Muse Spark Open, 코딩과 에이전트용으로 나온 Meta의 816B 오픈 웨이트 모델

작동 방식

구조는 지각 인코더를 갖춘 전문가 혼합 트랜스포머이다. 전문가는 256개이고 토큰마다 8개가 활성화되므로, 816B 중 42B만 한 토큰을 처리한다. 추론 강도는 낮음부터 xhigh까지 조절할 수 있다. Meta는 BF16 가중치와 NVFP4 빌드를 함께 내놓았고, SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp에서의 지원을 안내한다.

필요한 하드웨어

이 정도 크기의 모델은 보통 GPU 서버가 필요하다. 모델 카드는 NVFP4 빌드에 최소 700GB, BF16에 2TB의 GPU 메모리를 요구한다. 한편 Meta는 통합 메모리가 각각 최대 512GB인 M5 Ultra 칩의 Apple Mac Studio 두 대가 전체 모델을 담을 수 있으며 MLX를 쓰도록 최적화했다고 말한다. Meta는 이 구성을 사용해 Muse Code로 iOS 변경 작업을 출시했다고도 밝혔다.

라이선스와 이용 방법

라이선스는 Apache 2.0 같은 OSI 라이선스가 아니라 Muse Model License이다. Meta는 상업적 조건이 제한적이지만 많은 개발자가 무료로 쓸 수 있는 라이선스라고 설명한다. 더 작은 Muse Glimmer는 Apache 2.0을 쓰므로, 상업적으로 배포하기 전에 라이선스 전문을 확인해야 한다. 자체 하드웨어가 없다면 Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI의 호스팅 API를 쓸 수 있다. 가중치는 Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden, Microsoft Foundry Models에서도 받을 수 있다. 다만 Meta 블로그는 가격을 공개하지 않아서, 토큰당 요금은 제공사마다 다르다.

벤치마크

Meta의 모델 카드 표에서 MCP-Atlas는 89.2%로, Qwen3.8-2.4T-A95B의 84.5%, GLM 5.3의 84.2%, Kimi K3의 82.3%, Beam의 78.7%를 앞선다. 도구를 쓰는 HLE에서는 61%로 GLM 5.3의 62.5%보다 낮고 Qwen3.8-2.4T-A95B의 56.2%, Kimi K3의 56%, Beam의 51.2%보다 높다. 도구 없이 측정한 HLE-Diamond는 26.1로 Kimi K3의 22.2, GLM 5.3의 16.4보다 높다. 반대로 Terminal-Bench 2.1(Terminus 2)은 76.4%로 Kimi K3의 85%, GLM 5.3의 83.9%, Qwen3.8-2.4T-A95B의 82%, Beam의 80.1%에 못 미친다. Artificial Analysis Intelligence Index도 39로, 44와 45인 Kimi K3와 GLM 5.3보다 낮다.

왜 중요한가

도구 사용에서는 앞서지만 터미널 코딩에서는 뒤처지므로, 이 모델의 장점은 도구 호출형 에이전트 쪽에 있다. 집에서 큰 Mac 두 대로 돌릴 수 있다는 점은 로컬 AI를 구축하려는 팀에게 흥미로운 소식이다. 모델을 직접 호스팅하는 팀, 대형 Mac을 가진 로컬 AI 개발자, 에이전트 개발자가 주된 대상이다.

참고할 점

앞의 수치는 Meta가 직접 공개한 표에 근거한 것이므로 실제 업무로 다시 확인하는 것이 좋다.

핵심 수치 정리

다시 정리하면 전체 816B와 활성 42B, 전문가 256개 중 8개 활성, 컨텍스트 1M 토큰, 필요한 GPU 메모리는 NVFP4 최소 700GB와 BF16 2TB이다. 입력은 텍스트, 이미지, 영상, 오디오이고 출력은 텍스트이다. 가중치는 BF16과 NVFP4 두 가지가 Hugging Face에 올라와 있으며, 라이선스는 상업적 조건이 제한적인 Muse Model License이다.