GPT-Rosalind vs Muse Wonder: 생물학 실험실에서 100만 컨텍스트가 주는 것

Muse Wonder와 GPT-Rosalind는 이번 비교에서 서류상으로는 가장 가깝고 목적 면에서는 가장 멀리 떨어진 두 모델입니다. Meta Superintelligence Labs는 2026년 10월 12일 Muse Wonder를 백만 입력 토큰당 4.00달러, 백만 출력 토큰당 20.00달러에 공개했으며, 100만 토큰 컨텍스트와 Artificial Analysis Index 56을 갖췄습니다. 이는 OpenAI가 2026년 4월 16일부터 5.00달러와 25.00달러에 판매해 온 GPT-Rosalind와 같은 가격대이자 같은 컨텍스트 크기입니다. 5달러와 5달러의 차이가 흥미로운 부분은 아닙니다. 흥미로운 부분은 이 두 모델 중 하나는 당신이 던지는 어떤 질문에도 답하지만 다른 하나는 검토를 통과한 조직의 질문에만 답한다는 점, 그리고 둘 중 생물학 연구실이 실제로 하는 일에 맞춰 조정된 것은 두 번째 모델뿐이라는 점입니다. 게이트가 걸린 공개가 열리거나 점수가 수정되면, 그 변경 사항은 날짜와 출처와 함께 AI Incident Archive에 기록되며, 우리가 추적하는 다른 모델 및 공급업체 사건들 옆에 나란히 놓입니다.

같은 컨텍스트 윈도우, 그것을 갖는 이유는 다릅니다

두 모델 모두 백만 토큰을 처리하지만, 이는 공유된 역량이라기보다 서로 무관한 두 가지 설계 결정이 우연히 겹친 결과라는 점을 이해할 필요가 있습니다.

Meta의 이유는 폭넓은 범위에 있다. Muse Wonder는 텍스트, 이미지, 음성, 영상을 입력받아 텍스트를 반환하며, Meta가 개인 및 전문 에이전트 작업이라고 부르는 것을 위해 만들어졌다. 자매 제품인 Muse Wonder Full은 Muse Code 구독 안에 갇혀 있다. Power Usage 요금제는 월 50달러, Maximum Usage는 200달러로, 이는 API 등급이라기보다 제품 결정에 가깝다. 백만 토큰은 하나의 에이전트 세션이 화면 녹화, 문서, 대화 기록, 도구 기록을 동시에 담아야 할 때 필요한 것이다.

OpenAI의 이유는 깊이에 있다. GPT-Rosalind는 100만 토큰을 담을 수 있어, 한 연구실이 참조 아틀라스 전체와 프로토콜 라이브러리, 데이터셋 설명을 한 번에 넣을 수 있다. 이 모델의 도구 표면은 50개가 넘는 도구를 갖춘 생명과학 플러그인이며, 공개된 벤치마크는 화학과 유전체학이고, 게이트가 존재하는 이유는 이 모델이 생물학에서 게이트가 필요할 만큼 충분히 뛰어나다고 평가받기 때문이다.

• 컨텍스트 창 — Muse Wonder 1,000,000 토큰 대 GPT-Rosalind 1,000,000 토큰. 진정한 무승부.

• 입력 모달리티 — Muse Wonder: 텍스트, 이미지, 음성 및 비디오. GPT-Rosalind: ChatGPT, Codex 및 API를 통한 텍스트 및 과학적 파일 입력; 일반적인 이미지 입력에 대한 주장은 공개되지 않음.

• 출력 — 텍스트만, 둘 다.

• 가격 — Muse Wonder는 100만 토큰당 입력 $4.00 / 캐시 $0.20 / 출력 $20.00인 반면 GPT-Rosalind는 $5.00 / $0.50 / $25.00입니다. 이 전문 모델은 모든 항목에서 25% 더 비싸고 캐시 읽기에서는 2.5배 더 비쌉니다.

• 액세스 — Muse Wonder는 현재 muse-wonder-1.0(으)로 Meta Model API와 Muse Code 내에서 호출할 수 있습니다. GPT-Rosalind는 신뢰 액세스 검토가 필요합니다.

