# MetaのMuse Wonderを検証：エージェント業務は強いが、デザインは苦手 - 番組: [How I AI](https://ai-curator.jp/podcasts/shows/cmv40atz1000f5j0zm69lxx8n)（Claire Vo） - 元のタイトル: Meta’s new ‘Muse Wonder’ model: good for AI agents, bad for design - 配信日: 2026年10月14日 - 長さ: 24分 - 要約作成日: 2026年10月14日 - トピック: [#Meta Muse Wonder](https://ai-curator.jp/topics/Meta%20Muse%20Wonder) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#LLMベンチマーク](https://ai-curator.jp/topics/LLM%E3%83%99%E3%83%B3%E3%83%81%E3%83%9E%E3%83%BC%E3%82%AF) [#フロントエンド生成](https://ai-curator.jp/topics/%E3%83%95%E3%83%AD%E3%83%B3%E3%83%88%E3%82%A8%E3%83%B3%E3%83%89%E7%94%9F%E6%88%90) [#ボイスアシスタント](https://ai-curator.jp/topics/%E3%83%9C%E3%82%A4%E3%82%B9%E3%82%A2%E3%82%B7%E3%82%B9%E3%82%BF%E3%83%B3%E3%83%88) [#LLM-as-a-judge](https://ai-curator.jp/topics/LLM-as-a-judge) - URL: https://ai-curator.jp/podcasts/cmv80kkfg00005x106zy8gpvo ## 要約 Claire Vo氏が、Metaの新フロンティアモデル「Muse Wonder（Wonderful）」を自身のHow I AIベンチ（約20タスク）にかけた初見レビュー。エージェント系タスクでは複数で1位となり、ボイスアシスタントもSonnetに迫る出来だったという。一方、PRD作成やフロントエンドのデザイン、SVG、ショート動画などクリエイティブ系は弱く、デザインはOpus 5.5に頼ると結論づけた。今後はエージェントのループに組み込んで試す意向を示している。 ## ポイント - Metaは、Muse Wonderを個人・業務向けエージェント作業に強い最先端モデルと位置づけ、ドメイン専門性、active memory、active focus（持続的な取り組み）の3点を差別化要素に挙げている。 - Claire氏のベンチでは、請求チケット対応、受信箱のトリアージ、コンピュータ操作、メール作成、ボイスアシスタントなどのエージェント系で1位または上位だった。 - 請求チケット対応のテストでは、誤ったアカウント連携、重複返金、プロンプトインジェクションという仕掛けをすべて乗り越えた。 - コーディング（バックエンド実装、コード監査）は他のフロンティアモデルと同水準で、実用上問題ないと評価された。 - デザインは「1年半遅れ」と酷評。紫系の配色、太いセリフ体、角丸などの定型的な見た目に加え、ダークモード指示の無視や画像の破損、ブランドガイド無視などの不具合が目立った。 - 動作は単発の軽いタスクでは速い一方、長いエージェントタスクでは時間がかかる。これがactive focusの影響かもしれないと推測している。 ## 章立て - [00:00] **イントロとMuse Wonderの概要** — Claire氏がMuse Wonder/Wonderfulを自身のベンチで試す趣旨を説明し、Metaが主張する位置づけを紹介する。 - [01:04] **Metaが掲げる3つのフロンティア能力** — ドメイン専門性、active memory、active focusの3点と、コーディングベンチでの優位性の主張を整理する。 - [04:10] **Muse Codeと検証方法** — Muse Codeの導入は面倒だったため、Claude Codeからヘッドレスで実行してモデルを検証した経緯を語る。 - [06:06] **ベンチの仕組みと総合結果** — 約20タスクのベンチ構成と、LLM判定＋音声メモによる採点方法、結果のTL;DR（エージェントとコーディングは良好、創作系は弱い）を述べる。 - [11:51] **エージェント系タスクの詳細** — 請求チケット対応の例を中心に、1位を取ったタスクとメール作成、ボイスアシスタントの出来を解説する。 - [14:34] **弱点：PRDとフロントエンドデザイン** — PRDの詳細不足や、プロトタイプの不具合、定型的なデザイン、ChatPRDサイト再設計の失敗例を紹介する。 - [18:38] **SVGとショート動画** — SVGは8モデル中7位、動画はカットのタイミングは良いがオーバーレイや音声に問題があり5点中2点とした。 - [21:18] **速度と最終評価** — 単発タスクは高速だが長いエージェントタスクは遅い傾向を指摘し、今後エージェントに組み込んで試す方針を示す。 ## 解説記事 AIプロダクト開発者のClaire Vo氏が、ポッドキャスト「How I AI」でMetaの新モデル「Muse Wonder（およびWonderful）」を検証した回です。