Muse Spark 1.2: 메타의 코딩 특화 모델, 가격표가 더 충격적이다

이 글은 AI 코딩 도구 생태계를 추적해 온 Apptics 편집부가 작성했습니다. 메타 공식 발표(Zuckerberg·Alexandr Wang·Shengjia Zhao)와 커뮤니티 독립 벤치마크 데이터를 교차 확인해 정리했으며, 메타 공식 블로그 페이지는 자바스크립트 렌더링 구조라 원문 텍스트는 직접 열람하지 못했다는 점을 밝힙니다.

“터미널에서 24시간 동안 도구 호출 1,000번 이상, 사람은 개입하지 않았다.”

8월 5일 메타가 내놓은 첫 코딩 에이전트 Muse Code(베타)의 공개 데모 설명입니다. 그리고 이 에이전트를 움직이는 엔진이 오늘 다룰 Muse Spark 1.2입니다. 터미널 벤치마크에서 82.9%를 찍었고, 가격은 입력 토큰 백만 개당 10센트까지 내려갑니다. 스펙만큼 흥미로운 건 가격 구조인데, 이 글에서 하나씩 정리합니다.

Muse Spark 1.2는 어떤 모델인가

Muse Spark 1.2는 메타 초지능 연구소(Meta Superintelligence Labs, MSL)가 만든 코딩 특화 프런티어 모델입니다. 핵심 특징은 에이전트와 함께 학습했다는 점입니다. 보통은 모델이 먼저 나오고 그 위에 도구를 얹지만, 이번에는 에이전트 프레임워크 Muse Code와 동시에 훈련해 도구 호출의 안정성과 첫 시도 성공률을 끌어올렸다고 메타는 설명합니다.

컨텍스트 윈도우: 100만 토큰
입력 모달리티: 텍스트 + 이미지 + 영상 + 오디오
제공 방식: Meta Model API(dev.meta.ai), Muse Code 내장
가중치: 출시 시점에는 클로즈드, 오픈 웨이트는 “수 주 내” 공개 예고

메타는 이 모델이 코딩에만 갇혀 있지 않다는 점도 강조합니다. 로보틱스 작업 지시, 이미지·영상에서 웹 페이지나 게임 같은 인터랙티브 결과물을 만들어내는 기능도 함께 시연했습니다. 다만 이 글의 초점은 코딩 성능입니다. 숫자를 볼까요?

벤치마크 숫자 검증하기

발표 직후 공개된 수치는 인상적입니다. 다만 커뮤니티 독립 검증으로 걸러진 숫자라는 점을 함께 적어둡니다.

벤치마크	Muse Spark 1.2	비고
Terminal Bench 2.1	82.9%	GPT-5.6 Terra, Grok 4.5보다 높은 것으로 보고
DeepSWE 1.1	59.3%	이전 버전(53.0%) 대비 6.3%p 상승
메타 내부 코딩 벤치마크	70.6%	Opus 5에 이어 2위라는 평가
Artificial Analysis 지능 지수	약 54	커뮤니티 후속 측정 기준

여기서 주의할 점이 있습니다. 터미널·에이전트 계열 벤치마크는 평가 설정에 따라 점수 변동이 크고, 소규모 샘플 테스트는 점수를 부풀리기 쉽습니다. 실제로 일부 비교에서 Opus 계열이 여전히 앞서는 지표도 있어, “코딩 최강”이라기보다 “코딩 특화 + 가성비”로 읽는 게 정확합니다. 커뮤니티 티어표에서도 상위권이지만 절대 1위라는 평가는 아닙니다.

가격 구조: 데이터를 주면 10센트, 안 주면 1.25달러

이 모델에서 진짜 파격은 가격표입니다. Meta Model API는 두 갈래 가격을 제시합니다.

경로	조건	가격(입력/출력, 백만 토큰)
Contributor(기여자)	데이터가 향후 모델 학습에 사용됨	약 $0.10 / $0.20 (캐시 입력 $0.002)
Non-contributor	학습 미사용	약 $1.25 / $4.25

차이가 최대 75배까지 납니다. “데이터 학습에 쓰는 걸 허락하면 사실상 거의 공짜로 코딩 에이전트를 돌릴 수 있다”는 게 커뮤니티의 반응입니다. 신규 가입 시 무료 크레딧도 제공된다는 보고가 있습니다. 반대로 말하면, 기밀 코드를 다루는 조직은 반드시 Non-contributor 경로를 써야 한다는 뜻이기도 합니다.

Meta 개발자 포털 바로가기

무료로 쓰는 법: OpenCode Zen 경로

지금 당장 0원으로 써보는 가장 쉬운 길은 OpenCode Zen의 무료 contributor 경로입니다. 설정 값은 이렇습니다.

