메타 Muse Spark Open 공개: 미국 최강 오픈웨이트 AI 모델, 데스크톱에서 구동

2026년 10월 15일, 메타가 미국 연구소가 내놓은 오픈웨이트 모델 중 가장 강력한 것으로 평가하는 Muse Spark Open을 공개했다. 총 파라미터 816B, 활성 파라미터 42B의 Mixture-of-Experts 구조에 1백만 토큰 컨텍스트를 지원하며, 텍스트·이미지·비디오·오디오 입력을 받아 텍스트를 출력하는 네이티브 멀티모달 모델이다. 특히 두 대의 Apple M5 Ultra Mac Studio에서 로컬 구동이 가능하도록 최적화됐다는 점이 눈에 띈다.

메타 Muse Spark Open은 어떤 모델인가

Muse Spark Open은 메타 Superintelligence Labs가 8월에 공개한 Muse Spark 계열을 기반으로 한 오픈웨이트 버전이다. 공식 블로그에 따르면 “미국 오픈웨이트 모델 중 가장 능력 있는” 모델로 소개되며, 코딩과 에이전트 워크플로에 맞춰 설계됐다. 긴 수평 작업, 복잡한 소프트웨어 엔지니어링, 다단계 추론에서 강점을 보인다고 메타는 설명했다.

아키텍처는 Sparse Mixture-of-Experts Transformer에 Perception Encoder를 결합한 형태다. 전체 파라미터는 816B에 달하지만, 토큰당 실제로 활성화되는 파라미터는 약 42B에 불과하다. 이 구조 덕분에 대규모 모델의 표현력을 유지하면서도 추론 비용을 줄일 수 있다. 입력 모달리티는 텍스트, 이미지, 비디오, 오디오를 지원하고 출력은 텍스트다.

Muse Spark Open은 총 816B 파라미터 중 일부만 활성화하는 MoE 구조로, 멀티모달 입력을 처리한다.

데스크톱에서 구동 가능한 이유와 하드웨어 요구사항

가장 주목할 점은 “데스크톱에서 최초로 이 클래스의 모델”을 돌릴 수 있다는 메타의 주장이다. Apple의 MLX 프레임워크를 활용해 두 대의 M5 Ultra Mac Studio를 연결하면 통합 메모리 1TB 규모로 모델을 로드할 수 있다. 각 M5 Ultra는 최대 512GB 통합 메모리를 지원하며, 메모리 대역폭이 칩당 1.2TB/s에 달한다. 두 대를 하나로 묶어 쓰는 구성에서 에이전트 워크플로를 온디바이스로 테스트했다고 메타는 밝혔다.

다만 누구나 쉽게 돌릴 수 있는 수준은 아니다. BF16 체크포인트는 약 1.65TB 규모로 8장 이상의 고성능 GPU가 필요하고, NVFP4 양자화 버전은 약 537GB로 줄어들지만 여전히 고사양 장비가 요구된다. Mac Studio 두 대 구성은 Apple Silicon 사용자에게 현실적인 선택지이지만, 512GB 메모리 옵션은 2026년 10월 말에야 본격적으로 출하되는 상황이었다. 실제 로컬 구동을 원한다면 메모리 용량과 MLX 지원 여부를 먼저 확인해야 한다.

두 대의 Mac Studio를 연결해 프라이버시를 유지하면서 대형 모델을 로컬에서 돌리는 개념.

어디에 쓸 수 있고, 누구에게 필요한가

메타는 Muse Spark Open을 코딩 에이전트, 긴 저장소 이해, 멀티스텝 엔지니어링 작업에 특화됐다고 강조한다. 실제 시연으로 오픈소스 Mastodon 클라이언트 Ice Cubes의 버그 수정과 기능 추가, DaVinci Resolve에서 영상 프레임 단위 검토 후 수직 크롭까지 수행한 사례를 들었다. 멀티모달 입력이 가능하므로 스크린샷이나 영상 클립을 보고 코드를 생성하거나 수정하는 워크플로에도 유리하다.

