Meta、Mac上で動くオープンウェイトAIモデルを発表。2台で動く構成とは

01何が発表されたか

Metaは2026年10月15日、オープンウェイトモデル「Muse Spark Open」を発表しました。（出典: Introducing Muse Spark Open）モデルは816Bの総パラメータを持ち、実際に処理に使われるのは42Bのアクティブパラメータです。コンテキストウィンドウは1Mトークンに達します。

この規模のモデルをクラウドではなく手元のMacで動かすという設計を、TechCrunchは「Macで動くオープンウェイトモデル」として報じました。（出典: Meta launches an open-weight AI model that runs on Macs）CNBCの報道によると、ApppleとMetaがこのモデルをMac上で動作させるために協力したとされています。（出典: Apple and Meta team up to make Muse AI model run on Mac computers）クラウドのサーバーを介さず端末内で処理が完結する設計そのものが、外部送信を避けたい業務にとっての意味を持ちます。

クラウドのAPIに依存しない大規模モデルという選択肢が、企業の手元に来たという点がこの発表の核心です。

02料金と提供範囲

Muse Spark Openは独自のライセンス「Muse Model License」のもとで公開されており、料金体系はクラウドAPIとは別物です。（出典: Meta ships Muse Spark Open, its answer to China's best open-weight models）このライセンスは、利用規模や提供形態に応じて条件が変わる設計になっており、単純な従量課金のAPI利用とは比較の仕方そのものを変える必要があります。動かすためのハードウェアにも別途投資が必要になるため、導入コストはライセンス条件とハードウェア投資の両面で見積もる必要があります。

Metaの発表によると、推奨される実行環境はM5 Ultra搭載Mac Studio2台（各512GB統合メモリ）で、合計約1TBのメモリとして稼働させる構成です。（出典: Introducing Muse Spark Open）CNBCによれば、最小構成となるM5 Ultra、256GBメモリ搭載のMac Studioは1台10,799ドルからとなっています。（出典: Apple and Meta team up to make Muse AI model run on Mac computers）256GB機を4台組み合わせる代替構成であれば稼働可能で、総額は約38,000ドルになるとEngadgetは報じています。（出典: Meta built a huge open-weight AI model for Macs, but you'll need 1TB of RAM to run it）

ライセンス条件も確認が要ります。年間総収益が2000万ドルを超える企業がこのモデルをAPIとして第三者に提供する場合は、Metaへの通知と個別契約が必要です。（出典: Meta ships Muse Spark Open）社内利用や自社製品への組み込みはこの条件の対象外とされています。自社サービスに組み込んで外販するかどうかで、ライセンスの扱いが変わる点は見落とせません。

2台構成と4台構成を比べると、前者はメモリ総量こそ同じ約1TBですが、M5 Ultraという最新世代チップを使う分、1台あたりの単価は高くなります。後者は旧世代に近い構成を積み増すことで総額を抑える発想です。どちらを選ぶかは、処理速度を優先するか初期投資を抑えるかという、純粋なトレードオフの判断になります。クラウドAPIであれば従量課金で済む部分が、自社運用では固定費として先に発生する点は、資金計画の立て方そのものを変える要因です。

03業務での使いどころ

最大の利点は、機密データを外部に送信せずに大規模モデルを使えることです。経理の照合業務では、契約書や請求書といった社外秘の文書をクラウドAPIに渡さずに処理できる可能性があります。これは未確認ですが、1Mトークンのコンテキストウィンドウであれば、決算期の大量の仕訳データや証憑をまとめて読み込ませて、不整合の洗い出しに使える余地があると考えられます。経理や財務の領域は、こうした自社運用モデルの恩恵を受けやすい業務の一つです。

営業部門では、提案書の下書きや過去案件の検索に使う用途が想定されます。顧客情報を含む提案準備の資料をクラウドに出さずに処理できることは、情報管理の面で評価されやすい点です。人事の問い合わせ対応や、企画部門の調査業務でも同様に、社内文書を外部送信せずに扱える点が導入の動機になると考えられます。製造業においても、図面や品質データといった社外に出しにくい情報を扱う現場があり、製造業におけるAI伴走型オペレーションモデルへの転換で触れたような伴走型の運用体制と組み合わせる余地があります。

ただしこれらはすべて自社でのハードウェア運用が前提です。クラウドAPIのような従量課金ではなく、初期投資としてハードウェア費用が先に発生する点は、業務での使いどころを検討する際に押さえておく必要があります。生成AIを社内ワークフローに組み込む設計全般については、生成AIを組み込んだ次世代の社内ワークフロー構築手法で整理しています。また、現場主導でAXを進める際の条件については現場主導のAXを成功させる3つの条件も参考になります。

