Muse Spark 1.3: Meta의 새 모델을 이제 ChatPlus에서 사용할 수 있어요
몇 년 동안 Meta는 Llama 모델을 무료로 공개해 왔어요. 이제는 비공개 모델 제품군인 Muse를 만들고 OpenAI, Anthropic과 정면으로 경쟁하고 있습니다. Muse Spark 1.3이 어떻게 나오게 됐는지, 무엇을 할 수 있는지, 벤치마크 숫자가 무엇을 뜻하는지, 어떤 작업에 잘 맞는지 정리했어요. 이 모델은 이미 ChatPlus에서 사용할 수 있습니다.
1년 반 전만 해도 Meta는 “모델을 무료로 푸는 회사”에 가까웠어요. 수많은 사람이 Llama를 내려받았고, 스타트업은 그 위에 제품을 만들었으며, 여러 팀은 자신들의 업무에 맞게 파인튜닝했습니다. 하지만 가장 똑똑한 모델을 향한 경쟁에서는 Meta가 OpenAI, Anthropic, Google에 분명히 뒤처져 있었어요.
지금은 전략도, 모델 제품군도 달라졌습니다. 이름은 Muse예요. 모델은 비공개이고, 전담 조직이 개발하며, 새 버전이 거의 매달 나오고 있습니다. 최신 모델인 Muse Spark 1.3은 9월 2일 공개됐고, 오늘부터 ChatPlus에서 사용할 수 있어요. 아래에서는 이 모델이 어디서 나왔는지, 무엇을 할 수 있는지, 숫자 뒤에 어떤 의미가 있는지, 언제 선택하면 좋은지 살펴볼게요.
Meta가 Muse에 이르기까지
2025년 4월 Meta는 Llama 4를 공개했지만, 반응은 미지근했습니다. 모델 자체는 준수했지만 기대했던 약속에는 못 미쳤고, 가장 큰 버전의 출시는 연기됐어요. AI에 매년 수백억 달러를 쓰는 회사 입장에서는 달갑지 않은 신호였습니다.
그해 여름 Zuckerberg는 전체 AI 전략을 다시 짰습니다. Meta는 Meta Superintelligence Labs라는 새 조직을 만들고 OpenAI, Google 등 여러 연구소에서 뛰어난 연구자들을 영입했으며, 대형 모델 학습을 위한 새 데이터센터 구축에 나섰어요. 내세운 목표는 대담했습니다. 각자의 목표를 돕는 AI, 즉 “개인용 초지능”이었죠.
첫 결과물이 Muse Spark였습니다. 2026년 4월 8일 출시됐고, 웹과 앱의 Meta AI 어시스턴트에 바로 들어갔어요. 이 모델은 멀티모달 추론 모델이었습니다. 도구를 호출하고, 이미지를 바탕으로 추론하며, 여러 에이전트를 병렬로 실행할 수 있었죠. 개발자 접근은 처음에는 매우 제한적이어서, 비공개 프리뷰를 통해서만 가능했습니다.
그 뒤로는 속도가 빨라졌습니다.
- 7월: Muse Spark 1.1과 개발자용 공개 API 프리뷰;
- 8월: Muse Spark 1.2와 터미널에서 바로 실행되는 Meta 자체 코딩 에이전트 Muse Code;
- 9월 2일: 이 글의 주인공인 Muse Spark 1.3.
대형 연구소가 석 달 동안 세 가지 버전을 내놓은 것은 매우 빠른 속도입니다.
Muse Spark 1.3으로 할 수 있는 것
Meta는 새 버전을 이렇게 설명합니다. 길고 여러 단계로 이어지는 작업에 맞춰 학습된 모델이라고요. 이 표현 뒤에는 세 가지 구체적인 능력이 있습니다.
