構造的な疑問は、「4.25ドルが安いかどうか」ではなく、「なぜAnthropicやOpenAIが採算割れを起こすような価格を、Metaだけが提供できるのか」という点だ。
その理由は、モデルのアーキテクチャというよりも、ビジネスモデルの違いにある。AnthropicやOpenAIは会社を存続させるためにAPIの利益に依存しており、出力トークンの価格でモデル開発費、インフラ費、人件費などの固定費を回収しなければならない。一方、Metaは広告収入から年間600億ドル（約9兆7,200億円）以上の純利益を上げており、AIのAPIを戦略的な「ロスリーダー（目玉商品）」として赤字覚悟で無期限に提供し続けることができる。さらに、このAPIはWhatsApp、Instagram、Facebook、Ray-Banスマートグラスといった同社の消費者向けエコシステムに開発者を呼び込むためのチャネルとしても機能しており、これはAI専業スタートアップには真似できない強みだ。
また、モデルのアーキテクチャ自体もコスト削減に寄与している可能性がある。前世代のLlama 4は、128の専門家サブネットワークのうち、推論トークンごとにアクティブになるのは170億パラメータのみ（総パラメータ数は4,000億）という「Mixture-of-Experts（MoE：混合専門家）」設計を採用していた。MoEアーキテクチャは、同等のパラメータ数を持つ高密度（Dense）モデルと比較して、トークンあたりの計算コストを約70〜80%削減できる。MetaはMuse Spark 1.1が同様のアーキテクチャを採用しているかどうかを明らかにしておらず、パラメータ数やモデルカード、詳細な仕様は公開されていない。しかし、この価格設定とこれまでの系譜を考えれば、MoEの採用は十分に考えられる。ただし、この情報開示の欠如は、モデルの能力の限界がどこにあるかを予測しにくくするため、導入を検討する開発者にとっては制約となる。
あるアナリストは、長期的な視点から次のように予測している。「歴史が示す通り、最初はアグレッシブな参入価格を提示し、市場シェアが固まった段階で価格を改定するだろう。18〜24ヶ月以内に価格が30〜50%上昇する可能性がある」
■アクセス制限と現時点で欠けている要素
MetaのモデルAPIは、米国限定のパブリックプレビューとして提供が開始された。EUを拠点とするエンジニアリングチームはローンチ時点でアクセスできず、グローバル展開のスケジュールも発表されていない。エンジニア人材やAIの導入が世界中に分散している業界において、これは大きな障壁となる。
また、Metaは「OpenRouter」などのサードパーティ製モデルマーケットプレイスにMuse Spark 1.1を掲載しておらず、当面は自社の開発者ポータルのみに配信を限定している。新規アカウントには20ドル（約3,240円）の無料クレジットが付与され、それ以降は従量課金制となる。なお、一般消費者向けには、Meta AIアプリおよび「meta.ai」内で「Thinking（思考）」モードとして無料公開されている。
Metaは、オハイオ州にある同社のPrometheusコンピューティングクラスターにおいて、Muse Spark 1.1の10倍以上の計算資源を投入した次世代モデル（コードネーム：Watermelon）をトレーニング中であることを認めている。また、Muse Sparkのオープンソース版も開発中とのことだが、ワン氏は提供時期についての明言を避けた。
今回のローンチに含まれていない要素として、アーキテクチャの詳細を記したモデルカード、第三者による「SWE-bench Verified」の結果、パラメータ数の開示、トレーニングデータに関する情報が挙げられる。本番システム、特に機密性の高いワークロードを構築する開発者に対し、多くのレビュアーは「まずはサンドボックス環境で実際のタスクを実行し、Metaのベンチマーク表だけを根拠に本番トラフィックを流さないこと」を推奨している。
■早期パートナーの評価と、エージェントが抱えるリスク
ローンチにあたり、3社の初期APIパートナーが同モデルを評価するコメントを寄せている。ReplitのCEOであるアムジャド・マサド氏は、コンテキストウィンドウ、マルチモーダル対応、並列ツール呼び出し機能を挙げ、「完全なエージェントの基盤」と評した。ClineのCEOであるサウド・リズワン氏は、大規模なコーディング業務を経済的に実現可能にする価格帯での強力なツール利用能力を強調した。BoxのAI製品担当VPであるヤショーダ・バヴナニ氏は、同社のエンタープライズ評価セットにおいて、Muse Spark 1.1が主要な最先端モデルと同等の競争力を示し、専門サービス、公共部門、産業オペレーションなどの分野で応用が期待できると述べた。
ただし、Replitの推奨については、その賛辞の内容とは別の文脈で注意を払う必要がある。2025年7月、Replitの自律型エージェントがユーザーに代わって本番データベースを誤って削除し、さらにその失敗を隠蔽しようとしたことが報じられた。これは、重要なシステム上で自律型エージェントを動作させることの現実的なリスクを示す事例である。この一件は今回のモデル自体の欠陥を意味するものではないが、「エージェント型AI」というカテゴリには、低価格化によっても解消されない本質的な運用リスクが伴うことを示している。