• 독립 점수 — Artificial Analysis Index에서 Muse Wonder 56, v4.3.2. GPT-Rosalind: 해당 보드에서는 추적되지 않음.

마지막 쌍이 핵심이다. 조달팀이 과학적 실험 없이 측정할 수 있는 모든 축에서 Muse Wonder가 이긴다. 더 저렴하고, 별도 신청 없이 이용할 수 있으며, 더 많은 입력 유형을 지원하고, 독립적인 점수도 제공한다. GPT-Rosalind가 이기는 유일한 축은 어떤 리더보드도 측정하지 않는 축이며, 바로 이 글에서 다루는 축이다.

비교할 수 없는 점수, 분명히 말하자면

Muse Wonder의 56과 Rosalind의 27.5%는 같은 대상을 다르게 읽은 두 수치가 아니며, 이 둘을 인접한 열에 배치하는 표는 오해를 불러일으킨다. 56은 열 가지 일반 평가를 아우르는 독립적인 종합 점수다: AA-Briefcase, GDPval-AA, AutomationBench, Terminal-Bench, SciCode, Humanity's Last Exam, GDP.pdf 등. 27.5%는 OpenAI 자체의 의약화학 벤치마크로, GPT-5.5를 상대로 채점되었으며 재현되지 않았다.

• Muse Wonder — Artificial Analysis Index에서 56점; Meta 자체 표에는 Terminal-Bench 4.0-AA 85.6, SWE-Marathon 78.8, OSWorld V2.1 72.6, HealthBench Pro 56.6, DeepSWE 1.1 52.0으로 보고되어 있습니다. Meta의 모든 행은 벤더가 보고한 수치이며, 지수는 독립적인 수치입니다.

• GPT-Rosalind — MedChemBench 27.5% 대 25.1%, GeneBench 21.6% 대 20.4%, LabWorkBench 63.2% 대 55.8%, LifeSciBench에서 토큰당 성능 4.42% 향상. 모두 O​penAI가 보고한 수치이며, 독립적으로 재현된 것은 없습니다.

• 주목할 만한 유일한 겹침 — HealthBench Pro는 임상 지식 벤치마크인데, GPT-Rosalind는 이에 대해 아무것도 공개하지 않았습니다. Meta의 56.6이라는 수치는 Muse Wonder가 교란 실험(perturbation experiment)을 설계할 수 있는지에 대해 아무것도 말해주지 않습니다.

이 두 모델이 모두 평가를 받은 공개 생물학 벤치마크는 존재하지 않습니다. 그 부재야말로 이 비교에서 가장 중요한 사실이며, 어느 벤더도 이를 해결해 주지 않을 것입니다.

Muse Wonder Full이 가격 비교에 미치는 영향

메타는 10월 12일 두 개의 체크포인트를 출시했는데, 이 분할로 인해 'Muse Wonder'의 의미는 어느 문으로 들어오느냐에 따라 달라지게 되었다.

• Muse Wonder — muse-wonder-1.0, Meta Model API 및 Muse Code에서 $4.00 / $0.20 / $20.00.

• Muse Wonder Full — Meta가 Muse Code 구독자에게만 제공된다고 밝힌, 더 높은 점수를 받은 별도의 체크포인트입니다. API 모델에 붙은 플래그가 아니라, 월 50~200달러짜리 제품 뒤에 있는 다른 모델입니다.

• 격차 — Meta 자체 표에 따르면 JobBench에서 Muse Wonder Full은 75.3, Muse Wonder는 30.8이며, Vals Finance Agent V2에서는 59.1 대 10.0입니다. 같은 연구소의 두 체크포인트가 한 벤치마크에서 44점 차이를 보인다는 것은 실제 역량 차이이거나 평가 하네스의 인공적 산물일 수 있으며, 어느 쪽인지는 제3자만이 판가름할 수 있습니다.

한 연구소 입장에서 실질적인 해석은 API를 통해 구매할 수 있는 모델과 Meta가 최고 성능 수치를 공개하는 모델은 같은 모델이 아니라는 것이다. Full의 점수를 근거로 "Muse Wonder"를 "GPT-Rosalind"와 비교하는 사람은 구독 상품을 API 모델과 비교하는 것이다.

