Meta Muse Spark 1.1 공개, 에이전트 AI를 위한 멀티모달 추론 모델과 Meta Model API 살펴보기

Meta가 공개한 Muse Spark 1.1, 무엇이 달라졌을까?

Meta는 Meta Superintelligence Labs를 통해 새로운 AI 모델 Muse Spark 1.1을 공개했습니다. 이와 함께 Meta Model API의 공개 프리뷰도 발표하며 개발자가 Meta의 AI 모델을 API 형태로 활용할 수 있는 환경을 제공하기 시작했습니다.

기존 Meta의 AI 모델은 주로 오픈 웨이트(Open Weights) 형태로 제공되었지만, Muse Spark 1.1은 호스팅 기반의 폐쇄형 모델로 제공되며 토큰 사용량에 따라 과금되는 방식으로 운영됩니다.

이번 발표의 핵심은 단순히 새로운 모델 출시가 아니라, 에이전트(Agentic) AI 작업을 위한 추론 모델과 이를 서비스 형태로 제공하는 API 플랫폼의 등장이라는 점입니다.

반응형

---

Muse Spark 1.1이란?

Muse Spark 1.1은 Meta가 소개한 멀티모달 추론(Multimodal Reasoning) 모델입니다.

특히 다양한 AI 에이전트 업무를 수행하도록 설계되었으며 다음과 같은 영역에서 기존 Muse Spark 대비 성능 향상이 이루어졌습니다.

• Tool Use
• Computer Use
• Coding
• Multimodal Understanding

또한 최대 1,000,000 토큰의 컨텍스트를 지원하며, Meta Model API 문서에서는 1,048,576 토큰으로 명시되어 있습니다.

이처럼 긴 컨텍스트를 활용하여 장시간 이어지는 작업에서도 이전 내용을 유지하면서 추론을 수행할 수 있습니다.

---

주요 기능과 특징

Muse Spark 1.1은 단순히 질문에 답하는 생성형 AI가 아니라 생각(Reasoning)을 수행한 후 답변을 생성하는 모델입니다.

주요 기능은 다음과 같습니다.

추론 강도 조절

요청마다 모델이 얼마나 깊게 추론할지 조절할 수 있습니다.

즉, 간단한 응답부터 복잡한 분석까지 상황에 맞는 추론 수준을 설정할 수 있습니다.

다양한 입력 지원

Muse Spark 1.1은 다양한 형태의 데이터를 입력으로 사용할 수 있습니다.

지원하는 입력은 다음과 같습니다.

• 텍스트
• 이미지
• 비디오
• 문서

출력은 텍스트 형태로 제공됩니다.

API 기능

Meta Model API에서는 다음과 같은 기능도 제공합니다.

• Structured Output
• Parallel Tool Calling
• Files API
• Prompt Caching

또한 Responses API에서 web_search 도구를 함께 사용하면 출처가 포함된 응답(Cited Answers) 을 생성할 수 있습니다.

---

Meta Model API 제공 방식 및 가격

Meta는 일반 사용자와 개발자에게 서로 다른 방식으로 서비스를 제공합니다.

일반 사용자

Meta AI 앱과 meta.ai에서 Thinking Mode를 무료로 사용할 수 있습니다.

개발자

API 사용 시 토큰 기반 과금이 적용됩니다.

항목	가격
입력 토큰	100만 토큰당 1.25달러
출력 토큰	100만 토큰당 4.25달러

신규 계정에는 20달러의 무료 크레딧이 제공됩니다.

다만 공개 프리뷰는 미국에서만 제공되며, 현재 EU에서는 사용할 수 없습니다.

---

성능 비교

Meta는 Muse Spark 1.1의 성능을 다양한 벤치마크를 통해 공개했습니다.

Benchmark	Muse Spark 1.1	Opus 4.8	GPT-5.5	Gemini 3.1 Pro
MCP Atlas	88.1	82.2	75.3	78.2
JobBench	54.7	48.4	38.3	15.9
Humanity's Last Exam	62.1	57.9	52.2	51.4
OSWorld-Verified	80.8	83.4	78.7	76.2
SWE-Bench Pro	61.5	69.2	58.6	54.2
DeepSWE 1.1	53.3	59.0	67.0	12.0
BabyVision	76.3	81.2	83.6	51.5

성능 분석

Meta가 공개한 결과를 보면 Muse Spark 1.1은 다음 영역에서 강점을 보입니다.

• Tool Use
• Tool 기반 추론

반면 다음 분야에서는 경쟁 모델보다 낮은 성능을 기록했습니다.

• 코드 생성
• 장기 코딩 작업
• 시각적 추론

즉, Muse Spark 1.1은 최고 수준의 코딩 모델이라기보다 여러 도구를 활용하여 작업을 조율하는 오케스트레이션(Orchestration) 모델에 가까운 위치를 갖고 있습니다.

다만 해당 벤치마크는 Meta가 선정한 테스트 환경과 결과라는 점도 함께 고려할 필요가 있습니다.

---

긴 컨텍스트를 관리하는 방식

Muse Spark 1.1의 특징 가운데 하나는 컨텍스트 관리(Compaction) 입니다.

모델은 긴 작업 과정에서

• 이전 작업을 기억하고
• 오래전에 등장한 정보를 다시 찾아 활용하며
• 중요한 내용만 압축하여 유지합니다.

