AIエージェントの性能はGPUだけでは決まらない。Meta「Muse」が示す計算力の見方

AIエージェントを評価するときは、モデルの性能に加え、作業を実行する環境を見る必要があります。 

Metaが2026年9月に発表した「Muse」は、その違いを示す例となり、Museは利用者の目標に沿って計画を立て、ブラウザなどを使って作業を進め、Metaは、その実行環境として専用の仮想マシン「Muse Secure VM」を用意しています。

「答えるAI」と「作業するAI」では、処理の範囲が違う

質問に答えるAIであれば、利用者が気にするのは回答の質と速さであり、GPUはモデルの推論を支えるため、ここで重要な役割を担います。

一方で、旅行の手配を進めるAIには、回答を作る以外の仕事があり、ブラウザで情報を確認し、入力内容を扱い、途中の状態を保ち、次の操作を決め、メールなら、読むことと送ることでは必要な権限も違います。

Museでは、利用者が接続するアプリや許可するアクセス範囲を選ぶことができ、モデルが素早く答えても、作業全体が素早く終わるとは限らず、Webサイトの応答、データの受け渡し、各操作の確認も所要時間に関わってきます。

CPUは「モデルの外側」の処理を担う

CNCFは、AIの処理を複数の段階に分けて説明していて、データの準備や検索、作業の制御、結果の処理にはCPUを使い、モデルの学習や推論にはGPUなどのアクセラレーターを使い、メモリ、ストレージ、ネットワークも段階間のデータ移動を支えます。

Armも、エージェント型AIではCPUが外部ツールの利用やメモリへのアクセス、処理の順序を調整すると説明しているのですが、ArmはCPU製品の供給者であり、この説明は処理の役割を理解する根拠にはなるとはいえ、あらゆるサービスでCPU需要が同じ割合で増える証拠にはなりません。

利用者は何を比べればよいか

AIに文章の相談をするなら、回答の質と速度が主な比較点ですが、AIに作業を任せるなら、次の点も確認する必要があります。

確認点	判断に関わること
操作範囲	ブラウザや外部サービスで何ができるか
権限	閲覧と送信などを分けて許可できるか
作業環境	途中経過を保持し、作業を続けられるか
確認方法	実行結果を利用者が確かめられるか

作業範囲が広いほど便利になることは間違いないのその分許可する操作も増えます。

「何を任せられるか」と「どこまで許可するか」をセットで見るのが、エージェントを選ぶ際の実用的な基準となってきており、GPUは引き続きモデルの推論に必要ではあるのですが、そのうえで、AIが回答から実作業へ進むほど、CPUやメモリ、ネットワークを含むシステム全体が体験を左右します。

性能を比べるときは、モデル名だけで判断せず、実際の作業を最後まで遂行できるかを確認していくことも重要な要素となっていきます。