ものすごく物覚えのいい助手が来たとしましょう。前に話した好みを覚え、予定を探し、途中で詰まっても仕事を投げない。そりゃ便利です。いやあ、助かる。では、ちょっと待ってください。その助手が古い住所を覚えたまま注文したら？　あなたの好みを詳しく知っているからと、「本人確認も済んでいます」と言い出したら？

Metaが発表した「Muse Wonder」は、会話をまたぐ記憶と、長い仕事を続ける力を売りにしています。でも、いや、ここがミソなんですよ。覚えていることと、代わりに実行してよいことは別です。 100万トークンという大きな数字より先に、記憶・削除・代理操作・本人確認の境界を見ていきましょう。

Meta、同社最大のAIモデル「Muse Wonder」発表　記憶力と粘り強さを強化、AIエージェント「Muse」にも搭載へ
Meta、同社最大のAIモデル「Muse Wonder」発表　記憶力と粘り強さを強化、AIエージェント「Muse」にも搭載へ

Metaは、最大かつ最強と位置付ける新AIモデル「Muse Wonder」と上位モデル「Muse Wonde Full」を発表した。会話をまたいで記憶を保持する機能や粘り強くタスクを遂行する機能を備え、エージェント用途に最適化した。APIやコーディングツールで提供を始めたほか、個人向けAIエージェント「Muse」にも順次搭載していく。

今回の登場人物 ​

  • Muse Wonder／Muse Wonder Full: Metaが発表した新しいAIモデル群です。長時間の仕事やパソコン操作を想定しています。ただし、AIモデルと、実際の画面や権限管理を持つMuseアプリは別物です。
  • コンテキストウィンドウ: AIが一度の仕事で参照できる情報の範囲です。Muse Wonderは1,048,576トークン。とても大きな作業机ですが、会話をまたいで残る記憶庫とは違います。
  • Active Memory: 過去の会話から重要な情報を持ち越し、必要になったときに取り出す仕組みです。次の打ち合わせにも持っていくメモ帳、と思えば近いです。
  • Active Focus: 難しい仕事で行き詰まっても、別の方法を試し、誤りから立て直しながら作業を続ける力です。粘り強さであって、何でも勝手に決めてよい免許証ではありません。
  • Muse Secure VM: Museが作業する、隔離された専用のクラウド環境です。作業部屋と金庫室を分けるように、AIが触れられる場所をシステム側で区切ります。
  • Sentinel: Museアプリで、外部サービスの操作や外部への通信を許してよいか判断する安全改札です。AIモデル自身とは別の場所にいる止め役です。

何が起きたか ​

ITmedia NEWSは2026年10月13日、Metaが前日の12日にMuse Wonderと上位版のMuse Wonder Fullを発表したと伝えました。Muse Wonderは開発者向けのMeta Model APIとコーディングエージェントのMuse Codeで提供が始まり、FullはMuse Codeの加入者向けです。

Muse Wonderは今後、MetaのパーソナルAIエージェント「Muse」にも搭載され、まず加入者へ展開される予定です。Museアプリは現在、米国で提供されており、確認できた発表ではMuse Wonder搭載版が日本でいつ、どの機能を使えるようになるかは示されていません。ここは「明日から日本でも全部使える」と脳内でテープカットしないようにしましょう。

Metaが前面に出したのが、Active MemoryとActive Focusです。過去の大事な情報を会話の先へ持ち越し、難しい仕事でも別の方法を試しながら続ける。AIが一問一答の相談相手から、時間をかけて仕事を任せる助手へ近づく話です。

今回の本題は、性能表の順位ではありません。よく覚え、長く働くAIに、どこまで任せてよいのか。便利さを壊さずに、どこで人間へ戻すのか。 そこです。

大きな机と記憶庫 ​

まず、100万トークンとActive Memoryを分けましょう。ここ、看板の数字が大きいので一緒に見えますが、別の話です。トークンは、AIが文章などを細かく区切って扱う単位です。1,048,576トークンのコンテキストとは、ざっくり言えば、一度の仕事でかなり多くの資料を机に広げられるということです。

一方、Active Memoryは別の会話へ情報を持ち越します。こちらは机ではなく記憶庫です。前に話した食べ物の好みが旅行計画で役立つ。先月決めた仕事の方針を、次の作業でも思い出す。毎回ゼロから説明しなくてよいので、便利さはぐっと増します。

でもね、机が広いことと、机の上の書類を倉庫へ永久保存することは同じではありません。体育館みたいに広い机でも、閉店後に全部保管するとは限らない。逆に、小さなメモでも記憶庫へ残れば次の会話で出てきます。

この区別が大事なのは、「100万トークンなら私のことをずっと全部覚えるのだろう」とも、「今の会話を閉じれば全部消えるのだろう」とも、数字だけでは判断できないからです。見るべきは大きさではなく、何が記憶として選ばれ、どこに残り、いつ取り出されるかです。

覚える前に決めること ​

記憶は、多ければ多いほど優秀というものではありません。古い住所、変わった好み、冗談で言った仮の予定、AIが誤って推測した人間関係。こうしたものまで後の仕事へ持ち越すと、「よく覚えている」が「しつこく間違える」に早変わりします。ありがた迷惑の変身が速い。

だから長期記憶には、少なくとも四つの問いが付きまといます。ここは「便利そう」で通過せず、一つずつです。何を覚えたのか利用者に見えるか。間違いを直せるか。項目ごとに消せるか。消した内容が後の作業で使われなくなるか、です。