이를 통해 최대 100만 토큰의 긴 대화에서도 효율적으로 추론을 수행할 수 있습니다.

---

에이전트 작업을 위한 Delegation

Muse Spark 1.1은 단일 작업 수행보다 에이전트 기반 작업에 초점을 맞추고 있습니다.

메인 에이전트는

• 전체 계획 수립
• 필요한 정보 수집
• 여러 하위 에이전트에 작업 분배

를 수행합니다.

하위 에이전트는

• 자신의 역할 수행
• 필요한 도구 사용
• 필요 시 메인 에이전트로 결과 전달

과 같은 방식으로 협업합니다.

또한 Meta 연구팀은 새로운 Native Tool, MCP Server, Custom Skill에 대해서도 Zero-shot 일반화가 가능하다고 설명했습니다.

---

Computer Use 기능

Computer Use 역시 같은 철학으로 동작합니다.

상황에 따라

• 스크립트 작성이 효율적이면 자동화를 수행하고
• 직접 브라우저를 조작하는 것이 적절하면 클릭 방식으로 작업을 수행합니다.

또한 여러 작업을 한 번에 생성하여 단계별로 실행하는 방식도 지원합니다.

---

기존 개발 환경에 적용하기

Meta Model API는 OpenAI API와 호환되도록 설계되었습니다.

따라서 기존 OpenAI SDK를 사용하는 프로젝트라면 Base URL만 변경하여 비교적 쉽게 적용할 수 있습니다.

예를 들어 Python에서는 다음과 같이 사용할 수 있습니다.

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://api.meta.ai/v1",
    api_key=os.environ["MODEL_API_KEY"],
)

response = client.chat.completions.create(
    model="muse-spark-1.1",
    messages=[
        {"role": "user", "content": "Hello, world!"}
    ],
)

print(response.choices[0].message.content)

또한 Anthropic 형식의 Messages API를 사용하는 환경이나 Agent CLI에서도 Base URL, API Key, Model ID만 설정하여 활용할 수 있습니다.

---

활용 사례

Meta는 Muse Spark 1.1을 활용한 다양한 데모를 함께 공개했습니다.

멀티모달 상품 등록 자동화

스마트폰으로 촬영한 영상을 분석하여

• 상품 사진 추출
• 상품 정보 분석
• 브라우저 조작
• Facebook Marketplace 등록

까지 자동으로 수행합니다.

스크린샷 기반 디버깅

웹 애플리케이션을 생성한 후

• 자동 스크린샷 촬영
• 오류 분석
• 코드 수정
• 수정 결과 검증

과정을 반복 수행합니다.

상황 변화에 따른 계획 수정

저녁 식사 준비 과정에서 새로운 정보가 추가되면 별도의 요청 없이 계획을 다시 수정하여 반영합니다.

또한 Coding Harness 환경에서는

• Planning Mode
• Goal Conditioning
• Subagent Delegation
• Context Compaction

등을 지원하며 Meta 내부 코딩 벤치마크에서도 성능 향상이 보고되었습니다.

---

Muse Spark 1.1의 장점과 한계

장점

• Tool Use 및 Tool 기반 추론 벤치마크에서 높은 성능
• 최대 100만 토큰 컨텍스트 지원
• 긴 작업을 위한 컨텍스트 압축 기능
• 새로운 Tool과 MCP Server에 대한 Zero-shot 일반화
• OpenAI 및 Anthropic SDK와의 높은 호환성으로 기존 프로젝트 적용이 비교적 용이

한계

• SWE-Bench Pro, DeepSWE 1.1, BabyVision에서는 상위 모델 대비 낮은 성능
• 폐쇄형 모델로 제공되어 로컬 배포 및 Fine-tuning 미지원
• 공개된 성능 수치는 Meta가 자체 측정한 결과
• 공개 프리뷰는 미국에서만 제공되며 가격 정책은 변경될 수 있음

---

728x90

Muse Spark 1.1은 단순히 새로운 대규모 언어 모델이 아니라, 에이전트 기반 AI 시스템을 위한 추론 중심 모델이라는 점에서 의미가 있습니다.

특히 긴 컨텍스트 관리, Tool Use, 작업 위임(Delegation), 멀티모달 입력 처리 등은 복잡한 업무를 자동화하려는 개발 환경에서 활용 가능성을 보여줍니다.

또한 Meta Model API가 OpenAI 호환 인터페이스를 제공함으로써 기존 애플리케이션에 비교적 쉽게 적용할 수 있다는 점도 주목할 만합니다.

다만 현재 공개된 성능은 Meta 자체 평가 결과이며, 코딩 성능이나 시각적 추론에서는 다른 모델이 더 높은 성능을 보인 영역도 있는 만큼 실제 프로젝트에서는 용도에 맞는 모델 선택이 중요합니다. Muse Spark 1.1은 특히 다양한 도구를 연결하고 여러 작업을 조율하는 AI 에이전트 환경에서 강점을 가진 모델로 기대를 모으고 있습니다.

300x250

https://www.marktechpost.com/2026/07/09/meta-superintelligence-labs-releases-muse-spark-1-1/

Meta Superintelligence Labs Releases Muse Spark 1.1: A Multimodal Reasoning Model for Agentic Tasks on Meta Model API