메타 뮤즈 원더, 기억하고 실행하는 AI 에이전트

메타(Meta)가 개인 비서와 업무용 에이전트를 겨냥한 새 AI 모델 ‘뮤즈 원더(Muse Wonder)’와 ‘뮤즈 원더 풀(Muse Wonder Full)’을 공개했다. 메타는 대화에서 중요한 정보를 이어받는 기억 기능과 어려운 작업을 끝까지 수행하는 집중 기능을 앞세워, 두 모델이 에이전트·코딩 평가에서 최상위 성능을 냈다고 밝혔다. 그러나 모델이 이용자를 대신해 일정과 문서를 살피고 웹에서 행동할수록, 점수뿐 아니라 실제 판단의 정확성과 사생활 보호가 중요해진다. 이번 발표는 메타의 기술적 진전과 개인 에이전트가 넘어야 할 문턱을 함께 보여준다.

핵심요약

  • 메타는 뮤즈 원더를 모델 API와 뮤즈 코드로 제공하고, 상위 모델인 뮤즈 원더 풀은 뮤즈 코드 구독자에게 제공하기 시작했다.
  • 메타가 내세운 ‘액티브 메모리’는 대화 사이의 중요한 맥락을 보존하고, ‘액티브 포커스’는 막힌 작업에 다른 접근을 시도하며 진행하는 능력이다.
  • 메타는 법률·금융·건강, 장기 소프트웨어 개발, 학습 때 겨냥하지 않은 과제까지 평가하며 모델의 범용성을 강조했다.
  • 메타의 시연에서 뮤즈 원더는 브라우저와 앱을 넘나들며 개인 사정을 반영한 달리기 계획을 만들고, 맞춤 상품 주문과 결혼식 좌석표 작성도 수행했다.
  • 토론 참여자들은 경쟁 확대를 환영하면서도 로그인 화면 경험, 실제 개발 작업의 완성도, 이전 모델의 여행 계획 오류를 근거로 신중한 평가를 요구했다.

두 모델, 서로 다른 이용 경로

메타는 뮤즈 원더 시리즈를 개인 생활과 전문 업무의 복잡한 과제를 처리하는 모델로 소개했다. 뮤즈 원더는 현재 메타 모델 API와 뮤즈 코드(Muse Code)에서 쓸 수 있고, 뮤즈 원더 풀은 뮤즈 코드 구독자에게 제공된다. 이름이 비슷해도 이용 경로는 같지 않으므로, 두 모델의 성능이나 사용 경험을 비교할 때 어느 쪽을 시험했는지 구분해야 한다. 메타는 두 모델이 자사의 개인용 AI 에이전트를 한 단계 끌어올린다고 설명한다.

뮤즈 원더는 앞으로 뮤즈(Muse)의 기능에도 들어가며, 구독자에게 먼저 제공될 예정이다. 메타는 결과물을 만들어 내는 작업과 더 높은 지능이 필요한 절차에도 이 모델을 쓰겠다고 밝혔다. 장기적으로는 뮤즈 원더를 바탕으로 뮤즈 이용자에게 제공할 특화 모델을 개발할 계획이다. 당장 이용할 수 있는 모델과 향후 제품에 적용할 계획을 나눠 봐야 출시 범위를 정확히 읽을 수 있다.

14개월의 재구축과 프로메테우스

메타는 14개월 전 AI 개발 체계를 기초부터 다시 짜기 시작했다고 밝혔다. 앞서 뮤즈 스파크(Muse Spark)를 발표하며 모델 규모를 키우는 접근법을 제시했고, 이번에는 사전학습(기초 데이터를 익히는 단계)과 강화학습(결과에 따른 보상으로 행동을 개선하는 단계)을 모두 확장했다는 설명이다. 메타가 뮤즈 원더를 단일 기능의 개선보다 개발 체계 전반의 성과로 내세우는 이유다. 회사는 이를 ‘개인 초지능’으로 향하는 다음 단계라고 표현한다.

두 모델은 기가와트급 프로메테우스(Prometheus) 데이터센터에서 학습됐다. 메타는 여러 팀의 작업을 모아 일상과 직장에서 마주치는 복잡한 과제를 다룰 능력을 갖췄다고 강조했다. 다만 데이터센터 규모와 모델 성능은 서로 다른 이야기다. 사용자가 확인할 수 있는 변화는 큰 학습 시설 자체보다, 모델이 긴 작업에서 맥락을 유지하고 예상 밖의 요청에도 대응하는지에 있다.

