Muse Wonderとは？API料金・呼び出し方とMuse Spark・Wonder Fullの使い分け【2026年10月】

Muse Wonderは、MetaのSuperintelligence Labsが2026年10月12日に公開した、同社初のフロンティア級モデルです。Meta Model APIでは muse-wonder-1.0 というIDで呼べて、コンテキストは1Mトークン、単価は入力100万トークンあたり4ドル・出力20ドルです。この記事では、上位版Muse Wonder Fullとの違い、OpenAI SDKのままで動く呼び出しコード、軽量版Muse Spark 1.3との費用差、Meta自身が出したベンチマークの読み方、そして自社システムに組み込むかの判断までを、公式ドキュメントの記載で組み立てます。数値はすべて2026年10月14日時点の公式情報です。

まとめ：Muse Wonderを本番に入れる前に決めるモデル選択・費用・データの3点

Muse Wonderは「Muse Sparkの上位互換」ではなく、長時間かかるエージェント処理とコーディングに寄せた高単価モデルです。全部の処理を置き換えると費用が跳ねます。

決めることは3つあります。1つめはモデル選択で、APIで呼べるのは無印のMuse Wonderだけ。ベンチマーク表の上段にいるWonder FullはMuse Codeの有料プラン専用で、reasoning effortを最大にしてもAPIからは選ばれません。2つめは費用で、Muse Spark 1.3と比べ入力は3.2倍、出力は約4.7倍の単価です。リファクタリングや多段のツール実行のように、失敗のやり直しが高くつく処理だけに絞れば単価差を回収できます。3つめはデータで、Muse WonderにはSparkのような学習利用と引き換えの割引（Contributor mode）が無く、API利用は常に学習対象外のStandard modeだけです。社外秘のコードを扱う用途では、この点がむしろ採用理由になります。

Muse Wonderの基本仕様｜モデルID・1Mコンテキスト・入力形式と提供経路

最初に、公開時点で確定している仕様を整理します。発表は研究ブログ、数値は開発者向けドキュメントが一次情報です。

2026年10月12日にMeta初のフロンティアモデルとして公開された位置づけ

Metaの発表ブログは、Muse WonderとMuse Wonder Fullを「個人と業務のエージェントタスクで最先端の性能を出すモデル」と位置づけています。事前学習と強化学習の両方を経て、ギガワット級のPrometheusデータセンターで学習したと書かれています。

これまでのMuseシリーズは、低遅延と低単価を売りにしたMuse Sparkの性能とAPI料金を解説した記事のとおり軽量側の系譜でした。Wonderはその上に置かれた大型モデルで、同じAPI・同じSDKで呼び分けられます。ブログでは安全性について、化学・生物・核などの悪用とサイバー悪用への対策を現時点で最も強くしたとしつつ、評価の完全版は後日公開としています。

APIで呼べるWonderとMuse Code専用のWonder Fullの提供経路

2つのモデルは、使える場所がはっきり分かれています。Muse Wonderのモデルページの記載を表にしました。

Wonder Fullを自社のアプリケーションから呼ぶ方法は、10月14日時点ではありません。Muse Codeのサブスクリプション案内では、Everyday Usageを基準にHigh（5倍）・Power（20倍）・Maximum（80倍）の4段階があり、Fullが付くのはPower以上です。モデルページの表記ではPowerが月50ドル、Maximumが月200ドルです。Muse Codeそのものの仕組みはMeta Muse Codeのイベントログとバックグラウンド常駐を解説した記事で扱いました。

Active MemoryとActive Focusが狙う長時間エージェントの2つの能力

発表で前面に出ているのは2つの能力です。Active Memoryは、利用者に関する文脈を会話をまたいで持ち続け、今の作業に関係する部分を自分から取り出す能力。Active Focusは、別の手を試す・障害を迂回する・新しい情報に合わせる・重要な操作の前に確認を取る、といった形で難しい目標に向かって作業を続ける能力です。

どちらも内部の実装方式は公開されていません。API利用者から見ると「長いタスクで途中で投げ出しにくいモデル」という性質として現れるだけで、メモリを外から読み書きするAPIが増えたわけではない点に注意してください。モデル一覧のドキュメントによると、入力はテキスト・画像・動画・音声・PDF、出力はテキストのみで、Muse Wonderはプレビュー扱いです。

Muse WonderをAPIで呼び出す手順とOpenAI SDK互換のコード例

Meta Model APIはOpenAI SDKとAnthropic SDKの両方と互換で、既存のクライアントはベースURLとモデル名の変更だけで動きます。

APIキー発行からMODEL_API_KEY設定までの準備とベースURLの3手順

公式のQuickstartに沿うと、準備は次の3手順です。

1. Model APIのダッシュボードで「API keys」から「Create API key」を選び、キーを発行する
2. キーを環境変数 MODEL_API_KEY に保存する（コードに直書きしない）
3. クライアントのベースURLを https://api.meta.ai/v1 に向ける

