장기 작업 수행을 목표로 한 뮤즈 원더 모델군 발표
Meta는 2026년 10월 12일, 개인 및 전문 업무 환경을 겨냥한 차세대 프런티어 에이전트 모델 제품군인 '뮤즈 원더(Muse Wonder)'와 상위 모델 '뮤즈 원더 풀(Muse Wonder Full)'을 공개했다. 이번 모델군은 전작인 뮤즈 스파크(Muse Spark)를 잇는 제품으로, Meta의 AI 연구 조직인 Meta Superintelligence Labs(MSL) 주도로 개발되었으며 기가와트(GW)급 데이터센터 '프로메테우스(Prometheus)' 인프라에서 훈련되었다. 두 모델 모두 1,048,576토큰(약 100만 토큰)에 달하는 대규모 컨텍스트 윈도우를 지원한다.
Meta는 신규 모델의 핵심 기술로 두 가지 역량을 강조했다. 이전 대화의 맥락과 핵심 정보를 장기간 유지하여 필요한 시점에 세부 내용을 회상하고 업무에 반영하는 '액티브 메모리(Active Memory)'와, 복잡한 다단계 작업 중 장애가 발생했을 때 대체 접근법을 모색하고 오류를 자체 복구하며 중요한 결정 시 사용자 확인을 거치는 '액티브 포커스(Active Focus)'다. 이를 통해 법률, 금융, 의료 및 장기 소프트웨어 엔지니어링 전반에서 실질적인 에이전트 역할을 수행할 수 있다고 설명했다.
자체 발표치와 독립 벤치마크 평가 간의 간극
Meta는 발표문을 통해 법률, 금융, 장기 코딩 작업 등 전문 에이전트 영역에서 최첨단 성능을 달성했다고 주장했다. 자체 벤치마크 평가인 SWE-Marathon에서 57.5점을 기록해 Claude Opus 5.5의 46.3점을 앞섰고, 법률 분야의 Harvey LAB Legal에서도 13.1점 대 4.2점으로 우위를 보였다고 발표했다.
그러나 서드파티 독립 평가 기관인 아티피셜 애널리시스(Artificial Analysis)의 지능 지수(Intelligence Index v4.3, 최대 추론 기준) 측정 결과는 다른 양상을 보였다. 1위는 Claude Opus 5.5(58점)가 여전히 유지했으며, Muse Wonder Full은 56점을 기록해 Claude Sonnet 5.5와 공동 2위 수준에 올랐다. 오픈AI의 GPT-6 Astra(53점)나 Gemini 4 Argon(53점)보다는 높은 점수였으나 표준형 Muse Wonder는 52점에 머물렀다. 또한 ProgramBench(70.5점 대 59.0점)나 OSWorld 등 일반 프로그래밍과 환경 제어 벤치마크에서는 여전히 Claude Opus 5.5가 명확한 우위를 점하고 있어 특정 에이전트 지표 외 전면적 추월로 보기는 어렵다.
오픈소스 기조의 전면 폐기와 파편화된 배포 체계
이번 발표에서 확인된 가장 중대한 전략적 변화는 Meta의 오픈소스 생태계 철회다. 과거 Llama 시리즈를 통해 누구나 다운로드할 수 있는 오픈 가중치 모델을 배포하며 시장 영향력을 확대해온 것과 달리, 뮤즈 원더 제품군에서는 다운로드 가능한 모델 가중치를 전혀 제공하지 않는 독점적 호스팅(Proprietary) 방식으로 전면 전환했다.
수익화와 제품 락인(Lock-in)을 결합한 배포 정책 역시 두드러진다. 표준형인 Muse Wonder는 Meta Model API(백만 토큰당 입력 4.00달러, 출력 20.00달러, 캐시 입력 0.20달러)와 자체 코딩 도구인 'Muse Code'를 통해 즉시 개방되었다. 반면 최상위 모델인 Muse Wonder Full은 일반 개발자용 API에서 완전히 제외되었으며, 오직 Muse Code의 고가 유료 플랜(월 50달러 또는 월 200달러) 가입자에게만 제한적으로 제공된다. 핵심 성능 모델을 자사 개발 도구 구독으로 강제 연계하는 폐쇄형 상용화 구조를 택한 셈이다.
실무 도입 시 고려해야 할 검증 한계와 데이터 거버넌스
엔지니어링 조직과 기업 실무진이 Muse Wonder 제품군 도입을 검토할 때 주의해야 할 요소들이 존재한다. Meta가 공개한 공식 시연 영상은 긴 시간이 걸리는 세부 단계들이 축약(Sequences shortened)되어 있어, 실제 운영 환경에서의 추론 지연 시간과 복잡한 작업 완수 속도는 별도의 독립적 실측이 필요하다. 또한 Meta가 제시한 MemoryBench나 FocusBench 등 세부 지표는 내부 평가 체계에 머물러 있어 객관적 재현성 검증이 완료되지 않았다.
특히 데이터 보안 관점의 거버넌스 설정은 필수 확인 대상이다. 코딩 도구인 Muse Code를 구독해 이용할 경우, 사용자의 프롬프트와 소스 코드 데이터를 Meta의 향후 인공지능 학습에 활용하도록 하는 기여 모드(Contributor Mode)가 기본적으로 활성화(ON)되어 있다. 지식재산권 보호나 내부 규정이 엄격한 기업 환경이라면 도구를 도입하는 즉시 해당 데이터 수집 설정을 비활성화해야 기밀 정보 유출 위험을 방지할 수 있다.
미공개 안전성 데이터와 향후 확인이 필요한 잔여 과제
안전성과 신뢰성 검증 측면에서도 확인이 필요한 한계가 뚜렷하다. Meta는 이번 발표와 함께 상세한 안전 평가 보고서(Safety Evaluations Report)를 당일 공개하지 않았으며 '곧 공개 예정'이라는 안내만 남겼다. 이로 인해 모델의 위험성 관리 수준, 적대적 프롬프트 방어력, 세부적인 레드팀 평가 데이터의 원문은 현재 시점에서 외부 전문가나 도입 기업이 직접 검증할 수 없는 상태다.
아울러 일반 소비자 대상의 배포 일정 역시 조건부로 제한되어 있다. Meta는 일반 소비자용 Muse 애플리케이션의 경우 유료 구독자를 시작으로 뮤즈 원더를 순차 배포하겠다고만 밝혔으며, 무료 이용자를 대상으로 한 지원 일정이나 국가별 배포 범위는 일절 명시하지 않았다. 최고 모델의 API 차단, 오픈 가중치 폐기, 안전성 평가 원문의 미공개 상태가 맞물려 있는 만큼 실무 환경의 전면 적용에는 신중한 검증 작업이 선행되어야 한다.
출처
Meta Newsroom의 원출처와 본문에 표시한 참고자료를 바탕으로 한국어로 재구성했습니다. ‘ARCH.B 분석’은 자료를 읽고 덧붙인 편집 해석입니다.
Introducing Muse Wonder and Muse Wonder Full: Frontier Models for Agents (새 창)
