메타 Muse Spark Open 공개: 사양, 라이선스, 맥 스튜디오 실행법
메타가 2026년 10월 15일 Muse Spark Open을 공개했습니다. 전체 파라미터 8,160억 개 가운데 토큰마다 420억 개만 쓰는 전문가 혼합(MoE) 모델이고 컨텍스트 창은 100만 토큰이며 가중치는 허깅페이스에서 내려받을 수 있습니다. 메타의 주력 모델인 Muse Spark 계열이 공개된 건 이번이 처음이고 애플은 같은 날 맥 스튜디오 2대로 이 모델을 돌리는 방법까지 내놨습니다. 다만 메타가 직접 낸 수치로도 코딩 성능은 중국 오픈 모델에 뒤지고 라이선스에는 호스팅 사업자를 겨냥한 매출 조항이 붙어 있습니다.
핵심 요약
- Muse Spark Open은 텍스트·이미지·영상·음성을 입력받아 텍스트로 답하는 멀티모달 추론 모델입니다. 전문가 256개 중 토큰마다 8개를 골라 씁니다.
- 메타 모델 카드 기준 Artificial Analysis 지능 지수는 39로, GLM 5.3(45), Kimi K3(44), Qwen3.8(40)보다 낮습니다. 도구 호출(MCP-Atlas 89.2)과 메타가 공개한 안전성 테스트에서는 앞섭니다.
- 서버에서 NVFP4 가중치를 올리려면 GPU 메모리가 최소 700GB 필요합니다. 애플은 M5 Ultra 맥 스튜디오 2대에서 초당 약 25토큰, 4대에서 약 37토큰을 측정했습니다.
- Muse Model License는 대부분의 개발자에게 무료입니다. 다만 매출 2,000만 달러가 넘는 회사가 모델을 호스팅 서비스로 제공하려면 메타와 별도 계약을 맺어야 합니다.
- 오픈라우터 가격은 입력 100만 토큰당 1.25달러, 출력 100만 토큰당 4.25달러입니다.
메타가 공개한 것
Muse Spark Open은 메타 슈퍼인텔리전스 랩스(MSL)에서 나왔습니다. 마크 저커버그가 2025년 6월 만든 조직으로, 스케일AI 창업자 알렉산더 왕이 최고AI책임자를 맡고 있습니다. MSL의 첫 모델 Muse Spark는 2026년 4월 8일 메타 AI 비서에 들어가는 비공개 모델로 나왔습니다. 개방형이던 라마(Llama) 노선과는 정반대 선택이었습니다. 왕은 5월에 Muse Spark가 안전성 점검에 걸려 "오픈소스로 내기에 적합하지 않다"고 말했다고 Implicator가 전했습니다.
그로부터 반년 만에 메타는 가중치를 풀었습니다. 파이토치 블로그에 따르면 Muse Spark Open은 Muse Spark 1.3과 같은 베이스 모델에서 출발했고 별도 시스템 가드레일 없이 단독으로 써도 버티도록 안전성 후속 학습을 더 거쳤습니다. 메타는 연구 블로그에서 이 모델을 "현재까지 가장 뛰어난 미국산 오픈 웨이트 모델"이라고 소개했습니다. '미국산'이라는 단서가 붙은 데는 이유가 있습니다. 메타 자체 벤치마크에서도 여러 항목에서 중국 오픈 모델 점수가 더 높습니다.
메타가 가진 최고 모델도 아닙니다. 왕은 출시 당시 "우리가 개발하거나 공개한 모델 중 가장 뛰어난 모델은 아니다"라고 말했다고 Implicator가 보도했습니다. 더 최신인 Muse Wonder 모델들은 여전히 비공개입니다.
Muse Spark Open 사양과 구조
허깅페이스 모델 카드에는 발표 글보다 자세한 정보가 실려 있습니다.
| 항목 | Muse Spark Open |
|---|---|
| 전체 / 활성 파라미터 | 816B / 42B |
| 구조 | MoE 트랜스포머 + 1.8B 규모 Perception Encoder |
| 전문가 수 | 256개, 토큰당 8개 활성 |
| 레이어 | 62개 |
| 어텐션 | GQA(쿼리 헤드 128, KV 헤드 16), 게이티드 어텐션, QK-norm |
| 컨텍스트 창 | 추론 시 100만 토큰 |
| 입출력 | 텍스트·이미지·영상·음성 입력, 텍스트 출력 |
| 언어 | 100개 이상 언어 데이터로 학습 |
| 공개 가중치 | BF16, NVFP4 |
| 추론 강도 | low, medium, high, xhigh(기본값 xhigh) |
전문가 혼합(MoE)은 모델을 작은 '전문가' 하위 네트워크 여러 개로 나누고 라우터가 토큰마다 그중 몇 개에만 일을 맡기는 방식입니다. Muse Spark Open의 파라미터는 8,160억 개지만 토큰 하나를 처리할 때는 약 420억 개만 씁니다. 계산량은 42B 모델 수준인데 메모리에는 816B 전부를 올려야 하니, 직접 돌리려면 하드웨어가 많이 듭니다.
