Muse Wonder, OpenCode에 등장하다: 코딩 에이전트가 30초 첫 토큰을 만나다

Meta Muse Wonder became selectable inside OpenCode on 21 October 2026, nine days after Meta Superintelligence Labs released the model on 12 October. That is the fact worth reporting, and it is a smaller fact than the headline suggests: the model did not launch here, it was added to a coding harness that already had a long list of models. What makes the addition interesting is the collision it sets up. A terminal agent is the least forgiving place to run a model that Artificial Analysis measures at 30.35 seconds to first token, and Muse Wonder is exactly that model — 52 on the independent Intelligence Index, $4.00 per million input tokens and $20.00 per million output, and a first-token wait roughly eight times the board median. Whether a coding agent can absorb that wait is the question this piece is actually about. When a first-token figure like this one changes after a provider ships a fix, the change is logged with its date and sources in the AI Incident Archive, next to the rest of the model and vendor failures we track.

10월 21일에 실제로 무엇이 바뀌었나

OpenCode는 자사 문서에 모델 목록을 게시하며, 이제 Muse Wonder가 muse-wonder-1.0라는 식별자로 그곳에 나타납니다. 가격은 백만 토큰당 입력 $4.00, 출력 $20.00, 캐시 읽기 $0.20이며 — Meta가 게시하는 것과 동일한 요율표이고 할인은 없습니다. 이 항목은 OpenAI 호환 Responses 엔드포인트를 통해 제공되므로, 기존 OpenCode 구성이 여기에 접근하는 데 별도의 맞춤형 클라이언트가 필요하지 않습니다. 필요한 것은 모델 문자열과 키뿐입니다.

솔직하게 덧붙이자면, OpenCode 자체의 변경 로그에는 해당 모델의 이름이 나오지 않는다. 그 주의 최신 항목인 10월 20일의 v2.1.0과 10월 21일의 v2.1.2는 무료 한도 복구, 모델 가시성, SDK 변경 사항을 설명한다. 따라서 이 모델의 제공 여부는 헤드라인 기능으로 발표되기보다 모델 목록에 문서화되어 있으며, 이는 하네스 지원이 적용되는 일반적인 방식이자 독자가 관련 블로그 글을 보기 전에 선택기에서 모델을 볼 수 있는 이유이기도 하다. 우리는 공급업체의 소셜 게시물을 직접 읽을 수 없었다. 결제 장벽이 나타났기 때문이다. 따라서 여기의 날짜는 보도자료가 아니라 목록과 게시물 자체의 타임스탬프에 근거한다.

10월 21일에는 모델 자체에 관해 바뀐 것이 아무것도 없었습니다. 가중치는 공개되지 않았고, 가격도 움직이지 않았으며, 새로운 벤치마크도 등장하지 않았습니다. 유일하게 새로운 것은 접근성입니다. 이전에는 Meta의 API를 직접 연결해야 했던 모델이 이제는 많은 사람이 이미 열어 둔 도구 안에서 한 줄의 설정만으로 사용할 수 있게 되었습니다.

이것이 즐거운지 결정하는 숫자

Artificial Analysis는 모든 모델을 동일한 하네스로 실행하며, 에이전틱 코딩 도구의 경우 종합 점수보다 지연 시간 수치가 더 중요합니다. 최대 추론 설정에서의 Muse Wonder:

• 첫 토큰까지 걸린 시간 — 30.35초, 보드 중앙값 3.96초 대비

• 시작되고 나서의 출력 속도 — 초당 145.1토큰, 측정된 185개 모델 중 26위이며 중앙값 79.2를 크게 웃돎

• Intelligence Index 작업당 비용 — 약 $4.52, 백만 토큰당 혼합 정가 $2.94 대비

• 인덱스 실행에서 소비된 출력 토큰 — 약 1억 3천만 개, 중앙값 8,500만 개 대비

• 컨텍스트 창 — 1,048,576 토큰, 텍스트, 이미지, 음성 및 비디오를 입력으로 받아 텍스트를 반환합니다

이 두 지연 수치는 특정한 형태의 모델을 설명합니다. 오래 생각한 다음 빠르게 씁니다. 채팅 창에서는 견딜 만합니다. 도구 호출을 여덟 번 하는 에이전트 루프에서는 30초 대기가 턴마다 발생하고, 여덟 턴짜리 작업은 각 단계의 첫 토큰을 기다리는 데만 4분을 쓸 수 있습니다. 초당 145토큰은 사실이며, 이는 모델이 말을 시작하면 느리게 느껴지지 않는 이유입니다 — 하지만 첫 단어 전의 침묵을 만회할 수는 없습니다.

그것은 그것을 사용하는 것에 반대하는 논거가 아니다. 올바른 턴을 선택하라는 논거다. Muse Wonder가 공급업체 보고 기준으로 내세우는 가장 강력한 주장은 장기(long-horizon) 전문 작업이다. Meta 자체 표에서는 Muse Wonder Full을 JobBench에서 75.3으로 평가하는데, JobBench는 장기(long-horizon) 에이전트 벤치마크이며 이 수치가 형제 모델과 가장 크게 갈리는 지점이다. OpenCode 세션이 큰 계획을 포함한 단일한 어려운 리팩터링이라면, 대기 시간은 긴 생성에 걸쳐 분산 상각된다. 작은 편집 마흔 개라면, 그 비용을 마흔 번 지불하는 셈이다.

