Muse Spark 1.1 공개

5 days ago 9

Meta Superintelligence Labs가 공개한 Muse Spark 1.1은 에이전트 작업을 겨냥한 멀티모달 추론 모델로, 도구·컴퓨터 사용, 코딩, 멀티모달 이해를 전작보다 강화함
외부 앱과 서비스 전반의 계획·오케스트레이션을 맡고, native tools, MCP servers, custom skills에 zero-shot으로 일반화하는 점이 핵심임
100만 토큰 컨텍스트 창을 능동적으로 관리해 과거 작업 정보를 검색하고, 이후 단계에 필요한 핵심 맥락을 압축해 유지함
개발자는 공개 프리뷰로 나온 Meta Model API에서 모델에 접근할 수 있고, Meta AI 앱과 meta.ai에서는 “Thinking” 모드로 사용할 수 있음
Meta는 Advanced AI Scaling Framework에 따라 배포 전 안전성 평가를 진행했으며, Chemical & Biological, Cybersecurity, Loss of Control 범주에서 안전 여유 범위 안에 있다고 평가함

Muse Spark 1.1의 위치와 제공 방식

Muse Spark 1.1은 Meta Superintelligence Labs의 최신 모델로, 기존 Muse Spark 대비 주요 업그레이드로 소개됨
에이전트 작업용 멀티모달 추론 모델이며 다음 영역의 향상을 강조함
- 도구 사용
- 컴퓨터 사용
- 코딩
- 멀티모달 이해
이번 출시는 Muse Image 공개와 함께 Meta가 말하는 “personal superintelligence” 비전에 가까워지는 단계로 연결됨
개발자는 공개 프리뷰로 나온 Meta Model API를 통해 Muse Spark 1.1에 접근할 수 있음
Meta AI 앱과 meta.ai에서는 “Thinking” 모드로 제공됨

여러 외부 앱과 서비스에 걸친 개인 에이전트 작업에서 계획을 세우고 실행 흐름을 오케스트레이션함
native tools, MCP servers, custom skills에 zero-shot으로 일반화함
복잡한 프로젝트를 Muse Spark보다 훨씬 빠르게 처리하도록 학습됨
- 메인 에이전트는 컨텍스트를 수집하고 계획을 세운 뒤 병렬 subagent에 실행을 위임함
- subagent는 맡은 작업을 따르고 사용 가능한 도구를 이해하며, 필요할 때 메인 에이전트로 에스컬레이션함
100만 토큰 컨텍스트 창을 능동적으로 관리함
- 수행한 행동을 기억함
- 훨씬 이전 작업의 정보를 검색함
- 이후 작업에 필요한 핵심 단계를 남기도록 압축함

Muse Spark 1.1은 여러 애플리케이션을 오가고 정보가 실시간으로 바뀌는 컴퓨터 사용 워크플로에 강점을 보임
긴 세션에서도 컨텍스트를 유지하고, 변하는 요구사항에 적응하며, 익숙하지 않은 인터페이스를 최소한의 사람 개입으로 탐색함
데스크톱 작업을 항상 클릭 단위로만 처리하지 않고 상황에 따라 자동화와 직접 조작을 고름
- 자동화가 빠를 때는 스크립트를 작성함
- 직접 상호작용이 단순할 때는 클릭을 사용함
- 각 단계에서 여러 동작을 묶어 생성함
저녁 파티 준비 예시에서는 주문 과정에서 새 컨텍스트가 생기자 이를 인식하고, 사용자 개입 없이 필요한 업데이트를 수행함