落とし穴が1つあります。OpenAI SDKは MODEL_API_KEY を自動では読みません。api_key に明示的に渡すか、OPENAI_API_KEY にModel APIのキーを入れる必要があります。既存のOpenAI用キーが環境に残っていると、そちらがMetaへ送られて401になるので、切り替え時は環境変数を見直してください。

Responses APIで推論の深さを指定するcurlとPythonの実行例

まずはcurlで疎通を確かめます。Responses APIでは推論の深さを reasoning オブジェクトの effort で指定します。

export MODEL_API_KEY="発行したキー"

curl -X POST "https://api.meta.ai/v1/responses" \
  -H "Authorization: Bearer $MODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "muse-wonder-1.0",
    "reasoning": { "effort": "high" },
    "input": "Flaskアプリを SQLAlchemy 1.4 から 2.0 へ移行する計画を、影響範囲の調べ方から順に作ってください。"
  }'

アプリケーションに組み込むときは、重い処理だけをWonderに回し、それ以外はMuse Spark 1.3に残す振り分けを最初から入れておくと、後で費用を抑えやすくなります。

pip install openai

import os
from openai import OpenAI

# Meta Model API は OpenAI SDK 互換。ベースURLとキーだけ差し替える
client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key=os.environ["MODEL_API_KEY"],  # SDKは MODEL_API_KEY を自動で読まないので明示する
)

# 長時間・多段の処理だけ Muse Wonder、それ以外は単価の低い Muse Spark 1.3 に回す
HEAVY_TASKS = {"refactor", "agent_run", "repo_review"}

def pick_model(task_kind: str) -> str:
    return "muse-wonder-1.0" if task_kind in HEAVY_TASKS else "muse-spark-1.3"

response = client.responses.create(
    model=pick_model("refactor"),
    reasoning={"effort": "high"},
    input="SQLAlchemy 1.4 から 2.0 への移行で書き換えが必要な箇所の洗い出し手順を示してください。",
)

print(response.output_text)
# 課金の根拠になるトークン数。キャッシュ一致分は cached_tokens に出る
print(response.usage)

Responses APIとChat Completionsのどちらを使うかの判断は、OpenAI Responses APIとChat Completionsの違いを整理した記事の基準がそのまま当てはまります。Chat Completionsで呼ぶ場合、推論の深さはトップレベルの reasoning_effort で渡します。

reasoning effortの7段階とnone指定で400が返るMuse固有の制約

Reasoningのドキュメントでは、effortに none・minimal・low・medium・high・xhigh・max の7値が定義されています。省略するとモデルが自動で深さを決めます。

移植時に引っかかるのは2点です。1つは none で、Muse WonderとMuse Sparkは推論を切れず、指定するとHTTP 400が返ります。他社モデル向けに「推論なし」で高速化していた処理は minimal に置き換えます。もう1つは max の扱いで、muse-wonder-1.0 と muse-spark-1.3 は対応しますが、muse-wonder-1.0 に max を渡してもWonder Fullに切り替わるわけではありません。ベンチマーク表の「Muse Wonder (max)」は、あくまで無印Wonderの最大設定の値です。

Muse Codeから使う場合は、設定ドキュメントにある --model と --reasoning-effort の起動フラグ、またはセッション中の /models・/effort で切り替えます。

muse --model muse-wonder-1.0 --reasoning-effort high

設定ドキュメントの既定モデルは10月14日時点で muse-spark-1.2 のままです。プランによって選べるモデルが違うため、IDを直接書くより /models の一覧から選ぶほうが確実です。

Muse WonderのAPI料金とレート制限｜Spark 1.3との単価差と割引

費用の見積もりでは、単価そのものより「どの割引が使えないか」が効いてきます。

入力4ドル・出力20ドルの単価をMuse Spark 1.3と比べた月額試算

料金とレート制限のドキュメントの単価を並べます（100万トークンあたり・米ドル）。

月に入力1億トークン・出力1,000万トークンを使う社内エージェントで試算すると、キャッシュなしでWonderは600ドル、Spark 1.3は167.5ドルです。入力の8割がキャッシュに当たる構成なら、Wonderは296ドル、Spark 1.3は79.5ドルまで下がります。長い前置き（システムプロンプトやリポジトリ概要）を固定して先頭に置く設計は、Wonderでこそ効果が大きいということです。キャッシュの当て方はプロンプトキャッシュの仕組みと損益分岐を整理した記事で詳しく扱っています。