계약서부터 건강 정보까지

메타는 뮤즈 원더 시리즈가 개인·업무 에이전트, 기억, 코딩의 주요 평가에서 최상위 성적을 냈다고 밝혔다. 평가 범위에는 임대차 계약을 이해하거나 금융·건강 정보를 해석하는 데 필요한 전문 지식이 포함된다. 이는 질문에 그럴듯한 답을 쓰는 능력뿐 아니라, 주어진 자료를 읽고 요청에 맞는 결과물을 만드는 능력을 겨냥한다. 메타는 다른 최상위 모델과 비교한 폭넓은 평가 결과도 제시했다.

법률 과제의 예로는 하비(Harvey)의 법률 에이전트 벤치마크 LAB를 들었다. 이 평가는 모델이 근거 문서를 살피고 자세한 지시를 따라 법률 업무 결과물을 작성하도록 요구한다. 금융이나 건강 정보처럼 이용자가 실제 결정을 내릴 때 참고할 수 있는 분야도 평가에 넣었다. 메타가 말하는 ‘전문성’은 분야 이름을 아는 데 그치지 않고, 자료와 지시를 함께 다루는 능력에 가깝다.

대화 사이를 잇는 기억, 막힌 일을 푸는 집중

메타가 ‘액티브 메모리(Active Memory)’라고 부르는 기능은 이전 대화에서 중요한 맥락을 이어받고, 현재 과제에 필요한 내용을 다시 찾아 쓰는 방식이다. 개인 에이전트라면 이용자가 매번 선호와 사정을 처음부터 설명하지 않아도 돼야 한다는 문제의식에서 나왔다. 핵심은 무엇을 오래 보관하느냐만이 아니다. 오래전 정보라도 지금 하는 일과 관련이 있을 때 적절히 꺼내야 기억이 도움이 된다.

‘액티브 포커스(Active Focus)’는 어려운 목표를 향해 작업을 이어 가는 능력을 가리킨다. 메타는 모델이 한 접근법으로 막히면 다른 방법을 시도하고, 새 정보에 맞춰 계획을 바꾸며, 필요하면 이용자에게 질문한다고 설명했다. 중요한 행동을 하기 전에는 이용자에게 확인도 받도록 했다고 밝혔다. 집중력을 단순히 오래 작동하는 시간으로 보지 않고, 도중에 방향을 수정하고 멈춰 물을 줄 아는 능력까지 묶은 셈이다.

메타는 집중 능력을 포커스벤치(FocusBench)로, 오래 이어지는 실행 능력을 SWE-마라톤(SWE-Marathon)으로 평가했다. SWE-마라톤은 장기간 진행되는 소프트웨어 프로젝트에서의 작업을 시험한다. 두 평가를 함께 제시한 것은 한 번의 답변보다 여러 단계에 걸친 진행을 성능의 중심에 놓았다는 뜻이다. 기억이 필요한 정보를 찾아주는 기능이라면, 집중은 그 정보를 가지고 실제 과제를 마칠 때까지 움직이는 기능이다.

코드는 요구사항을 기억하고 다시 고쳐야 한다

코딩은 메타가 내세운 기억과 집중이 동시에 필요한 분야다. 소프트웨어를 만들려면 요구사항을 추적하고, 코드 곳곳을 수정한 뒤, 시험과 수정을 반복해야 한다. 메타는 두 모델을 다양하고 오래 이어지는 과제로 학습시켜 이 과정에서 진도를 유지하도록 했다고 설명했다. 작은 앱부터 복잡한 소프트웨어까지 지원한다는 것이 회사의 주장이다.

시연에서는 뮤즈 원더가 이용자가 지정한 이미지 입력을 바탕으로 실제 플레이할 수 있는 3D 주방 게임을 만들었다. 보기 좋은 코드 한 조각보다, 입력을 해석해 작동하는 결과물까지 연결하는 능력을 보여주려는 사례다. 다만 개발 작업에는 결과가 돌아가는지뿐 아니라 수정 방향을 잘 판단하는지도 중요하다. 긴 작업을 평가 대상으로 삼은 이유 역시 반복 과정에서 요구사항을 놓치거나 같은 실패를 되풀이하기 쉽기 때문이다.

익숙하지 않은 과제에도 통하는가

메타는 비슷한 벤치마크 점수를 받은 두 모델도 낯선 과제를 처리하는 폭은 다를 수 있다고 지적했다. 특정 평가에 맞춰 점수만 높인다는 ‘벤치맥싱(benchmaxxing)’ 비판과, 큰 모델이 여러 일을 두루 잘한다는 인상은 모두 이 차이를 가리킨다. 이를 살피기 위해 메타는 후반 학습에서 집중한 과제와 그렇지 않은 과제의 성적을 비교했다. 추론할 때 쓰는 계산량을 달리하며 각 모델의 결과가 어떻게 움직이는지도 관찰했다.