릴리스가 아닌 저장소

가중치를 찾으러 나선 독자들은 meta-01/muse-wonder를 Hugging Face에서 발견하고, 무언가 공개된 일이 일어났다고 합리적으로 결론지을 수 있습니다. 그렇지 않았습니다. 저장소에는 .gitattributes 파일 외에는 아무것도 없습니다: 모델 카드도, config.json도, safetensors 샤드도, 라이선스 파일도 없습니다. 다운로드는 추적되지 않으며, 페이지에는 해당 모델이 그 플랫폼의 어떤 추론 제공자에 의해서도 배포되지 않는다고 명시되어 있습니다. 있는 그대로 읽으면, 그 저장소는 이름 예약입니다 — 문자열을 담고 있을 뿐 체크포인트는 아닌 자리 표시자입니다.

따라서 Muse Wonder의 개방성에 대한 올바른 설명은 이렇습니다. 독점적이고 API 전용이며, 이름만 선점하고 있는 빈 저장소가 있을 뿐입니다. 이를 오픈 웨이트, 다운로드 가능, 또는 파인튜닝 가능하다고 설명하는 사람은 다른 모델을 설명하고 있는 것입니다. 같은 주의가 두 체크포인트 구조에도 적용됩니다 — muse-wonder-1.0은 호출 가능한 모델이고, muse-wonder-full-1.0은 토큰당이 아니라 Meta가 Muse Code 구독을 통해 판매하는, 더 높은 점수를 받는 구성입니다. OpenCode는 첫 번째 모델을 목록에 올려 두었습니다.

OrcaRouter가 자리하는 곳, 그리고 자리하지 않는 곳

우리는 Muse Wonder를 제공하지 않습니다. meta/muse-wonder는 OrcaRouter 모델 카탈로그에 없으며, 주변 Meta 모델의 가용성이 아무리 많아도 그것은 바뀌지 않습니다 — 우리가 실제로 보유한 Meta 체크포인트는 meta/muse-spark-1.2로, 백만 토큰당 입력 $1.25, 출력 $4.25이고, 1.1 전임 모델도 함께 1,048,576토큰 창을 사용합니다. 이 점을 분명히 말하는 것은 평소보다 더 중요합니다. 왜냐하면 두 공급자를 통해서만 접근할 수 있는 모델은 라우터의 정직한 답이 암시적인 침묵이 아니라 "아직 이 모델은 아닙니다"가 되어야 하는 바로 그런 경우이기 때문입니다.

여기서 라우팅 계층이 정말로 유용한 부분은 실험입니다. 첫 토큰까지 30초가 걸리고 독립적인 평가가 단 하나뿐인, 출시된 지 열흘 된 모델에 프로덕션 경로를 믿고 맡길 수는 없습니다. 이미 신뢰하는 모델에 도달하는 동일한 키로 트래픽 일부를 그 모델로 보내고 나머지 트래픽은 그대로 둔 채 자동 장애 조치가 타임아웃을 처리하도록 하면서 장기적인 동작이 기다릴 가치가 있는지 확인하세요. 이는 워크플로를 마이그레이션하고 기대하는 것보다 그 질문에 답하는 더 저렴한 방법입니다.

라우팅 논의의 나머지 절반은 산술입니다. 우리는 공급자 정가를 마크업 없이 그대로 전달하기 때문에, 공급업체의 가격 인하는 같은 날 우리 쪽에도 반영되고, 우리가 호스팅하지 않는 모델은 그냥 나타나지 않습니다 — 카탈로그는 접근 가능한 것에 대한 진술이지 희망 목록이 아닙니다. Muse Wonder가 여기에 출시되면, 여러분이 보는 가격은 Meta의 가격이 될 것입니다.

무엇이 이것을 더 큰 이야기로 만들 수 있을까?

단일 페이지 로드에서 확인할 수 있는 세 가지입니다. {{1}}OpenCode의 변경 로그에 Muse Wonder 항목이 모델 목록에만 있는 것이 아니라 포함된다면, 이는 통합이 카탈로그의 한 행이 아니라 기능으로 취급되고 있음을 의미할 것입니다.{{/1}} {{2}}두 번째 독립 평가자가 장기 성능 수치를 발표한다면, 현재 전적으로 Meta 자체 표에만 의존하고 있는 그 주장이 뒷받침될 것입니다.{{/2}} 그리고 {{3}}Hugging Face 저장소의 어떤 움직임—모델 카드, 라이선스, 단 하나의 safetensors 파일—도 개방성 질문을 바꿀 것입니다. 그 질문은 오늘날 한 단어짜리 답을 갖고 있습니다.{{/3}}

그때까지 10월 21일에 대한 올바른 해석은 좁지만 유용하다. 프런티어 모델이 대부분의 사람들이 시도해 볼 도구에서 더 쉽게 시험해 볼 수 있게 되었고, 그것이 계속 구성된 상태로 남을지를 결정할 것은 인덱스 점수가 아니라 턴당 30초의 침묵이 그 작업이 치를 수 있는 비용인지 여부다.