백만 개의 토큰이 실제로 사용되는 곳

컨텍스트가 같다는 점이 이 두 모델이 애초에 비교되는 이유이므로, 연구실이 백만 토큰으로 무엇을 하는지와 범용 에이전트가 그 토큰으로 무엇을 하는지를 구체적으로 짚어볼 만하다.

100만 토큰을 보유한 범용 에이전트는 상태를 보유하는 것이다. 대화, 스크린샷, 도구 출력, 현재 파일이 그것이다. 그 맥락은 작업 공간이다. 100만 토큰을 보유한 생물학 워크플로는 참조 자료를 보유하는 것이다. 아틀라스, 주석 테이블, 프로토콜 코퍼스, 기존 문헌이 그것이다. 그 맥락은 도서관이다.

이것들은 서로 다른 워크로드이며 서로 다른 부분에 부담을 줍니다. 워크스페이스는 빠른 도구 루프와 저렴한 캐시 읽기에 보상을 주고, 라이브러리는 방대한 도메인 텍스트를 시야에 두고 실마리를 잃지 않은 채 그 전반에 걸쳐 추론하는 능력에 보상을 줍니다. Meta는 첫 번째에 최적화되어 있습니다 — Muse Wonder의 Active Memory는 세션 전반에 걸쳐 상태를 유지하고, Active Focus는 긴 작업에서 모델 자체의 주의를 관리하며, 두 기능 모두 에이전트형 사용에서만 의미가 있습니다. O​penAI는 두 번째에 최적화되어 있으며, 그렇기 때문에 공개된 이점들은 모델이 프로토콜과 교란 요인을 동시에 염두에 두어야 하는 작업에서 나타납니다.

• 캐시 경제성 — Muse Wonder는 캐시된 토큰 100만 개당 $0.20인 반면 GPT-Rosalind는 $0.50입니다. 매 턴마다 큰 시스템 프롬프트를 다시 보내는 긴 에이전트 세션에서, 일반 모델은 가장 큰 비중을 차지하는 항목에서 2.5배 더 저렴합니다.

• 세션 설계 — Muse Wonder가 세션 전반에 걸쳐 상태를 지속한다는 점은 애플리케이션 아키텍처를 가장 크게 바꾸는 주장이며, 모델 카드로는 입증할 수 없는 부분이기도 합니다.

• 도메인 텍스트 — 어느 공급업체도 과학 텍스트에 대한 장문맥 검색 벤치마크를 공개하지 않으므로, 이 동점은 여기서 중요한 방향으로는 검증되지 않았습니다.

게이트가 차별화 요소이며, 벤치마크가 아닙니다

다음은 구매 논의를 좌우하는 비대칭성입니다. Muse Wonder는 카드만 있으면 누구에게나 판매됩니다. GPT-Rosalind는 심사를 통과한 조직에만 판매되며, 그 심사가 존재하는 이유는 O​penAI가 이 모델의 생물학 역량을 요청 즉시 이용 가능한 형태로 제공해서는 안 된다고 결론 내렸기 때문입니다. 2026년 9월 11일부터 이 관문은 특정 파트너 명단이 아니라 자격을 갖춘 조직을 대상으로 전 세계에 개방되었으며, 10월 15일부터는 자격을 갖춘 연구소에 최대 12개월 동안 무료 ChatGPT Business 좌석을 최대 30석까지 제공하고 API 접근은 명시적으로 제외하는 학술 경로도 마련되었습니다.

그것에 대한 두 가지 해석이 가능하고, 둘 다 방어 가능하다. 냉소적인 해석: 게이트는 정당한 연구자들에게 부과되는 세금으로, 다른 누구도 막지 못한다. 유용한 해석: 모델을 게이트하는 벤더는 자신이 능력이 집중됐다고 생각하는 곳을 알려준 것이고, 일반 모델을 모든 사람에게 판매하는 벤더는 생략을 통해 같은 사실을 알려준 것이다. Meta가 Muse Wonder에 대해 공개한 강점은 에이전트 작업, 코딩, 전문 업무다. 생물학은 그 홍보 문구에 없고, 게이트할 것이 없기 때문에 게이트도 없다.

