| {{{#!wiki style="margin:-0px -10px -5px" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin:-5px -1px -11px; word-break:keep-all" | OpenAI | GPT (1 · 2 · 3.x · 4.x · 5.x · 6.x · 7) GPT-OSS (20B · 120B) OpenAI (o1 · o3 · o4) | |
| 구글 | Gemini (1 · 1.5 · 2 · 2.5 · 3 · 3.1 · 3.5 · 3.6 · 3.7 · 3.8 · 4) Gemma · LaMDA · PaLM 2 | ||
| Anthropic | Claude (Fable · Mythos · Opus · Sonnet · Haiku) | ||
| SpaceXSI | Grok | ||
| 메타 | LLaMA · Muse Glimmer · Muse Spark · Muse Wonder | ||
| 기타 | NVIDIA Nemotron(NVIDIA) · Inkling(Thinking Machines Lab) · Granite(IBM) · MAI · Phi(Microsoft) · Apple Foundation Models · OpenELM(Apple) | ||
| HyperCLOVA(네이버) · 카나나(카카오) · 삼성 가우스(삼성전자) · 엑사원(LG AI연구원) · 믿:음(KT) · A.X(SK텔레콤) · Solar(업스테이지) · Motif(모티프) | |||
| Hunyuan · DeepSeek(딥시크) · Qwen · MiniMax(미니맥스 그룹) · GLM(Z.ai) · Xiaomi MiMo(샤오미) · Kimi(Moonshot AI) | |||
| Mistral(Mistral AI) | |||
| K2 Horizon(IFM) | |||
| Quasar(멀티버스 컴퓨팅) | |||
| Sapiens(Sapiens AI) | |||
| Command A+(Cohere) | }}}}}}}}} | ||
| Muse Wonder | |
| | |
| 공개일 | 2026년 10월 12일 |
| 제작사 | 메타 초지능 연구소 |
| 종류 | 멀티모달 언어 모델 |
| 모델 | Muse Wonder Muse Wonder Full |
| 컨텍스트 길이 | 100만 토큰 |
| 입력 | ||<tablebordercolor=transparent><tablebgcolor=transparent><bgcolor=transparent><nopad> |
| 출력 | ||<tablebordercolor=transparent><tablebgcolor=transparent><bgcolor=transparent><nopad> |
| 라이선스 | 독점 모델 |
| 링크 | |
1. 개요
메타의 인공지능 연구 조직인 메타 초지능 연구소가 개발한 멀티모달 언어 모델 시리즈.2026년 10월 12일 공개되었으며, 기존 Muse Spark 시리즈에 이어 출시된 메타의 차세대 프론티어 모델이다. 일반형인 Muse Wonder와 고성능 모델인 Muse Wonder Full로 구성되어 있다.
기존 Muse Spark가 비교적 적은 연산량과 높은 효율성을 중시했다면, Muse Wonder는 모델 규모와 추론 능력을 확장하여 복잡한 작업을 장시간 수행하는 AI 에이전트에 중점이 맞춰져 있다.
특히 소프트웨어 개발, 전문 지식 업무, 장기 기억 및 컴퓨터 사용 능력이 강화되어 에이전트 작업에 특화되었다.
메타의 데이터센터인 Prometheus에서 학습되었으며, 사전 학습 및 강화 학습에 투입되는 연산량을 이전 세대보다 크게 확대했다.
메타는 Muse Wonder를 자사의 개인용 AI 에이전트인 Muse에 통합할 계획이라고 밝혔으며, 우선 유료 구독자에게 제공할 예정이다.
기존 LLaMA 시리즈와 달리 공개 가중치가 제공되지 않는 독점 모델이다.
2. 상세 모델
2.1. Muse Wonder
2026년 10월 12일 출시된 기본 모델이다.복잡한 추론과 장시간 에이전트 실행, 코딩 및 컴퓨터 사용 작업에 특화되어 있다. 최대 100만 토큰의 컨텍스트를 지원하며, 텍스트, 이미지, 음성, 영상을 입력받을 수 있다.