コンテキストが長くなっても単価の割増は無く、ほぼ空でも1Mいっぱいでも同じ単価です。Web検索によるグラウンディングを使うと、トークン料金とは別に1,000クエリあたり2.50ドルが加算されます。

Muse WonderにContributor modeが無いことで変わる学習利用の条件

Muse Sparkには、送ったプロンプト・コード・応答をMetaの将来のモデル学習に使わせる代わりに、入力0.10ドル・出力0.20ドルまで下がるContributor modeがあります。Muse WonderはAPIでこのモードの対象外で、従量課金はStandard modeだけです。

Standard modeの内容は学習に使われません。つまりWonderを選んだ時点で「安くするためにデータを差し出す」選択肢が消え、社外秘のソースコードや顧客データを扱う処理でも学習利用を気にせず使えます。逆に、学習利用を許容できる公開情報の要約やテストデータ生成にWonderを使うのは割高です。その種の処理はSpark 1.3のContributor modeに回すと、入力で40分の1、出力で100分の1の単価になります。Muse Codeのサブスクリプションは既定でContributor modeが有効なので、業務のコードを触らせる前に設定で切っておく必要があります。

チーム単位3,000RPM・400万TPMのレート制限とbackground投入の上限

レート制限はAPIキーではなくチーム単位で、モデルごとに別枠です。muse-wonder-1.0 は毎分3,000リクエスト・400万トークンで、Spark 1.3のStandardと同じ枠になっています。

長時間タスクを background: true で非同期に投げる場合は、新規投入がチーム全体で毎分600件までという別の上限があり、超えると429が返ります。複数の社内システムが同じチームのキーを共有していると、夜間バッチがエージェントの投入枠を食い合うことがあるので、用途ごとにチームを分けるか、投入側でキューを持たせてください。

Muse Wonderのベンチマークの読み方｜他社上位モデルとの差が出る領域

モデルページには、Claude Fable 5.1・GPT-6 Astra・Claude Opus 5.5と並べた14項目の表があります。数値はすべてMetaの発表値です。

長期開発と文脈保持で上回りOSWorldとProgramBenchで劣る数値

実装者の判断に関係する項目を抜き出しました（各モデルのmax設定。Wonder FullのSWE-Marathonのみxhigh）。

読み取れる傾向ははっきりしています。無印Wonderが他社の最上位を明確に上回るのは、長期の開発タスク（SWE-Marathon・DeepSWE）と文脈の保持（MemoryBench）です。一方、画面操作のOSWorldとゼロからの実装のProgramBenchでは無印Wonderが比較対象の3モデルすべてを下回り、ターミナル操作のTerminal-BenchでもGPT-6 AstraとOpus 5.5に届きません。総合指標のArtificial Analysis IndexもOpus 5.5の58に対して52です。「既存の大きなリポジトリを長時間いじり続ける」用途に強く、「画面を操作させる」「新規に書き起こす」用途では優位が無い、と読むのが妥当です。

Meta自社発表の数値を採用判断に使う前に確かめる第三者検証の不足

表の上段で目立つのはWonder Fullの数字ですが、APIで呼べない以上、自社システムの判断材料にはなりません。比較に使うべきは無印Wonderの列です。

もう1つ、Personal Superintelligence IndexはMetaの社内複合指標で、外部から再現できません。比較相手の側にも、Claude Fable 5.1の破壊的変更と料金やGPT-6 Astraの提供経路とデータ境界のように、単価やデータの扱いという表に載らない差があります。採用の前に、自社の実タスクを20〜50件ほど集めた評価セットで、正答率とトークン消費の両方を測ってください。発表値と自社タスクでの結果がずれるのは珍しくありません。

Muse Wonderを採用してよい場面と見送る場面｜自社システム組み込みの判断基準

ここまでの事実から、条件つきで結論を出します。

大規模リポジトリの改修と長時間エージェント処理で単価差を回収できる条件

採用してよいのは、1回の失敗が人の手戻りに直結する長いタスクです。数十ファイルにまたがるライブラリ移行、テストが落ちたら直して再実行する修正ループ、複数のツールを順に呼んで報告書まで作る調査エージェントがこれに当たります。SWE-MarathonとMemoryBenchで差が出ている領域そのもので、Spark 1.3で3回やり直すよりWonderで1回通すほうが、人件費まで含めた総額は下がりやすい。社外秘のコードを扱うため学習利用を確実に避けたい場合も、Contributor modeの無いWonderは選びやすい選択肢です。

