메타, 더 자율적인 에이전트에 초점 맞춘 Muse Spark 1.3 출시

메타가 에이전트형 작업과 코딩을 위한 AI 모델의 새 버전인 Muse Spark 1.3을 발표했다. 이 모델은 이미 Muse Code와, 회사의 모델을 외부 개발자에게 개방하는 인터페이스인 Meta Model API를 통해 이용할 수 있다. 메타에 따르면 이번 버전은 여러 단계로 이루어진 긴 작업을 더 안정적으로 처리하도록 설계됐다. 개방형 목표가 주어지면 모델은 도구를 사용해 정보를 모으고, 자신의 계획에서 허점을 찾아내며, 진행 중에 알게 된 사실을 계속 기록한다.

모델이 모르는 것을 다루는 방식

지시가 모호할 경우, Muse Spark 1.3은 추측으로 작업을 계속하는 대신 작업을 멈추고 명확화를 요청할 수 있다. 스스로 극복할 수 없는 장애물에 부딪히면 도움을 요청할 수 있고, 중대한 결과를 낳는 행동을 하기 전에는 사용자에게 확인을 요청한다. 사용자는 작업 진행 상황을 자주 업데이트받을지, 아니면 시스템이 완료할 때까지 백그라운드에서 작업하도록 둘지 선택할 수도 있다.

메타가 강조하는 개선 사항

메타는 이전 버전 대비 여러 개선점을 제시했다. 긴 지시 사항을 따르는 정확도 향상, 작업 전반에 걸친 요구 사항과 제약 조건 유지 능력 향상, 하나의 대화 안에서 여러 요청을 처리하는 능력 향상, 모델 스스로 아는 것과 모르는 것에 대한 인식 향상, 그리고 결과를 지어내는 경향 감소다. 코딩 작업에서는 모델이 덜 장황해지고 더 효율적으로 바뀌었다고 메타는 밝혔다.

• 내부 비교 테스트에서 Muse Spark 1.2 대비 도구 호출이 약 20% 감소
• 같은 비교에서 사용된 토큰이 약 25% 감소
• 최대 추론 모드('max')는 추가 안전성 테스트를 거친 뒤에만 제공될 예정이며, 메타는 시기를 밝히지 않음

5개월 만에 나온 시리즈 네 번째 모델

이 수치를 Artificial Analysis의 벤치마크와 대조해 보도한 독일 매체 The Decoder에 따르면, Muse Spark 1.3은 5개월 만에 나온 이 시리즈의 네 번째 출시작이다. 시리즈는 4월에 시작해 7월에 1.1 버전, 8월에 1.2 버전이 이어졌다. 새 버전은 두 등급으로 제공된다. 파트너 대상 제한적 미리보기인 'max'와, 이미 일반에 공개된 'xhigh'다. Artificial Analysis의 Intelligence Index에서 max 등급은 62점, xhigh는 61점을 기록해 8월의 57점, 7월의 53점에서 상승했다.

에이전트 벤치마크에서 달라진 점

모의 은행 업무 시나리오에서 도구를 다루는 에이전트를 평가하는 τ³-Bench Banking에서 max 등급은 52%를 기록해, 현재 Artificial Analysis 순위표에서 1위다. xhigh는 47%로 앤트로픽의 Claude Fable 5.1(max), 그리고 GLM-5.3-Flash와 동률을 이뤘다. 이전 버전인 1.2는 같은 테스트에서 35%에 그쳤다. 터미널 코딩에 초점을 맞춘 Terminal-Bench 2.1에서는 xhigh가 80%에서 85%로, max가 86%로 상승했지만, max 등급에서 91.4%를 기록하며 표를 이끄는 Claude Fable 5.1에는 여전히 못 미친다.

인간의 성과를 기준으로 보정된 Elo 척도로 220개의 실제 전문 업무를 평가하는 GDPval-AA v2에서 메타는 버전을 거듭하며 1615점에서 1709점, 이어 1754점으로 상승했다. Claude Fable 5.1(max)은 1853점으로 여전히 앞서 있으며, 이 격차를 좁히기 위해 Muse Spark의 max 버전은 xhigh보다 62% 더 많은 추론 토큰을 사용한다. 전문가 수준 과학 문제 모음인 GPQA Diamond에서 Muse Spark는 90%에서 94%로 상승해 상위권에 들었지만, Gemini 3.8 Flash(high, 95.3%)와 Grok 4.6(high, 94.9%)에는 못 미쳤다. 연구용 물리학 테스트인 CritPt에서는 18%에서 26%로 올랐지만, 선두는 여전히 GPT-5.6 Sol(max, 32.3%)과 Claude Fable 5.1(xhigh, 31.1%)이 지키고 있다.

모든 것이 개선된 것은 아니다. AA-LCR은 1.2 버전의 83%에서 79%로 하락했고, AA-Omniscience의 사실 정확도도 최대 3포인트 떨어졌다. 모델이 불확실할 때 답변을 거부하는 빈도가 높아졌기 때문이다.

가격은 그대로, 보안은 강화

가격 면에서 메타는 입력 토큰 100만 개당 1.25달러, 출력 토큰 100만 개당 4.25달러를 유지해 이전 버전과 동일하다. Intelligence Index 작업 하나의 평균 비용은 0.55달러로, 해당 지수에서 59점 이상을 기록한 모델 중 가장 낮은 수준이다. 경쟁 모델은 같은 작업에 0.94달러에서 1.23달러를 청구한다. 그럼에도 Muse Spark 1.3은 작업당 0.40달러였던 1.2보다 비싸졌다. max 버전의 가격은 아직 발표되지 않았다. 메타는 또한 더 큰 모델과 향후 오픈 웨이트 버전이 나올 예정이라고 밝혔다.

보안 면에서 메타는 Muse Spark 1.3이 적대적 입력과 프롬프트 인젝션 시도에 더 잘 견디고, 행동을 실행하기 전에 그것이 되돌릴 수 없는지 더 정확하게 평가한다고 밝혔다. 이 때문에 최대 추론 모드는 추가 안전성 테스트를 거친 뒤에만 열릴 예정이며, 메타는 일정을 밝히지 않았다.

에이전트형 코딩을 위해 메타의 더 개방적인 생태계와 앤트로픽·구글의 폐쇄형 모델 사이에서 선택하는 한국 개발자와 스타트업에게 Muse Spark 1.3은 두 가지 지점에서 계산을 바꾼다. 첫째, 최상위권 모델 중에서도 가장 낮은 축에 속하는 작업당 비용은 장시간 작동하는 에이전트의 비용 부담을 줄여준다. 달러로 API 요금을 지불하면서 원화로 예산을 관리하는 한국 기업에는 실질적인 이점이다. 둘째, 향후 오픈 웨이트 버전 출시 예고는 데이터 주권과 자체 인프라 운영을 중시해 온 한국 기업들이 눈여겨봐 온 선택지에 힘을 실어준다. 여기서 언급된 대부분의 벤치마크에서 여전히 앞서는 Claude Fable 5.1과의 격차는 사라지지 않았지만, 선택이 더 이상 당연하지 않을 만큼 좁혀졌다.