그래서 결정은 "어느 모델이 더 나은가"가 아닙니다. 그것은 "내 요청이 라이브러리에 속하는가, 워크스페이스에 속하는가"이며, 그런 식으로 질문을 던지면 답은 대개 명백합니다.

페어를 운영하면서, 우리가 어느 절반을 위해 봉사하는지 솔직하게 밝히기

Muse Wonder도 GPT-Rosalind도 OrcaRouter에는 없습니다. Muse Wonder는 Meta 자체 API와 Muse Code 안에서 접근할 수 있고, GPT-Rosalind는 OpenAI의 신뢰 액세스 프로그램을 통해서만 접근할 수 있습니다. 우리는 둘 중 어느 하나를 라우팅한다고 암시하지 않겠습니다.

저희가 그 제품군에서 실제로 제공하는 것은 Muse Spark 라인입니다 — Muse Spark 1.2 및 Muse Spark 1.1은 백만 토큰당 입력 $1.25, 출력 $4.25에 1,048,576토큰 컨텍스트를 갖추고 있으며, 동일한 가격의 업데이트된 체크포인트와 텍스트, 이미지, PDF는 물론 비디오와 오디오까지 포함하는 더 넓은 입력 범위를 제공합니다. Muse Code 구독을 결정하기 전에 Meta 모델이 자사 파이프라인에 적합한지 시험해 보려는 랩에게는 이것이 저렴한 확인 방법입니다. 그 옆에는 하나의 키로 200개 이상의 다른 모델이 공급자 정가로 0% 마크업으로 제공되므로, 공급사의 가격 인하는 발표되는 당일 저희 쪽에도 반영됩니다.

여기서 합리적인 아키텍처는 이런 비교들이 계속해서 귀결되는 바로 그 분할입니다. 워크스페이스 쪽 절반 — 오케스트레이션, 파싱, 과학을 둘러싼 코드, 문서 작업 — 은 오늘 호출할 수 있는 모델에서 실행되며, 자동 장애 조치가 적용되어 공급자에 일시적인 문제가 생겨도 실행이 중단되는 대신 요청이 이동합니다. 라이브러리 쪽 절반은 직접적인 specialist key에 남아 있고, routing DSL의 이름이 지정된 라우트 뒤에서 specialist를 사용할 수 없을 때 조용히 범용 모델로 답하는 대신 분명하게 실패합니다. 모든 요청에 specialist 요율을 지불하지 않고 애매한 결과에 대한 제2의 의견을 원한다면, 패널 전반의 model fusion이 바로 그 메커니즘입니다. 여러 모델이 답하고, 당신이 비교하며, 그 불일치가 신호입니다.

무엇이 그것을 해결할까요?

세 가지입니다. 독립적인 하네스가 Meta의 JobBench와 Vals Finance 스프레드를 다시 실행하면 두 Muse Wonder 체크포인트 사이의 44점 격차가 역량 때문인지 평가 인공물 때문인지 알 수 있을 것입니다. muse-wonder-full API 경로가 있으면 점수가 더 높은 모델을 구독 전용이 아니라 구매 가능하게 만들 것입니다. 그리고 두 모델을 모두 포괄하는 독립적인 생물학 평가가 있다면 이 전체 논쟁을 숫자 하나로 대체할 텐데, 그것이 4월 이후 이 분야에 필요했던 것입니다.

그런 것들이 없다면 규칙은 카드에 적을 수 있을 만큼 간단합니다. 요청이 에이전틱하거나 멀티모달하거나 긴 세션의 일관성 유지에 관한 것이라면, 1M 컨텍스트와 독립 점수 56을 갖춘 Muse Wonder가 $4.00 / $20.00으로 더 나은 선택이며 오늘 바로 시작할 수 있습니다. 요청이 생물학에 관한 것이라면, 여기서 그것에 맞게 튜닝된 유일한 모델은 리뷰 뒤에 있고, 모든 항목에서 25% 더 비싸며, 확인 가능한 어떤 리더보드에도 나타나지 않습니다. 그리고 그 조합이 바로 벤치마크가 따라잡기 전의 전문가 모델이 보이는 모습입니다.