메타는 이 모델을 에이전트 코딩용으로 학습시켰다고 밝혔습니다. 여러 파일에 걸친 리팩터링, 디버깅, 오래 걸리는 작업이 학습 대상이었습니다. 파이토치 블로그는 웹 브라우징, 하위 에이전트 생성과 조율, 데스크톱·모바일·브라우저를 아우르는 컴퓨터 사용도 할 수 있다고 덧붙였습니다. 행동하기 전에는 무엇을 하려는지 따로 설명을 남깁니다. 메타가 권장하는 설정은 temperature 1.0, top_p 1.0이고 코딩과 에이전트 작업에는 high나 xhigh 추론 강도를 쓰라고 합니다.
벤치마크로 본 강점과 약점
메타 모델 카드를 보면 Muse Spark Open은 도구 사용과 안전성에서 다른 오픈 웨이트 모델을 앞서지만 코딩은 Kimi K3와 GLM 5.3에 밀립니다. 수치는 모두 xhigh 설정에서 측정한 값이고, 테크크런치도 지적했듯 출시 시점에 외부에서 재현된 결과는 없습니다.
| 벤치마크 | Muse Spark Open | Qwen3.8 | GLM 5.3 | Kimi K3 | Nemotron 3 Ultra |
|---|---|---|---|---|---|
| AA 지능 지수 | 39 | 40 | 45 | 44 | 23 |
| Terminal-Bench 2.1 | 76.4 | 82.0 | 83.9 | 85.0 | 53.9 |
| DeepSWE 1.1 | 60 | 57 | 67 | 68 | 없음 |
| MCP-Atlas(도구 사용) | 89.2 | 84.5 | 84.2 | 82.3 | 63.1 |
| JobBench | 61.8 | 52.7 | 61.4 | 54.3 | 27.2 |
| HLE(도구 사용) | 61.0 | 56.2 | 62.5 | 56.0 | 37.4 |
| GPQA Diamond | 89.0 | 93.5 | 91.7 | 93.5 | 86.7 |
| StrongREJECT v2(낮을수록 안전) | 0.5 | 65.6 | 62.9 | 66.6 | 80.7 |
터미널·소프트웨어 엔지니어링 테스트에서는 Kimi K3와 GLM 5.3보다 79점 낮습니다. 반대로 도구 호출(MCP-Atlas), JobBench, 도구 없이 푸는 HLE-Diamond(26.1, Kimi K3는 22.2)에서는 앞섭니다. 안전성에서 차이가 가장 큽니다. 적응형 탈옥 테스트인 StrongREJECT v2에서 메타가 밝힌 Muse Spark Open 점수는 0.5이고 표의 다른 오픈 모델은 62.980.7입니다.
비공개 모델인 Muse Spark 1.3도 같은 베이스 모델을 쓰고 왕은 오픈 버전이 메타의 최상위 모델이 아니라고 말했습니다. 지금 가장 센 오픈 코딩 모델이 필요하다면 메타가 낸 표만 봐도 Kimi K3나 GLM 5.3 쪽입니다. Muse Spark Open의 강점은 도구 사용, 안전성 튜닝, 그리고 라이선스 주체가 미국 기업이라는 점입니다. 엔비디아 Nemotron 3 발표를 기억한다면, 표에서 Muse Spark Open과 격차가 가장 큰 모델이 Nemotron 3 Ultra라는 점도 눈여겨볼 만합니다.
서버·API·맥 스튜디오로 Muse Spark Open 실행하기
하드웨어 요구 사항
모델 카드 기준으로 NVFP4 가중치에는 VRAM 700GB 이상, BF16에는 2TB 이상이 필요합니다. 사실상 멀티 GPU 서버 노드가 있어야 한다는 뜻입니다. 메타는 SGLang, vLLM, TensorRT-LLM, 허깅페이스 Transformers, 애플 MLX, llama.cpp, Unsloth에서 최적화를 지원하고 엔비디아·AMD·인텔·애플 하드웨어를 대상으로 한다고 밝혔습니다.
