지능지수 전작 대비 최대 8점 상승
메타(Meta)가 프런티어 모델 '뮤즈 원더(Muse Wonder)'와 상위 버전 '뮤즈 원더 풀(Muse Wonder Full)'을 공개했다. 외부 평가기관 아티피셜 애널리시스(Artificial Analysis)의 지능지수 v4.3에서 뮤즈 원더 풀은 56점, 뮤즈 원더는 52점을 기록했다. 전작 '뮤즈 스파크 1.3(Muse Spark 1.3)'은 48점이었다.
상승폭은 에이전트 평가에서 가장 두드러졌다. 터미널-벤치 4.0(Terminal-Bench 4.0) 점수는 33%에서 57%로 뛰었다. 뮤즈 원더 풀은 10개 벤치마크 중 6개에서 3위 안에 들었다. 코딩 에이전트 지수는 뮤즈 원더 풀이 68점으로, 소넷 5.5(Sonnet 5.5) 기반 클로드 코드(Claude Code)와 같았고 뮤즈 원더는 63점으로 전작(54점)을 넘어섰다. 비공개 수학 증명 벤치마크 프루프벤치(ProofBench)에서는 100문항 중 94문항을 풀어 전작(58문항)을 크게 앞섰다. 밸즈 AI 지수(Vals AI Index)에서는 뮤즈 원더 풀(Max)이 5위로 데뷔해 오픈AI(OpenAI) 모델을 모두 제쳤다고 밸즈 AI는 밝혔다. 앤트로픽(Anthropic)의 현행 모델만 더 높았다.
기억·집중 기능 내세워 개인 에이전트 겨냥
메타는 대화를 넘어 핵심 정보를 기억하고 필요할 때 불러내는 '액티브 메모리(Active Memory)'와, 어려운 과제에서 접근법을 바꿔 시도하고 불분명한 부분을 되묻는 '액티브 포커스(Active Focus)'를 소개했다. 일정, 메시지, 문서에 접근하는 개인 AI 에이전트 구상의 핵심 기능이다. 두 모델은 100만 토큰 컨텍스트를 지원하며 텍스트, 이미지, 영상, 음성을 입력받는다. 뮤즈 원더는 메타 API와 '뮤즈 코드(Muse Code)'에서 쓸 수 있고, 뮤즈 원더 풀은 현재 뮤즈 코드 이용자에게만 제공된다. 뮤즈 원더는 곧 유료 구독자 대상 뮤즈 앱에도 적용된다. 메타는 이 모델을 기반으로 한 특화 모델을 전체 이용자에게 확대할 계획이다.
메타는 뮤즈 모델이 벤치마크에만 맞춰졌다는 비판에 대해, 훈련 최적화에 포함되지 않은 낯선 과제에서도 기대 이상의 성능을 낸다고 주장했다. 더 강력해진 기반 모델 덕분이라는 설명이다. 기가와트급 자체 데이터센터 '프로메테우스(Prometheus)'에서 훈련했다고 밝혔다.
지식 약점과 비용 부담
사실 지식 평가 AA-옴니사이언스(AA-Omniscience)에서는 뮤즈 원더 풀이 30점, 뮤즈 원더가 25점에 그쳤다. 클로드 오퍼스 5.5(Claude Opus 5.5)는 46점, GPT-6 아스트라(GPT-6 Astra)는 43점, 제미나이 4 아르곤(Gemini 4 Argon)은 42점이다. 경쟁 모델보다 기반 모델 규모가 작을 가능성을 시사한다. 다만 뮤즈 원더 풀의 환각률은 33%에서 23%로 낮아져, 지수 45점 이상 모델 중 제미나이 4 아르곤(15%)에 이어 두 번째로 낮다.
비용은 크게 올랐다. 뮤즈 원더의 지능지수 과제당 비용은 4.52달러로 전작(1.60달러)의 3배에 가깝다. 토큰 가격은 입력 100만 개당 4달러, 출력 20달러로 전작(1.25달러, 4.25달러)보다 높다. 클로드 페이블 5.1(7.63달러)과 오퍼스 5.5(5.98달러)보다는 저렴하지만 GPT-6 아스트라(3.26달러), 제미나이 4 아르곤(1.99달러)보다는 비싸다. 뮤즈 원더 풀의 토큰 가격은 아직 공개되지 않았다.
