Muse WonderがOpenCodeに登場：コーディングエージェントが30秒の初回トークンと出会う

Meta Muse Wonder は、Meta Superintelligence Labs が2026年10月12日にこのモデルを公開してから9日後の2026年10月21日に、OpenCode 内で選択可能になった。報告する価値があるのはこの事実であり、見出しが示唆するより小さな事実でもある。モデルがここでローンチされたのではなく、すでに長いモデル一覧を持つコーディングハーネスに追加されたのだ。この追加が興味深いのは、それが引き起こす衝突のためだ。ターミナルエージェントは、Artificial Analysis が最初のトークンまで30.35秒と測定するモデルを動かすには最も容赦のない場所であり、Muse Wonder はまさにそのモデルだ——独立系 Intelligence Index で52、入力100万トークンあたり$4.00、出力100万トークンあたり$20.00、最初のトークンまでの待ち時間はボード中央値のおよそ8倍。コーディングエージェントがその待ち時間を吸収できるかどうかが、この記事が実際に扱っている問いである。 このような最初のトークンの数値が、プロバイダーが修正を出荷した後に変わった場合、その変更は日付と情報源とともにAI Incident Archiveに記録され、私たちが追跡している他のモデルやベンダーの障害と並べられる。

10月21日に実際に何が変わったのですか

OpenCodeはドキュメントでモデル一覧を公開しており、Muse Wonderは現在、識別子 muse-wonder-1.0 でそこに掲載されている。価格は100万トークンあたり入力$4.00、出力$20.00、キャッシュ読み取り$0.20で、Metaが公開している料金表と同じであり、割引は適用されていない。このエントリはOpenAI互換のResponsesエンドポイント経由で提供されるため、既存のOpenCode設定では専用クライアントを用意しなくても到達できる。必要なのはモデル文字列とキーだけだ。

正直な但し書き：OpenCode 自身の変更履歴には、モデル名が記載されていません。その週の最新エントリである10月20日の v2.1.0 と10月21日の v2.1.2 では、無料枠の復旧、モデルの可視性、SDK の変更が説明されています。つまり、利用可能性は目玉機能として告知されているのではなく、モデル一覧に記載されているのであり、これはハーネス対応が入る通常の形でもあり、読者がそのモデルについてのブログ記事を見る前に選択画面で目にする可能性がある理由でもあります。ベンダーのソーシャル投稿は直接読むことができませんでした——ペイウォールが表示されたためです——したがって、ここでの日付はプレスリリースではなく、モデル一覧と投稿自体のタイムスタンプに基づいています。

10月21日、モデル自体には何も変わりませんでした。重みが公開されたわけでも、価格が動いたわけでも、新しいベンチマークが登場したわけでもありません。唯一の新しい点はリーチです。これまでMetaのAPIを手作業で接続する必要があったモデルが、今では多くの人がすでに開いているツールの中で、1行の設定だけで使えるようになりました。

これが心地よいかどうかを決める数字

Artificial Analysisはすべてのモデルを同じハーネスで実行しており、エージェント型コーディングツールでは、総合スコアよりもレイテンシの数値の方が重要です。Muse Wonderを最大推論設定で使った場合：

• 最初のトークンまでの時間 — 30.35秒（ボード中央値は3.96秒）

• 一度開始してからの出力速度 — 毎秒145.1トークン、測定された185モデル中26位で、中央値79.2を大きく上回っています

• Intelligence Indexタスクあたりのコスト — 約$4.52（100万トークンあたり$2.94の混合リストレートに対して）

• インデックス実行で消費された出力トークン — 約1億3000万（中央値の8500万に対して）

• コンテキストウィンドウ — 1,048,576トークン。テキスト、画像、音声、動画を入力として受け付け、テキストを返します

これら2つのレイテンシ値は、モデルの特定の性質を表している。長い時間考えてから、素早く書くのだ。チャットウィンドウなら許容できる。8回のツール呼び出しを行うエージェントループでは、30秒の待ち時間をターンごとに支払うことになり、8ターンのタスクでは各ステップの最初のトークンを待つだけで4分費やしうる。1秒あたり145トークンは現実の数値であり、一度話し始めればモデルが遅く感じられない理由でもある。しかし、最初の一言までの沈黙を取り戻すことはできない。

