메타가 자사의 최신 프런티어 모델 제품군인 '뮤즈 원더(Muse Wonder)'와 상위 버전 '뮤즈 원더 풀(Muse Wonder Full)'을 공개했다. 메타는 이 모델이 개인용·업무용 에이전트 과제에서 최고 수준의 성능을 낸다고 설명하며, 자사가 추구하는 '개인용 초지능(personal superintelligence)'을 향한 다음 단계로 규정했다. 두 모델은 메타 모델 API와 코딩 도구인 '뮤즈 코드(Muse Code)'를 통해 제공되며, 뮤즈 원더 풀은 뮤즈 코드 구독자에게 먼저 열린다. 이후 메타의 소비자 서비스 '뮤즈'에도 순차 적용되어 구독자부터 제공되고, 결과물 생성처럼 높은 지능이 필요한 작업에 투입될 예정이다.
메타는 약 14개월 전 AI 스택을 바닥부터 재설계하는 작업에 착수했다고 밝혔다. 앞서 공개한 '뮤즈 스파크(Muse Spark)' 단계에서 제시한 '예측 가능하고 엄밀한 스케일링' 기조를 사전학습과 강화학습 양쪽에서 확장했으며, 이번 모델은 기가와트급 데이터센터 '프로메테우스'에서 훈련됐다고 한다. 다만 블로그는 벤치마크에서 최고 성적을 거뒀다고만 언급할 뿐 구체적 점수나 비교 수치를 제시하지 않아, 실제 우위의 폭은 추후 공개될 평가 리포트를 확인해야 판단할 수 있다.
기억과 집중, 두 가지 축
이번 발표의 핵심은 '액티브 메모리(Active Memory)'와 '액티브 포커스(Active Focus)'다. 액티브 메모리는 여러 대화에 걸쳐 사용자에게 중요한 맥락을 유지하고, 지금 과제에 필요한 세부사항을 능동적으로 꺼내 쓰는 능력을 가리킨다. 과거 정보가 언제 다시 유의미해지는지 모델이 스스로 인식한다는 점이 강조된다. 액티브 포커스는 어려운 목표를 향해 꾸준히 작업을 이어가는 능력으로, 대안을 시도하고 장애물을 돌파하며 새 정보에 적응하는 한편, 필요하면 사용자에게 명확화를 요청하고 중요한 행동 전에 확인을 거친다. 메타는 집중력을 포커스벤치(FocusBench)로, 장기 실행 능력을 소프트웨어 프로젝트 과제인 SWE-마라톤으로 측정했다고 밝혔다.
전문 지식과 코딩
메타는 법률·금융·건강 등 실생활과 업무에서 마주치는 전문 영역 과제에 모델이 특화 지식을 적용한다고 설명한다. 예컨대 하비(Harvey)의 법률 에이전트 벤치마크(LAB)는 원본 문서를 다루고 상세 지침을 따라 법률 산출물을 만들어내도록 요구한다. 코딩은 이런 역량이 종합되는 영역으로, 요구사항 추적과 코드베이스 전반의 수정, 반복적인 테스트·수정 주기를 견뎌야 한다. 메타는 작은 애플리케이션부터 복잡한 소프트웨어까지 아우르는 프런티어 코딩 성능을 내세운다. 공개된 시연에는 이미지 입력으로 플레이 가능한 3D 주방 게임을 만들거나, 인스타그램 사진을 바탕으로 맞춤 굿즈를 주문하고, 복잡한 조건을 반영한 결혼식 좌석 배치표를 짜는 사례가 포함됐다.
'빅 모델 스멜'을 수치로
흥미로운 대목은 벤치마크 점수가 비슷해도 한 모델이 낯선 과제를 더 폭넓게 처리하는 현상, 이른바 '벤치맥싱' 비판과 '빅 모델 스멜' 찬사가 가리키는 지점을 메타가 정량화하려 했다는 점이다. 메타는 후속학습에서 겨냥한 과제(인디스트리뷰션)와 겨냥하지 않은 과제(아웃오브디스트리뷰션)의 성능 관계를 추론 연산량을 늘려가며 비교했다. 그 결과 뮤즈 원더 풀은 뮤즈 스파크 1.3의 추세선이 예측하는 수준보다 낯선 과제에서 더 나은 성능을 보였고, 메타는 이를 더 크고 강력한 기반 모델 덕분이라고 해석한다. 강한 베이스일수록 후속학습의 이득이 미지의 과제로 더 잘 전이된다는 주장이다. 이는 훈련 단계에서 모두 예측할 수 없는 목표·도구·제약의 조합을 다뤄야 하는 개인용 에이전트에 특히 중요한 특성이다.
실무자 관점에서 이 발표가 시사하는 바는 분명하다. 개인용 에이전트는 메시지, 일정, 사적 문서 같은 민감 맥락에 접근해 사용자를 대신해 행동하기 때문에, 성능만큼이나 신중함과 오용 저항성이 전제 조건이 된다. 메타는 적대적 지시에 대한 견고성과 사적 정보의 조심스러운 처리를 함께 훈련했다고 밝히며, 자사의 '초지능 스케일링 프레임워크'에 따라 CBRN(화학·생물·방사능·핵)과 사이버 오용에 대한 최강의 안전장치를 적용하되 방어 목적의 사이버 역량은 유지했다고 설명한다.
종합하면 뮤즈 원더는 단발 응답 품질보다 장기 과제를 지속 수행하는 에이전트 역량과 안전성에 무게를 둔 모델로 읽힌다. 다만 구체적 수치와 상세 안전성 평가가 아직 리포트로만 예고된 상태이고, 실제 제품 적용도 구독자 중심으로 단계적으로 풀리는 만큼, 국내 실무자라면 경쟁 모델 대비 우위를 섣불리 단정하기보다 공개될 평가 자료와 API 실사용 경험을 통해 기억·집중 기능의 실효성을 직접 검증해볼 필요가 있다.