안녕하세요, 제시예요.
이번 주 AI 코딩 도구 쪽에서 큰 게 하나 나왔어요. 8월 5일에 메타가 터미널 코딩 에이전트 뮤즈 코드(Muse Code) 베타와, 그걸 굴리는 모델 뮤즈 스파크 1.2를 같이 내놨거든요. 맥과 리눅스에서 명령어 한 줄로 깔리고, 클로드 코드나 코덱스와 정확히 같은 자리를 놓고 붙는 물건이에요.
그런데 발표를 뜯어보다가 제일 오래 들여다본 건 벤치마크 표가 아니었어요. 가격표였어요. 같은 모델을 두 가격에 파는데, 싼 쪽에 붙은 조건이 꽤 낯설더라고요.
먼저, 뭐가 나왔는지부터
뮤즈 코드에서 눈에 띄는 설계가 두 가지예요.
하나는 백그라운드 에이전트가 안 죽는다는 거예요. 보통은 작업 하나가 떨어지면 하위 에이전트를 새로 띄우고, 끝나면 정리하고, 다음 작업에 또 새로 띄워요. 뮤즈 코드는 이 에이전트들을 세션 내내 살려 둬요. 매번 새 직원을 뽑아 인수인계하는 대신, 같은 팀을 계속 옆에 앉혀 두는 쪽에 가까워요. 여러 단계를 오래 밟아야 하는 일에서 사람이 끼어들 일이 줄어든다는 게 메타의 설명이에요.
다른 하나가 더 흥미로웠는데, 로컬 이벤트 로그예요. 모델 호출, 도구 실행, 승인, 파일 편집 — 세션에서 일어난 모든 사건을 순서대로 계속 덧붙이기만 하는 파일에 적어요. 지우거나 고치지 않고 append만 해요. 그래서 중간에 프로세스가 죽어도 로그를 되짚어 그 시점 그대로 복원할 수 있어요. 회계 장부에서 잘못된 항목을 지우지 않고 반대 분개를 새로 적는 것과 같은 원리인데, 에이전트가 24시간씩 도는 세상에서는 이게 은근히 핵심이에요. 오래 도는 작업일수록 "어디까지 갔는지 모르겠다"가 제일 비싼 실패거든요.
실제로 메타가 든 사례가 GPU 커널 최적화였는데, 도구 호출을 1,000번 넘게, 최대 24시간까지 돌렸다고 해요. 그 정도 길이가 되면 재시작이 안 되는 에이전트는 그냥 못 쓰는 물건이에요.
번들로 딸려 오는 명령도 셋 있어요. /plan은 할 일을 승인받아야 넘어가는 계획으로 바꾸고, /grill은 그 계획을 일부러 물고 늘어져 흔들어 보고, /goal은 목표까지 밀어붙여요. 계획을 세우는 것과 그 계획을 의심하는 것을 아예 다른 명령으로 갈라 놓은 게 재미있었어요.
벤치마크는 있는데, 순위가 세 개예요
여기서부터가 숫자를 읽는 요령이 필요한 구간이에요.
메타가 낸 표에서 뮤즈 스파크 1.2는 Terminal-Bench 2.1에서 **82.9%**로 2등이에요. 1등은 클로드 오퍼스 5 + 클로드 코드의 **86.7%**이고, 그 아래로 GPT-5.6 테라 + 코덱스 81.8%, 그록 4.5 + 그록 빌드 81.6%, 제미나이 3.6 플래시 + 안티그래비티 CLI 78.9%가 따라와요. DeepSWE 1.1에서는 오퍼스 5가 65.0%, GPT-5.6 테라가 64.8%, 뮤즈 스파크 1.2가 59.3%예요.
그런데 이 표를 잘 보면 비교 단위가 모델이 아니라 「모델 + 그 회사 에이전트」 한 세트예요. 각 모델을 자기 집 도구에 물려 놓고 잰 점수라, 모델 실력과 도구 궁합이 한 숫자에 섞여 있어요.
그래서 모두를 같은 도구에 물려 재는 곳을 보면 그림이 달라져요. Vals가 Terminus 2라는 공통 하네스로 모든 모델을 똑같이 돌리는데, 여기서 뮤즈 스파크 1.2는 50개 중 14위예요. 자기 표에서 2등, 남의 공통 조건에서 14등. 어느 쪽이 거짓말이라기보다는, 묻는 질문이 서로 다른 거예요. 앞의 표는 "이 제품을 쓰면 어떤가", 뒤의 표는 "모델만 놓고 보면 어떤가"를 물어요.
그리고 세 번째 순위가 있어요. 같은 Vals가 비용까지 같이 얹어 계산하는 지수에서는 뮤즈 스파크 1.2가 5위로 올라와요. 테스트 한 번에 0.69달러. 실력만 보면 14등인데 돈까지 보면 5등이라는 뜻이고, 이게 이 발표의 진짜 주제로 이어져요.
