메타의 Muse Wonder가 진정한 프론티어 모델인가? 최고의 버전은 API에 공개되지 않았다

2026년 10월 12일, Meta는 Alexandr Wang이 재건한 Meta Superintelligence Labs에서 처음으로 선보인 프론티어급(frontier-class) 모델인 Muse Wonder와 Muse Wonder Full을 출시했습니다. Wang은 이 모델들이 OpenAI 및 Anthropic의 최고 버전과 거의 동등한 수준의 '진정한 프론티어 모델'이라고 주장했습니다. 약 한 달 후, 독립적인 점수들이 공개되면서 그 주장은 대체로 사실로 확인되었습니다. 하지만 문제는 벤치마크 자체가 아닙니다. 실제로 어떤 버전을 사용할 수 있느냐가 문제입니다.

저는 아직 Muse Wonder를 직접 사용해 보지 못했으며, 이 기사는 Meta의 발표와 모델 카드, 그리고 VentureBeat 및 Artificial Analysis의 독립적인 분석을 바탕으로 작성되었으며 (2026년 11월 10일 확인), 내용에 포함된 주장은 Meta 측의 주장임을 밝힙니다. 출시 점수표는 독립적인 결과가 아닌 공급업체의 주장이기 때문입니다.

Meta가 실제로 공개한 것들

내부 코드명 'Watermelon'으로 개발된 두 가지 모델이 있습니다. Muse Wonder는 표준 모델이며, Muse Wonder Full은 더 크고 강력한 버전입니다. 이 두 모델 모두 동일한 목적을 위해 구축되었습니다: 개인적이고 전문적인 에이전트 작업(agentic work)입니다. 이는 단순히 질문에 답하는 것을 넘어, 모델이 계획하고, 도구를 사용하며, 컨텍스트를 기억하고, 무언가를 끝마쳐야 하는 장기 실행 과제를 의미합니다.

중요한 사양은 다음과 같습니다:

• 공식 모델 카드에 따르면 추론 시 1M 토큰의 컨텍스트 창(context window)을 가집니다.
• 멀티모달 입력(Multimodal input): 텍스트, 이미지, 비디오, 오디오를 입력받고 텍스트로 출력합니다.
• 액티브 메모리(Active Memory): Meta가 내세우는 핵심 기능입니다. 이 모델은 사용자가 며칠, 몇 주, 혹은 몇 달 전에 언급했던 것을 기억하고 나중에 과제에 활용하도록 설계되었습니다. Meta 자체의 MemoryBench 테스트에서 Wonder는 85.6점을, Wonder Full은 85.5점을 기록했습니다. 이는 Claude Opus 5.5의 81.5점과 GPT-6 Astra의 81.4점에 비견되는 수치입니다. 다만 이 부분을 주의 깊게 읽어야 합니다: MemoryBench는 Meta가 자체 정의한 기억력에 대한 회상(recall)을 측정하는 Meta 자체의 벤치마크이기 때문입니다. 격차는 실재하지만 좁으며, 이는 Meta가 스스로 숙제를 채점하는 것과 같습니다.
• 액티브 포커스(Active Focus): 모델이 장기 과제 수행 중 방황하지 않고 집중력을 유지하는 능력을 의미하며, 이것이 작업을 끝내는 에이전트와 세 번째 단계 이후에 이탈하는 에이전트를 구분 짓는 차이점입니다.

두 모델 모두 Meta의 오하이오에 위치한 기가와트급 데이터 센터인 Prometheus에서 훈련되었습니다. 이 세부 사항은 단순한 흥미거리라기보다는 신호로 작용합니다. 즉, 이것이 모델이 존재하기 전인 2025년 말에 Zuckerberg와 Wang이 약속했던 1,000억 달러 이상의 컴퓨팅 투자(compute bet)라는 것입니다. 이 연구소 자체는 최첨단 기준으로는 매우 작은 규모입니다. Llama 4가 2025년 4월에 좋지 않게 출시된 이후에 지어졌으며, Zuckerberg는 Wang을 영입하기 위해 Scale AI의 지분 49%를 143억 달러에 인수했습니다.

솔직하게 본 벤치마크 분석

여기에 Meta가 공개한 점수표가 있습니다. 모두 최대 추론 노력(maximum reasoning effort)을 투입하여 측정되었습니다. 저는 독립적인 'Artificial Analysis' 행을 가장 먼저 배치했는데, 이는 Meta의 누구도 선택하지 않은 수치이기 때문입니다.

실제 의미는 이렇습니다: Wonder Full은 'Artificial Analysis Intelligence Index'에서 Claude Sonnet 5.5와 56점으로 동률을 기록하며, GPT-6 Astra(53점)와 Claude Fable 5.1(53점)보다 앞서지만, Claude Opus 5.5(58점)에는 뒤처집니다. 표준 Wonder는 52점을 기록했는데, 이는 해당 지수에서 동급 모델 216개 중 아홉 번째에 해당하는 점수로, GPT-6 Astra보다 1점 낮습니다.