自社運用モデルの検討では、導入後に処理したデータをどう意思決定につなげるかという視点も欠かせません。データを溜めるだけで終わらせず、意思決定の現場まで即座につなげる設計についてはDeltalyze Platformが目指す、データと意思決定の即時連結で扱った考え方が参考になります。ハードウェア投資を伴う以上、単発の業務効率化で終わらせず、複数部門で使い回す前提の設計にしておくことが投資回収の面でも重要です。

• 経理: 契約書や請求書を外部送信せずに照合、確認する用途（未確認、可能性として）
• 営業: 顧客情報を含む提案資料の下書きをクラウドに出さずに作成する用途
• 人事、企画: 社内文書のみで完結する問い合わせ対応や調査の下準備

04統制とデータの取り扱いで確かめること

自社運用だからこそ、統制の設計は自社の責任で作る必要があります。クラウドAPIを使う場合はベンダー側の学習利用ポリシーやデータ保存先を確認すれば済みますが、Mac上で自社運用する場合は、入力データの保存、アクセス権限、処理ログの記録をすべて自社の仕組みで用意しなければなりません。

特に確認すべきは、誰がどの文書をモデルに入力したかという記録です。社内文書を扱う以上、監査の記録を残す仕組みが無ければ、後から何を処理したか追跡できません。経理領域でAIを使う前の統制整理については、経理でAIを使う前に、統制まわりで整理しておく論点で論点を挙げています。属人化した業務プロセスにAIを組み込む際の統制設計は、経理の属人化を解消する：統制強化とAIエージェント導入のロードマップでも扱っています。

もう一つの論点はライセンスです。社内利用は条件の対象外とされていますが、自社製品に組み込んで顧客に提供する場合や、年商2000万ドルを超える規模でAPIとして第三者提供する場合は、Metaへの通知と契約が必要になる点を事前に確認しておく必要があります。

さらに、こうした自社運用のAIを現場に定着させる際には、使い方をまとめた手順書を作るだけでは不十分な場合があります。属人化対策として整備した資料が実際には使われなくなっていく経緯については、属人化対策で作った資料は、なぜ使われなくなるのかで扱った論点が、ハードウェア投資を伴う本件にも当てはまります。運用ルールを作って終わりにせず、誰が何を確認するかという実務の中に組み込む設計が要ります。

自社でAIを運用する場合、海外の規制動向も参考になります。人事領域でAIの判断に統制をかける動きとして、カリフォルニア州がAI単独の解雇判断を禁止。日本企業が人事AIで先取りすべき統制で整理した論点は、自社運用モデルを人事業務に使う際の統制設計にもそのまま当てはまります。また、AIベンダー自身が安全性をどう扱っているかという視点は、OpenAI、2026年のIPOを見送り。安全性を理由にした延期が導入企業に示すものでも扱っており、自社運用に切り替える際の判断材料として参考になります。

05次の一手

今週できることは、自社にとって「クラウドに出せないデータ」が何かを洗い出すことです。Muse Spark Openのような自社運用モデルの価値は、クラウドAPIが使えない業務にこそあります。まずは対象業務を特定し、ハードウェア投資が見合うかどうかを試算することが次の一手になります。

試算の際に陥りやすいのが、ハードウェア費用だけを見て「削減額に対して高すぎる」あるいは「安いから進めよう」と即断してしまうことです。削減見積もりが経営層の説明段階で崩れてしまう典型的なパターンについては、「で、いくら？」で潰される削減見積もりの直し方で整理した観点が、本件のようなハードウェア投資の説明にもそのまま使えます。初期投資と削減効果を同じ土俵で示せるかどうかが、社内稟議を通せるかどうかの分かれ目になります。

具体的には、下の手順で自社の判断材料を整理できます。

あなたは[部門名、例: 経理部]の業務改善担当です。以下の条件でMuse Spark Openのような自社運用型AIモデルの活用候補を5つ挙げてください。

条件:
- 対象は[部門名]が日常的に扱う業務とする
- 社外に送信できない機密情報（[具体例、例: 契約書、人事評価、未公開の財務数値]）を含む業務を優先する
- 1回の処理で読み込ませたい文書の分量（ページ数や件数）を業務ごとに見積もる
- 想定される処理内容（照合、要約、検索、下書き作成など）を明記する

出力形式: 業務名、対象データ、処理内容、月間の想定処理件数、を表形式で整理してください。