출시 당일부터 Meta Model API와 Muse Code에서 사용할 수 있으며, OpenRouter를 통해서도 제공된다.
API 가격은 다음과 같다.
| <rowcolor=#fff> 항목 | 100만 토큰당 가격 |
| 입력 | $4.00 |
| 캐시된 입력 | $0.20 |
| 출력 | $20.00 |
이전 Muse Spark 1.3의 입력 $1.25, 출력 $4.25와 비교하면 입력 가격은 3.2배, 출력 가격은 약 4.7배로 상승했다. 이는 Claude Opus 5.5와 동일한 가격이기도 하다. 캐시된 입력 가격은 $0.15에서 $0.20으로 인상되었다.
따라서 기존 Muse Spark 시리즈와 달리 저비용 모델보다는 고성능 모델에 가깝다.
2.2. Muse Wonder Full
Muse Wonder와 함께 출시된 상위 모델로, 일반 Muse Wonder보다 높은 성능을 보인다.기본 모델보다 높은 추론 및 에이전트 성능을 가져 복잡한 전문 업무와 장시간 소프트웨어 개발에서 높은 성능을 보인다.
컨텍스트 길이는 기본 모델과 동일하게 100만 토큰이다.
다만 기본 모델과 달리 출시 당시에는 일반 개발자용 API를 지원하지 않으며, Muse Code 구독을 통해서만 사용할 수 있다.
DeepSWE와 SWE-Marathon 등의 코딩 벤치마크에서 Muse Wonder보다 높은 성능을 보인다.
3. 특징
3.1. Active Memory
여러 대화에 걸쳐 사용자의 중요한 정보를 유지하고, 현재 작업과 관련된 과거 정보를 능동적으로 찾아 활용하는 기능이다.Muse Wonder는 MemoryBench에서 85.6점, Muse Wonder Full은 85.5점을 기록해, 비교 대상인 GPT-6 Astra의 81.4점, Claude Opus 5.5의 81.5점보다 높은 결과를 보였다.
3.2. Active Focus
복잡한 작업을 수행하는 동안 목표를 유지하고, 장애물이나 예상하지 못한 상황에 적응하면서 작업을 지속하는 능력이다.다양한 장애나 오류가 발생했을 때 다른 해결 방법을 탐색하거나 작업 계획을 수정하고, 필요한 경우 사용자에게 추가 정보를 요청하도록 학습되었다.
특히 수 시간에 걸쳐 수행되는 장기 작업, 다중 파일 수정, 반복적인 테스트와 디버깅 등에서 활용하기 좋다.
4. 성능
공식 벤치마크 보고서| <rowcolor=#fff> 분류 | Benchmark | Muse Wonder Full Max | Muse Wonder Max | Claude Fable 5.1 Max | GPT-6 Astra Max | Claude Opus 5.5 Max |
| 에이전트 작업 | Personal Superintelligence Index Personal and knowledge work / Internal | 59.1 | 54.3 | 49.9 | 54.5 | 55.2 |
| Harvey LAB-AA Legal agent work | 13.1 | 10.0 | 6.4 | 8.6 | 4.2 | |
| Vals Finance Agent V2 Financial analyst research | 59.1 | 56.6 | 58.9 | 53.5 | 58.6 | |
| HealthBench Pro Open-ended health queries | 62.3 | 60.5 | 62.1 | 65.3 | 65.6 | |
| AutomationBench-AA E2E business workflows | 45.4 | 39.1 | 32.1 | 41.6 | 41.2 | |
| GDP.pdf Professional work | 33.2 | 30.8 | 27.6 | 34.2 | 30.6 | |
| JobBench Professional tool use | 75.3 | 70.5 | 73.1 | 66.1 | 75.4 | |
| OSWorld V2.1 Agentic computer use | 78.4 Partial 39.4 Binary | 72.6 Partial 34.3 Binary | 80.7 Partial 43.1 Binary | 75.8 Partial 34.3 Binary | 81.8 Partial - Binary | |
| MemoryBench Remembering context / Internal | 85.5 | 85.6 | 79.0 | 81.4 | 81.5 | |
| 코딩 | Terminal-Bench 4.0-AA Agentic terminal coding | 57.1 | 52.0 | 52.0 | 59.1 | 59.6 |
| DeepSWE 1.1 Long-horizon coding | 79.0 | 78.8 | 67.4 | 74.1 | 74.2 | |
| SWE-Marathon Ultra-long horizon engineering | 57.5 Xhigh | 53.1 | 45.6 | 42.5 | 46.3 | |
| ProgramBench From-scratch programming | 59.0 | 50.0 | 55.5 | 52.5 | 70.5 | |
| 일반 | Artificial Analysis Intelligence Index v4.3 | 56 | 52 | 53 | 53 | 58 |
Artificial Analysis Intelligence Index v4.3에서 Muse Wonder는 52점, Muse Wonder Full은 56점을 기록했다. 기존 Muse Spark 1.3의 48점에서 각각 4점과 8점 상승한 점수다.
