公開：2026年10月16日, 最終更新：2026年10月16日
30秒サマリー
- MetaのコーディングAI「Muse Spark Open」（816Bパラメータ、MoEアーキテクチャ）をNVIDIA GB300 NVL72上で活用する方法をNVIDIA公式ブログが詳説
- 1Mトークンのコンテキストウィンドウにより、大規模コードベース全体を一括処理。GPU1台あたり最大5万トークン/秒、ユーザーあたり600トークン/秒を実現
- テキスト・画像・動画・音声を統合的に処理するマルチモーダル推論と、SFT/LoRAによるファインチューニングにも対応
何が起きたか
NVIDIAは2026年10月15日付の公式テクニカルブログで、MetaのコーディングAIモデル「Muse Spark Open」をNVIDIA GB300 NVL72上で展開・活用する方法を解説した。
Muse Spark OpenはMixture-of-Experts（MoE）アーキテクチャを採用し、総パラメータ数816Bのうち1トークンあたり42Bを有効化する設計。256エキスパートに対してトップ8ルーティングを行うスパース構造により、同規模の密なモデルと比較して低コストでの推論を実現するとされる。コンテキストウィンドウは100万トークンで、複雑な依存関係や数千のファイルを含むプロジェクト全体を分割せずに保持できるとしている。また1.8Bのパーセプションエンコーダーにより、テキスト・画像・動画フレーム・音声をインターリーブ処理できるマルチモーダル構成となっている。
GB300 NVL72は72基のNVIDIA Blackwell Ultra GPUを1ラックに統合した構成で、130TB/sのNVLinkドメインがMoEモデルのエキスパート間通信ボトルネックを解消するとNVIDIAは説明する。同ブログによれば、GB300 NVL72上でのエージェントワークロード実行時、4基のBlackwell GPUとspeculative decodeを組み合わせることでGPU1台あたり最大5万トークン/秒、ユーザーあたり最大600トークン/秒のスループットを確認したとしている。
デプロイには、SGLang・vLLM・TensorRT LLMの各推論スタックに対応しており、NVIDIA Dynamoがプリフィルとデコードを別のGPUプールに分離する構成もサポート。ファインチューニングにはNeMo AutoModelによるSFT・LoRAが利用でき、Megatron Bridgeを通じた大規模本番学習への移行も可能としている。Hugging FaceからNVFP4の重みをダウンロードするか、NVIDIA NIMコンテナを利用した本番デプロイが案内されている。
原典ハイライト
NVIDIAテクニカルブログは「一般的なコーディングモデルは単発の補完タスクに最適化されているのに対し、マルチファイルのリファクタリング計画や長期的なサブエージェント協調といったエージェント型コーディングは根本的に異なる能力を要求する」と明示。Muse Spark OpenはGoal Conditioningとコンテキスト圧縮により、長時間セッションを通じて方向性と知識を保持するとしている。
出典: NVIDIA Technical Blog（公式ブログ）
So What?（なぜ重要か）
エージェント型AIコーディングは、一問一答型のコード補完から、複数ファイルにわたる計画・実行・自己修正の自律サイクルへと移行しつつある。Muse Spark OpenのようなMoEモデルが専用ハードウェア（GB300 NVL72）と組み合わせることで大規模コードベースへの実用投入が現実的になり始めており、AI開発環境の「ハードウェアとモデルアーキテクチャの共設計」という潮流が加速している。
日本企業への示唆
日本の大手SIerや製造業の情報システム部門にとって、レガシーコードを大量に抱える既存システムの刷新にエージェント型AIを活用できる可能性が高まる。100万トークンのコンテキストは数千ファイル規模のコードベースを一括解析できる規模であり、段階的な刷新プロジェクトの工数削減につながりうる。一方でGB300 NVL72のような専用ラックスケールインフラへの投資判断が前提となるため、自社調達かクラウド経由の利用かの選択が意思決定の焦点になる。まず小規模なPoC環境でNVFP4重みとNIM経由のデプロイを検証し、ROIを見極めることが現実的なアプローチとなろう。
背景・経緯
NVIDIAテクニカルブログの原文によれば、Muse Spark OpenはMeta自身がNVIDIA GB300 NVL72 Blackwell Ultra上でエージェント型コーディングワークロード向けにトレーニングしたモデルとされる。NVIDIAはモデルをトレーニングした主体ではなく、推論・デプロイ・ファインチューニング環境を提供する立場でブログを執筆している。モデル自体の公開経緯や正確なリリース時期については原文では詳細が言及されていない。
