26-10 메타 Muse Wonder 모델 공개
작성자의 핵심 판단
작성자는 Muse Wonder의 절대 성능은 프론티어 AI Labs로 볼 만큼 높다고 평가하지만, Gemini 4 Argon이나 GPT-6.1 Sol과 비교한 가성비는 약하다고 본다.
근거 보기 3
- 원문 구간 1
Muse Wonder 출시 이후에 바뀐 생각을 감안하더라도 AI Labs 등급은 Tier 1 : 오픈AI, 앤스로픽, 구글, 메타 Tier 2 : Z.ai, 딥시크, 미스트랄, 스페이스X, 알리바바, 문샷이라 생각합니다. 관전포인트는 (i) 구글 Gemini 4 Argon이 굉장히 잘 뽑힌 모델입니다. (ii) 메타의 Muse Wonder도 유의미하게 잘 나왔지만 각종 벤치마크에서 Gemini 4 Argon과 비등한데 더 비싸거나 그렇습니다. 그래도 기본적인 성능 자체가 워낙 잘 나왔습니다. (ii) 스페이스X가 Grok 4.7과 그 이후 모델 연구속도에서 워낙 뒤처지는 모습을 보이고 있습니다. Cursor의 코딩 데이터들을 넣어 잠깐 반짝했던 것인가 싶을 정도로 아쉬운 모습입니다. 모델은 (ㄱ) Muse Wonder, (ㄴ) Muse Wonder Full 두 가지 모델입니다. (ㄱ) Muse Wonder는 즉시 Meta Model API와 Muse Code를 통해서 서비스되고 있고, (ㄴ) Muse Wonder Full은 Muse Code 구독자에게만 먼저 제공됩니다.
- 원문 구간 2
(ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%
- 원문 구간 3
여기서도 보실 수 있듯이, 피크 지능을 놓고 보면 앤스로픽 모델들이 화려하지만 실제 기업들이 사용하는 비용까지를 고려하면 오픈AI의 모델 경쟁력이 유의미하게 높습니다. 이렇게 놓고 보면 Muse Wonder 시리즈의 가성비가 많이 별로인데, 문득 드는 생각은 중국 AI Labs들의 distillation 수요를 먹어서 성장하려는 건가 싶기도 합니다. ⓓ작업당 비용으로는 *첨부자료 3* Muse Wonder 기준 $4.52입니다. Opus 5.5의 $5.98과 비교하면 가격이 낮지만, GPT-6 Astra $3.26, Gemini 4 Argon $1.99에 비해서는 가격이 높습니다. 다만 해당 가격에서 Cache Write($1.92)와 Cache Hit($1.44) 비용이 유독 높습니다. 두 항목을 합치면 전체 작업당 비용의 74%입니다. 이는 캐시 단가가 비싸기 때문이라기보다 문제를 해결하는 과정에서 소비하는 입력 토큰의 양이 굉장히 많기 때문입니다. Muse Wonder는 작업당 평균 769만 개의 입력 토큰을 사용하는데, 이는 GPT-6 Astra, Gemini 4 Argon 등과 비교해 2~7배 많은 수준입니다.
이 자료에서 다룬 사실
- 메타는 Muse Wonder와 Muse Wonder Full 두 모델을 공개했고, 전자는 Meta Model API와 Muse Code에서, Full은 먼저 Muse Code 구독자에게 제공한다고 적었다.
- Terminal-Bench 4.0-AA에서 Muse Wonder는 52.0%, Muse Wonder Full은 57.1%를 기록했다고 제시했다.
- Muse Wonder의 Input/Output 가격은 $4/$20이며, Full의 API 가격은 공개하지 않았다고 적었다.
- Muse의 D7 유지율은 30% 초과, D14 유지율은 22.5%로 제시됐으며 D14 비교에서 ChatGPT 26.8% 다음이었다.
근거 보기 4
- 원문 구간 1
Muse Wonder 출시 이후에 바뀐 생각을 감안하더라도 AI Labs 등급은 Tier 1 : 오픈AI, 앤스로픽, 구글, 메타 Tier 2 : Z.ai, 딥시크, 미스트랄, 스페이스X, 알리바바, 문샷이라 생각합니다. 관전포인트는 (i) 구글 Gemini 4 Argon이 굉장히 잘 뽑힌 모델입니다. (ii) 메타의 Muse Wonder도 유의미하게 잘 나왔지만 각종 벤치마크에서 Gemini 4 Argon과 비등한데 더 비싸거나 그렇습니다. 그래도 기본적인 성능 자체가 워낙 잘 나왔습니다. (ii) 스페이스X가 Grok 4.7과 그 이후 모델 연구속도에서 워낙 뒤처지는 모습을 보이고 있습니다. Cursor의 코딩 데이터들을 넣어 잠깐 반짝했던 것인가 싶을 정도로 아쉬운 모습입니다. 모델은 (ㄱ) Muse Wonder, (ㄴ) Muse Wonder Full 두 가지 모델입니다. (ㄱ) Muse Wonder는 즉시 Meta Model API와 Muse Code를 통해서 서비스되고 있고, (ㄴ) Muse Wonder Full은 Muse Code 구독자에게만 먼저 제공됩니다.