파이토치 팀은 자체 커널 언어 Helion으로 RoPE, RMSNorm 같은 연산 커널을 만들어 함께 내놨습니다. 파이토치 팀에 따르면 엔비디아 GB300에서 커널 단위로 1.03~3.95배 빨라졌고 AMD MI350에서는 전체 처리량이 3% 늘었습니다. TorchTitan으로 지도 미세조정, LoRA, 강화학습도 할 수 있습니다.
맥 스튜디오로 돌리기
이번 발표에서 가장 화제가 된 대목은 애플 쪽에서 나왔습니다. 애플 머신러닝 리서치 글은 M5 Ultra 맥 스튜디오 여러 대를 연결해 Muse Spark Open을 돌리는 과정을 보여 줍니다. 한 대에 통합 메모리를 최대 512GB까지 넣을 수 있고 대역폭은 초당 1.2TB입니다. NVFP4 모델 크기가 약 493GB라서 여러 대에 나눠 올려야 합니다.
열쇠는 네트워크입니다. macOS 26.2에 썬더볼트 5 기반 저지연 RDMA 드라이버가 들어갔고 MLX v0.30.1 이상은 jaccl 백엔드로 이를 활용합니다. 애플은 두 가지 병렬화 방식을 시험했습니다.
| 구성(M5 Ultra 맥 스튜디오) | 디코딩 속도 | 첫 토큰까지 걸린 시간 |
|---|---|---|
| 2대, 파이프라인 병렬 | 초당 15.74토큰 | 8.4초 |
| 2대, 텐서 병렬 | 초당 24.99토큰 | 8.2초 |
| 4대, 텐서 병렬 | 초당 36.73토큰 | 4.8초 |
파이프라인 병렬은 모델을 레이어 단위로 나누고 텐서 병렬은 레이어 하나를 여러 기기에 쪼개 올립니다. 텐서 병렬이 더 빠르지만 지연이 낮은 연결이 필요해서 애플은 기기 두 대마다 썬더볼트 케이블 두 개를 연결했습니다. 애플 연구실에서 짧은 문장을 생성한 테스트였고 긴 에이전트 세션을 돌린 결과는 아닙니다.
애플 글에 나온 로컬 서버 실행 명령은 다음과 같습니다.
mlx.launch --hostfile hostfile.json --backend jaccl --env MLX_METAL_FAST_SYNCH=1 -- \
mlx_lm.server --model meta-models/Muse-Spark-Open-816B-A42B-NVFP4 --port 8080
이렇게 하면 http://127.0.0.1:8080/v1에 OpenAI 호환 엔드포인트가 열리고 애플은 여기에 OpenCode 에이전트를 붙여 로컬 코딩에 썼습니다.
Implicator에 따르면 애플의 2대 구성에 필요한 512GB 맥 스튜디오는 출시 시점에 미국 애플 스토어에서 아직 '출시 예정'으로 표시돼 있었습니다. 메타가 말한 "데스크톱에서 돌아간다"는 말은 맞지만 대부분의 개발자에게는 없는 데스크톱이 필요합니다.
호스팅 API
대부분은 API로 쓰게 될 겁니다. 메타가 밝힌 출시 파트너는 Baseten, Fireworks AI, Groq, Modal, Nebius, 오픈라우터, Together AI입니다. 가중치는 아마존 SageMaker AI, 구글 클라우드 Model Garden, 마이크로소프트 Foundry Models에서도 받을 수 있습니다. 오픈라우터 가격은 입력 100만 토큰당 1.25달러, 출력 100만 토큰당 4.25달러이고 컨텍스트는 1,048,576토큰입니다.
Muse Model License에서 되는 것과 안 되는 것
Muse Spark Open은 Apache 2.0이나 MIT 라이선스가 아니라 Muse Model License로 배포됩니다. 모델 카드에 적힌 주요 조건은 다음과 같습니다.
- 미세조정, 파생 모델 제작, 증류가 허용되고 메타는 출력물에 대한 소유권을 주장하지 않습니다.
- 제품과 문서에 "Built with Muse Spark Open"을 눈에 띄게 표시해야 합니다.
- 회사와 계열사가 이 모델을 제3자에게 호스팅 서비스로 제공하면서 12개월 연속 총매출 2,000만 달러를 넘기면, 서비스를 시작하기 전에 메타에 알리고 별도 계약을 맺어야 합니다. 사내 사용, 연구, 자사 제품 기능에 넣는 경우는 해당하지 않습니다.