특히 Muse Wonder Full은 평가 지표 10개 모두에서 이전 모델보다 높은 성적을 기록했다.
에이전트 성능은 큰 폭으로 향상되어, Terminal-Bench 4.0에서는 Muse Spark 1.3의 33%에서 Muse Wonder Full의 57%로 대폭 개선되었다.
GDPval-AA v2.1에서도 Muse Spark 1.3의 Elo 1681에서 Muse Wonder Full의 1857로 크게 상승했다.
Artificial Analysis의 코딩 에이전트 지수에서도 Muse Wonder는 63점, Muse Wonder Full은 68점을 기록하여 기존 Muse Spark 1.3의 54점보다 높은 점수를 보인다.
반면 성능 상승과 함께 비용도 크게 증가하였다.
Muse Wonder의 Cost per Intelligence는 $4.52로, Muse Spark 1.3의 $1.60보다 3배 가까이 높다.
Anthropic의 Claude Opus와 비슷한 성능을 보이거나 일부 앞선 부분을 보인 것은 물론, GPT-6 시리즈보다 경쟁력 있는 성능을 보이기도 하며 Meta가 OpenAI, Anthropic과의 경쟁에 진입했다고 보는 시각도 존재한다. #
5. 평가
Muse Wonder는 메타가 기존의 저비용/고효율 모델 중심 전략에서 벗어나 최상위 프론티어 모델 시장에 본격적으로 진입한 제품으로 평가된다.기존 Muse Spark 시리즈는 상대적으로 저렴한 API 가격과 코딩 및 에이전트 성능을 강점으로 내세웠다. [1] 반면 Muse Wonder는 높은 연산 비용을 감수하고 복잡한 전문 업무와 장시간 수행 작업에서 경쟁력을 확보하는 방향을 택했다.
독립 평가에서도 Muse Spark 1.3에 비해 뚜렷한 성능 향상이 확인되었으며, 특히 Muse Wonder Full은 에이전트 기반 지식 업무와 일부 코딩 평가에서 우수한 성적을 거두었다.
다만 기본 모델의 API 가격이 크게 상승했고, 가장 성능이 높은 Full 모델은 Muse Code 구독을 통해서만 제공된다는 제약이 있다.
종합적으로 Muse Wonder는 메타의 프론티어 AI 경쟁력 회복을 보여주는 중요한 모델이지만, 기존 Muse Spark 시리즈와 비교했을 때 경제성보다 성능에 중점을 둔 모델이다.
6. 기타
- 개발 과정에서 사용된 내부 코드명은 Watermelon으로 알려졌다. 기존 Muse Spark 시리즈의 내부 코드명은 Avocado였다.
- Muse Wonder Full은 기본 모델보다 높은 성능을 제공하지만, 출시 당시 별도의 API 가격은 발표되지 않았다.
- 메타는 향후 Muse Wonder를 기반으로 다양한 특화 모델을 개발하여 자사의 AI 서비스에 적용할 계획이라고 밝혔다.
[1] Muse Spark Contributer는 $0.1/$0.2의 가격으로 제공되었을 정도.