Metaは2026年10月14日(現地時間)、フロンティアエージェント性能を主張する新たなAIモデル「ミューズ・ワンダー (Muse Wonder)」および「ミューズ・ワンダー・フル (Muse Wonder Full)」を発表した。これに対し、レニーズ・ニュースレター (Lenny's Newsletter) はクレア・ヴォー (Claire Vo) 氏による詳細なベンチマークテストの結果を報じた。ヴォー氏は「How I AI bench」を通じて約20のタスクでモデルを検証し、その性能と限界を評価した。
ヴォー氏が実施したベンチマークテスト「How I AI bench」は、プロトタイピング、エージェントワークフロー、コーディング、ライティング、クリエイティブワークを含む約20のタスクを対象とした。評価はLLM-as-a-judgeとヴォー氏自身の音声メモに基づき実施された。
テストの結果、ミューズ・ワンダーはMetaが提唱する個人およびプロフェッショナルエージェントとしてのフレームが概ね維持されることを示した。特に、3つのエージェントタスクにおいてはトップの性能を発揮したという。しかし、デザイン出力に関しては「it’s not good」と評価され、課題が指摘された。
音声アシスタントタスクではSonnetと比較され、SVGイラストレーションおよび短編ビデオ編集タスクではOpus 5.5、Astra、Fableといった既存のモデルとの比較が行われた。ヴォー氏はミューズ・ワンダーがワンショットの作業では高速である一方、エージェントタスクにおいては低速であるとの見解を示している。最終的に、ヴォー氏は自身のAIエージェントワークフローの一部にミューズ・ワンダーを導入する意向を示した。
参考: Lenny’s Newsletter — 2026年10月14日 21:04 (JST)
原文ハイライト"Meta’s new ‘Muse Wonder’ model: good for AI agents, bad for design"