Personal Agent Bench

ほかの言語English简体中文한국어

Meta MuseとPine AI比較、自分専用マシンは何のためにあるのか

最終確認 2026-10-26
このページは 2026-11-11 時点の英語版を機械翻訳し、数値を原文と照合したものです。内容が食い違う場合は英語版が優先されます。

最終確認日 2026-10-26

Meta MuseとPine AIの比較は、このカテゴリー全体が避け続けている問いを検証するうえで、最も明快な材料です。パーソナルエージェントには、自分専用のコンピューターが必要なのでしょうか。Museは二重の意味で「必要」と答えます。各ユーザーにLinux仮想マシンを割り当て、ブラウザー作業が必要になると2台目を起動します。Pineの答えは、おおむね「不要」です。モデルは同社のサーバー上で動作し、ブラウザーが必要になると、ユーザー自身のコンピューター上にある別のエージェントへ作業を渡すか、リモートデスクトップを借ります。どちらの製品も実際に用事を代行するため、この構成は単なる飾りではありません。状態を保持する場所と、ブラウザー作業を行う場所が変わります。

  • どちらも状態を保持します。MuseはVM上のファイルを使い、Pineはサーバー側に永続的なファクトサービスを持ちます。
  • 違いが最も明確に表れるのは記憶です。ホームディレクトリ内の通常のファイルと、ユーザーが開けないファクトレイヤーの対比です。
  • Pineは電話をかけます。ここで扱う機能のうち、ソフトウェアの世界から完全に外へ出る唯一のものです。Muse内にあるMeta自身の案内では、法人への電話機能も早期アクセスとして提供が始まっているとされていますが、私たちが調べたアカウントでは利用できませんでした。
  • どちらも命令文を見せてくれません。そして両製品とも、挙動を決めるのはその部分です。
  • Pineには10月の完了率がありません。そのバッチでは、提出結果が一度も試験に到達しなかったためです。Museの10月の数値は9月の数値と並べて掲載し、決して統合しません。

まず基本情報です。MuseはMetaの製品です。9月8日付のMetaの発表記事では、米国のiOS、Android、ウェブで順次提供するとしています。Metaの日本語ニュースルームは10月23日から日本を、シンガポール向け発表は10月27日からシンガポールを対象に加えています。多くの人が必要とする範囲では無料で、さらに多くのことをしたい人向けにサブスクリプションプランがあるとしていますが、価格は示していません。Pineは19pine.aiで販売されており、App Storeの掲載情報では開発元が19Pine Corp.と記載されています。同社は価格を公開しています。個人向けと家庭向けの価格は週単位、仕事向けの価格は月単位で表示されていますが、これらの単位だけでは更新周期は分かりません。請求周期と手数料は決済時に確認してください。両製品の価格情報は、分解調査ページのMuseとPineに掲載しているため、変更時も1か所で確認できます。

Metaのセキュリティ解説は、専用のMuse Secure VMと、コネクター操作および外向きのネットワーク通信を制御する別個のSentinelエージェントについて説明しています。これはMetaによる主張であり、私たちの分解調査では、これらの制御をテストしていません。