첫째, 작업의 흐름을 놓치지 않습니다. 긴 작업을 할 때 매 단계마다 처음부터 다시 시작하는 대신, 이미 무엇을 했고 그 결과가 어땠는지 기억해요. 프로젝트를 훑어보고, 테스트를 고치고, 문서까지 업데이트해 달라고 요청하면 1단계에서 무엇을 바꿨는지 3단계쯤 가서 잊어버리지 않습니다.
둘째, 어수선한 상황을 잘 다룹니다. 실제 업무는 깔끔하게 들어오는 경우가 드물어요. 기획 문서에는 이렇게 적혀 있고, 이메일 스레드에는 다르게 쓰여 있으며, 코드는 또 다른 이야기를 하고 있을 때가 많죠. Muse Spark 1.3은 이런 모순을 알아차리고, 아무 버전이나 찍어 고르는 대신 끝까지 정리하도록 학습됐습니다.
셋째, 물어봅니다. 정보가 빠져 있으면 모델이 추측으로 빈칸을 채우는 대신 사용자에게 확인해요. 사소해 보이지만, 에이전트가 엉뚱한 방향으로 가는 가장 흔한 이유가 바로 추측입니다.
Meta는 코딩도 강조합니다. 1.3 버전은 Muse Code의 실제 작업을 바탕으로 다듬어졌고, 회사에 따르면 불필요한 단계를 덜 밟으며 더 간결한 코드를 작성합니다. AI를 프로그래밍 파트너로 써 보면 이 차이가 느껴져요. 모델이 만든 결과물을 뒤에서 정리해야 하는 일이 줄어듭니다.
이 모델은 텍스트만 이해하는 것이 아닙니다. 스크린샷, 사진, 다이어그램, PDF를 보여줄 수 있어요. Meta가 언급한 흥미로운 세부사항도 있습니다. Muse Spark의 시각 추론은 실제 실행 환경을 거친다는 점이에요. 쉽게 말해, 모델이 이미지를 그냥 “보고” 눈대중으로 판단하는 게 아니라 코드로 처리할 수 있다는 뜻입니다.
모델의 컨텍스트 창은 1,048,576토큰으로, 100만 토큰이 넘습니다. 수백 페이지 분량의 텍스트나 큰 저장소 하나를 한 번에 넣을 수 있는 수준이에요. 더 중요한 점은 아래 숫자에서 보듯, 모델이 이 창을 실제로 잘 활용한다는 것입니다.
숫자가 말해 주는 것
아래 결과는 모두 Meta가 최대 추론 모드에서 직접 측정한 것입니다.
| Test | What it measures | Muse Spark 1.3 |
|---|---|---|
| Terminal-Bench 2.1 | 터미널에서의 에이전트 작업 | 88.8% |
| DeepSWE 1.1 | 실제 저장소에서의 긴 엔지니어링 작업 | 75.4% |
| MRCR v2, 512K–1M | 매우 긴 컨텍스트에서 정확한 세부정보 찾기 | 98.1% |
| JobBench | 도구를 활용한 전문 업무 | 64.9% |
| GDPval-AA | 보고서, 스프레드시트, 문서 등 사무 작업 | 1754 Elo |
가장 인상적인 것은 긴 컨텍스트 성능입니다. MRCR은 거대한 텍스트 안에 숨어 있는, 서로 비슷한 여러 조각 중에서 모델이 정확한 부분을 찾아낼 수 있는지 확인합니다. 많은 모델이 형식상으로는 100만 토큰을 받아들이지만, 그 정도 규모가 되면 중간 내용을 “잃어버리기” 시작해요. Muse Spark 1.3은 50만에서 100만 토큰 구간에서 98.1%를 기록했고, 손실이 거의 없었습니다.
이전 버전 대비 개선도 뚜렷합니다. JobBench에서는 61.6%에서 64.9%로 올랐고, 사무 작업 벤치마크인 GDPval-AA에서는 1615에서 1754 Elo 포인트로 상승했습니다.
