MetaのMuse Spark 1.3、GPT-5超えのコーディング性能を記録

Metaが新しいAIモデル「Muse Spark 1.3」を順次提供開始したと報告されています。注目したいのは、長時間のコーディング性能を測るベンチマーク「DeepSWE v1.1」において、OpenAIのGPT-5.6 SolおよびAnthropicのOpus 5を上回るスコアを達成したとされている点です。

DeepSWEは、短いスニペット生成ではなく、実際のソフトウェアエンジニアリングに近い長時間・複雑なコーディングタスクを評価する指標です。つまり「ちょっとしたコード補完」ではなく、「まとまった開発作業をAIに任せる」ような用途での比較になります。この文脈でGPT-5系を超えたという発表は、モデル選定を意識している人には無視できない数字です。

コーディング性能に加え、エージェント型タスクの評価指標「OSWorld 2.0」でもトップモデルと同等以上の性能が確認されています。OSWorldはAIが実際のOS環境を操作しながらタスクをこなす能力を測るもので、「指示を出して終わり」ではなく「AIが自律的に画面を操作・判断・実行する」能力の比較です。

現在、エージェント型AIの実用性は急速に上がっています。AIエージェントが「制御外」になる前に知っておくことでも触れたように、自律実行モデルを使いこなすには性能だけでなく「どこまで任せるか」の設計が重要になってきます。Muse Spark 1.3がこの領域でトップ水準に達しているとすれば、エージェント型の自動化ワークフローを組んでいる人にとって有力な選択肢が一つ増えたことになります。

Muse Sparkシリーズは短期間で性能を積み上げており、今回の1.3もその流れの中にあります。OpenAIやAnthropicがコスト・品質・APIの安定性で競争する中、Metaはオープンな展開方針（Llamaシリーズの流れ）と速いリリースサイクルで存在感を高めています。

実用面で重要なのは、Metaのモデルがオープンウェイトで公開される場合、API経由だけでなくセルフホストでも使える選択肢が生まれるという点です。ClaudeとGeminiの料金差、並べたら手が止まったでも整理したように、モデル選定はコストと性能のトレードオフで動きます。Muse Spark 1.3が同等以上の性能をより低コストまたはローカル環境で提供できるなら、そのインパクトは数字以上に大きくなります。ただし現時点では公式の提供形態・料金体系の詳細はまだ出そろっていないため、続報を追う必要があります。