MuseとPineの実行環境を比較

比較軸MusePine
実行場所ユーザーごとに1台のLinux VM。完成したひとかたまりのデータを取得するのではなく、そのマシン上でリクエストを組み立てます。ブラウザー作業では、別個の2台目のマシンを起動します。サーバー側。ウェブアプリでもMacアプリでもモデルは動作しません。ブラウザー作業は、ユーザー自身のマシン上にある別のエージェントへ渡します。クラウド経由では、VNCで監視するリモートデスクトップを借ります。
ツールの提示方法意図的に分離された2つの層があります。1つはパラメーターを一切含まない246メソッドの権限一覧、もう1つは必要になったときに名前空間単位で読み込む実際の定義です。26のツール名が、用途別にまとめられてクライアントまで届きます。スキーマは届きません。コンピューター操作は、その一覧を完全に迂回します。
記憶の保存場所ホームディレクトリ内の通常のmarkdownで、リクエストへ直接埋め込まれます。ファイルの1つを変更すると、パッケージ全体を再構築する代わりに短い通知が挿入されます。編集できるファイルはありません。サーバー側のペルソナと、必要に応じて照会される構造化ファクトレイヤーがあります。
承認できる内容権限と承認は実行環境内に分散していません。マシン外へ出るものも含めて、単一のゲートキーパーだけが経路となり、画面にはアクティビティフィードの横に承認タブがあります。同じ構成により、認証情報はエージェントの手が届かない場所に保持されます。調査した実行環境には、ファイル削除と忘却機能が含まれています。ユーザーが記憶ファイルを直接開いたり削除したりできるかは確認できませんでした。請求操作の前には確認が必要で、確認には2種類あります。開始確認はタスクの実行を制限し、独自の有効期限を持ちます。もう1つの本人確認は、電話先の企業がアカウント名義人から直接聞きたいと求めた場合に表示されます。何を言うべきか、どの番号から電話がかかるか、申し出がいつ失効するかを記したカードです。依頼と受領記録はいずれもタスク履歴に残ります。編集可能なローカル記憶ファイルは見つかりませんでした。サーバー側のファクトを削除できるかは確認できませんでした。
利用経路iOS、Android、ウェブで提供が始まり、WhatsAppからも利用できます。9月17日以降はMacアプリがあり、ユーザーのコンピューター上のアプリを操作できます。私たちがテストしたのはウェブ版だけです。ウェブとMac、外向けの電話、音声コパイロット、ほかの人のエージェントから呼び出せるRESTエンドポイント。1つのブランドに4つの依頼形式があります。
確認できなかったこと実行環境とモデル間の生の通信です。構造は判明していますが、内容は一度も見ていません。加えて、認証情報、実際の第三者サービスへのログイン、所有者が開放しなかった対話型ターミナルです。本番環境の命令文(約126回調査し、すべて空)、通話ツールのスキーマ、どの通信事業者が電話を発信するか、作業が高速モデルと低速モデルに分けられているかです。
完了、採点対象サブセット19% · 13から25 · 90タスク20% · 14から25 · 167タスク

完了の行は、代替試験モデルを使用した製品実行環境の適応版について、異なる9月の採点対象サブセットを測ったものであり、市販中の消費者向け製品そのものではありません。第1バッチの基礎記録は未公開です。Museの比率はアダプター修正後のものです。結果の出所と制約。どちらの数値もランキングではなく、私たちは決して統合しません。2026-09-22時点。

Meta所有の2台か、借りたマシンか、MuseとPineを比較

Museは各ユーザーにLinux VMを割り当てます。完成したひとかたまりのデータとして届くのではなく、そのマシン上でリクエストが組み立てられ、ブラウザー作業では別個の2台目のマシンが起動します。1人のユーザーに2台のコンピューターがあり、どちらもMetaのものです。

Pineはサーバー側で動作し、ウェブアプリでもMacアプリでもモデルは動きません。ブラウザー作業はユーザー自身のコンピューター上にある別のエージェントへ渡し、クラウド経由では、VNCで監視するリモートデスクトップを借ります。

Museの説明で注目すべき表現は「そのマシン上で組み立てる」です。つまり、プロンプトは別の場所で構成されて送られてくるのではなく、ファイルがある場所で構築されます。Museのファイルが、その永続的なコンテキストを提供します。Pineのサーバー側ファクトサービスも永続ストレージの一形態です。保持しているすべてのファクトを毎回のリクエストに含める必要はありません。

永続性がもたらすものと、その代償

物を置いておく場所があると、記憶のあり方が変わります。

Museはホームディレクトリ内の通常のmarkdownを保持し、リクエストへ直接埋め込みます。ファイルの1つを変更すると、パッケージ全体を再構築する代わりに短い通知が挿入されます。この最後の点が、設計の実態を示しています。実行環境はファイルと変更通知を使っています。ファイルを編集するコストとコンテキストを再生成するコストの相対差は測定していません。

Pineには、私たちが確認できた範囲で、編集可能なローカルファイルはありません。サーバー側にペルソナと構造化ファクトレイヤーを保持し、必要に応じて照会します。したがって、PineもMuseも状態を保持しますが、公開している保存構成が異なります。両者の運用コストの差は測定しておらず、Pineのファクトを直接編集できるかも確認できず、Museの記憶ファイルへ本人がアクセスできるかも検証していません。

各製品があなたについて誤った認識を持ったとき、何が起きるかを確認してください。Museはコンテキストをファイルに、Pineはファクトサービスに保存します。しかし、保存形式だけでは、ユーザーが利用できる訂正手段は分かりません。Museのファイルへ本人がアクセスできるかは検証していません。

どちらの保存構成にも、保持、バックアップ、削除に関する疑問があります。ユーザーごとのVMとサーバー側ファクトサービスでは答えが異なる可能性がありますが、保存形式だけでは、どちらが安価か、どちらが十分に保護されているかは分かりません。Pineのファクトレイヤーは状態を持ち、その削除範囲は未確認のままです。

