【2026年】Muse Code完全ガイド！Metaが公開したターミナルコーディングエージェントとMuse Spark 1.2を徹底解説

「Metaがコーディングエージェントを出したらしい…何ができるの？」

2026年、AIコーディングエージェント市場はCursor・Claude Code・Codexの3強時代。そこに Meta（旧Facebook） が参入しました。

「Muse Code」は、Metaがリリースしたターミナル型コーディングエージェントです。そして搭載モデルの「Muse Spark 1.2」は、コーディング特化にチューニングされた最新モデル。

この記事では、Meta公式発表（research.meta.ai）の内容を基に、Muse Codeの全貌を初心者にもわかりやすく解説します。

まず結論：Muse Codeとは

項目	内容
開発元	Meta AI（メタ・プラットフォームズ）
形式	ターミナル型コーディングエージェント（ベータ版）
搭載モデル	Muse Spark 1.2（コーディング特化モデル）
インストール	curl -fsSL https://dev.meta.ai/install.sh \| bash
対応OS	macOS / Linux
特徴	複数の永続サブエージェントを調整し、大規模リポジトリの複雑なタスクを自律処理
提供	Muse Code + Meta Model API（グローバル展開拡大中）

Muse Codeは「大規模リポジトリで複雑なソフトウェアエンジニアリングタスクを、計画→コーディング→検証まで自律的にこなす」ターミナルエージェントです。

Muse Codeの3つの核心技術

① Async Background Agents（非同期バックグラウンドエージェント）

Muse Code最大の特徴が、セッション中ずっと動き続けるバックグラウンドエージェントです。

通常のエージェントは「タスクごとにエージェントを起動→終了」ですが、Muse Codeは専用のバックグラウンドエージェントが常駐し、メインエージェントを補助します。

メリット：

情報収集の重複を回避：セッションを通じて使い回すので、同じ調査を繰り返さない
遅延削減：常駐しているので起動コストがない
介入不要：難しい多段階タスクでも、人間が細かく指示しなくてよい

② Runtime Design（ランタイム設計）

Muse Codeはローカルイベントログを採用しています。すべてのモデル呼び出し・ツール実行・承認・編集がログに追記され、**単一の真実の情報源（single source of truth）**として機能します。

これが意味すること：

リプレイ完全一致（replay-exact）：過去の動作を正確に再現できる
再起動セーフ（restart-safe）：クラッシュしても、止まった場所から正確に再開できる
長時間タスクに強い：失敗で脱線しない

つまり、長時間かかる複雑なタスクを「失敗しても大丈夫」な設計で進められるのがMuse Codeの強みです。

③ Bundled Skills（標準装備スキル）

Muse Codeには最初から便利なスキルが同梱されています。

スキル	機能
/plan	タスクを承認ゲート付きの計画に変換する
/grill	計画をストレステストして、穴がなくなるまで鍛える
/goal	指定された目的の達成に向けて作業を進める

Muse Spark 1.2：コーディング特化の最新モデル

Muse Codeを動かすモデルが Muse Spark 1.2。前モデルMuse Spark 1.1のコーディング特化アップデート版です。

主な改善点

コード生成の向上：より正確・より自然なコード
複雑なデバッグ：難しいバグの特定・修正能力が大幅アップ
コードベース理解：大規模リポジトリの構造把握が得意
エンドツーエンド開発ワークフロー：開発の最初から最後まで一貫して対応

学習方法のポイント： コーディングタスクの学習計算量を大幅にスケールアップし、学習環境の多様性も拡大。コーディング以外の汎用エージェント能力も維持しています。

ベンチマーク

Meta公式発表では、以下のベンチマークで主要コーディングモデルと比較しています。

Terminal-Bench 2.1：ターミナル操作タスクの精度
DeepSWE 1.1：ソフトウェアエンジニアリング能力
Meta Internal Coding Bench：Meta社内のコーディングベンチマーク

※正確なスコア数値はMetaの評価レポート（research.meta.ai/static/muse-spark-1-2-methodology）で公開されています。本記事執筆時点ではグラフ形式での公開のため、最新の数値は公式レポートをご確認ください。