高頻度の分類・抽出や画面操作と音声入力の業務はSpark 1.3以下に残す線引き

見送るのは3つの場合です。1つめは、問い合わせの分類や帳票の項目抽出のように、1件あたりが短く件数が多い処理。出力単価が約4.7倍になるうえ、長時間タスク向けの能力が効きません。2つめは、ブラウザーやデスクトップを操作させる用途で、OSWorldの数値では無印Wonderに優位がありません。画面操作の仕組み自体はComputer Useの動作原理を比較した記事で確認できます。3つめは音声入力で、Metaのブログ自身が音声を伴う用途はリリース環境で対応を確認するよう注記しています。

「全部Wonderに切り替えて様子を見る」は避けるべき失敗パターンです。プレビュー段階のモデルに全処理を寄せると、費用と挙動の変化を同時に抱えることになります。

本番組み込みを受託開発で進めるときに先に設計するモデル切替層と評価セット

Muse Wonderを本番に入れるなら、前章のコードのようにモデルを呼び分ける層を最初から作り、モデルIDを設定値で差し替えられるようにしておきます。プレビューのモデルは版が上がる前提で扱うべきで、そのたびに評価セットを流して正答率とトークン消費を比べる仕組みがあれば、乗り換えの判断が数日で済みます。

工数がかかるのはモデルの呼び出しより、タスクの振り分け基準・評価セットの整備・キャッシュ設計・レート制限を越えないキューの作り込みです。社内に経験が無ければ、対象業務が決まった段階でAIエージェント開発の相談窓口に持ち込むと、モデル選定から評価の仕組みまでまとめて設計できます。

Muse Wonderの導入検討でよくある質問と公式情報に基づく回答

公開直後に多い疑問に、2026年10月14日時点の公式ドキュメントで答えます。

Muse Wonderは無料で使えますか？

APIは従量課金で、無料枠の記載は公式の料金ページにありません。入力100万トークンあたり4ドル、キャッシュ入力0.20ドル、出力20ドルです。Muse Codeのサブスクリプションでは、最も低いEveryday UsageプランにもMuse Wonderが含まれると案内されています。Playgroundでの試用にはログインが必要です。

Muse WonderとMuse Wonder Fullは何が違いますか？

Wonder Fullはより強いベースモデルを使った上位版で、Metaの表では多くの項目でWonderを上回ります。違いは提供経路で、WonderはMeta Model APIとMuse Codeで使えますが、FullはMuse CodeのPower Usage以上のプラン限定です。APIで max を指定してもFullにはなりません。

Muse WonderとMuse Sparkはどちらを選べばよいですか？

短く件数の多い処理や、学習利用を許容して単価を下げたい処理はMuse Spark 1.3、長時間の開発タスクやエージェント処理はMuse Wonderが向きます。単価はSpark 1.3が入力1.25ドル・出力4.25ドルで、入力でWonderの約3分の1、出力で約5分の1です。両方を同じSDKで呼び分けられるので、処理単位で振り分けるのが現実的です。

Muse Wonderに送ったデータは学習に使われますか？

APIの従量課金はStandard modeのみで、送った内容はMetaのモデル学習に使われません。Muse Sparkにある学習利用と引き換えの割引（Contributor mode）は、WonderではAPI提供されていません。ただしMuse Codeのサブスクリプションは既定でContributor modeが有効なので、業務で使う前に設定で無効にしてください。

Muse Wonderは日本語や画像・PDFの入力に対応していますか？

モデル一覧では、入力にテキスト・画像・動画・音声・PDFを受け付け、出力はテキストのみとされています。日本語について個別の性能値は公開されていません。音声を伴う用途は、Metaのブログが実環境で対応を確かめるよう注記しているため、本番前に自社の音声データで試験するのが安全です。

関連記事

• Muse Sparkとは？性能・API料金・ローカル実行可否を2026年7月最新版で解説：Wonderと呼び分ける軽量側のMuse Sparkの性能と料金です。
• Meta Muse Codeとは？イベントログ再現とバックグラウンド常駐の仕組み・料金・導入判断【2026年8月】：Wonder Fullを使える唯一の製品Muse Codeの仕組みです。
• GPT-6 Astraとは？提供3経路の料金とデータ境界の判断【2026年9月】：ベンチマークで比較されたOpenAI側の上位モデルです。
• プロンプトキャッシング（プロンプトキャッシュ）とは｜仕組みと主要5社APIの使い方・料金の損益分岐【2026年版】：Wonderの費用を下げるキャッシュ設計の考え方です。
• Computer Useの仕組み｜スクリーンショットと座標で画面を操作する動作原理をClaude・OpenAI・Geminiで比較：画面操作の用途でモデルを選ぶときの前提知識です。