権限と定義を分離

Museは、多くの製品が一緒に提供する2つの要素を分離しています。パラメーターを一切含まない246メソッドの権限一覧があり、実際の定義は、必要になったときに名前空間単位で読み込まれます。

Pineでは、用途別にまとめられた26のツール名がクライアントまで届きます。スキーマは届きません。コンピューター操作は、その一覧を完全に迂回します。

どちらも情報を開示していませんが、それぞれ何を誰に対して開示しないのかは、正確に区別する価値があります。Museは使用時までコンテキストに定義を出しませんが、権限一覧を見れば何が存在するかは分かります。Pineはクライアントにスキーマを出さないため、外部の観察者が把握できる内容が限られます。その理由は分かりません。コンピューター操作が公開名を迂回するため、その名前だけでは製品が実際に何をできるかは分かりません。

MuseとPineの電話機能を比較、確認できた利用状況と公表内容

Pineは、請求、返金、解約について、ユーザーに代わって企業へ電話をかけます。そのために設計された製品です。Museは、ようやく提供を始めた段階です。Metaが製品内で提供する案内によると、Museはユーザー自身の用事について、米国企業へ即時または予約した時刻に電話でき、ユーザーの確認後、人またはAI音声が通話します。また、この機能は早期アクセスであり、各アカウントへ段階的に提供されるとも記載されています。私たちが調べたアカウントには通話ツールが一度も提供されなかったため、Museによる通話が実際に行われるところは確認していません。同じ案内では、電話の受信、テキスト送信、勧誘電話、一斉電話は対象外とされています。

現時点では、これが両製品間で最も大きな機能差です。そして見た目以上に差があります。電話は単なる別のツール呼び出しではないからです。機械と話すことに同意していない人との会話にエージェントが入り、あなたが所有するアカウントについて話します。問題が起きた場合、Pineのアプリから発信した通話には、文字起こしではなく概要が残ります。相手の事業者、電話番号、通話時間、クレジット費用、そして電話をかけたシステムが作成した要約です。Pineの開発者API経由で発信した通話では、発言ごとの文字起こしが返されます。いずれの場合も、通話相手の人間には、あなたが何を許可したのかについて独自の印象が残ります。

Pineのほかの接点は、その周囲に配置されています。ウェブアプリとMacアプリ、外向けの電話、音声コパイロット、ほかのソフトウェアから呼び出せるRESTエンドポイントという4つの依頼形式が、1つのブランドを共有します。このエンドポイントにより、人が入力する代わりにソフトウェアからPineのタスクを開始できます。Pineが自発的に作業を始めるかは確認できませんでした。

MuseとPineを比較、行動前に確認を求めるのはどちらか

どちらも、エージェントと重大な操作の間に確認を挟みます。Pineはタスクに確認を付け、Museは外部へのすべての操作が通過するゲートキーパーに確認を付けます。

Pineには2種類の確認があります。開始確認はタスクの実行を制限し、独自の有効期限を持ちます。本人確認は、電話先の企業がアカウント名義人から直接聞きたいと求めた場合に表示されます。何を言うべきか、どの番号から電話がかかるか、申し出がいつ失効するかを記したカードです。依頼と受領記録はいずれもタスク履歴に残ります。

私たちが調べたMuseの実行環境では、権限、承認、マシン外へ出るすべてのものが単一のゲートキーパーを通り、画面にはアクティビティフィードの横に承認タブがあります。同じ構成により、認証情報はエージェントの手が届かない場所に置かれます。Metaによると、許可は1回限り、セッション単位、タスク単位、時間制限付き、または無期限に設定でき、承認プロンプトは会話を経由せずアプリに送られます。私たちはこれらの選択肢をテストしていません。また、Metaの案内ではユーザーの確認が必要とされるMuseの通話フローは、私たちのアカウントには一度も届きませんでした。

実用上の確認点は異なります。Pineでは本人確認カードをよく読んでください。あなたの名義で何が話され、どの番号から発信されるかが記載されています。Museでは、1回限りの利用を超えて有効なままにしている許可を見直してください。MuseとPineの制御に関する行に詳細があります。

MuseとPineを利用できる場所

MuseはiOS、Android、ウェブで提供が始まり、WhatsAppからも利用できます。9月17日以降はMacアプリがあり、ユーザーのコンピューター上のアプリを操作できます。私たちがテストしたのはウェブ版だけです。ここで明記するのは、これが本記事で述べるほかのすべての内容の範囲を定めるためです。

