Meta：コードエージェント「Muse Code」をテスト

Llamaの初期成功以来、Metaは生成AIの最前線に戻ることはなかった。8月のMuse Code発表、そして10月には新たなフロンティアモデル（現時点で最も先進的）として「Muse Wonder Full」と「Muse Wonder」を発表し、同社はプロフェッショナルにとって信頼性のある能力を少なくとも紙面上では示している。

市場に近い機能、魅力的な価格

Muse Codeは、コードエージェントに期待される機能を提供する：goal、mode plan、サブエージェント、スクリプトや他のエージェントによる制御を可能にするヘッドレスモード。また、MCP、hooks、skills、AGENTS.md、computer useも統合している。サブエージェントに関しては、デフォルトでより多く起動され、ステップ間でアクティブなままである点で特徴的だ。一方、統合開発環境（IDE）向けの拡張機能、デスクトップやモバイルアプリ、クラウド上のエージェントは存在しない。

このツールの主な強みはその価格にある。月額サブスクリプションは4段階：5ドル、15ドル、50ドル、200ドル。「コードと推論において最も強力なモデル」とされるMuse Wonder Fullは、5ドルおよび15ドルのプランには含まれない。API側（モデルが読み書きするテキストの単位であるトークン単位で課金）では、Muse Wonderのみが提供され、入力100万トークンあたり4ドル、キャッシュ読み取り0.20ドル、出力20ドルとなっている。

ランディングページと動画：期待外れの結果

最初のテストでは、低軌道データセンターを販売する架空のネオクラウドの未来的なランディングページ作成において、エージェントは重要度の低い操作で頻繁に停止し、手動での変更承認を必要とした。ビジュアル結果は時代遅れと評価された：衛星の回転が速すぎ、大陸が信憑性に欠ける球体で表現され、テキストのみが一貫性を保っていた。同じ課題では、GoogleのGemini 4が「大きくリードしている」。

Remotionで作成された10秒間のプロモーション動画も説得力に欠けた。テストによれば、これはスライドが読み取れないほど速く切り替わる、わずかにアニメーションされたスライドショーに似ている。その美的感覚は、GPT-6、Claude Opus 5.5、Gemini 4の作品と比べて基本的と評価された。

より好結果のバグハンティング

最後のテストは、ポーランドのプロダクトマネージャーPaweł Hurynの手法に触発され、約200行のPythonライブラリ「python-slugify」に仕込まれた5つのバグを修正するものだった。Muse Wonder FullとClaude Opus 5.5を搭載したClaude Codeは、Git履歴やインターネットアクセスなしで同じコードを受け取った。両ツールはテストを壊すことなく5つのバグを修正し、Muse Codeは18.8分、Claude Codeは19.1分を要した。Muse Codeは入力で554万トークンを消費したのに対し、Claude Codeは496万トークンだったが、出力はMuse Codeが6万5千トークン、Claude Codeが16万3千トークンを生成した。また、Muse Codeはテスト担当者が導入していなかった欠陥も発見した。

テストによれば、Muse CodeはClaude Code、Codex、Antigravityのような汎用性はまだなく、常識と堅牢なUI/UX能力を欠いている。Artificial Analysisによると、Muse Codeはベンチマーク（標準化された性能テスト）において、Antigravityを搭載したGemini 4に後れを取っている。Muse Wonder Fullのトークン単位課金がないため、ツールの実質的なコストは推定不可能である。