Base URL: https://opencode.ai/zen/v1
모델명: muse-spark-1.2-contributor-free
API 키: opencode.ai/zen 로그인 후 발급

OpenAI 호환 클라이언트라면 Cursor, Cline, Aider 어디든 붙일 수 있습니다. 단, 이 경로는 알파 피드백 기간의 한시 제공이라 언제 끝날지 모르고, 프롬프트 데이터가 학습에 쓰일 수 있다는 점을 기억해야 합니다.

에이전트 자체를 쓰고 싶다면 Muse Code를 설치하면 됩니다. 한 줄이면 됩니다.

curl -fsS https://dev.meta.ai/install.sh | bash

Muse Code: 24시간 무인 코딩의 구조

Muse Spark 1.2: 메타의 코딩 특화 모델, 가격표가 더 충격적이다

Muse Code는 터미널에서 돌아가는 메타의 첫 코딩 에이전트입니다. 구조가 꽤 치밀합니다.

분업형 아키텍처 — 전문화된 에이전트 여러 개가 병렬로 동작
영속적 컨텍스트 — 세션 전체의 맥락을 유지하며 장시간 작업
격리된 워크트리 — 서브 에이전트마다 별도 작업 공간 사용
이벤트 로깅 — 전 과정을 기록해 디버깅·신뢰성 확보

공개 데모에서 가장 화제가 된 사례는 NVIDIA Hopper 커널 최적화 작업입니다. 도구 호출 1,000회 이상, 24시간 연속 수행이었습니다. “긴 작업을 사람 개입 없이 완주하는가”가 에이전트 평가의 새 기준이 되고 있다는 방증입니다.

실무 도입 전 체크리스트

☑️ 내 코드가 학습에 쓰여도 되는 데이터인지 먼저 판단 — 기밀·고객 코드면 Non-contributor 필수
☑️ 무료 경로는 한시적 — 대시보드에서 ‘free’ 표기가 유지되는지 수시로 확인
☑️ 벤치마크 숫자보다 내 저장소 테스트 우선 — 샘플 점수와 실전은 다를 수 있음
☑️ 장시간 에이전트 작업은 별도 브랜치·워크트리에서 실행
☑️ 오픈 웨이트 공개 예고 확인 — 자체 호스팅이 필요한 조직은 공개 시점까지 대기 가능

에디터 의견

이번 발표에서 제가 주목한 건 82.9%라는 숫자보다 가격의 이중 구조입니다. “데이터를 내주면 가격을 75배 깎아준다”는 전략은, 오픈 웨이트로 생태계를 장악했던 메타가 클로즈드 모델 시대에는 데이터 확보를 가격 무기로 삼겠다는 선언처럼 읽힙니다. 개발자에게는 확실한 가성비 옵션이 늘어난 셈이고요. 메타 공식 블로그 원문은 직접 열람하지 못했기에, 숫자는 공식 발표 인용과 커뮤니티 검증 데이터를 기준으로 삼았습니다.

자주 묻는 질문 (FAQ)

Muse Spark 1.2는 지금 바로 쓸 수 있나요?

네. Meta Model API(dev.meta.ai)와 Muse Code에서 즉시 사용 가능합니다. 무료 경로는 OpenCode Zen의 contributor-free 모델이 가장 쉽습니다.

오픈소스인가요?

출시 시점에는 클로즈드 웨이트입니다. 다만 메타는 오픈 웨이트 공개가 수 주 내에 이뤄질 것이라고 예고했고, 소형 모델 Muse Glimmer(30B)는 이미 Apache 2.0으로 공개했습니다.

Claude나 GPT보다 좋은가요?

터미널 벤치마크에서는 일부 앞선 수치(82.9%)가 보고됐지만, 종합 평가에서는 Opus 계열이 여전히 앞서는 지표가 있습니다. “절대 1위”보다는 가격 대비 코딩 성능이 강점인 모델로 보는 게 맞습니다.

기밀 코드를 넣어도 되나요?

Contributor 경로는 데이터가 학습에 사용될 수 있어 기밀 코드 투입은 피해야 합니다. 학습 미사용 조건인 Non-contributor 경로를 이용하세요.

결론

Muse Spark 1.2는 코딩 특화 성능과 파격적 가격 구조를 함께 들고 나왔습니다. 터미널 벤치마크 82.9%, 데이터 공유 조건부 백만 토큰당 10센트라는 조합은 코딩 에이전트 비용을 고민하는 팀에게 분명 매력적인 선택지입니다. 무료 경로가 열려 있는 지금, 내 프로젝트에 직접 붙여 체감 성능을 확인해보시길 권합니다. 모델의 진짜 평가는 벤치마크가 아니라 내 저장소에서 내려지니까요.