それはそれを使うことへの反論にはならない。正しいターンを選ぶべきだという主張である。Muse Wonder についてベンダーが報告する中で最も強い主張は長期的なプロフェッショナル作業であり、Meta 自身の表では Muse Wonder Full が JobBench で 75.3 とされている。JobBench は長期的なエージェント型ベンチマークであり、同モデルの数値が兄弟モデルから最も大きく乖離する唯一の場所だ。あなたの OpenCode セッションが大規模な計画を伴う単一の難しいリファクタリングなら、待ち時間は長い生成全体に償却される。それが40回の小さな編集なら、40回分支払うことになる。

リリースではないリポジトリ

重みを探しに行く読者は、meta-01/muse-wonderをHugging Faceで見つけ、何かオープンなことが起きたと当然のように結論づけるかもしれない。しかしそうではなかった。リポジトリには.gitattributesファイルしかなく、他には何もない。モデルカードもなく、config.jsonもなく、safetensorsのシャードもライセンスファイルもない。ダウンロードは追跡されておらず、ページには、そのモデルがそのプラットフォーム上のどの推論プロバイダーによってもデプロイされていないと記載されている。素直に読めば、そのリポジトリは名前の予約、つまり文字列を保持するプレースホルダーであって、チェックポイントではない。

したがって、Muse Wonderのオープン性について正確に言えば、プロプライエタリでAPI専用であり、その名前をただ占拠しているだけの空のリポジトリがある、ということだ。これをオープンウェイト、ダウンロード可能、ファインチューニング可能と表現する人は、別のモデルについて述べている。同じ注意は2つのチェックポイント構造にも当てはまる——muse-wonder-1.0は呼び出し可能なモデルであり、muse-wonder-full-1.0は、トークン単位ではなくMuse Codeサブスクリプションを通じてMetaが販売する、より高スコアな構成である。OpenCodeは最初のものを掲載している。

OrcaRouterが位置する場所と、そうでない場所

当社はMuse Wonderを提供していません。meta/muse-wonderはOrcaRouterのモデルカタログに存在せず、隣接するMetaモデルの提供状況がどうであれそれは変わりません。当社が実際に提供しているMetaチェックポイントはmeta/muse-spark-1.2（入力100万トークンあたり$1.25、出力100万トークンあたり$4.25）とその1.1の前身モデルで、いずれも1,048,576トークンのウィンドウに対応しています。これを率直に述べることは通常以上に重要です。なぜなら、2つのプロバイダーを通じてしか利用できないモデルこそ、ルーターの正直な答えが「まだこれではない」となる典型例であり、示唆に富む沈黙ではないからです。

ここでルーティング層が本当に役立つのは実験です。初回トークンに30秒かかり、独立した評価が1回しかない10日前のモデルに、信頼だけを頼りに本番経路を通すべきではありません。すでに信頼しているモデルに届くのと同じキーからトラフィックの一部をそのモデルに向け、残りのトラフィックはそのままにして、自動フェイルオーバーにタイムアウトを拾わせつつ、長期的な挙動が待つ価値があるかどうかを見極めましょう。ワークフローを移行して期待するより、そのほうが安上がりに問いに答えられます。

ルーティングの議論のもう半分は算数の話です。私たちはプロバイダーの定価をマークアップなしでそのまま通しているため、ベンダーの値下げは当日中にこちら側へ反映され、当社がホストしていないモデルは単純に表示されません — カタログは到達可能なものについての記述であり、願望リストではありません。Muse Wonderがここに登場するとき、表示される価格はMetaの価格になります。

何がこれをより大きな話題にするのだろうか

3つのこと、いずれも1回のページ読み込みで確認できる。OpenCodeの変更履歴に、モデル一覧だけでなくMuse Wonderの項目があれば、その統合がカタログの1行ではなく機能として扱われていることを意味する。2人目の独立評価者が長期ホライズンの数値を公開すれば、現在は完全にMeta自身の表だけに依存している唯一の主張が補強される。そしてHugging Faceリポジトリのいかなる動き——モデルカード、ライセンス、1つのsafetensorsファイル——も、現在は一言で答えられるオープン性の問いを変えるだろう。

それまでは、10月21日についての正しい読み取りは、狭く、しかし有用なものだ。フロンティアモデルが、大半の人が試すであろうツールの中で、より気軽に試せるようになった。そして、それが設定されたまま残るかどうかを決めるのは、そのインデックススコアではなく、1ターンにつき30秒の沈黙を、その仕事が払える代価として受け入れられるかどうかである。