PineはウェブとMac、外向けの電話、音声コパイロット、そしてRESTエンドポイントで応答します。

MuseのMacアプリはこの比較で重要ですが、私たちは調査していません。分解したのは、背後にLinuxマシンを持つウェブ版です。説明どおりMacアプリがアプリケーション内を操作するのであれば、Museは現在、このページの軸となる両端をまたいでいます。これは調査結果ではなく、再調査すべき理由です。

どちらも見せてくれないもの

Museで欠けているのは、実行環境とモデル間の生の通信です。構造は分かっていますが、内容は一度も見ていません。加えて、認証情報、実際の第三者サービスへのログイン、所有者が開放しなかった対話型ターミナルです。

Pineで欠けているのは、本番環境の命令文です。約126回調査し、すべて空でした。さらに、通話ツールのスキーマ、どの通信事業者が電話を発信するか、作業が高速モデルと低速モデルに分けられているかも分かりません。

これらのうち2点は、両製品を真剣に比較する人に注意を促す価値があります。Museがモデルへ実際に何を送っているかは確認できていません。また、Pineの電話をどの通信事業者が発信するかも分かりません。電話を看板機能とする製品では、これは聞こえる以上に大きな空白です。

Museの一覧にある対話型ターミナルには、小さいながら独自の事情があります。所有者は私たちに対話型ターミナルを開放しませんでした。記憶ファイルへ本人がアクセスできるかを確認できなかったため、ファイル形式だけではユーザーが編集できるとは言えません。

MuseとPine比較、選択を左右するポイント

判断を左右する2つの問いは、機能一覧が尋ねるものではありません。

1つ目は、あなたの用事が企業との会話で終わるかどうかです。解約、返金、請求をめぐる異議申し立ては通常そうなります。Pineは、4つの入口の構成に至るまで、まさにそのために作られています。Museは提供を始めたばかりです。法人への電話は早期アクセスであり、私たちは実際の動作を確認していません。

2つ目は、保持されるコンテキストをどのように公開し、訂正できるようにしてほしいかです。ファイルストレージもファクトサービスも、時間とともに情報を蓄積できます。長期的な学習は比較していないため、どちらの形式であっても、6か月後にエージェントがあなたをより深く理解するとは言えません。何を確認、変更、削除できるかを尋ねたうえで、自分のアカウントでその制御を検証してください。

ランキングではなく、適合性として表すと次のとおりです。

  • Pineを選ぶ場合 用事が企業との会話、解約、返金、請求をめぐる異議申し立てで終わり、早期アクセスの提供を待つのではなく、今日電話してほしい場合。
  • Museを選ぶ場合 接続済みアカウントとブラウザーを通じて、エージェントが自分専用のマシン上で処理できる仕事であり、承認を1つのタブにまとめたい場合。

MuseとPineの数値が示すこと

どちらの製品にも私たちのスコアカードで公開された完了率があり、それぞれ区間と根拠となるタスク数を併記しています。メイン表の区間は、ほぼ全体が重なっています。両製品が回答したタスクセットは異なるため、点推定値が近くても同等の性能とは言えません。後述する共通タスクの別測定では、異なる状況が示されています。Pineの数値はMuseより多くの採点対象タスクに基づき、Museの数値は私たち自身のアダプターの不具合修正後に変化しました。詳細はスコアカードで説明しています。

完了率が近くても、製品が同等になるわけではありません。この比率では2つの構成のどちらが優れているかは分かりません。タスクセットは、自分専用のマシンを持つことを評価するよう設計されておらず、借りたデスクトップ内で用事を完了した場合と、永続的なVMで同じ用事を完了した場合の違いを、比率では捉えられないためです。比率は測定対象に沿って読み、単一スコアへ統合しない理由は採点方法で、その比率では見えない部分は実行場所で確認してください。永続性に関心があるなら、Muse vs Instinctで、同じVMとサンドボックスを比較しています。

2026年9月22日に測定した別の114タスクのバッチでは、Museの完了率は40%(95%区間33から46%、637回試行)、Pineは30%(95%区間23から36%、546回試行)でした。どちらも同じ114タスクに回答しました。これらは、同じGLM 5.3 flashモデルに置き換えた旧実行環境のレプリカを、旧ルール下で測ったものであり、最新の製品結果ではありません。約5,600回の試行から8つのルールで抽出しています。試験に一度も到達しなかった試行を除くと、PineとMuseでそれぞれ400回超が除外されます。それらが入口の不具合ではなく拒否だった場合、提示された代替推定値はPineが約22%、Museが約24%です。トランスクリプトは提供されましたが、ここでは再公開していません。一部のファイルは上書きされたか、複数の試行で共有されていたため、基礎記録は不完全です。この測定はメイン表と分けて扱い、区間の重なりや点推定値を有意性検定として扱わないでください。

