MetaがAI収益化を本格始動、新API「Muse Spark 1.1」と広告自動化の全貌
2026年7月16日 18:50
Metaは、開発者向けの有料API「Muse Spark 1.1」と、広告主向けの完全自動化ツール「Advantage+ Catalog Ads」のグローバル展開を開始し、AIの収益化を本格化させた。開発者は低コストな新APIの導入テストが可能になった一方、EUでのアクセス制限やベンチマーク評価の乖離といった未確定要素に留意する必要がある。また、広告主はAIによる自動配信に人間のチェックが介在しなくなるため、自社の製品カタログデータが広告基準を満たしているか直ちに見直すことが求められる。
■AI収益化の本格始動と巨額投資
Bloombergが報じたところによると、ウォール街がここ2週間で明らかになった具体的なAI収益化計画を評価したことで、Metaの株価は今月17%上昇し、時価総額は約2,500億ドル（約40兆5,000億円、1ドル=162円換算）増加した。その原動力は単一の発表ではなく、新たなアーキテクチャにある。具体的には、「Muse Spark 1.1」をベースにした有料の開発者向けAPIと、自動化された製品広告から人間のチェックプロセスを完全に取り除く「Advantage+ Catalog Ads」のグローバル展開である。これらは、「既存の広告以外に、MetaはAIで実際に何を販売するのか」という4月以来の投資家の疑問に対する答えとなっている。
今週提示されたその答えは、2つの形での「アクセス」の提供だ。開発者は、新しいMeta Model APIを通じて、Metaのこれまでで最も強力なエージェント型モデルであるMuse Spark 1.1にトークン課金でクエリを送信できる。一方、広告主は製品カタログを一度Metaに提供するだけで、オーディエンスの選択、クリエイティブの組み立て、配信タイミング、そして新たにローンチされた「Muse Image」モデルによる画像生成まで、かつてメディアバイヤーが必要だったすべての作業をAIに任せることができると、Bloombergは7月7日に報じた。両製品は同じ週にローンチされ、Metaがすでに構築していたインフラを収益化するものである。さらにBloombergの7月15日の報道によれば、Metaはルイジアナ州のデータセンターキャンパスに400億ドル（約6兆4,800億円）を追加投資することを約束し、同サイト単体の総投資額は2,500億ドル（約40兆5,000億円）以上に達する見込みだという。
■Muse Spark 1.1の性能とベンチマークの乖離
TechCrunchが報じたところによると、Muse Spark 1.1はOpenAIがGPT-5.6をリリースしたのと同じ7月9日にローンチされた。Metaは同モデルを、計画立案、ツール使用、コード生成、複数アプリケーション間の調整など、人間の介入を最小限に抑えるエージェントタスクに最も適したものと位置づけている。MarkTechPostが指摘したように、Meta独自のベンチマークでは、MCP Atlas（検索、ファイル操作、カレンダー管理など12種類のタスクにおけるツール呼び出しの成功率）およびJobBench（プロフェッショナル規模のタスク完了率）においてトップに立っており、これらはエージェントの現実世界での利用を最も直接的に反映するカテゴリである。
しかし、独立した評価ではより限定的な結果が出ている。TechTimesの報道によると、AIが開発者のようにコマンドライン端末で作業できるかをテストするTerminal-Bench 2.1において、Meta自身の評価では80.0と報告されたが、Vals AIが独立した環境で同じベンチマークを実行したところ69.29にとどまった。この10ポイント以上の乖離はローンチから数時間以内に表面化し、公には解決されていない。この傾向はMetaに限ったことではなく、2026年に発表された研究では、エンタープライズ向けエージェントシステムにおいて、ラボでのベンチマークスコアと実際のデプロイメント時のパフォーマンスとの間に平均37%の乖離があり、同等の精度でもコストに最大50倍のばらつきがあることが判明している。Llama 4の事例も関連する文脈を提供している。元MetaチーフサイエンティストのYann LeCun氏は2026年にFinancial Timesに対し、Llama 4の特定のスコアは評価用に特化したモデルバージョンを使用したものであり、一般向けにはより弱いバージョンを出荷したと語っている。
独立系ベンチマーク企業のArtificial Analysisは、ローンチ後のMuse Spark 1.1のIntelligence Indexスコアを51と評価した。これは4月の初代Muse Sparkから8ポイントの改善であり、1タスクあたりの推定コストは0.26ドル（約42円）で、同等のIntelligence Index層にあるGPT-5.4の0.89ドル（約144円）と比較して安価であるとTechTimesは報じている。Coding Agent Indexでは、Muse Spark 1.1とGPT-5.6 Solの間に依然として9ポイントの差がある。一方、HealthBench Professionalでは59.3のスコアでトップに立ち、AnthropicのClaude Opus 4.8を上回っており、4月に初代モデルが確立した強みを引き継いでいるとBuildFastWithAIは確認している。