- 사용자 수 상한은 없습니다. 라마의 커뮤니티 라이선스는 월간 활성 사용자 7억 명을 넘으면 별도 라이선스를 요구했는데, Muse 라이선스는 이 기준 대신 매출 기준을 씁니다.
- 허용 사용 정책은 악성코드, 무기, 사칭 등을 금지하고 18세 미만 이용자를 대상으로 하지 않습니다.
모델 위에 제품을 만드는 스타트업이라면 무리 없는 조건입니다. 반면 접근 권한을 되파는 클라우드·추론 사업자라면 2,000만 달러 조항을 법무팀과 함께 읽어 봐야 합니다. 참고로 메타가 8월에 낸 소형 모델 Muse Glimmer(30B)는 일반 Apache 2.0 라이선스입니다.
개발자에게 주는 의미
Muse Spark Open으로 개발자는 100만 토큰 컨텍스트, 음성·영상 입력, 강한 도구 호출 능력을 갖춘 대형 미국산 오픈 웨이트 모델을 손에 넣었습니다. 데이터 통제 때문에 직접 호스팅해야 하는 팀이나 모델 출처를 따지는 조달 규정이 있는 조직에는 메타가 다시 쓸 만한 선택지를 내놓은 셈입니다.
다만 메타 수치로도 코딩은 중국 모델이 앞서고 직접 돌리려면 서버급 메모리나 최고 사양 맥 여러 대가 필요합니다. 대부분의 팀에는 지금 쓰는 모델과 API로 나란히 놓고 자기 업무로 시험해 보는 방법이 현실적입니다. 미스트랄의 코딩 모델과 비교해 보고 싶다면 Devstral 2와 Vibe CLI 글도 참고할 만합니다.
자주 묻는 질문
Muse Spark Open은 상업적으로 무료로 쓸 수 있나요?
대부분은 그렇습니다. Muse Model License는 "Built with Muse Spark Open" 표기를 조건으로 상업적 사용, 미세조정, 증류를 허용합니다. 예외는 매출 2,000만 달러가 넘는 회사가 이 모델을 다른 곳에 호스팅 서비스로 제공하는 경우로, 이때는 먼저 메타와 별도 계약을 맺어야 합니다.
Muse Spark Open을 돌리려면 메모리가 얼마나 필요한가요?
모델 카드 기준으로 NVFP4 가중치는 GPU 메모리 700GB 이상, BF16은 2TB 이상이 필요합니다. 애플은 MLX에서 NVFP4 모델 크기를 약 493GB로 측정했고 썬더볼트 5로 연결한 M5 Ultra 맥 스튜디오 2대와 4대에서 실행했습니다.
Kimi K3나 GLM 5.3보다 성능이 좋나요?
메타 모델 카드 기준으로 코딩은 아닙니다. Terminal-Bench 2.1 점수는 76.4로 Kimi K3(85.0), GLM 5.3(83.9)보다 낮고 Artificial Analysis 지능 지수도 39로 44, 45에 못 미칩니다. 도구 사용(MCP-Atlas 89.2)과 메타가 공개한 탈옥 저항 테스트에서는 앞섭니다.
Muse Spark와 Muse Spark Open은 무엇이 다른가요?
Muse Spark는 2026년 4월 처음 나온 메타의 비공개 모델입니다. 파이토치 팀에 따르면 Muse Spark Open은 Muse Spark 1.3과 같은 베이스 모델을 쓰되, 메타의 시스템 가드레일 없이도 돌릴 수 있도록 안전성 후속 학습을 추가로 거쳤습니다.
Muse Spark Open은 어디서 받을 수 있나요?
허깅페이스의 meta-models/Muse-Spark-Open-816B-A42B 저장소와 아마존 SageMaker AI, 구글 클라우드 Model Garden, 마이크로소프트 Foundry Models에서 받을 수 있습니다. API로는 오픈라우터, Together AI, Fireworks AI, Groq, Baseten, Modal, Nebius에서 쓸 수 있습니다.
출처
- Meta Research: Introducing Muse Spark Open
- Hugging Face: Muse-Spark-Open-816B-A42B 모델 카드
- PyTorch 블로그: Muse Spark Is Now an Open-Weights Model
- Apple Machine Learning Research: MLX 분산 추론
- TechCrunch: Meta launches an open-weight AI model that runs on Macs
- Implicator: Muse Spark Open trails Chinese rivals at coding
- OpenRouter: Muse Spark Open
- Wikipedia: Meta Superintelligence Labs
- Meta Llama 3 Community License