비교 대상은 뮤즈 스파크 1.3과 뮤즈 원더 풀이었다. 메타가 제시한 그래프에서 가로축은 후반 학습의 대상이 된 과제, 세로축은 대상이 아니었던 과제의 평균 성적을 나타낸다. 두 모델 모두 추론 계산량을 늘리면 낯선 과제의 성적이 좋아졌지만, 메타는 뮤즈 원더 풀이 익숙한 과제의 성적을 기준으로 예상한 수준보다 더 높은 낯선 과제 성적을 보였다고 설명했다. 회사는 더 크고 강한 기반 모델 덕분에 후반 학습의 이득이 새로운 과제로 더 잘 이어졌다고 해석한다.

이 범용성이 개인 에이전트에서 중요한 이유는 이용자마다 목표와 도구, 제약 조건의 조합이 다르기 때문이다. 메타는 학습 중 그 조합을 모두 미리 알 수 없다고 인정한다. 따라서 발표의 관건은 정해진 유형의 시험을 잘 치렀느냐를 넘어선다. 처음 보는 요청에서 이전 정보와 사용 가능한 도구를 엮어 적절한 다음 행동을 고를 수 있느냐가 핵심이다.

달리기 계획과 주문, 좌석표 시연

메타가 공개한 사례는 에이전트가 화면 속 답변을 넘어 행동으로 이어지는 모습을 보여준다. 뮤즈 원더는 브라우저와 여러 앱에서 개인의 취향과 사정을 반영한 달리기 계획을 만들었다. 또 개인 인스타그램(Instagram) 프로필의 실제 사진을 바탕으로 맞춤 상품을 디자인해 주문하고, 복잡한 배치 조건에 맞춘 결혼식 좌석표를 준비했다. 이 사례들은 정보를 정리하는 일과 도구를 써서 결과물을 만드는 일이 한 작업 안에서 이어진다는 점을 강조한다.

특히 주문이나 일정에 영향을 주는 작업은 답변 하나가 틀렸을 때보다 결과가 크다. 메타가 액티브 포커스를 설명하면서 중요한 행동 전에 확인을 받는다고 한 대목도 이 시연과 연결된다. 이용자의 취향을 기억하는 능력은 편의를 높이지만, 무엇을 근거로 행동하는지 이용자가 살펴볼 수 있어야 유용하다. 에이전트의 완성도는 여러 앱을 오가는 속도뿐 아니라 확인이 필요한 순간을 제대로 구분하는 데 달렸다.

개인 문서에 접근하는 모델의 안전장치

개인 에이전트는 이용자를 대신해 행동하면서 메시지, 일정, 비공개 문서 같은 맥락을 다룰 수 있다. 메타는 이 때문에 사적인 정보를 신중하게 취급하고, 악의적인 지시에 휘둘리지 않는 능력이 필요하다고 설명했다. 뮤즈 원더 계열은 적대적인 지시를 견디고 개인정보를 조심스럽게 다루도록 학습했다는 것이 회사의 주장이다. 이는 기억 기능이 강해질수록 안전 문제가 부가 기능이 아니라 제품의 중심 조건이 된다는 뜻이다.

메타는 화학·생물·방사능·핵(CBRN)과 사이버 분야의 악용을 막는 장치도 자사 모델 중 가장 강하게 적용했다고 밝혔다. 동시에 방어 목적의 고급 사이버 역량은 이용할 수 있도록 하겠다는 방침이다. 회사는 이를 자사의 ‘초지능 확장 프레임워크’에 따른 균형으로 설명한다. 추가 안전성 평가를 담은 전체 보고서는 추후 공개할 예정이어서, 실제 사용 환경에서의 판단과 함께 살펴볼 자료가 남아 있다.

커뮤니티 의견

한 사용자는 메타에 불만이 많지만 최상위 모델을 만드는 회사가 늘어나는 편이 낫다고 했다. 한 회사만 압도적으로 앞서면 그 회사의 가치관이 업계 전반에 강요되고 권력이 집중될 수 있다는 이유다. 반론에서는 선두 기업이 여러 곳인 상황보다 한 곳이 멀리 앞서야 나머지 기업이 이를 견제하기 위해 이용자 편에 설 수 있다는 주장도 나왔다.

