[태그:] 메타 수퍼인텔리전스

  • 메타, 첫 프론티어 모델 ‘뮤즈 원더’ 공개 — 가격·배포·기억 설계로 본 진영 차별화

    메타, 첫 프론티어 모델 ‘뮤즈 원더’ 공개 — 가격·배포·기억 설계로 본 진영 차별화

    메타 수퍼인텔리전스 랩이 자사 최초의 프론티어 모델 ‘뮤즈 원더(Muse Wonder)’와 ‘뮤즈 원더 풀(Muse Wonder Full)’ 두 종을 공개했다. 라이트웨이용 ‘뮤즈 스파크(Muse Spark)’와 달리, 원더 라인업은 더 큰 파라미터 규모로 코딩 등 고난이도 작업에 초점을 맞췄다. 이번 행보는 슈퍼인텔리전스 경쟁에서 메타가 본격적으로 전면에 나서겠다는 신호로 읽힌다.

    벤치마크와 가격 — GPT-6 솔·오푸스 5.5급 포지셔닝

    메타 모델 카드에 따르면 뮤즈 원더와 원더 풀은 ‘페이블 5.1’과 ‘GPT-6 아스트라’에 대등한 벤치마크 점수를 기록했다고 회사 측이 밝혔다. 이 수치는 메타의 자체 측정으로 독립 검증이 필요하다. 회사 블로그는 “함께, 이 모델들은 우리의 스케일링 사다리에서 다음 단계이자, 개인용 수퍼인텔리전스를 향한 큰 도약”이라고 소개했다. 가격은 메타 모델 API 기준 입력 100만 토큰당 4달러, 출력 100만 토큰당 20달러로 ‘GPT-6 솔’ 또는 ‘오푸스 5.5’와 거의 동등하다.

    배포 채널 분리 — API·구독·에이전트의 3단 구조

    뮤즈 원더 풀은 ‘뮤즈 코드(Muse Code)’ 구독자에게만 제공되며 API로는 노출되지 않는다. 두 모델은 모두 ‘뮤즈 에이전트(Muse agent)’ 구동에 투입되는데, 고성능 모델을 복수의 경로로 분산해 가격 통제력을 높이려는 설계로 해석된다. 메타의 뮤즈 원더 프론티어 모델 첫 공개 보도도 같은 흐름을 짚었다.

    ‘액티브 메모리’와 MemoryBench — 장기 기억 경쟁의 서막

    메타는 ‘액티브 메모리(active memory)’ 명칭으로, 사용자가 제공한 정보를 장기적으로 기억·종합·회상하는 능력을 강조했다. MemoryBench는 지속 학습·기억 구성 프레임워크를 시험하는 벤치마크로, 메타 자체 테스트에서 뮤즈 원더가 페이블·오푸스·아스트라보다 높은 점수를 보고했다. 구현 방식과 학습 데이터 세부 내용은 공개되지 않았다. 연구원 카비야 코파라푸는 “모델이 며칠, 몇 주, 몇 달, 그 이상의 기간 동안 사용자에게 중요한 것을 기억할 수 있도록 엄청난 노력을 기울였다”고 말했다.

    배경: 알렉산드르 왕 이후 첫 프론티어, 프로메테우스에서 학습

    이번 출시는 2025년 8월 스케일 AI 창업자 알렉산드르 왕이 메타 AI 조직을 재편한 이래 처음 나온 프론티어 모델이다. 그 사이 메타는 라이트웨이용 ‘뮤즈 스파크’와 ‘뮤즈 에이전트’만 내놓았고, 오픈AI·앤트로픽 같은 최상위 모델 공개는 피해왔다. 두 모델은 올초 가동에 들어간 오하이오 주 중심부 ‘프로메테우스(Prometheus)’ 데이터센터에서 학습됐다.

    시사점: 성능에서 설계로 옮겨가는 경쟁 축

    뮤즈 원더 공개는 모델 추가에 그치지 않는다. API·구독·에이전트로 묶은 3단 유통 구조 안에서 가격·접근성·기억 기능을 동시에 통제하려는 상용화 전략의 분수령이다. TechCrunch 보도에 따르면, 모델 카드 외 학습 데이터·구조·파라미터 규모는 공개되지 않아 검증 과제로 남는다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: TechCrunch — Meta releases its first frontier model, Muse Wonder