開発者にとっての現実的な問題は、自社のワークロードがどのカテゴリに該当するかである。Reutersが報じたところによると、Muse Spark 1.1は、単一ステップのコーディング精度よりもツールのオーケストレーションが重要となる大量のエージェントパイプラインにおいて有力な選択肢となる。100万出力トークンあたり4.25ドル（約689円）というコストは、GPT-5.5やClaude Opus 4.8の25〜30ドル（約4,050〜4,860円）と比較して、本番環境にトラフィックを移行する前に実環境テストを行う正当な理由となる。
■構造的な低価格設定の背景
Muse Spark 1.1とAnthropicやOpenAIの最先端モデルとの価格差は、導入時の割引によるものではない。これは構造的なビジネス条件を反映している。Bloombergが指摘したように、Metaの広告部門は2026年第1四半期に550億ドル（約8兆9,100億円）の収益を上げ、同四半期の広告インプレッションは19%増、広告単価は12%増となった。このキャッシュフローが推論を実行するインフラの資金源となっている。TechTimesが記録しているように、Artificial AnalysisはMuse Spark 1.1の1タスクあたりの実質コストを0.26ドル（約42円）と推定しており、これは同等のIntelligence Indexパフォーマンス層におけるGPT-5.4のコストの3分の1未満である。
Muse Spark 1.1のエージェントアーキテクチャは、別の形でもコスト管理に貢献している。MarkTechPostが説明したように、このモデルは104万8,576トークンのコンテキストウィンドウを自律的に管理し、セッションの初期の行動を記憶し、関連する過去の作業を検索し、保持する情報を圧縮する。この能動的な圧縮により、長期的なエージェントタスクが単にコンテキストを使い果たして再起動することがなくなる。また、Metaの発表で詳述されているように、自動化スクリプトを記述すべきか、インターフェースを直接操作すべきかを区別し、1クリックずつ指示を出すのではなく、複数のステップにわたるアクションをバッチ処理するように訓練されている。この設計上の選択により、コンピュータ操作ワークフローにおける総トークン消費量が削減される。
ただし、実際の価格優位性を狭めるコスト要因が1つある。推論トークンは、100万トークンあたり4.25ドル（約689円）という出力レートの満額で課金される。TechTimesが報じたところによると、複雑なデバッグ、複数ステップの計画立案、長いコンテキストの合成など、拡張された思考の連鎖（chain-of-thought）推論を必要とするワークロードでは、モデルがリクエストごとに生成する推論トークンの数によっては、1タスクあたりの実質コストが見出しの出力価格を大幅に上回る。推論を多用するワークロードでこのモデルを評価する開発者は、公開されているトークン単価ではなく、自社のタスク分布に基づいてベンチマークを行うべきである。
■API導入前に開発者が考慮すべき3つの制約
本番環境のトラフィックをMetaの新しいAPIにルーティングする前に、3つの運用上の制約に特に注意を払う必要がある。
第一に、MarkTechPostが報じたように、ローンチ時点でのアクセスは米国限定であり、ウェイトリスト制となっている。パブリックプレビューはまだEUを拠点とする開発者には拡大されておらず、グローバルな本番インフラとしての実行可能性は制限されている。新規アカウントには、従量課金制に移行する前に20ドル（約3,240円）の無料クレジットが付与される。
第二に、このAPIはOpenAIのSDKフォーマット（Chat CompletionsおよびResponses）とAnthropicのMessagesフォーマットの両方に対応している。Digital Appliedが確認したところによると、GPT-5.6やClaudeにクエリを送信する既存のエージェントは、クライアントコードを書き換えることなく、ベースURLとAPIキーを変更するだけでMuse Spark 1.1にリダイレクトできる。この互換性は、コスト比較テストを実行する上で非常に便利である。しかし、このモデルと、Metaが開発者からの評価を築き上げてきたオープンウェイトのLlamaモデルとの構造的な違いを排除するものではない。
Llama 4までのすべてのLlamaモデルは、開発者がローカルで実行し、ファインチューニングし、監査し、トークンごとの課金なしでデプロイできるダウンロード可能な重みデータとともに提供されてきた。Muse Spark 1.1はクローズドなホスト型モデルであり、このAPI上にエージェントを構築する開発者は、所有、検査、オフライン実行が不可能なモデル上に構築していることを意味する。APIの互換性により移行は容易だが、Metaが価格を変更したり、アクセスを制限したり、開発者のデプロイ要件と競合する利用規約を導入した場合に、他社へ移行できるかどうかについては何も保証されていない。この非対称性は、Muse Spark 1.1に大規模に依存するインフラ決定において、リスクとして価格に織り込む価値がある。
