본문으로 건너뛰기
피드

메타, 슈퍼인텔리전스 랩 첫 작품 '뮤즈 스파크' 공개 — 오픈소스 버리고 폐쇄형으로

ai-ml 약 5분
vote
0
댓글
북마크

메타가 2조원 투자한 슈퍼인텔리전스 랩의 첫 모델 '뮤즈 스파크'를 공개했다. 라마4 수준 성능이지만 컴퓨트 효율 10배, 오픈소스 대신 폐쇄형으로 전략을 선회하면서 35억 DAU 플랫폼과 연동해 수익화를 노림.

  • 1

    스케일 AI 창업자 알렉산드르 왕이 이끈 팀이 AI 스택을 처음부터 재구축

  • 2

    라마4급 성능 + 컴퓨트 효율 10배 — MoE 아키텍처 + 최적화 추론 엔진

  • 3

    GPQA 89.5%로 프론티어에 못 미치지만, HealthBench·HLE에서 강세

  • 4

    오픈소스→폐쇄형 전환, 35억 DAU 플랫폼 연동으로 수익화 전략

메타, 슈퍼인텔리전스 랩 첫 작품 '뮤즈 스파크' 공개

  • 메타가 약 2조원을 투자해 만든 슈퍼인텔리전스 랩스의 첫 성과물 '뮤즈 스파크'를 공개함
    • 내부 코드명 '아보카도'. 스케일 AI 창업자 알렉산드르 왕(CAIO)이 이끄는 팀이 주도
    • 왕은 메타가 스케일 AI 지분 49%를 143억 달러에 인수하면서 영입된 인물
  • 기존 메타 AI 스택을 완전히 처음부터 재구축한 모델
    • 라마4와 비슷한 성능이지만 컴퓨트 효율성이 약 10배 높음
    • 새로운 MoE 아키텍처 + 최적화된 추론 엔진 적용
    • 에너지 소비를 크게 줄이면서 실시간 응답 속도 우수

벤치마크: 프론티어급은 아니지만, 틈새에서 강함

  • GPQA Diamond(PhD 수준 추론): 89.5% — 경쟁 모델에 뒤짐
    • 제미나이 3.1 프로: 94.3%
    • 클로드 오퍼스 4.6: 92.7%
    • GPT-5.4: 92.8%
  • 하지만 HealthBench에서 42.8%로 경쟁 모델들을 앞섬
    • HLE(인류의 마지막 시험)에서도 50.2%로 과학·수학·의료 추론 강점
  • Artificial Analysis 종합 52점 vs 제미나이 3.1 프로 57점
    • 전체적으로는 추격형 모델이지만, 효율성과 실시간성에서 차별화

중요

> 라마4와 비슷한 성능인데 컴퓨트 효율이 10배라는 건, 같은 하드웨어로 10배 더 많은 사용자를 서빙할 수 있다는 뜻. 35억 DAU를 가진 메타에게는 벤치마크 점수보다 이게 더 중요한 지표임.

메타의 전략 전환 — 오픈소스에서 폐쇄형으로

  • 라마 시리즈로 오픈소스 AI를 주도하던 메타가 폐쇄형 모델로 전략을 선회함
    • 뮤즈 스파크는 메타 AI 앱, meta.ai 웹에서만 사용 가능
    • 개발자 API도 일부 파트너에게 비공개 형태로만 제공 중
    • "미래 뮤즈 시리즈 일부를 오픈소스 공개할 의향"은 밝혔지만 구체적이지 않음
  • 수익화 전략의 핵심: 35억 DAU 플랫폼과의 연동
    • 페이스북·인스타그램·왓츠앱·메신저에서 개인 맞춤형 AI로 활용
    • 과거 게시물, 좋아요, 검색 기록 기반 초개인화
    • 레이밴 스마트 글래스에도 탑재 예정 — 실시간 AR 오버레이(번역, 물체 인식, 쇼핑 추천)

시장 반응은 긍정적, 하지만 우려도

  • 메타 주가 약 9% 급등, 1월 이후 최대 상승폭
    • 플랫폼 연계를 통한 확장성에 높은 평가
  • 우려: 2조원 투자 + 9개월 만에 나온 첫 성과가 "추격형"이라는 점
    • 오픈소스 전략 선회에 대한 의구심도 큼

기술 맥락

  • 뮤즈 스파크의 핵심은 "성능"이 아니라 "효율"이에요. 벤치마크에서 제미나이나 GPT-5.4에 뒤지지만, 컴퓨트 효율이 10배라는 건 실 서비스에서 엄청난 차이를 만들거든요. 35억 명한테 AI를 서빙하려면 추론 비용이 핵심 병목이니까요
  • MoE(Mixture of Experts) 아키텍처를 새로 설계했다는 게 기술적으로 의미 있는 부분이에요. 전체 파라미터 중 일부만 활성화해서 연산량을 줄이는 건데, 이걸 잘 설계하면 큰 모델의 지능을 유지하면서 작은 모델의 속도를 낼 수 있어요
  • 오픈소스에서 폐쇄형으로의 전환은 기술보다 비즈니스 전략 변화예요. 라마 시리즈는 생태계를 키우는 데는 성공했지만 직접적인 수익을 만들지 못했고, 뮤즈는 메타 플랫폼에 묶어서 광고 수익화와 연결하려는 거예요

메타의 진짜 무기는 모델 성능이 아니라 35억 DAU 플랫폼. 효율 10배 개선이 벤치마크 1등보다 실질적으로 더 의미 있는 이유가 여기 있음.

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.