본문으로 건너뛰기
피드

메타, 초지능팀 첫 AI 모델 '뮤즈 스파크' 출시 — GPT-5.4·제미나이3.1급 성능

ai-ml 약 4분
vote
0
댓글
북마크

메타초지능연구소(MSL)가 첫 AI 모델 '뮤즈 스파크'를 출시했음. 코드명 '아보카도'로 불렸던 이 모델은 GPT-5.4, 제미나이3.1 프로, 클로드 오퍼스4.6에 필적하는 벤치마크를 기록했고, 라마4 매버릭 대비 종합 점수가 18→52로 급상승함.

  • 1

    뮤즈 스파크 종합 점수 52점으로 GPT-5.4(57), 클로드 오퍼스4.6(53)에 근접

  • 2

    심사숙고 모드 도입으로 HLE 50.2% 기록, 제미나이 딥싱크(48.4%) 상회

  • 3

    라마 시리즈와 달리 폐쇄형 모델로 출시, 향후 개방형 전환 검토

  • 4

    알렉산더 왕 영입에 143억 달러(약 21조원) 투자

메타초지능연구소(MSL), 첫 AI 모델 '뮤즈 스파크' 출시

  • 메타가 알렉산더 왕 CAIO가 이끄는 MSL에서 '뮤즈(Muse)' 시리즈 첫 모델 뮤즈 스파크를 공개함
    • 출시 전 코드명은 '아보카도'
    • "작고 빠르게 설계됐지만 과학·수학·보건 분야 복잡한 추론이 가능하다"는 게 메타의 설명
    • meta.ai 사이트와 앱에서 바로 이용 가능하고, 페이스북·인스타그램·스레드·와츠앱·AI 안경에도 적용 예정

벤치마크 성능 — 프론티어 모델급

  • 아티피셜 애널리시스 기준 종합 52점으로 업계 4위
    • 제미나이3.1 프로 미리보기: 57점
    • GPT-5.4: 57점
    • 클로드 오퍼스 4.6: 53점
    • 라마4 매버릭(MSL 이전 모델)은 18점이었으니 34점이나 뛴 셈
  • 개별 벤치마크도 경쟁 모델에 근접하거나 상회함
    • CharXiv Reasoning(차트 이해): 86.4% — 비교군 중 최고
    • MMMU 프로(멀티모달): 80.4% — 경쟁작과 유사
    • SWE-벤치 베리파이드(코딩): 77.4% — 살짝 뒤처지지만 큰 차이 없음
    • SWE-벤치 프로(코딩): 52.4% — 마찬가지

ℹ️참고

라마4 매버릭 18점 → 뮤즈 스파크 52점 MSL 구성 전후로 종합 점수가 거의 3배 뛰었음. 알렉산더 왕 영입에 143억 달러(약 21조원)를 쏟아부은 결과가 숫자로 나온 셈.

심사숙고(Contemplating) 모드

  • 복잡한 문제 처리를 위해 여러 에이전트가 동시에 추론하는 모드를 도입함
    • 제미나이3.1 딥싱크, GPT-5.4 프로 같은 고성능 추론 전용 모델과 경쟁하겠다는 포지셔닝
  • HLE(인류의 마지막 시험) 벤치마크에서 50.2% 기록
    • 제미나이3.1 딥싱크(48.4%)보다 높음
    • 클로드 미토스 미리보기(56.8%)와는 아직 격차 존재

안전성 평가

  • 생물학 무기 관련 고위험 요구 거절 비율이 98%로 최고 수준
    • 클로드 오퍼스: 95.4%
    • GPT: 74.7%
    • 제미나이: 61.5%

오픈소스에서 폐쇄형으로 전환

  • 라마 시리즈는 오픈소스였지만, 뮤즈 시리즈는 폐쇄형으로 출시함
    • 향후 버전에서 개방형 전환을 검토하겠다고는 밝힘
    • 라마 시리즈가 기대에 못 미치는 평가를 받은 게 전략 변화의 배경인 듯

💡

메타의 전략 전환 포인트 오픈소스 챔피언을 자처하던 메타가 뮤즈 시리즈를 폐쇄형으로 내놓은 건 꽤 상징적임. 143억 달러를 투자한 만큼 수익화 압박이 커진 것도 있고, 오픈소스로는 프론티어 성능 경쟁에서 한계가 있다는 판단이 깔린 것으로 보임.

메타가 오픈소스 전략에서 폐쇄형으로 선회한 건 꽤 의미심장함. 라마 시리즈의 부진이 결국 '돈을 태워서라도 성능을 잡자'는 전략 변화로 이어진 셈.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.