Meta가 매우 큰 멀티모달 모델을 공개했습니다. 2026년 10월 15일 Hugging Face 글에서 소개된 Muse Spark Open은 텍스트, 이미지, 오디오, 비디오를 최대 100만(1 million) 토큰의 단일 컨텍스트로 받아 텍스트로 답합니다. Meta는 이를 지금까지 가장 뛰어난 미국산 오픈 웨이트 모델이라고 내세우며, 코드베이스 읽기, 디버깅, 도구 호출, 여러 파일에 걸친 리팩터링 같은 에이전트 코딩용으로 학습시켰습니다. 직접 들여다보고 호스팅할 수 있는 프런티어급 가중치를 원하는 팀에게는 선택지가 크게 넓어집니다.
아키텍처는 전문가 혼합(MoE)입니다. 약 816B(8,160억) 개 파라미터 가운데 토큰마다 약 42B(420억) 개가 활성화됩니다. 각 전문가 블록에는 전문가 256개가 있고 토큰마다 8개가 작동하며, 전문가가 전체의 약 97%를 차지합니다. 1.8B(18억) 파라미터 비전 인코더가 이미지와 비디오(기본 초당 2프레임 샘플링)를 처리하고, 오디오 인코더는 80밀리초 분량의 소리를 토큰 하나로 바꾸므로 10초 오디오는 125토큰이 됩니다. 추론 강도는 low부터 xhigh까지 설정할 수 있지만 끌 수는 없고 기본값이 xhigh여서, 간단한 작업도 필요 이상으로 토큰을 쓸 수 있습니다.
실제 장벽은 하드웨어입니다. BF16 체크포인트는 약 1.5 TB이며, Transformers 예제는 이를 H200 GPU 8개씩 달린 노드 4대에 나눠 올립니다. 4비트 NVFP4 버전은 B200 노드 한 대에 들어가지만, 100만 토큰 전체 컨텍스트에는 가중치와 별도로 약 266 GB의 키-값 캐시가 필요합니다. 커뮤니티 양자화 버전을 쓰면 512 GB Mac Studio에서도 돌릴 수 있는데, 2비트 버전은 약 304 GB를 쓰고 초당 약 18토큰을 생성합니다. 대부분은 호스팅 업체를 통해 쓰게 될 것입니다. 저희의 Muse Spark Open 리뷰는 OpenRouter 요금을 입력 100만 토큰당 $1.25, 출력 100만 토큰당 $4.25로 적고 있습니다.
같은 주에 Reflection의 Beam(Apache 2.0 라이선스의 501B 코딩 모델)도 나왔고, 두 모 델은 오픈 웨이트 최상위권에서 미국 연구소들이 다시 경쟁하고 있음을 보여 줍니다. Muse Spark Open을 돋보이게 하는 것은 오디오와 비디오의 네이티브 입력으로, 대부분의 오픈 경쟁 모델은 많아야 텍스트와 이미지까지만 다룹니다. 회사의 소비자용 어시스턴트 Meta Muse와도 나란히 놓이며, 이는 따로 리뷰하고 있습니다.
남은 의문도 있습니다. Hugging Face 글에는 벤치마크 점수도 다른 모델과의 비교도 없어서 '가장 뛰어나다'는 주장은 당분간 Meta의 말에 기댈 수밖에 없습니다. 라이선스는 Apache도 MIT도 아니며, 저희 리뷰에 따르면 Muse Model License는 출처 표시를 요구하고 서비스로 제공할 때 $20M의 매출 기준을 둡니다. vLLM은 현재 텍스트와 이미지 입력만 지원합니다. 글의 코드 예제에도 작은 오류가 있어 도구 지원이 아직 자리 잡는 중임을 보여 줍니다. 본격적으로 채택하기 전에 코딩과 멀티모달 작업에 대한 독립 평가를 기다리는 편이 좋습니다.