Muse Wonder対Claude Opus 5.5、SVG生成対決：初の実機テストが実際に示すもの

Muse Wonderは2026年10月12日に一般提供が開始された——より高スコアな兄弟モデルMuse Wonder Fullがサブスクリプション限定で出荷された同じ日であり、すでにこのブログが扱ってきたほぼどのモデルよりも多くの比較ページを蓄積している。だが今週まで蓄積していなかったもの、それは特定の検証可能な能力についての、公開されたファーストハンドのテストだった。10月12日、Xアカウントの@scaling01は、SVG生成におけるMuse Wonder対Claude Opus 5.5の直接対決を投稿し、注意深く読む価値のある2つの所見を示した。Muse Wonder Fullは「良好で、3D生成すら試みる」、そしてその出力スタイルは「あまりにギミック的」で「過剰に凝りすぎる」というものだ。

それは、実際に出荷されたモデルについての、具体的で反証可能な本物の主張であり、しかも両方のモデルを自分で実行したと報告している人物から出たものだ。同時に、これを書いている時点では、一つのアカウントによる、再現されていない単発の実行でもあり、そのアカウント自身の投稿は広告開示で始まっている。その二つは同時に真実であり、この記事はどちらか一方を選ぶのではなく、両方を同時に保持することについてのものだ。

テストの条件は、述べられたそのままに述べられた

開示は脚注ではなく記事の最初の行にあり、この点は注目に値する。というのも、この形式では一般的ではないからだ。著者は、MetaがMuse Wonderへの無料プレビューアクセスを提供したこと、Claude Opus 5.5は自腹で支払ったこと、テストと結論は自身のものであることを述べている。これは、非開示の有料掲載に比べれば、利益相反としては実質的に弱い立場だ — 比較の一方は無償提供され、他方はそうではなく、著者もそう明言している。

設定について与えられていない点が3つあり、それらのそれぞれが評決の支持できる内容を制約している。

• どのエンドポイントがテストされたのか — Muse Wonder と Muse Wonder Full は、2つの異なるスコアボードを持つ2つの別個のモデルIDとして存在しており、投稿では比較の中で Muse Wonder を挙げているものの、3D生成に関する所見は Muse Wonder Full に帰属させている

• どの effort 設定が使用されたか — Muse Wonder の推論は必須であり、minimal から max までの effort ラダーで動作し、デフォルトは medium です。また、推論トークンは出力として課金されるため、この設定はコストと出力の特性の両方を変化させます

• 実行されたプロンプト数 — プロンプト数、プロンプトテキスト、シード、再実行はいずれもなし

それらのうち2番目と3番目は、見た目以上に重要だ。推論が常にオンで、エフォートがユーザー設定であるモデルは、minimal と max では目に見えて異なる SVG 出力を生成する。そしてスタイルに関する判定は、まさに単一プロンプトの1回の実行が間違えうる種類の判断だ。これは著者への批判ではない — X の短い投稿は論文ではないし、開示と「テストと結論は私自身のものである」という一文は、大半のローンチ当日の比較が備えている以上の透明性だ。これは、この記事が何に使え、何に使えないかを述べたものだ。

SVGテストが実際に測定するもの

SVGは、実際に手を動かして比較する対象としては異常なほど向いており、気軽に比較する対象としては異常なほど向いていない。そしてその理由を理解すれば、この判定が何を伝え、何を伝えていないのかが分かる。

SVGは決定的にレンダリングされるテキストだ。そこが良いところだ。レビュアーはモデルの生の出力をビューアに貼り付け、それを見て、モデルが生成したものを正確に確認できる。画像生成パイプラインも、拡散デコーダのサンプリングシードも、基準が画像なのかファイルなのかという疑問もない。モデルが不正なマークアップを出力すれば、描画は目に見えて失敗する。パスなら2キロバイトで済むところに40キロバイトのグラデーション定義を出力すれば、それは測定可能だ。

悪い点は、「小細工っぽい」「凝りすぎ」といったスタイルへの評決が、この領域全体で最も切り分けにくい主張だということだ。その中には二つの独立した判断が潜んでいる。

• 技巧 — モデルは有効で、構造が整い、レンダリング可能な SVG を生成したか、それとも何かを描画する前に修正が必要なものを生成したか？

• 自制 — 要求に必要な最小限のマークアップを使ったか、それとも使えるという理由だけでグラデーション、フィルター、ぼかし、アニメーション、埋め込みラスター効果に頼ったか。

技巧は客観に近く、スクリプトで採点できる。抑制は、技術的な判断を装った趣味の判断であり、良識あるレビュアーはそれについて絶えず意見が分かれる——ポートフォリオ用のイラストを求めるデザイナーはグラデーションを欲しがり、アイコンシートを求めるエンジニアは欲しがらない。したがって、レビュアーがモデルはやりすぎだと言うとき、有用な問いはそれが本当かどうかではなく、どのタスクについて本当かである。その記事はこの二つの主張を切り分けておらず、一度の作業でそれらを切り分けるのは本当に難しい。