Muse Codeとの共学習（Co-Training）

重要なのは、Muse Spark 1.2はMuse Codeと一緒に学習されている点です。

リジェクションサンプリングによるハーネス軌跡
目標・圧縮・サブエージェントのレシピ最適化
Muse Codeツールセットの統合

つまり、「Muse Codeという環境で最高の性能を発揮する」ように最適化されたモデルなのです。

長期間タスク（Long-Horizon）

Muse Spark 1.2は、以下の長期間タスクで重点的に学習されています。

リポジトリ全体の生成
大規模なエンドツーエンドプロジェクト
自動リサーチ（auto-research）

計画で作業を順序づけ、目標条件付けで方向を維持し、コンテキスト圧縮で知識を保持する能力を持っています。

自己改善（Self-Improvement）

さらに興味深いのが自己改善ループです。

旧モデル（Muse Spark 1.1）が挑戦的なコーディング環境と指示追従テンプレートを生成
モデル自身が候補解答を採点
スケーラブルな学習データセットを構築

このループにより、前モデルより複雑な指示に正確に従えるようになったとのこと。

実証ケース：GPUカーネル最適化（1000+ツールコール・24時間）

Muse Codeの実力を示すケーススタディが公開されています。

タスク： NVIDIA Hopper GPU用のKDA・MLAカーネルを、1000回以上のツールコール（最大24時間）で反復最適化

実行内容：

コードを書く → コンパイル → プロファイリング → 性能改善
ベースライン（FLAのTriton実装）に対して継続的な改善を達成

特に注目すべき点：

サードパーティのカーネルライブラリ（FLAなど）の直接インポートは禁止
カーネル最適化の専門知識をTritonで実装する必要がある
例：チャンク並列準備カーネル + 逐次インター・チャンク・スキャンを組み合わせ、KDA特有の最適化（ゲート付き累積減衰をチャンク中点で再センタリング）を適用

これは**「専門的なハードウェア最適化タスクを24時間自律的に実行できる」**ことを示す強力なデモです。

Muse Codeの使い方

インストール（macOS / Linux）

curl -fsSL https://dev.meta.ai/install.sh | bash

たった1コマンドでインストール完了。Muse Codeがターミナルで使えるようになります。

実際の利用例

Meta公式デモでは、家庭のフライスルー動画（mp4）をターミナルに渡すと、Muse Codeが映像を解釈して高級リゾート風の宿泊予約ページを自動生成する様子が紹介されています。

つまり：

映像・画像などのマルチモーダル入力の解釈
Webサイトの設計・コーディング・仕上げ
までを1つのエージェントが自律的に実行

料金・利用方法

Muse Code：dev.meta.ai から利用開始（ベータ版）
Muse Spark 1.2：Meta Model API からアクセス可能（グローバル展開を拡大中）

※料金の詳細は公式サイトで確認してください。

まとめ：Metaが本気で参入したAIコーディングエージェント戦争

Muse Codeの登場で、AIコーディングエージェント戦争は新たなフェーズに入りました。

エージェント	開発元	特徴
Cursor	Anysphere	AIネイティブIDE・最高のUX
Claude Code	Anthropic	計画+検証ループ最強
Codex	OpenAI	GitHub連携最強
Hermes Agent	Nous Research	完全OSS・経済活動可能
Muse Code	Meta	バックグラウンドエージェント常駐・長時間タスク最強

Muse Codeの独自ポジションは「非同期バックグラウンドエージェントによる常駐型アシスタント」と「クラッシュしても正確に再開できるランタイム設計」。長時間の自律タスクで特に強みを発揮します。

Metaは「より大きく、より高性能なモデルが進行中」と発表しており、今後のアップデートが楽しみです。

まずは1コマンドでインストールして、自分で試してみてください。

👉 公式サイト: dev.meta.ai 👉 公式発表ブログ: research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2 👉 評価レポート: research.meta.ai/static/muse-spark-1-2-methodology