Metaは個人・業務向けのエージェント作業を狙うMuse WonderとMuse Wonder Fullを発表しました。APIとMuse Codeで提供経路を分け、記憶や長い作業の継続能力を説明しています。 継続して働くAIでは、会話をまたぐ情報保持と実行前の確認が重要になります。利用者はモデル名だけでなく、契約ごとのアクセスと、記憶・ツールの管理範囲を確認する必要があります。 個人と仕事の長い作業を狙うモデル群 Metaは2026年10月12日、Muse WonderとMuse Wonder Fullを発表しました。同社はこれまでで最も能力の高いモデルと位置付け、個人や仕事でのエージェント作業を対象にしています。開発、文書の理解、複数段階の問題解決などが例として示されています。背景には、一度の質問へ答えるだけでなく、時間をかけて目的へ進むAIを作る狙いがあります。原文はMuse Sparkを土台にした進歩として今回のモデルを説明しています。十月十三日の更新表示もありますが、公開日は十月十二日です。発表時点で使える経路と、今後Museへ広がる予定は分かれています。モデルの能力に関する同社の説明と、利用者の環境で確認できる結果を区別する必要があります。 利用経路と会話をまたぐ機能を確認する Muse WonderはMeta Model APIとMuse Codeで利用可能です。Muse Wonder FullはMuse Codeの契約者向けに提供すると説明しています。Muse上の体験には今後導入し、まず契約者から展開する予定です。対象となるのは、APIを組み込む開発者、開発支援を使う人、個人の作業をAIへ任せたい利用者です。機能面では、会話をまたいで関連情報を持ち越すActive Memoryと、失敗から回復して目的へ進むActive Focusを紹介しています。重要な行動の前に確認する設計にも触れています。ただし、記憶が使えることは、連携するすべての情報へ無条件にアクセスできることではありません。原文はメッセージ、予定、文書をまたぐ作業でのプライバシーを重視し、追加の安全評価報告も今後公開するとしています。 長い作業を止める条件も設計する 導入の論点は、AIが長く働けることと、利用者が許可した目的の中で働けることを両立させる点です。会話をまたぐ記憶には、残す情報と使う場面を確認できる運用が必要になると見られます。外部のツールへ接続する場合は、読み取り、編集、送信などの権限を分けることが重要です。費用面では、長い作業の途中で起こる再試行や、確認待ちが利用量へどう影響するかが判断材料になります。自社の検証では、完了率だけでなく、誤った操作、根拠の不足、人の修正量を含める必要があります。今後の安全評価報告では、どの条件で検査し、どこに制約があるかが次の確認点になります。発表時点の提供経路を確かめ、今後の展開を前提に必要な機能がすでに使えると推測しないことが重要です。