比較的主張、およびコンプライアンス上の主張

この投稿の構図では、Claude Opus 5.5 が一方の側に、3D生成に関する所見が Muse Wonder Full の側に置かれている。その結果、二つの名前しかないタイトルの中で三者比較が成立してしまっている——Muse Wonder のローンチ全体を貫く、あの同じ構造上のひずみである。

その軸では、有用な文脈はその兄弟モデルすべてで同じだ。Claude Opus 5.5は真新しいモデルではない。2026年9月22日にリリースされ、Muse Wonderよりおよそ3週間前であり、そのコストと能力のプロファイルはよく特徴づけられている。別途、Artificial Analysis Intelligence Indexでは、Claude Opus 5.5（max）は58を示す — 219モデルクラスで最高スコア — 一方、Muse Wonder（max）は52を示し、219中9位である。Opus 5.5の定価は入力100万トークンあたり4.00ドル、出力100万トークンあたり20.00ドル；Muse Wonderの定価は同一で、4.00ドルと20.00ドルである。この状況の皮肉は、Opus 5.5が実際にはより高価なモデルになるということだ。料金表のためではなく、冗長だからである。Artificial Analysisは、評価中に約2億6000万出力トークンを消費したと記録しており、中央値8500万に対して、Muse Wonderは約1億3000万であり、これはインデックスタスクあたり約5.98ドル対約4.52ドルになる。それは、トークン従量制の評価者なら測定できるが、単一のSVGプロンプトではできない類の2数値比較である。

SVGテストが付け加えるのは、あのインデックスが対象としていないカテゴリーだ。構造化テキスト生成はコードとイラストレーションの間のどこかに位置しており、どのリーダーボードもそれを採点していない——Personal Superintelligence Indexも、JobBenchも、Terminal-Bench 4.0-AAも、SWE-Marathonも。読者の実際の仕事がクリーンなベクターファイルを出力することに関わるなら、主流のスコアボードはその問いには沈黙している。まさにそれこそが、泥臭い一対一の比較をそもそもリンクする価値がある理由だ。

第二の主張が本当は何についてなのか

「3D生成まで試す」というのは、その指摘のうちより興味深い半分であり、能力の主張として誤読されやすい。

SVGの文脈では、これは平坦な二次元描画を越えて、暗示的または部分的な三次元へと踏み込んだモデルを最ももっともらしく表している — 等角図法の構成、押し出し形状、透視グリッド、積み重ねられた疑似レイヤー、あるいは三次元シーンとしてレンダリングされる生成マークアップなどである。これは3Dモデルと同じものではない。メッシュ、スキャンされたオブジェクト、印刷可能なアセットを生成することは、まったく別の出力タイプである。また「3D生成」という表現は、この領域全体で、2.5Dイラストから実際のジオメトリファイルまでを意味するものとして緩く使われている。プロンプトやファイルがなければ、読者にはこれがどれに当たるのか分からない。

より緩やかな意味だったのなら、その主張はスタイルへの不満と衝突するどころか、それと整合している。アイソメトリック投影や積み重ねレイヤーに手を伸ばすのは、グラデーションに手を伸ばすのと同じ本能だ。つまり、ブリーフが求めた以上の仕掛けだということだ。両方の発言は、一つの振る舞い——利用可能なマークアップを許可とみなすモデル——を説明しているのかもしれない。それは、どちらか片方だけよりも有用な学びであり、2人目のレビュアーが確認するか覆すかのどちらかをする可能性が最も高いバージョンでもある。

とはいえ、ここで名指しする価値のある非対称性が一つある。ローンチデータにおいて二つのチェックポイントが異なる点では、その分岐は磨き込みではなく構造に沿って生じている。Meta自身のベンチマーク表では、Muse Wonder FullはJobBenchでAPIモデルに大差をつけ（75.3対30.8）、Vals Finance Agent V2でも上回る一方（59.1対10.0）、Harvey LAB-AAでは41ポイント差でAPIモデルに敗れている（13.1対54.3）。これらの数値はベンダー報告であり、Metaのハーネスで生成されたもので、再現されていない。しかしそれらは、一つのプロファイルではなく二つのプロファイルを訓練したラボを描写しており、チェックポイント間のスタイルや抑制の違いは、まさに構造的分割が生み出す類のものである。したがって、レビュアーが「gimmicky」と書いたときにどちらのチェックポイントを見ていたのかは、些末な問題ではない — その投稿は二つの観察を異なるモデルに帰している。

モデルに実際にアクセスできる場所

自らこの比較を実行したい、結論を鵜呑みにしたくないという人にとって、実用的な疑問は各モデルがどこに存在するかであり、その答えは対称的ではない。

• Claude Opus 5.5 — 2026年9月22日より一般提供されており、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、キャッシュ読み取りレートは$0.20、100万トークンのコンテキストウィンドウを備え、思考バジェットには思考なしの構成も含まれます