크고 복잡한 코드베이스를 다루는 실전 코딩 작업에서 Muse Spark 1.1의 성능이 크게 향상됨
복잡한 버그 진단과 수정, 엔터프라이즈급 시스템의 새 기능 구현, 대규모 코드 마이그레이션을 수행할 수 있음
웹 애플리케이션 생성과 end-to-end 질의응답 같은 사용 사례에서 첫 모델 대비 큰 향상을 보임
다양한 하네스(harness)에 부드럽게 적응하고 복잡한 멀티턴 동작을 안정적으로 처리하도록 학습됨
- planning mode
- goal conditioning
- subagent delegation
- context compaction 같은 일반적인 에이전트 코딩 기능을 지원함
OpenCode 디버깅 데모에서는 채팅 웹 앱을 만들고, 자동 스크린샷으로 사용자에게 보이는 실패를 찾고, 관련 코드까지 추적해 수정한 뒤 변경 사항을 검증함
Meta 내부 개발자와 연구자는 Muse Spark 1.1을 매일 사용 중이며, Meta Internal Coding Bench에서 Muse Spark보다 크게 개선되고 주요 대안들과 경쟁력 있는 결과를 보임
연구자들은 Muse Spark 1.1을 워크플로에 활용해 모델 개발·평가 작업도 자동화하고 있음
DeepSWE 평가 예시에서는 OpenCode 안에서 여러 추론 강도별 DeepSWE 일부 작업을 자체 평가하고, 결과 기반 분석 대시보드를 생성함

Muse Spark 1.1은 지각, 멀티모달 추론, 도구 사용을 결합하는 작업에서도 강점을 보임
실제 환경과 상호작용하면서 근거 있는 산출물을 만들 수 있음
- 시각 자료에서 코드 산출물 생성
- 이미지·비디오의 매우 상세한 캡션 생성
- 멀티모달 사용 사례를 위한 에이전트 워크플로 실행
지각과 행동이 함께 필요한 상황에서 멀티모달 역량이 특히 유용함
- 시각과 오디오를 검사함
- 긴 워크플로 동안 세부 정보를 보존함
- 사용자를 대신해 컴퓨터를 조작할 때 해당 세부 정보를 활용함
Facebook Marketplace 에이전트 예시에서는 스마트폰으로 촬영한 비디오에서 유용한 사진을 추출하고, 상품을 추론한 뒤 사용자의 브라우저를 조작해 Marketplace 등록을 생성함

Meta는 배포 전 Advanced AI Scaling Framework에 따라 광범위한 안전성 평가를 수행함
이 프레임워크는 Meta의 가장 고도화된 모델을 위한 평가, 위협 모델, 배포 기준을 정의함
평가 범주는 다음 frontier risk를 포함함
- Chemical & Biological
- Cybersecurity
- Loss of Control
Meta의 평가에서 Muse Spark 1.1은 모든 frontier risk 범주에서 안전 여유 범위 안에서 작동함
직접 jailbreak, 신뢰할 수 없는 데이터에서 오는 간접 공격, prompt injection, developer-prompt 공격에 강한 저항성을 보임
그 결과 adversarial robustness가 개선되고 hallucination 비율과 sycophancy가 줄어듦
전체 안전성 관련 내용은 Muse Spark 1.1 Evaluation Report에 문서화됨

Meta Model API 공개 프리뷰를 통해 개발자가 처음으로 Muse Spark 1.1 기반 빌드를 시작할 수 있음
초기 파트너들은 긴 컨텍스트 처리, 코딩, 추론 역량을 결합해 대규모 에이전트 워크로드를 처리할 수 있는 기반 모델로 평가함
Replit CEO Amjad Masad는 100만 토큰 컨텍스트, 이미지·비디오·PDF 멀티모달 지원, 인용 포함 내장 검색, 구조화 출력, 병렬 도구 호출, OpenAI 호환 패키지를 한 모델에 담았다는 점을 강조함
Cline CEO Saoud Rizwan은 강한 도구 사용과 실제 코딩 워크로드를 규모 있게 실행할 수 있는 가격대를 함께 갖춘 점 때문에 Cline 개발자에게 조기 접근을 제공하고 싶었다고 밝힘
Box의 Yashodha Bhavnani는 Box의 엔터프라이즈 업무 평가 세트에서 Muse Spark가 현재 주요 frontier 모델과 경쟁력 있는 엔터프라이즈 역량을 보였다고 평가함
OpenClaw Foundation의 Dave Morin은 Muse Spark 1.1을 에이전트 실행에 빠르고 강력한 모델로 평가함
Meta는 더 성능이 높은 모델을 학습 중이며 향후 공유할 계획임