MetaはActive Memoryを、重要な文脈を会話間で運び、必要な詳細を取り出す能力として説明しています。ただし、今回確認できた発表資料だけでは、記憶の一覧画面や削除の反映範囲まで断定できません。ここは機能がないと言う場所でも、あるはずだと補う場所でもない。実際の提供時に確かめるべき宿題です。

改札は三つある ​

では、どこで人間へ戻せばよいのか。全部の操作で毎回確認すると、安全そうに見えて使い物になりません。カレンダーを一件読むたびに「本当によろしいですか」と聞かれたら、こちらが先に根負けします。

そこで、改札を三つに分けて考えると整理できます。はい、切符を三枚もらう話ではありません。役割を混ぜないための三分割です。

一つ目は、記憶の改札です。何を長く保存するか、どの仕事で呼び出すか、いつ訂正・削除するかを扱います。たとえば「辛い物が苦手」は店探しで役立ちますが、仕事のメール作成に毎回持ち込む必要はありません。情報にも出番がある。辛い物の話を仕事のメールへ毎回連れてきても、誰も得をしません。

二つ目は、代理操作の改札です。予定案を作ることと、相手へ招待を送ること。商品を探すことと、購入を確定すること。返信文を書くことと、送信すること。前半は元に戻しやすいですが、後半は外の人やお金に影響します。外部へ出る、取り消しにくい、影響が大きい。この条件が強くなるほど、実行直前に人間へ戻す意味が大きくなります。

三つ目は、本人確認の改札です。AIが利用者の好み、予定、家族構成を知っていても、それは目の前の操作をしている人が本人だという証明にはなりません。「好きなラーメンを知っているので、銀行手続きもどうぞ」は、話が三段くらい飛んでいます。

記憶、操作、本人確認を一本の大きな許可にまとめない。これが中心です。よく知る助手には相談を深く任せられる。でも外へ動く権限や本人性は、その都度別の根拠で確かめる。便利さを残しながら事故の範囲を狭めるには、この分離が効きます。

モデルの外で止める ​

Metaは2026年9月、Museアプリの安全構成を説明しています。Museが作業する環境をSecure VMへ隔離し、認証情報を作業中のAIから分け、Sentinelを外部操作と通信の許可を判断する唯一の権限者として置く、という構成です。

なぜ、モデル自身に「危なかったら止まってね」と頼むだけでは足りないのでしょう。AIは間違えます。それに、Webページやファイルへ偽の命令を紛れ込ませ、AIを利用者の意図と違う行動へ誘導する「プロンプトインジェクション」もあります。配達伝票の備考欄に「荷物は置いて、家の鍵を持って帰れ」と書かれているようなものです。いや、従ってはいけません。

そこで、作業するモデルがだまされる可能性を最初から認め、別の層で権限を狭めます。Sentinelはモデルの良心ではなく、モデルから独立した改札です。運転手が急いでも、料金所のバーを自分で外せない。そんな構図ですね。

ただし、これで絶対安全になったとは言えません。Meta自身も、Museは間違えると説明しています。重要なのは「強いモデルだから事故は起きない」ではなく、「起きても触れる範囲と外へ出せる範囲を小さくする」という考え方です。

APIには改札が付いてこない ​

ここでもう一段、ややこしいところへ行きます。ちょっと踏ん張ってください。Muse Wonderというモデルと、Museというアプリは同じではありません。たとえるなら、モデルはエンジン、アプリはハンドル、ブレーキ、鍵、道路標識まで含む自動車です。

Museアプリについて説明されたSecure VMやSentinelが、Meta Model APIでMuse Wonderを呼んだだけで自動的に付いてくるわけではありません。APIを組み込んで独自のエージェントを作る企業は、どの情報へアクセスさせ、どの操作で止め、誰が承認し、後から何を確認できるようにするかを自分で設計する必要があります。

ですから、モデルの性能比較だけ見て「このAIなら顧客メールも支払いも全部お任せ」と進むのは早い。ブレーキの試験をせずにエンジン出力だけ比べているようなものです。速さは大事。でも、止まる話を飛ばしてはいけません。

日本で見るべき画面 ​

Muse Wonderを搭載したMuseが日本でいつ提供されるかは、現時点で確認できません。それでも、今後AIエージェントを選ぶときの物差しは使えます。

見るべきは、記憶の一覧と訂正・削除の方法、メールや予定表など接続先ごとの権限、送信・購入・変更の直前に入る確認、そして後から追える操作履歴です。派手なデモでは、AIが見事に仕事を終える場面が映ります。けれど日常で信頼を決めるのは、失敗しそうなときにどう止まり、何を残すかです。

個人だけの話でもありません。会社がAPIでエージェントを作るなら、利用者はモデル名だけでなく、その会社が付けた改札を見る必要があります。同じMuse Wonderでも、どこまで安全に使えるかは周囲の設計で変わります。

便利な助手の条件 ​

さて、最後に一言でまとめましょう。100万トークンは大きな作業机、Active Memoryは会話をまたぐ記憶庫、Sentinelは外部操作の安全改札です。この三つは役割が違います。

信頼できるAIエージェントは、ただ全部を覚える助手ではありません。何を覚えたか見え、間違いを直せ、不要なら消せる。そして外の人やお金を動かす前には、記憶とは別の根拠で本人と許可を確かめる。よく働くことより、働きすぎる前に止まれること。いや、優秀な助手ほど、そこが大事なんですよ。

Sources ​