• Muse Wonder — 2026年10月12日より一般提供開始、Meta Model APIおよびMuse Code内で利用可能、価格は入力$4.00、出力$20.00で同一、コンテキスト長1,048,576トークン、出力上限943,718トークン

• Muse Wonder Full — 同じ日に発表されましたが、トークン単位では販売されていません。Muse Code のサブスクリプションを通じてのみ利用でき、トークン単位の料金表が公開されていないため、ここには価格行がまったくありません。

問題は Muse Wonder の推論設定にある。これはオフに切り替えられない。エフォートのはしごは minimal、low、medium、high、xhigh、max で、既定は medium であり、推論トークンは出力として課金される。したがって、考えないように指示できるモデルとの直接対決は、レビュアーが設定を明記していない限り、抑制された設定と抑制されていない設定を比較することになるが、この投稿では明記されていない。これが再現における最も重大な単一の欠落であり、プロンプト数の欠落以上に重要だ。

午後のうちにそれを再現する方法

このテストが捨てるのではなく拡張する価値があるのは、拡張が安く済むからだ。有用な版には、元の版が提供していない4つの要素が必要になる。アイコン、図解、イラスト、グラフにまたがる、おそらく十数個のベクタータスクからなる固定プロンプトセット、エフォート設定の明記、レンダーと一緒に保存された生のSVGファイル、そして技巧と抑制を混ぜ合わせるのではなく分離する採点パスだ。2つのモデルにわたる2つのエフォート設定での12プロンプトは48回の実行——これらのレートカードに対して数ドル分の出力トークンで済み、ローンチ当日の印象よりも本当に有用な成果物になる。

これはまた、単純な価格比較では捉えきれない形で、ルーターが自らのコストを回収できるケースでもあります。Claude Opus 5.5 は OrcaRouter 上で Anthropic 自身の定価にて提供されています — 入力トークン 100 万あたり $4.00、出力 100 万あたり $20.00、キャッシュ読み取り 100 万あたり $0.20 — カタログ全体に適用されるマークアップなしのパススルーにより、ベンダーの価格変更は先方に反映されたその日にこちら側にも反映されます。プロバイダーの定価はそのままパススルーされ、ルーティング層がスプレッドを上乗せすることはありません。2 つのモデルにまたがる十数件のプロンプトのスイープは、2 つのアカウント、2 つの SDK 統合、2 つの請求関係ではなく、1 つのキーと 1 つのエンドポイントで済みます。そして、昨日リリースされたばかりのような実績のないモデルをスイープしている場合でも、自動フェイルオーバーがあれば、レート制限や性能低下の起きたプロバイダーが実行全体を巻き添えにすることはありません。

私たちが持っていないものについて明言しておくと、当社のカタログに meta/muse-wonder や meta/muse-wonder-full というエントリは存在しません。どちらのチェックポイントもルーティングしておらず、あるかのように説明するつもりもありません。同じラボから実際に提供しているのは Muse Spark ラインです — Muse Spark 1.2 は入力100万トークンあたり $1.25、出力100万トークンあたり $4.25で、フラッグシップと同じコンテキストウィンドウをはるかに低い価格で実現しており、Meta の推論ファミリーを他のすべてと同じキーで使いたいなら選ぶべきモデルです。Muse Wonder をスイープに加えるには現状2つ目のアカウントが必要ですが、Muse Spark 1.2 を加えるのは同じ設定に1行追加するだけです。

何に注目すべきか、そして何が決着をつけるのか

3つのことがあれば、これは興味深い印象から証拠へと変わるだろう。

• 異なる好みを持つ2人目のレビュアーが同じ「抑制的」という判定に達する — レビュアーが変わっても生き残るスタイル判断はモデルについてのものであり、そうでないものはレビュアーについてのものである

• Muse Wonder Full がトークン単位で利用可能になりつつある — 3D生成の所見で名前が挙がっているモデルは料金表を持たないモデルであり、そのため、その主張の片方を確認したい人は、コーディングエージェントの月額サブスクリプションなしにそれへのアクセスを購入することはできない

• ベクターまたは構造化グラフィックスのタスクを追加するいかなる独立系スコアボードでも — このテストが陥っている空白は、誰もそれを実行しなかったことではなく、どのボードもそれを採点していないことにある。だからこそ、現時点ではある一人の午後の作業が記録のすべてになっている。

正直にまとめると、これは実際の知見ではあるが、実際の限界もある。有償のプレビューアクセスを開示し、反対側の分は自腹で払い、具体的な否定的判定を公表したレビュアーは、ローンチの総括よりも多くのことをしている――そして、頼まれていないことまで「試そうとする」モデルというのは、能力ではなく自制についての主張であり、自制こそ次のレビュアーが最も違って見なしやすいものだ。今日、ベクター出力のためにClaude Opus 5.5とMuse Wonderのどちらを選ぶかというと、独立系インデックスの差は6ポイント、トークン量の差は2対1でMuse Wonderが有利だ。スタイルに関する判定は一人の午後の作業であり、結果ではなく仮説として扱うべきだ。