自身の独自ベンチ「How I AI bench」にかけた初見レビューで、エージェント用途では高く評価する一方、デザインや創作系には厳しい評価を下しています。 #### Metaが打ち出すMuse Wonderの位置づけ Claire氏によると、MetaはMuse Wonderを、個人および業務向けのエージェント作業で最先端の性能を持つモデル群として発表しています。比較対象はFable、GPT-6 Astra、Claude Opus 5.5といったモデルで、法務や金融などの専門領域、個人エージェント、コーディング（DeepSuiteやSweetMarathonでの優位を主張）が主なアピール点です。 差別化要素として挙げられたのは3点です。ひとつは専門知識を業務に生かす「ドメイン専門性」、次に会話をまたいで文脈を保持する「active memory」、最後に難しい目標に向けて試行を続ける「active focus」です。Claire氏は、長時間タスクでactive focusが効いたように見える場面があったと述べ、今後さらに掘り下げる価値があるとしています。 #### 検証方法とベンチの構成 ベンチはPRD作成、プロトタイプ、ChatPRDサイトの再設計、長時間のコンピュータ操作、エージェント型リサーチ、コード修復、創作タスクなど約20種類で構成されています。まずLLMが審査し、その後Claire氏が音声メモでClaudeに採点を伝え、最終的に順位表が作られる流れです。今回は速報性を重視した「first look」で、フルベンチの再実施ではないと断っています。 なおMuseを使うにはMuse Codeの導入とサブスクリプション登録が必要でした。Claire氏はMuse Code自体はほとんど触らず、Claude Codeからヘッドレスで呼び出す形で試しています。 #### 強みはエージェントとボイスアシスタント 最も評価が高かったのはエージェント系です。バックエンド機能実装、受信箱のトリアージ、コンピュータ操作、メール作成、ボイスアシスタントなどで1位を取ったと述べています。 象徴的なのが請求チケット対応のタスクです。管理画面で、誤ったアカウントに紐づいたチケットを正しい顧客に直し、重複していた返金を適切に処理し、プラン変更を行い、返信して完了にする。そのうえ指示文にはプロンプトインジェクションが仕込まれていました。Muse Wonderはこれらを漏れなくこなし、全モデル中で最良だったそうです。Claire氏は、複雑なSaaSアプリを操作して顧客の問題を解決できるかは、良いエージェント評価の指標になると語っています。 ボイスアシスタントでは、親しみやすく押し付けがましくない口調を評価し、ベンチで首位を保ってきたSonnetに肩を並べると述べました。個人向けや知識業務向けの「中心となるオーケストレーター」を探している人には有力な選択肢になり得るという見方です。コーディングも他の主要モデルと同水準で、バックエンド実装やアーキテクチャレビューには十分使えるとしています。 #### 弱点はデザインと創作系 一方で、PRDは短くテンプレートには沿うものの、整形が崩れ詳細も不足していたとのことです。最も厳しい評価を受けたのがフロントエンドのデザインです。紫がかった配色、太いセリフ体、角丸といった型通りの「スロップ」が出やすく、デザイン感覚は「1年半は遅れている」と表現しました。ドキュメント予約アプリやインシデント管理ツールでは8割ほどは良く見えるのに細部が破綻し、開発者向けなのでダークモードを指定したのにライトモードで出力され、不自然なオーバーレイも出たといいます。ChatPRDサイトの再設計では、画像が壊れ、与えたブランドガイドラインも守られなかったと述べています。 創作系も振るいません。SVGイラストは8モデル中7位で、Claire氏は全体のスコアが上位に圧縮されているため悪いとは言わないとしつつ、使う理由はないと判断しました。ショート動画編集では、約40秒の適切な区間を見つけカットのタイミングもほぼ正確でしたが、字幕が顔にかかり上部のバーも不格好で、音声にも奇妙な処理が入っていたため、5点満点中2点としています。この分野ではOpus 5.5が現状最良だというのが同氏の見解です。 #### 速度の特性 Claire氏は、軽い単発タスク（メモの整理、キャラクター描画、プロトタイプ）は非常に速い一方、動画編集、受信箱トリアージ、バックエンド機能などの長いエージェントタスクでは時間がかかると指摘しました。これがMetaの言う集中モードの影響かもしれないとしつつ、性能と所要時間の関係はまだ追跡を始めたばかりで、次回のベンチで確認するとしています。 #### まとめ この回の結論は、Muse Wonderは「エージェントの頭脳・声」には有望だが、デザインや視覚的な創作には向かない、というものです。Claire氏はデザイン用途ではOpus 5.5を使い続け、Muse Wonderは自作エージェントのループに組み込んで性能とUXを確かめる予定です。 日本の読者にとっての注目点は、モデル選びが用途別の使い分けに向かっていることです。カスタマーサポートや受信箱整理のような業務自動化、会話型の個人エージェントではMuse系を試す価値がある一方、UI生成や動画では別モデルが有利という評価でした。ただしこれは一人の実践者による速報的な評価で、LLMの判定とのずれも本人が認めています。自分の業務に近いタスクで小さく検証する姿勢が重要でしょう。 > この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: How I AI「Meta’s new ‘Muse Wonder’ model: good for AI agents, bad for design」