테이블의 나머지 부분에서도 일관된 패턴이 관찰되며 주목할 가치가 있습니다. Wonder Full은 작업이 길고 에이전트 기반(agentic)인 영역—DeepSWE, SWE-Marathon, 법률 업무, 비즈니스 자동화 등—에서 명확하게 앞서 나갑니다. 반면, 일반 지식이나 건강 추론과 관련된 작업에서는 성능이 떨어지며, Terminal-Bench에서도 약간 뒤처집니다. 이는 무작위적인 점수 분산이 아닙니다. 이 모델은 에이전트를 위해 튜닝되었으며, 그 특징을 보여주고 있습니다.

메타의 모델 카드에는 두 가지 주의사항이 명시되어 있습니다. 첫째, 해당 점수표는 Meta가 자체적으로 수행한 평가, 제3자 결과, 공식 리더보드 점수를 혼합하여 구성되었으며, 카드에 따르면 경쟁사 실행 결과는 '최선을 다한 노력(best-effort)' 수준입니다. 즉, 프롬프트, 도구, 런타임이 모든 모델에 대해 동등하게 최적화되어 있지는 않을 수 있습니다. 둘째, 특히 SWE-Marathon의 경우, GPT-6와 Fable의 결과는 각각 Codex와 Claude Code를 사용하여 생성되었기 때문에 해당 행은 통제된 공통 하네스(controlled common-harness) 비교가 아닙니다. 이 두 가지 주의사항이 결과를 무효화하는 것은 아니지만, 'Meta가 승리했다'고 보기보다는 '대략적으로 최전선에 도달했다'는 관점에서 표를 읽어야 하는 이유입니다.

가격 책정 — 그리고 페이월(Paywall)

Meta Model API를 통해 표준 Muse Wonder의 비용은 입력 토큰당 백만 개 $4, 캐시된 입력 토큰당 백만 개 $0.20, 출력 토큰당 백만 개 $20입니다. 이는 Gemini 4 Carbon의 일반적인 가격과 정확히 동일하며, Claude Fable 5.2의 $8/$40 중 절반에 해당합니다. 가격만 놓고 보면 Wonder는 경쟁력이 있습니다.

그리고 Meta가 과거에 보여준 두 번째, 더 조용한 측면이 있습니다. 바로 Wonder 모델은 다운로드 가능한 가중치(downloadable weights)를 제공하지 않는다는 점입니다. 이것은 폐쇄형 모델이며, 오직 Meta에서 호스팅하고 구독 방식 및 토큰 단위로 판매됩니다. 오픈 Llama 가중치를 기반으로 명성을 쌓았던 회사가 이제는 폐쇄적인 방식으로 경쟁하고 있는 것입니다. 만약 Meta로부터 오픈된 최전선(frontier) 모델을 기대했다면, 이것은 아닙니다.

개발자에게 의미하는 바

실질적인 질문은 Wonder가 '최전선'인지 여부가 아닙니다. 독립 지표에서는 겨우 그렇다고 할 수 있으며, 장기 에이전트 코딩 작업(long agentic coding tasks)에서는 진정으로 강력합니다. 문제는 이것이 당신의 토큰과 시간을 투자할 가치가 있는가입니다.

• 가장 긴 코딩 작업에 먼저 API Wonder를 사용해 보세요. DeepSWE와 SWE-Marathon은 실제 업무와 가장 유사한 벤치마크입니다. 즉, 다중 파일 리팩토링(multi-file refactor), 장시간 디버깅 세션, 몇 분이 아닌 몇 시간이 걸리는 기능 구현 등이 포함됩니다. $0.20의 캐시된 입력과 함께 $4/$20으로 책정되어 있어 사용해 볼 수 있습니다. 평소 현재 모델로 두세 번 시도해야 하는 작업을 한 번에 끝낼 수 있는지 확인해 보세요.
• Wonder의 한계에 도달할 때까지는 Wonder Full에 비용을 지불하지 마세요. Full 모델이 점수표(scorecard)상에서 우위를 보이는 것은 사실이지만, 이는 Muse Code 구독 뒤에 잠겨 있습니다. 만약 API 모델로 충분하다면, 이 구독은 다른 기능성을 제공하는 것이 아니라 벤치마크상의 우위만을 구매할 뿐입니다.
• 벤치마크보다는 메모리(memory) 기능에 주목해야 합니다. Active Memory가 Meta가 설명하는 대로 주(週)를 거쳐 프로젝트 결정 및 선호도를 기억한다면, 이는 사용자가 에이전트를 일상적으로 사용하는 방식을 바꿀 기능입니다. 하지만 현재까지는 독립적인 검증이 가장 부족한 기능이기도 합니다. MemoryBench는 Meta 자체 테스트입니다. 이를 결과가 아닌, 검증을 위한 약속으로 간주하세요.
• 폐쇄형 모델(closed model)을 염두에 두고 계획해야 합니다. 가중치(weights)가 없다는 것은 자체 호스팅 불가, 자체 하드웨어에서의 파인튜닝(fine-tuning) 불가, 그리고 Meta가 가격이나 약관을 변경할 경우 탈출구가 없음을 의미합니다. 이는 OpenAI와 Anthropic이 처한 상황과 동일하며, 이제는 Meta의 상황도 마찬가지입니다. 만약 오픈 웨이트(open weights)가 여러분의 스택에 중요하다면, Wonder는 선택지를 바꾸지 못합니다.