진짜 새로운 건 가격표였어요
메타는 이 모델을 SKU 두 개로 팔아요. 성능이 다른 대·중·소 모델을 늘어놓은 게 아니에요. 똑같은 모델을 이름만 다르게 두 줄로 올려 뒀어요.
| 100만 토큰당 | 표준 (muse-spark-1.2) | 컨트리뷰터 (muse-spark-1.2-contributor) |
|---|---|---|
| 캐시된 입력 | $0.15 | $0.002 |
| 입력 | $1.25 | $0.10 |
| 출력 | $4.25 | $0.20 |
입력이 12.5배, 출력이 21.25배, 캐시된 입력은 75배 싸요. 에이전트 코딩은 같은 코드베이스를 계속 다시 읽으면서 답을 길게 뱉는 작업이라, 하필 제일 크게 깎인 두 항목을 제일 많이 써요. 워크로드가 에이전트를 닮을수록 할인 폭이 커지는 구조예요.
그럼 12배 싼 쪽은 무슨 값을 덜 받고 파는 걸까요. 성능이 아니에요. 모델은 같아요.
값을 코드로 내는 거였어요
컨트리뷰터 등급의 조건은 이거예요. 여러분이 보낸 프롬프트와 모델이 낸 답을 메타가 다음 모델 학습에 써도 된다는 동의.
메타 가격표에는 두 줄이 이렇게 이름 붙어 있어요. 표준은 "제품 개선에 사용하지 않음", 컨트리뷰터는 "제품 개선에 사용함". 에두르지 않고 그냥 그렇게 적혀 있어요.
이게 왜 낯설었냐면, 지금까지 모델 값을 깎는 방법은 대체로 덜 좋은 걸 사는 것이었거든요. 작은 모델을 쓰거나, 응답을 짧게 하거나, 캐시를 잘 쓰거나. 그런데 여기서는 성능을 하나도 안 내려놓고 값이 12배 내려가요. 대신 결제 수단이 달라져요. 달러 대신 여러분이 짜고 있는 코드로 내는 거예요.
싸게 만든 쪽에 붙은 제약이 하나 더 있어요. 속도예요. 컨트리뷰터는 분당 요청 60건인데 표준은 3,000건이에요. 토큰은 분당 210만 대 400만이라 차이가 덜하고요. 그러니까 실제로 먼저 걸리는 건 토큰이 아니라 요청 수예요. 에이전트는 도구를 잘게 여러 번 부르는 습성이 있어서 요청이 금방 쌓이거든요. 아까 그 GPU 커널 사례가 도구 호출 1,000번이었죠. 분당 60건이면 그 자체로 벽이에요.
그리고 컨트리뷰터 SKU는 직접 계약으로만 열려요. OpenRouter 같은 중개 서비스에는 안 올라와 있어서, 쓰려면 메타와 직접 관계를 트야 해요. 값이 싼 만큼 다른 데로 갈아타기는 어려워지는 셈이에요.
그 동의, 제가 해줄 수 있는 건가요
여기가 이 글에서 제일 하고 싶었던 이야기예요.
할인이 매력적이냐를 먼저 따지게 되는데, 순서가 반대예요. 먼저 물어야 할 건 **"내가 그 허락을 해줄 권리를 가지고 있나"**예요.
- 고객사 코드를 만지는 중이라면 — 비밀유지 조항이 걸린 코드에 학습 허락을 내주는 건, 애초에 제 권한이 아니에요.
- 의료·금융·법률처럼 규제가 붙은 데이터라면 — 업권 의무가 먼저라 할인 계산을 할 자리가 아니에요.
- 회사의 핵심 자산이 코드 자체인 제품이라면 — 아낀 돈과 내준 것의 크기가 아예 다른 단위예요.
반대로 사이드 프로젝트, 오픈소스, 공개해도 아무렇지 않은 코드라면 이건 꽤 좋은 거래예요. 어차피 깃허브에 공개로 올려 둘 코드인데 12배 싸게 도구를 쓸 수 있다면 마다할 이유가 없죠. 그래서 이 등급 이름이 "컨트리뷰터"인 거고요. 값을 깎아주는 대신 여러분을 학습 데이터 기여자로 부르는 거예요.
정리하면
- 8월 5일, 메타가 터미널 코딩 에이전트 뮤즈 코드와 모델 뮤즈 스파크 1.2를 냈어요. 백그라운드 에이전트를 세션 내내 살려 두고, 모든 사건을 덧붙이기만 하는 로그에 적어 재시작을 견뎌요.
- 벤치마크는 자기 표에서 2등, 공통 하네스에서 14등이에요. 어떤 조건에서 잰 숫자인지를 먼저 보세요.
- 진짜 새로운 건 같은 모델을 두 값에 파는 가격표예요. 싼 쪽은 성능이 아니라 결제 수단이 달라요.
- 그 결제 수단이 여러분의 코드라서, 계산기보다 권리 확인이 먼저예요.
모델이 빨라지고 싸지는 이야기는 이제 거의 매주 오는데, 값을 무엇으로 받을지가 바뀌는 건 조금 다른 종류의 소식 같아요. 앞으로 다른 회사들도 이 줄을 가격표에 하나씩 더할지, 그건 좀 지켜봐야 알겠어요.
출처: 발표 내용·아키텍처·GPU 커널 사례는 Meta AI Research 블로그 「Introducing Muse Code and Muse Spark 1.2」(2026-08-05). 벤치마크 표와 등급별 가격·레이트 리밋은 AiCybr, Digital Applied, MarkTechPost, Developers Digest 의 2026년 8월 정리 기사. 공통 하네스(Terminus 2) 순위와 비용 가중 지수 순위는 Vals AI 리더보드 기준.