필요한 사람

• 자체 인프라에서 코딩 에이전트를 돌리고 싶은 개발팀
• 데이터 외부 유출을 최소화하고 로컬 추론을 원하는 기업·연구자
• 1M 컨텍스트로 대규모 코드베이스나 문서를 한 번에 다루는 작업자
• 오픈웨이트 모델을 파인튜닝하거나 커스텀하려는 PyTorch 사용자

굳이 필요 없는 경우

• 단순한 챗봇이나 일반 질의응답만 하는 개인 사용자 (API로 충분한 소형 모델이 많다)
• 고사양 하드웨어를 갖추지 않은 경우 (호스티드 API를 쓰는 편이 낫다)
• 완전한 상업적 자유도가 필요한 경우 (라이선스 제한 확인 필요)

벤치마크와 실제 성능 위치

메타가 공개한 평가에서 Muse Spark Open은 JobBench와 MCP-Atlas 같은 에이전트 관련 지표에서 일부 경쟁 오픈 모델보다 앞섰다. 그러나 Terminal-Bench나 DeepSWE 같은 다른 코딩 벤치마크에서는 GLM 5.3, Kimi K3, Qwen 계열에 뒤처지는 결과도 보였다. Artificial Analysis Intelligence Index 등 종합 지표에서도 최상위권은 아니었다. “미국 최강 오픈웨이트”라는 표현은 미국 연구소 출신이라는 조건이 붙은 마케팅 문구에 가깝고, 전체 오픈 모델 중에서 압도적인 1위는 아니라는 점을 염두에 둬야 한다.

추가 안전 후훈련을 거쳐 시스템 가드레일 없이도 오남용에 더 강건하게 만들었다고 메타는 설명했다. Superintelligence Scaling Framework에 따른 위험 평가를 통과했다고 하지만, 상세 평가 보고서는 이후 공개 예정이다. 오픈웨이트 모델인 만큼 배포 후 악용 가능성은 항상 존재한다.

에이전트 관련 지표에서 강점을 보이지만 모든 벤치마크에서 앞서는 것은 아니다.

라이선스, 접근 방법, 주의할 점

가중치는 Muse Model License로 공개됐다. 많은 개발자가 무료로 사용할 수 있도록 허용하지만, 상업적 사용에는 제한이 있다. Hugging Face에서 다운로드하려면 실명, 생년월일, 소속 조직 등 신원 확인이 필요하다. 호스티드 추론은 Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI 등에서 바로 쓸 수 있다. 클라우드 카탈로그로는 Amazon SageMaker, Google Cloud Model Garden, Microsoft Foundry에서도 제공된다.

추론 엔진은 SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp, Unsloth를 지원하며 AMD·Apple·Intel·NVIDIA 실리콘에 최적화가 되어 있다. PyTorch의 TorchTitan으로 파인튜닝도 가능하다.

사용 전 확인할 사항:

1. 라이선스의 상업적 제한과 Usage Policy를 읽는다.
2. 로컬 구동이라면 실제 메모리 요구량과 양자화 옵션을 계산한다.
3. 벤치마크는 에이전트·코딩 특화 지표를 중심으로 보고, 일반 대화 성능은 별도 확인한다.
4. 데이터 프라이버시가 중요하면 호스티드 API보다 자체 호스팅을 고려한다.

기존 모델과 무엇이 달라지나

이전 Muse Spark(폐쇄형) 대비 오픈웨이트로 나와 개발자가 직접 수정·배포할 수 있게 됐다. 메타는 추가 안전 후훈련을 적용해 독립 실행 시 오남용 위험을 낮췄다고 했다. 1M 컨텍스트와 멀티모달 입력은 긴 코드베이스나 시각 자료를 함께 다루는 에이전트 작업에서 차별점이다. 다만 완전 오픈소스(Apache 등)는 아니며, 미국 연구소 모델이라는 지정학적 맥락도 있다. 중국 계열 대형 오픈 모델과 성능·비용 경쟁이 계속되는 상황에서, 로컬 구동 가능성과 Apple Silicon 최적화가 선택 기준이 될 수 있다.

지금 당장 도입을 검토한다면, 먼저 호스티드 API로 코딩·에이전트 태스크를 테스트해 보고, 데이터 규제나 비용 측면에서 자체 호스팅이 유리한지 판단하는 순서가 현실적이다. 512GB Mac Studio 옵션이 안정화되는 시점도 함께 지켜볼 필요가 있다.

주요 출처
· Meta AI Research 공식 블로그 (2026-10-15): https://research.meta.ai/blog/muse-spark-open
· Hugging Face 모델 카드: https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B
· PyTorch 블로그: Muse Spark Is Now an Open-Weights Model