■広告の完全自動化がもたらす影響
広告主側における構造的な変化はよりシンプルに説明できるが、独自の影響を伴う。Marpipeのガイドが説明しているように、Advantage+ Catalog Adsを使用すると、ブランドは製品カタログを一度接続するだけで、どの製品をどのユーザーに表示するか、カタログデータからクリエイティブを組み立てるか、タイミングや配置を決定するかなど、残りの作業をMetaのAIに任せることができる。AdBidの記録によると、7月に発表された拡張により、これが全世界のすべての広告主に適用され、売上を目的とするAdvantage+カタログキャンペーンから「オーディエンスタイプ」の選択が削除された。これは、Metaが手動のセグメンテーションではなく、AI主導のオーディエンスターゲティングに完全にコミットしたことを示すシグナルである。
この背後にある技術的メカニズムは、MetaのAndromeda広告ランキングエンジンである。Marketing Agent Blogの2026年ロードマップで報告されたように、このエンジンは数百万の広告とユーザーの組み合わせをミリ秒単位で評価し、その規模は前身の約1万倍に達する。Andromedaの運用モデルでは、クリエイティブコンテンツが主要なターゲティングシグナルとなっている。つまり、モデルは広告が何を示しているかに基づいて、どのオーディエンスに広告を配信するかを決定するのであり、その逆ではない。以前はオーディエンスパラメータを定義することで配信を制御していたブランドは、現在では主に製品フィードに入力する内容を通じて配信に影響を与えるようになっている。
この変化には、明確な注意を払うべき現実的な結果が伴う。タイトル、説明、画像、価格、在庫状況といった製品カタログデータが、AIによって組み立てられ、クリエイティブ実行の時点で人間のレビューなしに配信される広告コピーとして機能するようになったのだ。AdMake AIの2026年7月のアップデートで指摘されたように、広告用ではなく在庫管理用に書かれた製品タイトル、古い価格、あるいはプラットフォームのポリシーや適用される消費者広告法に準拠していない主張が、コンプライアンスチームの目に入る前に自動的に大規模にプロモーションされる可能性がある。同レポートによると、数週間以内にMetaの新しいAI画像生成モデルであるMuse ImageもAdvantage+の画像バリエーションを強化し始め、広告配信ワークフロー内で製品ビジュアルの生成や編集を行うようになるという。
FacebookやInstagramでカタログベースの広告キャンペーンを展開するブランドは現在、1年前とは異なる説明責任モデルの下で事業を行っている。人間のメディアバイヤーが広告を組み立てる場合、配信されるすべての主張は少なくとも一度は人間の目によるチェックを通過している。しかし、MetaのAIがカタログデータから直接広告を組み立てる場合、カタログの入力からインプレッションの配信までの間に同等のレビュー手順は存在しない。
この環境で最も有利な立場にある広告主は、製品データを物流記録ではなく規制対象の資産として扱う企業である。価値を伝えるために書かれたメリット主導の製品タイトル、リアルタイムで更新される価格、Metaのクリエイティブ仕様を満たす画像、そして純粋な購買意欲を持つユーザーとマッチするほど正確な属性が必要となる。Andromedaエンジンはパフォーマンスの高いクリエイティブの組み合わせに予算を配分するが、パフォーマンスの最適化は構造的なデータの問題を補うことはできず、Metaのシステムもサードパーティのツールも、広告に表示される前に製品説明内の法的な主張にフラグを立てることはない。
■ウォール街の評価と今後の焦点
Bloombergが本日報じた自信は、特定の事実を反映している。Metaは今回のAI投資サイクルにおいて初めて、インフラ支出に具体的な収益メカニズムを結びつけたのだ。有料の開発者向けAPI、余剰のAI容量を貸し出すために開発中のクラウドコンピューティング事業、そして広告スタックへのAIのより深い統合はすべて、既存の広告業務のコスト削減だけでなく、ユニットあたりの収益を生み出す製品である。
CFRAのテクノロジーチーム責任者であるAngelo Zino氏はこの転換について、Metaは「おそらくコアエコシステム内で誰よりもAIをうまく収益化しており」、歴史的に低いバリュエーションに対して新たな多角化が加わったことで、強力な株価上昇の条件が整ったと説明している。株価は予想収益の約16倍で値付けされており、これは過去10年の平均を下回り、マグニフィセント・セブンと呼ばれるテクノロジー企業の中で最も低い倍率である。Bloombergが追跡している79人のアナリストのうち73人が買い相当の評価を下し、平均目標株価が23%以上の上値余地を示唆する中、短期的な投資家の関心は、Metaが7月29日に第2四半期決算を発表する際、設備投資（capex）ガイダンスをさらに引き上げるかどうかに集まっている。