다른 사용자는 뮤즈 코드를 시험하려고 로그인하는 과정에서 자신과 관계없는 사람들의 프로필이 인증 화면에 보였고, 본인이 요청하지 않은 로그인 코드도 받았다고 주장했다. 이 경험 때문에 제품 사용을 꺼리게 됐다는 것이다. 답글에서는 같은 기기나 브라우저에 남은 이전 세션과 계정 정보일 수 있으니 캐시와 쿠키를 지워 보라고 제안했다. 화면에서 무엇을 봤는지와 그 원인이 무엇인지를 두고 해석이 갈렸다.

모델이 그린 펠리컨 그림을 뮤즈 스파크의 이전 버전 결과와 비교한 사용자는 뮤즈 원더의 결과가 꽤 괜찮다고 평가했다. 이어진 질문은 그 그림이 뮤즈 원더인지 풀 버전인지에 집중됐다. 다른 사용자는 이미지를 HTML 화면으로 재현하는 시험에서는 뮤즈 원더가 오푸스(Opus) 5.5보다 훨씬 못했고, 소네트(Sonnet)나 하이쿠(Haiku)에 가깝다고 평했다. 높은 평가 점수가 시각 정보를 다루는 작업의 품질까지 보장하지는 않는다는 관점이다.

실제 개발 과제에 써본 한 사용자는 화면 구성 요소 손질, 백엔드 변경 검토, 서버 코드의 작은 수정을 맡겼다고 했다. 모델에 능력은 느껴졌지만 작업의 취향과 판단력은 기대에 못 미쳤다는 평가다. 비교적 단순한 변경에서도 검토 의견에 매달려 ‘검토→수정’을 반복하고, 한발 물러서서 접근법을 다시 생각하지 못했다고 설명했다. 메타가 강조한 장기 집중력이 현장에서는 고집스러운 반복과 구별돼야 한다는 지적이다.

한 사용자는 메타가 앞서 뮤즈 스파크를 공개하며 가중치 공개를 약속했지만 아직 기다리고 있다고 불만을 나타냈다. 이 의견은 새 모델의 성능과 별개로 이전 발표의 약속을 어떻게 이행하는지가 신뢰에 영향을 준다는 주장이다. 공개 범위에 대한 기대가 있는 이용자에게는 이번 모델의 이용 경로만큼 과거 약속의 처리도 중요하다.

가격을 공유한 사용자는 뮤즈 원더의 입력·캐시 입력·출력 요금으로 각각 4달러·0.20달러·20달러를 제시했다. 그는 홍보 화면의 평가 점수를 다시 살펴보니 상위 구독 요금제에서 쓸 수 있는 뮤즈 원더 풀의 결과였다고 지적했다. 다른 답글과 후속 의견에서는 이전 메타 모델처럼 저렴하게 내놓기보다 최상위 모델에 가까운 가격을 책정했다는 해석이 나왔다. 어느 모델의 점수와 요금을 맞춰 비교하는지가 구매 판단의 출발점이라는 얘기다.

이전 모델을 여행 계획에 써봤다는 사용자는 공항에서 시내로 가는 교통편 추천은 유용했지만, 문을 닫은 식당을 권하거나 항공편 날짜를 혼동하는 등 간단한 판단에서 오류가 있었다고 했다. 이에 다른 참여자들은 그 경험이 이번 뮤즈 원더가 아닌 더 작고 이전에 나온 뮤즈 스파크 1.3의 사례라고 짚었다. 또 다른 의견은 뮤즈 원더의 성적이 특정 평가에만 맞춘 결과가 아니라면 최상위 모델 간 경쟁과 가격 경쟁이 심해질 수 있다고 봤다. 반면 경쟁사의 다음 모델과 막대한 개발비를 들어, 지금의 성적만으로 우위를 오래 점치기는 어렵다는 반론도 나왔다.

핵심통찰

뮤즈 원더 발표의 핵심은 AI가 답을 잘 쓰는 데서 이용자의 맥락을 기억하고 여러 단계의 일을 대신 진행하는 쪽으로 이동했다는 데 있다. 메타는 낯선 과제의 성적과 브라우저·앱을 넘나드는 달리기 계획 시연으로 그 가능성을 보여줬다. 하지만 토론에서 드러난 관심은 어느 모델을 실제로 쓸 수 있는지, 작업 중 잘못된 판단을 되돌릴 수 있는지, 개인 정보에 접근하는 과정이 믿을 만한지에 모였다. 앞으로는 평가 점수와 함께 긴 작업에서의 오류 수정, 행동 전 확인, 안전성 보고서의 내용이 경쟁력을 가를 것이다.


원본: Muse Wonder: A Frontier Model For Personal & Professional AI Agents

토론: Hacker News