메타 뮤즈 스파크는 도구를 가장 잘 부르지만, 혼자 일을 끝내지는 못합니다
메타가 2026년 4월 8일 뮤즈 스파크(Muse Spark)를 내놓고 7월 9일 1.1로 갱신했습니다. 메타 슈퍼인텔리전스 랩의 첫 플래그십이고, 라마 브랜드를 접고 가중치를 닫은 첫 모델입니다. 오픈 웨이트로 개발자 생태계를 키우던 회사가 방향을 통째로 바꾼 물리적 증거입니다.
메타 자신의 정의가 방향을 다 말합니다. 에이전트 과제를 위해 만들어진 멀티모달 추론 모델이라는 것입니다. 범용 지능이 아니라 도구를 부리는 능력에 최적화를 몰았습니다.
도구 호출에서는 이기고, 자율 실행에서는 집니다
벤치마크가 이 방향을 정확히 드러냅니다.
특히 잡벤치의 도약이 눈에 띕니다. 직전 버전 17.0에서 54.7로 뛰었습니다. 도구 사용 축에 자원을 몰았다는 증거입니다.
설계도 그쪽으로 정렬돼 있습니다. 처음 보는 도구와 MCP 서버에 사전 학습 없이 바로 적응하고, 도구를 병렬로 호출하며, 추론 노력을 최소부터 최대까지 조절하는 다이얼을 제공합니다. 100만 토큰 문맥도 고정된 창이 아니라 모델이 능동적으로 압축하는 구조입니다.
벤치마크를 만든 조직이 그 축에서 이겼습니다
이 선택은 우연이 아닙니다. 계보가 있습니다.
2025년 9월의 코드 월드 모델은 정적인 코드가 아니라 파이썬 인터프리터와 도커 환경에서 관측하고 행동한 궤적으로 학습했습니다. 행동의 결과를 미리 그려보는 능력입니다. 그리고 메타는 에이전트를 평가하는 환경 자체를 만들었습니다. ARE와 Gaia2는 ICLR 2026에 채택된 작업으로, 환경이 에이전트 행동과 무관하게 스스로 변하는 비동기 조건에서 에이전트를 평가합니다.
평가 도구를 먼저 만들고 그 축에서 튜닝했다는 뜻입니다. 벤치마크를 만드는 조직은 대개 그 축에서 이기려는 조직입니다.
여기에 한 가지 얄궂은 사실이 붙습니다. 메타 자신의 Gaia2가 내린 결론이 성능을 예산으로 밀어붙이는 곡선은 평평해진다는 것이었습니다. 가장 잘한 모델도 42퍼센트를 겨우 넘겼습니다. 뮤즈 스파크의 설계에는 그 결론을 받아들인 흔적이 보입니다. 도구 사용 특화와 효율 다이얼이 그것입니다. 다만 메타의 설비 투자 전략은 아직 그 결론을 받아들이지 않았습니다.
진입 문턱을 스스로 없앴습니다
가격과 배포 설계가 전략을 드러냅니다. 100만 토큰당 입력 1.25달러, 출력 4.25달러이고 신규 계정에 20달러 크레딧을 줍니다. 결정적인 것은 호환성입니다. 오픈AI 형식과 앤트로픽 형식을 모두 지원해서, 기존 코드에서 주소만 바꾸면 넘어옵니다. 전환 비용을 의도적으로 0에 가깝게 만든 후발주자의 교과서적 침투 전략입니다.
동시에 미국 공개 프리뷰에 한정돼 있고 유럽에는 아직 열지 않았으며, 가중치를 닫아 로컬 배포도 미세조정도 안 됩니다. 오픈소스 시절에 쌓은 개발자 신뢰를 쓰면서 폐쇄 모델의 검증 부담은 지지 않는 중간 상태입니다.
팔려는 것은 모델이 아니라 유통망입니다
그런데 API 판매는 이 사업의 본체가 아닙니다. 스택 전체가 수직으로 이어져 있고, 마지막 칸에 메타만 가진 것이 있습니다.
메타 비즈니스 에이전트가 종착점입니다. 인스타그램·왓츠앱·메신저에서 문의 응답, 카탈로그 추천, 예약 잡기, 잠재 고객 선별, 그리고 거래 완결까지 사람 개입 없이 처리합니다. 이미 사업자 100만 곳 이상이 쓰고 있고, 기업과의 대화 스레드는 하루 10억 건이 넘습니다. 8월 1일부터 이 대화가 100만 토큰당 2달러로 과금되기 시작했습니다.