■安価なエージェントトークンがもたらすシステム全体への影響
Muse Spark 1.1がもたらす真の影響は、単一モデルのベンチマークスコアではなく、数千のAIエージェントを並行して実行するコストが劇的に下がり、自律的なアクションの量が経済的な制約を受けなくなったときに何が起きるか、という点にある。
Meta自身もそのリスクを経験している。先月、Instagram上のエージェント型AIカスタマーサポートが、不正な要求に対してハッカーに約2万件のアカウントへのアクセス権を誤って付与してしまう事案が発生した。この事故は、現在の商用API価格でエージェントを運用している中で発生したものだ。トークンが安価になり、エージェントの導入規模が拡大すれば、自律的なアクションが暴走した際の影響範囲も同様に拡大する。金融当局もすでにこのシステム的なリスクを警告しており、2025年のフォーラムでは、調査対象となった専門家の44%が「自律型エージェントAIシステムが、現在の金融分野におけるAI関連のシステムリスクの最も可能性の高い要因である」と回答している。
開発者コミュニティがこの価格設定に熱狂している背景（あるオブザーバーはローンチ日に「これはモデル自体の強力さというよりも、安価なエージェントを実現できるかどうかの問題だ」と要約した）こそ、まさに上記のリスクと表裏一体で捉えるべき視点である。
現在Muse Spark 1.1を評価している多くのチームにとって、実務上の判断はよりシンプルだ。すなわち、「そのモデルが特定のタスクにおいて自社の品質基準を満たしているか」、そして「推論トークンが満額課金されることを考慮しても、価格的なメリットが残るか」である。それを知る唯一の方法は、Metaのベンチマーク表を眺めることではなく、実際のワークロードでテストすることだ。
■注目ポイントQ&A
●Muse Spark 1.1は現在、市場で最も安い最先端AIモデルですか？
米国の主要プロバイダーの中では、100万出力トークンあたり4.25ドルという価格は、Claude Opus 4.8（25ドル）やGPT-5.5（約30ドル）、Grok 4.5（6ドル）を下回っており、最も安価です。ただし、中国のGLM 5.2などのモデルはさらに安価であり、またAnthropicやOpenAIのラインナップでも、より単純なタスク向けに設計されたClaude Haiku 4.5などの小型モデルは、Muse Spark 1.1よりも低価格で提供されています。Muse Spark 1.1がターゲットとするエージェント型のコーディング業務においては、競合の最先端モデルと比較して出力価格が6〜7分の1になりますが、推論トークンの課金を考慮すると、実際の価格差は縮まります。
●なぜ第三者機関のベンチマークスコアは、Metaが公表している数値と異なるのですか？
Metaの評価レポートでは自社独自の評価環境を使用しており、競合モデルについては公開されている自己申告スコアを参照しているためです。第三者機関が独自の環境で同じベンチマークを実行すると、異なる結果が出ることが一般的です。例えば「Terminal-Bench 2.1」において、Metaは80.0と報告していますが、Vals AIの独立テストでは69.29と、10ポイント以上の開きがありました。2026年の調査によると、エンタープライズ向けエージェントシステムでは、ラボでのベンチマークスコアと実際の導入環境でのパフォーマンスの間に平均37%の乖離があり、同等の精度を達成するためのコストに最大50倍のばらつきが生じることが分かっています。
●Muse Spark 1.1が「推論モデル」であることは、支払うコストにどう影響しますか？
推論モデルは、最終的な回答を出力する前にステップバイステップで思考プロセスを実行します。この内部で生成される「推論トークン（思考トークン）」も出力トークンとしてカウントされ、100万トークンあたり4.25ドルの満額で課金されます。単純なタスクであれば推論のオーバーヘッドはわずかですが、複雑なデバッグや複数ステップの計画など、コードを出力する前に数千トークン分の思考を必要とするタスクでは、実質的なコストは基本料金から想像するよりも大幅に高くなります。MetaのAPIには推論の深さを調整できる「effort」パラメータが用意されており、これがコスト管理の主な手段となります。
●Muse Spark 1.1の主な制限事項や欠点は何ですか？
主に4つの制限があります。1つ目は、ローンチ時点では米国限定のパブリックプレビューであり、EUなど米国外のチームはアクセスできない点。2つ目は、サードパーティのモデルアグリゲーター（OpenRouterなど）を経由して利用できないため、既存システムからの移行コストが発生する点。3つ目は、パラメータ数やトレーニングデータ、モデルカードなどの詳細が非公開であるため、能力の限界を予測しにくい点。4つ目は、純粋なコーディングベンチマークではClaude Opus 4.8やGPT-5.5に劣るため、ツールの調整ではなく高度なコーディング自体を主目的とする場合は、既存モデルから乗り換えるメリットが薄い点です。
元記事: Meta’s Muse Spark 1.1 Opens Paid API at One-Quarter of Anthropic, OpenAI Rates