- 원문 구간 2
(ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%
- 원문 구간 3
Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다. ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다. ⓒ가성비를 보시면 *첨부자료 2* 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.
- 원문 구간 4
(2) 메타 Muse의 유지율이 공개됐는데, *첨부자료 5* D7에서 ChatGPT보다 높은 >30%이고, D14에서는 22.5%입니다. D14 기준 유지율은 ChatGPT 26.8% > Muse 22.5% > Threads 21.2% > Google Maps 18.5% > Grok Bot 10.4%로 유의미한 유지율을 보이고 있습니다. 메타 입장에서는 이제부터 무리해서 광고하고 사용자 풀을 확대하기보다 유지율이 충분하게 올라오는 속도에 맞춰서 사용자 풀을 확대할 것으로 예상합니다. AI HW: (1) 우선, 뚜렷하게 AI HW 위주의 하락세를 설명할 수 있는 뉴스는 크게 보이지 않습니다. 하나가 있다면 오늘 루머 중에서 GPU, Orthogonal Backplane, 전원쪽 이슈로 인해서 양산 과정상 CY26 VR200 NVL72 랙 출하량 기대치가 10K → 5K로 줄었다는 루머가 있습니다. 대만 서버 ODM쪽에서 Rubin 출하량이 낮아졌다는 것입니다. 최근 컨센은 7~8K정도까지는 컨센이 생기고 있었습니다.
그렇게 판단한 이유
동일한 mini-swe-agent로 모델을 비교하는 Terminal-Bench 4.0-AA의 성능, 작업당 비용과 토큰 사용량을 함께 대조해 절대 성능과 비용 경쟁력을 나눠 평가했다.
근거 보기 4
- 원문 구간 1
(ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%
- 원문 구간 2
Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다. ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다. ⓒ가성비를 보시면 *첨부자료 2* 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.
- 원문 구간 3
여기서도 보실 수 있듯이, 피크 지능을 놓고 보면 앤스로픽 모델들이 화려하지만 실제 기업들이 사용하는 비용까지를 고려하면 오픈AI의 모델 경쟁력이 유의미하게 높습니다. 이렇게 놓고 보면 Muse Wonder 시리즈의 가성비가 많이 별로인데, 문득 드는 생각은 중국 AI Labs들의 distillation 수요를 먹어서 성장하려는 건가 싶기도 합니다. ⓓ작업당 비용으로는 *첨부자료 3* Muse Wonder 기준 $4.52입니다. Opus 5.5의 $5.98과 비교하면 가격이 낮지만, GPT-6 Astra $3.26, Gemini 4 Argon $1.99에 비해서는 가격이 높습니다. 다만 해당 가격에서 Cache Write($1.92)와 Cache Hit($1.44) 비용이 유독 높습니다. 두 항목을 합치면 전체 작업당 비용의 74%입니다. 이는 캐시 단가가 비싸기 때문이라기보다 문제를 해결하는 과정에서 소비하는 입력 토큰의 양이 굉장히 많기 때문입니다. Muse Wonder는 작업당 평균 769만 개의 입력 토큰을 사용하는데, 이는 GPT-6 Astra, Gemini 4 Argon 등과 비교해 2~7배 많은 수준입니다.
- 원문 구간 4
원인들은 굉장히 복잡한 요소인데, 솔루션은 하나입니다. 원인들은 (a) 문제를 맞히는 것까지는 학습하지만 효율적으로 푸는 것은 학습하기가 어려워서 (b) 에이전트가 사용하는 도구 자체가 비효율적일 수 있어서 (c) 장기 작업 관리에서 명확한 종료나 검증 기준이 정해지지 않아서 등등입니다. 솔루션은 같은 작업을 더 적은 Agent step과 더 적은 토큰으로 해결할 수 있도록 하네스를 함께 최적화하는 것입니다. Muse Code 사용자들이 해당 환경에서 Muse Wonder를 사용해보면서 실제 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정이 필요합니다. 가장 퍼포먼스가 좋은 Muse Wonder Full를 Muse Code로만 서비스하는 이유도 Muse Code 사용량을 늘리기 위해서라고 생각됩니다. ⓔ작업당 토큰 수로는 *첨부자료 4* Muse Wonder/Full 모두 54K(생각 29K + 답변 26K)입니다. GPT-6 Astra 27K(생각 17K + 답변 11K), GPT-6.1 Sol 38K(생각 25K + 답변 13K)보다는 아니지만, Gemini 4 Argon 62K(생각 36K + 답변 26K)보다는 토큰을 덜 사용하고 Opus 5.5 119K(생각 84K + 답변 35K)보다도 토큰을 덜 사용합니다.