この記事の読者にとって重要な技術的テストはより具体的である。外部の評価者がより多くの結果を公表するにつれて、Muse Spark 1.1の独立したベンチマークパフォーマンスがMetaの自己申告スコアに収束するかどうか、そして国際的な開発チームがインフラの決定を下す必要がある前にEUのアクセス制限が解除されるかどうかである。これらの疑問は数週間以内に明らかになるだろう。商業的なアーキテクチャはすでに構築されている。
■注目ポイントQ&A
●Muse Spark 1.1の価格はClaude Opus 4.8やGPT-5.6と比べてどうですか？
Reutersが報じたところによると、入力100万トークンあたり1.25ドル（約203円）、出力100万トークンあたり4.25ドル（約689円）です。これはAnthropicのClaude Opus 4.8やOpenAIのGPT-5.5の約4分の1の価格です。このコスト優位性は、一時的なプロモーション価格ではなく、Metaの広告キャッシュフローがインフラを補助しているという構造的な理由によるものです。ただし、推論トークンは4.25ドルの出力レート満額で課金されるため、推論を多用するワークロードでは実質的なタスクあたりのコストが上昇することに注意が必要です。開発者はトークン単価だけに頼るのではなく、自社のタスク分布に基づいてベンチマークを行うべきです。
●Muse Spark 1.1は既存のOpenAIやAnthropicのSDK統合で機能しますか？
はい。Digital Appliedが確認したところによると、Meta Model APIはOpenAIのSDKフォーマット（Chat CompletionsおよびResponses）とAnthropicのMessagesフォーマットの両方を受け入れるように設計されています。既存のエージェントは、ベースURLをapi.meta.ai/v1に変更し、APIキーを置き換えるだけで、GPT-5.6やClaudeからMuse Spark 1.1にリダイレクトできます。この互換性はコストテストには非常に便利ですが、Muse Spark 1.1（クローズド、ホスト型、トークン従量課金）と、このAPIのローンチ前にMetaの開発者エコシステムを定義していたオープンウェイトのLlamaモデルとの根本的な違いを排除するものではありません。現在、APIは米国限定のパブリックプレビューで運用されており、EUでのアクセスは発表されていません。
●Advantage+ Catalog Adsから「オーディエンスタイプ」が削除されたことは、私の広告アカウントにとって実際に何を意味しますか？
AdBidが説明しているように、Metaは売上を目的とするAdvantage+カタログキャンペーンから「オーディエンスタイプ」の選択を削除しました。つまり、広告主はカタログ広告の配信を新規開拓とリターゲティングのプールに手動でセグメント化できなくなりました。システムは現在、Andromedaランキングエンジンを通じてオーディエンスの選択を処理しており、主に製品データ自体などのクリエイティブコンテンツのシグナルを使用して、誰にどのカタログアイテムを表示するかを決定します。地域と最低年齢は厳格な制約として残りますが、それ以外はすべて提案として扱われます。新規顧客と既存顧客間の予算配分を制御するためにオーディエンスセグメンテーションに依存していた広告主は、カタログキャンペーンの構造を見直し、現在の製品データの品質がこのモデルが要求するパフォーマンスをサポートしているかを確認する必要があります。
●MetaのLlamaの歴史を考慮すると、Muse Spark 1.1上に構築することは長期的なインフラ決定として安全ですか？
それはロックインがどちらの方向に向かうかによります。APIがOpenAIやAnthropicのSDKと互換性があるため、コスト比較のために既存のスタックにMuse Spark 1.1を追加するのは簡単です。リスクは逆の方向にあります。本番環境のワークロードがクローズドでトークン課金型のMetaモデルに依存するようになると、他社へ移行する際には、別のプロバイダーでその依存関係を再構築する必要があります。これは、Metaの許可なしにダウンロードし、ローカルで実行し、ファインチューニングできたLlamaモデルとは異なります。MetaはMuseシリーズの将来のバージョンをオープンウェイトモデルとしてリリースすると述べていますが、Muse Spark 1.1はオープンウェイトではなく、現在のAPI規約は、開発者が長年依存してきたオープンソースの取り決めとは実質的に異なる関係を表しています。長期的なインフラへのコミットメントとしてこのAPIを評価するチームは、ローカル実行というフォールバックの選択肢がないことを考慮に入れるべきです。
元記事: Meta Builds AI Revenue Stack: Developer API Launches as Advertiser Automation Goes Global