혼재추적 후보Codex 검토메타의 Muse Wonder 공개 뒤 제품 사용과 컴퓨팅 수요는 늘었지만 가격 경쟁력 판단은 더 확인이 필요하다.가능성의 사업 실현이익 체력 악화달라진 점메타는 Muse Wonder를 개인용 에이전트에 특화했고, 출시 뒤 토큰 소비 증가와 후속 모델 학습 수요를 이유로 외부 GPU 임대 계획을 철회했다.다르게 볼 이유원문은 제품 사용과 컴퓨팅 확보를 긍정 변화로, 유사 성능 모델 대비 높은 API 가격과 낮아 보이는 경쟁력을 제한 요인으로 각각 제시한다. 이는 Codex의 독립 검토에서 실현 정도가 아직 불명확한 혼재 watch다.남은 확인원문은 Wonder가 잘 뽑힌 모델이라고 하면서도 성능이 비슷한 모델 대비 경쟁력이 높아 보이지 않는다고 평가한다.
원문을 바탕으로 한 Codex의 독립 판단입니다. 출처가 전한 사실·해석과 구분해 읽을 수 있습니다.
분석 대상 · 메타 Muse Wonder 모델 공개
이전에는
이전 상태의 비교 근거가 이 분석에 정리되지 않았습니다.
새롭게 달라진 점
메타는 Muse Wonder를 개인용 에이전트에 특화했고, 출시 뒤 토큰 소비 증가와 후속 모델 학습 수요를 이유로 외부 GPU 임대 계획을 철회했다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
다르게 볼 이유
원문은 제품 사용과 컴퓨팅 확보를 긍정 변화로, 유사 성능 모델 대비 높은 API 가격과 낮아 보이는 경쟁력을 제한 요인으로 각각 제시한다. 이는 Codex의 독립 검토에서 실현 정도가 아직 불명확한 혼재 watch다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
반등해도 남는 위험
제품 공개와 컴퓨팅 수요만으로 가격·지능 경쟁력의 제한이 해소됐다고 볼 수 없다는 원문 평가가 남아 있다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
판단을 바꿀 조건
가격 대비 성능과 실제 사용자 사용이 원문이 제기한 경쟁력 우려를 약화시키는지 확인하는 조건이다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
판단을 뒷받침하는 근거
- Wonder API 가격은 $4/$20이고 GPT-6.1 Sol·Gemini 4 Argon은 $2/$10으로 적혀 있다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
반대 근거·남은 조건
- 원문은 Wonder가 잘 뽑힌 모델이라고 하면서도 성능이 비슷한 모델 대비 경쟁력이 높아 보이지 않는다고 평가한다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
다음 확인 지점
- 사용자 토큰 소비 증가가 지속되는지와 가격 대비 실제 사용 성과를 확인할 필요가 있다.
원문 근거
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
아직 모르는 점
- 원문에는 Wonder의 실제 매출, 고객 유지율, 후속 모델 성능이 없다.
원문 근거 1개 펼치기
출처가 전한 사실
- Muse Wonder는 총 3T 파라미터로 추정되고, API 가격은 백만 토큰당 $4/$20으로 제시됐다.
출처의 해석·전망
- Muse Wonder는 높은 가격에도 개인용 에이전트 특화와 후속 학습을 위한 컴퓨팅 확보를 택했지만, 유사 성능 모델 대비 가격·지능 경쟁력은 높아 보이지 않는다는 평가다.
- 글은 중국 AI Labs가 증류용 Teacher 모델로 사용할 수 있다는 가능성과, 사전학습·RL 컴퓨팅 수요 증가를 높은 가격과 GPU 정책의 배경으로 연결한다.
보존 원문 발췌
추가적인 생각들을 정리해보면: Muse Wonder의 총 파라미터는 3T로 추정됩니다. Kimi-K3보다 크고, GPT-6 Astra나 Fable 5.1보다 작은 모델입니다. 오하이오주의 프로메테우스 클러스터에서 학습됐습니다. Muse Wonder API 가격은 $4/$20입니다. Opus 5.5과 백만토큰당 비용을 같게 책정했습니다. GPT-6.1 Sol과 Gemini 4 Argon은 $2/$10입니다. Muse Wonder가 물론 잘 뽑힌 모델이긴 합니다만 성능이 비슷한 모델들(GPT-6.1 Sol, Gemini 4 Argon)과 비교하자면 가격 경쟁력이나 지능을 생각해서는 경쟁력이 높아보이진 않습니다. 그럼 왜 이렇게 높은 비용을 청구할 수 있었을까 생각해보면 중국 AI Labs들이 증류할 모델로 Muse Wonder를 사용하게 만들려는 것인가 싶기도 합니다. 앤스로픽과 오픈AI가 증류 방어에 굉장히 적극적이고, 이번 주 주간전략보고에서 전해드린 것처럼 RL에 쓰는 컴퓨팅 비율이 워낙 크기 때문에 중국 AI Labs 입장에서는 어딘가를 Teacher 모델로 삼으려 할 것이라 봅니다. 메타는 7월까지만 해도 메타는 자체 GPU 인프라의 유휴 용량을 앤스로픽에게 임대하려 계획했었습니다. 그러나 최근에는 9월 Muse 출시 이후 토큰 소비량이 크게 증가하고, Wonder이 3T보다 몇 배 더 큰 후속 모델을 학습하기 위해 사전학습과 RL에 막대한 컴퓨팅 자원이 필요해지자 외부 GPU 임대 계획을 철회했습니다. 메타는 Muse Wonder를 개인용 에이전트인 Muse에 사용할 모델로서 특화했습니다. 그 과정에서 두 가지 특징이 있습니다. ⓐActive Memory를 통해서 사용자와의 대화나 개인 정보를 장기간 기억하고, ⓑActive Focus를 통해서 Computer Use 작업 도중 문제가 발생할 경우 접근 방식을 수정합니다.
상승 관점 보조 신호 · 가격 충격·지속성·후속 근거
장대양봉급 뉴스
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
지속 턴어라운드
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.
셀온 뒤 재상승 근거
근거 미확인- 이 자료에서 판단할 근거를 확보하지 못했습니다.