2026年10月11日に実施した10月のバッチでは、9月末に施行された試験ルールのもと、全製品に同じ20タスクを1回ずつ実行させました。Museは採点対象19回のうち11回を完了し、58%(95%区間36から77%)でした。Pineには10月の数値がありません。提出結果のほぼすべてが試験に到達しなかったため、ゼロとして採点せず、その列を除外しました。原因はまだ分かっておらず、試験側にある可能性もあります。9月以降、タスク、ルール、私たちのレプリカはすべて変わったため、Museの10月の数値は新しい測定であり、Museが改善したことを示すものではありません。バッチ同士を足し合わせることは決してありません。それぞれ独自のタスクとビルドを持つほかの10月のバッチは、結果ページに個別掲載しています。記録された各試行は実行ページに比率ではなく件数で掲載しています。

VMの説明が市販製品の全体像ではありません。MuseにはMacアプリもあり、9月17日から利用でき、MessagesやNotesを含むアプリを操作できます。私たちが調べたのはウェブ実行環境であり、そのMac経由の経路ではないため、この比較からローカルアプリ操作の性能は判断できません。

Pineの価格スナップショットでは、個人利用が$9.00/週からで、日付は2026-09-23です。週単位の個人向け料金を月単位の仕事向けプランと直接比較することはできません。このページでは請求期間と追加料金を分けて記載しています。

FAQ

MuseとPineの主な違いは何ですか? Museは各ユーザーにMetaのクラウド上のLinux仮想マシンを1台、ブラウザー作業用にもう1台割り当てます。Pineは自社サーバー上でモデルを動かし、ブラウザーが必要になると、ユーザーのコンピューター上にある別のエージェントへ作業を渡すか、リモートデスクトップを借ります。

私について誤った認識を持った場合、訂正できるのはどちらですか? Museはホームディレクトリ内に通常のmarkdownファイルを保持し、1つを変更すると、すべてを再構築する代わりに短い通知が挿入されます。私たちはターミナルを利用できなかったため、ユーザー自身がそのファイルを開けるかは確認できませんでした。Pineには編集するファイルがありません。サーバー側のペルソナと、必要に応じて照会されるファクトレイヤーがあります。

どちらか一方でも電話をかけられますか? Pineは、請求、返金、解約について電話をかけます。アプリからの通話では要約が保存され、開発者API経由の通話では文字起こしが返されます。Museでは、Metaが製品内で提供する案内によると、法人への電話機能が早期アクセスとして提供され始めています。しかし、私たちが調べたアカウントにはなく、動作は確認していません。どの通信事業者がPineの電話を発信するかは確認できませんでした。

Museは私のコンピューター上で動作しますか? 私たちが調べた製品は動作しません。Metaが提供するLinuxマシン上で動きます。9月17日に公開されたMacアプリは、ユーザーのコンピューター上のアプリを操作すると説明されていますが、私たちは調査していません。

それぞれツールはいくつありますか? Museはパラメーターなしの246メソッドからなる権限一覧を提示し、実際の定義は必要なときだけ読み込みます。Pineは26のツール名を送りますがスキーマは送らず、コンピューター操作はその一覧を迂回します。

これはテスト結果ですか、それとも各社の文書に基づくものですか? MuseとPineについて私たち自身が行った分解調査に基づき、各製品で確認できなかったことも含めています。Museについて調べたのはウェブ版だけです。

MuseとPineはどの会社の製品で、料金はいくらですか? MuseはMetaの製品で、多くの用途では無料、サブスクリプションプランもあります。米国で順次提供され、日本では10月23日から、シンガポールでは10月27日から提供されています。Pineの利用規約には19Pine Pte. Ltd.と記載され、App Storeの販売元は19Pine Corp.です。週単位の個人向けプランと月単位の仕事向けプランを公開しています。現在の数値はPineのページにあります。

2つの完了率だけで結論が出ないのはなぜですか? メイン表の点推定値は近いものの、異なるタスクセットに基づいています。旧ルール下の共通114タスクでは、Museが40%(95%区間33から46%)、Pineが30%(23から36%)です。10月のバッチではMuseが58%(36から77%)で、Pineには数値がありません。提出結果が試験に到達しなかったためです。これらの測定から、用事が永続的なVMと借りたデスクトップのどちらで完了したかは分かりません。比率は実測値ですが、測定対象は限定的です。

その他の比較

全6組の比較と、6組しかない理由は比較ページにあります。

Museの詳細