아직 알 수 없는 것들

• 에이전트 벤치마크의 독립적 재현성. Artificial Analysis 지수는 독립적입니다. 대부분의 작업별 행은 Meta가 수행했거나 Meta가 선택한 것입니다. 아직 Meta 외부에서는 전체 스위트를 독립적으로 실행한 사람이 없습니다.

• 실제 프로젝트에서 Active Memory가 어떻게 작동하는지. 방해되는 대화(distractor conversations)를 포함한 벤치마크는 6주간의 실제 프로젝트 이력과 같지 않습니다.

• 전체 안전 보고서. Meta는 추가 안전 평가가 포함된 전체 보고서가 곧 나올 것이라고 밝혔습니다. 현재로서는 13페이지 분량의 모델 카드가 주요 공개 기술 문서입니다. 이 문서는 Wonder Full에 대해 CyberGym에서 88.4%, ExploitBench에서 58.9%를 기록했으며, 완화되지 않은(unmitigated) 모델은 사이버 보안 및 통제 상실 측면에서 보통 또는 낮은 위험으로 평가되었다고 언급합니다.

• Muse 앱의 무료 등급은 어떻게 되는가. Wonder는 제공하는 데 비용이 더 들기 때문에 유료 구독으로 시작합니다. 이것이 언제 무료 사용자에게 도달할지는 발표되지 않았습니다.

결론적으로

Meta가 프론티어 경쟁에 복귀했으며, 이번에는 그 주장이 독립적인 점수와 접촉에서도 살아남았습니다. Muse Wonder Full은 Artificial Analysis 지수에서 Sonnet 5.5와 동률을 이루고 장기 범위 코딩(long-horizon coding), 법률 작업 및 비즈니스 자동화 분야에서 최고 성능을 보였습니다. 실제로 API를 통해 호출할 수 있는 표준 Wonder는 52점으로 한 단계 뒤처져 있습니다—좋지만 선두는 아닙니다.

하지만 이야기는 단순히 점수판에 있는 것이 아닙니다. 그것은 Meta가 1,000억 달러 이상을 지출하고, 프론티어 모델을 훈련해 본 적이 없는 29세의 인물을 중심으로 전체 AI 연구소를 재건했으며, Claude 및 GPT-6과 같은 대화에 속할 만한 무언가를 출시했다는 점입니다. 과거의 Meta—Llama 가중치를 공개하고 배포를 통해 경쟁했던 Meta—는 사라졌습니다. 새로운 Meta는 모델 자체로, 유료 장벽 뒤에서, 다른 모든 사람들과 같은 가격으로 경쟁합니다.

이것이 Wonder를 시도해 볼 가치는 있게 하지만, 보지 않고 전환할 만큼의 가치는 아닙니다. 가장 어려운 작업을 API로 실행하고, 오늘 사용하는 것과 비교하여, 당신 자신의 작업이 결정하도록 하십시오. 벤치마크는 가깝다고 말합니다. 중요한 유일한 심판은 바로 당신의 과제입니다.

이번 주에 가장 어려운 코딩 과제를 Wonder에게 맡기시겠습니까? 아니면 최고의 버전이 API에 공개되지 않았다는 사실 때문에 현재에 머물게 되십니까?

출처: Meta 발표 및 Muse Wonder 모델 카드(2026년 10월 12일); VentureBeat(2026년 10월 12일); Artificial Analysis Intelligence Index 점수 (2026년 10월 보고됨); The Business Times(2026년 10월 13일); Times of India(2026년 11월 9~10일) (Wang/Zuckerberg의 Cheeky Pint 인터뷰). 모든 기능, 벤치마크 및 가격 청구는 Meta 또는 인용된 제3자의 것이며, 그렇게 명시되었습니다. 이 기사에는 실제 테스트가 수행되지 않았습니다. 본 속보 기사는 일일 구매 의도 게시물이 아니며 어떠한 제휴 링크도 포함하고 있지 않습니다.