메타의 AI 연구 조직이 터미널에서 작동하는 코딩 에이전트 '뮤즈 코드(Muse Code)'를 베타로 공개했다. 이 에이전트는 같은 날 함께 발표된 신규 모델 '뮤즈 스파크 1.2(Muse Spark 1.2)'로 구동되며, 대규모 저장소 단위의 작업을 계획하고 코드를 작성한 뒤 결과를 검증하는 흐름을 하나의 도구로 묶었다. 메타는 이를 더 크고 강력한 모델로 나아가는 다음 단계라고 설명했다.
최근 코딩 에이전트 경쟁은 단순한 코드 자동완성에서 '저장소 전체를 이해하고 다단계 작업을 스스로 끌고 가는' 방향으로 옮겨가고 있다. 뮤즈 코드가 강조하는 지점도 여기에 있다. 개별 기능의 정확도보다는, 사람이 계속 개입하지 않아도 복잡한 엔지니어링 작업을 끝까지 밀고 나가는 지속성과 복구 능력을 전면에 내세웠다.
세션 내내 살아 있는 백그라운드 에이전트
뮤즈 코드는 단순한 에이전트 루프에 비동기 백그라운드 에이전트 여러 개를 더한 구조로 동작한다. 통상적인 방식은 작업이 생길 때마다 하위 에이전트를 새로 띄우지만, 뮤즈 코드의 백그라운드 에이전트는 세션 내내 활성 상태로 남는다. 그 덕분에 같은 정보를 반복해서 수집하는 낭비를 줄이고, 다음 단계를 스스로 수행하다가 필요할 때만 메인 에이전트에 결과를 전달한다. 메타는 이런 지속성이 어렵고 여러 단계로 이어지는 작업에서 지연과 사람의 방향 지시(steering) 필요성을 낮춰준다고 설명한다.
또 하나 눈에 띄는 설계는 로컬 이벤트 로그다. 모델 호출, 도구 실행, 승인, 편집 같은 모든 사건이 로그에 순차적으로 기록되며, 이 단일 기록이 실행 과정을 그대로 재현(replay-exact)하고 재시작에 안전한(restart-safe) 상태로 만든다. 크래시가 발생해도 에이전트는 중단된 지점에서 정확히 이어서 작업할 수 있다. 장시간 실행되는 작업이 중간 실패로 통째로 무너지지 않도록 하려는 의도로, 실무에서 긴 자동화 파이프라인을 다뤄본 개발자라면 이 부분의 가치를 쉽게 알아챌 것이다.
기본 제공되는 스킬로는 작업을 승인 게이트가 걸린 계획으로 바꾸는 /plan, 그 계획이 버틸 때까지 압박 검증하는 /grill, 지정한 목표의 완수를 향해 작업하는 /goal이 있다. 계획을 세우고, 그 계획을 스스로 두들겨보고, 목표를 향해 실행하는 3단계가 명령어로 구조화돼 있는 셈이다. 시연에서는 주택 내부를 훑는 mp4 영상을 터미널에 입력하면 이를 해석해 시각적으로 풍부한 휴가용 주택 마케팅·예약 페이지를 만들어내는 사례가 소개됐다.
모델과 하네스를 함께 학습시킨 뮤즈 스파크 1.2
뮤즈 스파크 1.2는 이전 버전 1.1을 코딩 중심으로 개선한 모델로, 코드 생성과 복잡한 디버깅, 코드베이스 이해, 엔드투엔드 개발 워크플로에서 향상됐다고 한다. 메타는 코딩 작업에 투입하는 학습 컴퓨트를 크게 늘리고 학습 환경의 다양성을 확장했으며, 범용 에이전트 능력도 유지했다고 밝혔다. 특히 이 모델은 뮤즈 코드와 함께 학습(co-train)됐다는 점이 특징이다. 리젝션 샘플링으로 걸러낸 하네스 실행 궤적, 목표·컨텍스트 압축·하위 에이전트에 대한 레시피 최적화, 그리고 뮤즈 코드 도구 세트의 통합을 통해 모델과 실행 환경의 궁합을 끌어올렸다.
학습에는 저장소 전체 생성, 대규모 엔드투엔드 프로젝트, 자동 리서치 같은 장기 지평 과제가 폭넓게 쓰였다. 여기에 작업 순서를 잡는 계획 수립, 방향을 유지하는 목표 조건화, 진행에 필요한 지식을 남기는 컨텍스트 압축이 결합됐다. 흥미로운 대목은 자기 개선 루프다. 이전 모델인 1.1로 까다로운 코딩 환경과 지시 준수 템플릿을 만들고, 그 모델이 후보 해답을 요구 조건 충족도에 따라 채점해 확장 가능한 학습 데이터를 생성했다. 이 과정을 거쳐 1.2는 전작보다 복잡한 지시를 더 정밀하게 따르게 됐다는 설명이다.
GPU 커널 최적화로 본 장시간 실행
메타는 모델이 GPU 커널을 반복 최적화하는 능력을 1,000회 이상의 도구 호출과 최대 24시간에 걸쳐 시험했다. 에이전트는 커널을 작성·컴파일·프로파일링하며 주어진 기준 구현 대비 성능을 점진적으로 끌어올렸고, 엔비디아 호퍼 GPU용 KDA와 MLA 커널로 벤치마크했다. 주목할 조건은 FLA 같은 서드파티 커널 라이브러리를 직접 임포트하는 것을 금지하고, 전문 커널 최적화 지식을 활용해 알고리즘을 트라이톤(Triton)으로 직접 구현하도록 한 점이다. 기존 구현을 감싸는 편법을 막고 실제 최적화 역량을 본 것이다. KDA에서는 청크 병렬 준비 커널과 순차적 청크 간 스캔을 짝지었고, 게이트된 누적 감쇠를 청크 중앙점에서 다시 중심 잡는 KDA 특화 기법을 표준적인 퓨전·타일링과 결합했다. MLA에서는 공유 KV 잠재값을 K와 V로 재사용하는 특화 기법을 담은 2커널 트라이톤 파이프라인을 설계했다.
다만 이번 발표에서 유의할 한계도 분명하다. 공개된 내용은 대부분 아키텍처 설계와 학습 방식에 대한 정성적 서술이며, 경쟁 제품과의 정량적 비교 수치나 구체적 성능 지표는 별도 리포트로 미뤄져 있다. 커널 최적화 성과 역시 '기준 대비 상당한 개선'이라는 표현에 머문다. 뮤즈 코드가 베타이고 뮤즈 스파크 1.2가 메타 모델 API에서 확대된 전 세계 접근으로 제공되기 시작한 만큼, 지속형 에이전트와 이벤트 로그 기반 복구가 실제 대규모 저장소 작업에서 얼마나 안정적으로 작동하는지는 실무 환경에서 직접 검증해볼 몫으로 남는다.