메타(Meta)의 슈퍼인텔리전스 랩(Superintelligence Lab)이 마침내 첫 프론티어 모델(frontier model)인 '뮤즈 원더(Muse Wonder)'와 '뮤즈 원더 풀(Muse Wonder Full)'을 선보였습니다. 이는 메타가 오픈AI(OpenAI)나 앤트로픽(Anthropic)처럼 최첨단 대규모 언어모델(LLM) 경쟁에 본격적으로 뛰어들었음을 알리는 신호탄입니다. 기존의 경량 모델인 뮤즈 스파크(Muse Spark)가 저지연(low latency)에 초점을 맞췄다면, 이번 원더 모델들은 더 크고 강력한 성능을 자랑하며, 복잡한 코딩 작업 등에서 높은 벤치마크 점수를 기록했습니다.
메타의 자체 테스트 결과에 따르면, 뮤즈 원더는 페이블 5.1(Fable 5.1) 및 GPT-6 아스트라(GPT-6 Astra)와 견줄 만한 벤치마크 점수를 달성했습니다. 특히, 메타는 이 모델들의 '활성 기억(active memory)' 능력에 큰 비중을 두었습니다. 이는 사용자가 제공한 정보를 장기간 기억하고 종합하는 능력으로, 개인 비서(personal assistant)가 오랜 시간 동안 작업을 수행하는 데 필수적인 요소입니다. 메타는 이를 위해 메모리벤치(MemoryBench) 벤치마크를 활용했으며, 뮤즈 원더는 페이블(Fable), 오푸스(Opus), 아스트라(Astra)보다 높은 점수를 기록했습니다. 뮤즈 원더는 메타 모델 API(Meta Model API)를 통해 접근 가능하며, GPT-6 솔(GPT-6 Sol)이나 오푸스 5.5(Opus 5.5)와 비슷한 수준의 토큰당 비용이 책정되었습니다. 반면, 뮤즈 원더 풀은 뮤즈 코드(Muse Code) 구독자에게만 제공되며 API를 통해서는 이용할 수 없습니다.
이번 뮤즈 원더 모델 출시는 메타가 개인 초지능(personal superintelligence)이라는 장기적인 목표를 향해 나아가는 중요한 단계입니다. 장기 기억 능력은 단순히 정보를 저장하는 것을 넘어, 사용자의 맥락과 선호를 이해하고 지속적으로 학습하며 진화하는 개인화된 AI 경험을 가능하게 합니다. 이는 메타가 개발 중인 뮤즈 에이전트(Muse agent)의 핵심 역량이 될 것이며, 궁극적으로는 사용자의 일상생활에 깊숙이 통합되어 복잡한 작업을 대신 처리해주는 미래를 앞당길 것으로 예상됩니다. 메타는 이번 모델들을 올해 초 가동된 오하이오주 프롬메테우스(Prometheus) 데이터 센터에서 훈련시켰습니다.