즉 뮤즈 스파크의 사업적 목적은 모델 시장에서 이기는 것이 아니라 자사 유통망 위에서 돌아갈 두뇌를 자급하는 것입니다. 남의 모델을 빌려 쓰면 마진이 새고 통제권도 잃습니다.
벤치마크에는 안 잡히고 재무에는 잡히는 것
덜 알려졌지만 중요한 축이 하나 더 있습니다. 커널이볼브(KernelEvolve)는 메타가 자사 프로덕션 인프라에서 에이전트를 실제로 돌리고 있다는 증거입니다.
수십억 명에게 서비스되는 수백 개 모델의 최적화 커널을 자동 생성하는 시스템으로, 스탠퍼드의 커널벤치 250문제에서 모두 통과했습니다. 생성된 커널이 전부 정확했고 파이토치 기준 구현보다 빨랐다는 뜻입니다. 하드웨어 3종에 걸쳐 파이토치 연산자 160개를 검증했고, 실제 성과로 광고 모델의 추론 처리량을 60퍼센트 이상, 자체 가속기의 학습 처리량을 25퍼센트 이상 끌어올렸습니다. 관련 논문은 ISCA 2026에 실립니다.
시연이 아니라 배포이고, 모델 벤치마크에는 잡히지 않지만 손익계산서에는 잡히는 성과입니다.
고른 것과 버린 것
유즈케이스는 세 겹인데 우선순위가 뚜렷합니다. 상거래 에이전트가 현재 유일한 매출 경로이고, 생성 제품 자체를 에이전트로 다시 짠 것이 두 번째입니다(뮤즈 이미지는 프롬프트에서 이미지로 직행하지 않고 검색·코딩 도구를 부르며 자기 결과를 고칩니다). 세 번째가 방금 본 사내 원가 절감입니다.
더 많은 것을 말해주는 쪽은 빠진 것입니다.
개발자 코딩 에이전트, 기업 업무 자동화, 컴퓨터 사용 자동화가 모두 빠졌습니다. 앞의 벤치마크에서 진 축과 정확히 겹칩니다. 기업 영업 조직이 없다는 것은 저커버그 본인이 인정한 약점이기도 합니다. 메타는 자기가 이길 수 있는 곳만 골랐습니다.
좁힌 것은 합리적이고, 남은 문제는 둘입니다
뮤즈 스파크는 프런티어 경쟁에서 이기려는 모델이 아니라 자사 유통망 위 상거래 에이전트를 돌리기 위한 전용 엔진으로 보는 편이 정확합니다. 도구 호출에 자원을 몰고, 호환 API로 문턱을 없애고, 폐쇄로 전환해 마진을 지키고, 유즈케이스를 소상공인 상거래로 좁혔습니다. 가진 자산에 맞춰 제품을 설계한 것이니 그 자체로는 합리적입니다.
문제는 두 곳에 있습니다.
첫째, 에이전트 가치의 대부분이 있는 긴 자율 실행에서 지고 있습니다. 도구를 부르는 능력은 빠르게 흔한 것이 될 가능성이 큽니다. 지금 이기고 있는 축이 오래 지켜질 축인지가 관건입니다.
둘째, 가중치를 닫으면서 외부 검증 수단이 줄었습니다. 오픈 웨이트 시절에는 누구나 확인할 수 있었지만, 이제 발표된 수치를 믿는 것 외에 방법이 마땅치 않습니다. 여기에 차별화 노선이던 월드모델 계열 연구는 얀 르쿤과 함께 회사를 떠났습니다. 남은 것은 경쟁사와 같은 게임을, 같은 방식으로, 더 많은 돈을 들여 하는 전략입니다.
가장 얄궂은 대목은 앞서 짚은 그것입니다. 메타 자신의 평가 환경이 예산을 더 부어도 곡선이 평평해진다고 결론냈는데, 모델 설계는 그 결론을 반영했지만 설비 투자는 아직 반영하지 않았습니다.
본 글은 메타의 공개 발표와 기술 문서, 그리고 관련 보도를 근거로 한 산업·기술 분석이며, 특정 종목에 대한 판단을 담고 있지 않습니다. 벤치마크 수치는 각사 발표 기준이고 서로 다른 평가 환경에서 측정된 값이라 직접 비교는 참고용입니다. 뮤즈 스파크는 가중치가 공개되지 않아 외부 재현이 제한됩니다.
주요 출처: 메타 뮤즈 스파크 1.1 발표 및 API 문서(2026-07-09), 메타 비즈니스 에이전트 공개 자료(2026-06), 커널이볼브 논문(arXiv 2512.23236, ISCA 2026)과 메타 엔지니어링 블로그, Gaia2·ARE 논문(ICLR 2026), 벤치마크 집계 보도.