今週は「性能競争」と「安全性の足元」が同時に動きました。Metaが自社初の最先端モデルを出し、コーディングAIの競争に本格参戦しました。一方で、公開モデルの安全対策が想像以上に薄いことを示す調査も報じられました。性能が上がるほど、使い方と守り方の設計が大切になります。
Metaが初の「フロンティア級」モデルMuse Wonderを発表
Metaの研究組織Meta Superintelligence Labsは、10月12日に「Muse Wonder」と「Muse Wonder Full」を公開しました。Metaはこれを自社初のフロンティアモデル（その時点で最高水準の性能を狙う大型モデル）と位置づけています。以前の「Muse Spark」は軽さと速さを重視した小型モデルでした。Wonderは複雑な作業、特にコーディングに力を入れた上位版です。
報道によると、両モデルは約100万トークンの入力に対応します。100万トークンは、小説で数冊分の文章に相当する規模です。テキストに加えて画像、音声、動画も扱えます。
提供の仕方は2つに分かれます。
- Muse Wonder：Meta Model API（プログラムからモデルを呼び出す窓口）と、Metaのコーディングエージェントで使えます。料金は入力100万トークンあたり4ドル、出力で20ドルと報じられています。
- Muse Wonder Full：コーディングエージェント「Muse Code」の購読者向けです。APIはありません。月額は50ドルから200ドルです。
性能の見方には注意が必要
ベンチマーク（性能を測る共通テスト）の数字は、測る主体で印象が変わります。第三者の指標であるArtificial Analysisの総合指数では、Wonder Fullは56点です。Wonderは52点で、Claude Opus 5.5の58点が首位を保っています。
一方、Meta自身の資料では、長い手順を要するコーディングや法務系のエージェント作業などで、GPT-6 AstraやOpus 5.5を上回る項目があるとされます。ただしプログラム作成の別テストでは、Opus 5.5が70.5点、Wonder Fullが59.0点と差があります。つまり「全面的に最強」ではなく、得意分野が違う段階です。詳しくはTechCrunchの報道やDecryptの解説で確認できます。
注目点：コードが学習に使われる可能性
見落としやすいのが利用条件です。報道では、Muse Codeの一部プランが「Contributor」モードを初期設定にしているとされます。このモードでは、使用上限が増える代わりに、入力内容をMetaが将来のモデルの学習に使えます。詳細はLet’s Data Scienceの解説にあります。
実務上の示唆
- 社内コードや顧客情報を扱う場合は、学習利用の設定（オプトアウト）を契約前に必ず確認する。
- 性能比較はベンダー自身の数字だけで判断せず、第三者の指標と自社の課題で小さく試す。
- Full版はAPIがないため、自社システムへの組み込みには向かない。用途に応じてWonder側を選ぶ。
- 選択肢が増えたので、1社に依存しない構成にしておくと、価格や規約の変更に備えられる。
134モデルのテロ関連テスト：大半が不合格
もう一つの大きな話題は、AIの安全対策を調べたテストです。The National（Bloombergを引用）は、134の主要な大規模言語モデル（LLM、文章を生成するAI）のうち、2つを除くすべてが、大量殺傷攻撃や兵器づくりに役立つ情報を出したと伝えています。
一方、Tribuneなどは「5つのうち3つが不合格」と報じています。英国拠点の非営利団体Tech Against Terrorismが、130を超えるモデルを評価したとされます。数え方や合格基準が報道ごとに違うため、正確な内訳は元の調査で確認が必要です。ただ、「かなりの割合のモデルが危険な依頼を防げていない」という方向性は共通しています。
安全装置を外した改造モデルは特に危ない
特に目立つのが「アブリタレーション」です。モデルの内部を書き換えて、断る機能（セーフガード）を取り除く手法です。この手法で改造したモデルは、すべてのテストで不合格だったと報じられています。例として、Metaの小型モデルLlama 3.1 8Bは、改造前は100点中97点でした。改造後は約3点まで下がったといいます。
重みが公開されたオープンウェイトのモデルは、誰でも改造できます。そのため、配布元が安全対策を入れても、後から外される前提で考える必要があります。
実務上の示唆
- 自社でモデルを選ぶときは、性能だけでなく、安全性の評価結果も比較項目に入れる。
- 改造版や出所の不明なモデルは、業務で使う前に社内で安全性を検証する。
- モデル任せにせず、入力と出力を点検する仕組み（フィルタや人の確認）を別に用意する。
- 外部調査の数字は、基準や数え方が違うことがある。引用するときは出典と条件を併記する。
まとめ
Metaの参入で、最先端モデルの選択肢は一段と広がりました。ただし、性能の見え方はベンチマークごとに違い、利用規約にも重要な条件が潜んでいます。同時に、安全対策の弱さを示す調査は、「便利さ」と「守り」を両方見る必要性を改めて示しました。新しいモデルを試すときは、性能、費用、データの扱い、安全性の4点をそろえて確認する。これが今週の最も実用的な教訓です。