이제 경쟁 모델과 비교해 볼 차례인데, 단서가 필요합니다. GDPval-AA에서 Muse Spark 1.3은 GPT-5.6 Sol(1710)을 앞서지만 Claude Opus 5(1824)에는 뒤처집니다. 다만 Meta는 이전 세대와 비교하고 있어요. 그사이 Claude Opus 5.5와 GPT-6 Sol이 나왔고, Meta의 표에는 이들이 포함돼 있지 않습니다. 따라서 공정하게 요약하면 이렇습니다. Muse Spark 1.3은 플래그십 모델들과 같은 리그에서 경쟁하지만, 가장 최신 모델들을 이기지는 못합니다.
비용은 얼마인가요
가격은 매력적입니다. 입력 100만 토큰당 $1.25, 출력 100만 토큰당 $4.25예요. 비교해 보면 Claude Opus 5.5는 $4와 $20, GPT-6 Sol은 $2와 $10, Grok 4.7은 $2와 $6입니다. 플래그십에 가까운 성능을 감안하면 시장에서 가장 좋은 조건 중 하나입니다.
Meta는 거의 무료에 가까운 두 번째 옵션도 제공합니다. 입력은 10센트, 출력은 20센트예요. 다만 이 가격에서는 Meta가 사용자의 프롬프트와 응답을 모델 학습에 사용할 권리를 갖습니다. ChatPlus에서는 표준 티어만 연결했기 때문에, Muse Spark와 나눈 대화는 Meta의 학습에 사용되지 않습니다.
Muse Spark가 빛나는 곳, 그리고 다른 모델을 고를 때
Muse Spark 1.3은 작업이 길고 복잡하게 얽혀 있을 때 가장 강합니다. 큰 프로젝트를 훑어보거나, 다른 사람이 짠 코드에서 버그의 원인을 찾거나, 서로 모순되는 여러 문서를 하나의 결론으로 정리하거나, 두꺼운 보고서에서 필요한 내용을 뽑아내는 일이 잘 맞아요. 스크린샷과도 궁합이 좋습니다. 오류가 난 화면을 보여주고 무엇이 문제인지 파악해 달라고 하는 것도 충분히 자연스러운 사용법입니다.
약점도 있습니다. 추론 모델이기 때문에 간단한 질문에는 가벼운 모델보다 답이 느립니다. 먼저 생각하고, 그다음에 쓰는 방식이에요. 번역, 요약, 빠른 검색성 확인에는 GPT-6 Luna처럼 더 가벼운 모델을 고르는 편이 낫습니다. Meta는 창의적 글쓰기에 대해서는 거의 언급하지 않았으므로, 문체가 중요하다면 여러분의 실제 작업으로 Claude와 직접 비교해 보세요.
ChatPlus에서 사용해 보는 방법
Muse Spark 1.3은 PRO 플랜에서 사용할 수 있으며, 다른 고성능 모델처럼 사용량 한도에서 차감됩니다. 즉 비싼 모델 요청이 차감되는 5시간 한도를 사용합니다. Muse Spark 1.3으로 채팅 열기.
가장 유용한 방법은 자신의 작업으로 다른 모델과 비교해 보는 것입니다. ChatPlus에서는 대화 중간에 모델을 바꿀 수 있어요. Muse Spark에 물어본 뒤 Claude나 GPT로 전환해 같은 요청을 보내고, 누구의 답이 더 나은지 바로 확인할 수 있습니다. 모델 사양과 벤치마크 결과는 전용 Muse Spark 1.3 페이지에 모아 두었습니다.
한눈에 정리하면
Muse Spark 1.3은 Meta Superintelligence Labs가 2026년 9월 2일 공개한 최신 모델입니다. 긴 에이전트형 작업, 코드, 매우 큰 컨텍스트에서 강점을 보입니다. Terminal-Bench 2.1에서 88.8%를 기록했고, 100만 토큰에서도 손실이 거의 없습니다. 최신 Anthropic 및 OpenAI 플래그십에는 아직 못 미치지만, 가격은 몇 배 낮습니다. ChatPlus에서는 이미 PRO 플랜에서 사용할 수 있습니다.