Muse Spark Open: Meta의 플래그십 가중치가 공개됐다 — 그 뒤의 숫자들은 공개되지 않았다

Muse Spark Open은 실재하고, 다운로드할 수 있으며, 미국 연구소가 공개한 오픈 웨이트 가운데 가장 큰 규모입니다. 그 배후의 리포지토리인 Muse-Spark-Open-816B-A42B는 2026년 9월 15일 Hugging Face에 처음 등장한 뒤 한 달 동안 게이트가 걸린 채 아무런 공지도 없이 그 자리에 있었습니다. 2026년 10월 15일 Meta는 웨이트와 런치 포스트, 벤치마크 스코어카드, 라이선스를 공개했고, 그 전체가 단 하루 오후 만에 공식이 되었습니다. 그러니 정직한 표현은 '은밀한 공개'도 '런칭'도 아닙니다. 그 산출물은 4주 동안 조용히 존재했고, 그다음에야 서류가 따라잡은 것입니다. 따라잡지 못한 것은 측정입니다. 공개 하루 뒤, 벤더의 수치는 발표되었으나 재현되지 않았고, 독립적인 수치는 일부에 그치며, Meta가 이번 공개를 뒷받침한다고 말하는 안전성 평가는 아직 나오지 않았습니다. 이것이 오늘날 공개 기록이 실제로 뒷받침하는 내용입니다.

한 달간의 침묵, 그러다 한꺼번에 모든 것이

날짜는 중요하다. 그 날짜들이 릴리스를 읽는 방식을 바꾸기 때문이다. Hugging Face 리포지토리들 — BF16 체크포인트와 두 번째 NVFP4 빌드 — 은 생성 타임스탬프가 2026-09-15이다. 마지막 수정은 2026-10-15이고, 게이트된 양식 안의 라이선스 텍스트는 2026년 10월 15일자이며, 사용 정책도 같은 날짜다. Meta의 출시 게시물은 게시 타임스탬프가 2026-10-15이다. 따라서 순서는 이렇다: 9월에 리포지토리, 10월에 발표.

그것은 “조용히 출시됐다”는 표현이 보통 묘사하는 것과는 다른 이야기다. Meta는 이를 세 곳에 동시에 발표했다 — 자사의 연구 블로그, 자사 개발자 사이트의 개발자 빌드 가이드, 그리고 Hugging Face 직원이 작성한 Hugging Face 블로그의 공동 작성 게시물이다. 빠진 것은 언론 보도 주기였다. 약 일주일 분량의 출시 보도는 나타나지 않았고, 벤더 자체 페이지와 한두 개의 애그리게이터 게시물을 제외하면 이 정도 규모의 모델에 대해 쓰인 글이 거의 없다. 조용한 부분은 출시가 아니라 반응이다.

저장소가 스스로 확인하는 것

아래의 모든 내용은 벤치마크에 대해 누구의 말도 그대로 믿을 필요 없이 체크포인트 메타데이터, 구성, 모델 카드, 그리고 Meta의 출시 게시물로부터 검증할 수 있습니다. 이것은 기록에서 이미 확정된 부분입니다.

• 규모 — 총 매개변수 약 8,160억 개, 토큰당 약 420억 개 활성.

• 아키텍처 — 희소 전문가 혼합(mixture of experts): 62개 레이어, 은닉 차원 8,192, MoE 레이어당 256개의 전문가로 토큰당 8개가 선택되며, 전문가가 전체 파라미터의 약 97%를 차지합니다. 128개의 쿼리 헤드와 각 64차원인 16개의 키-값 헤드를 사용하는 그룹화된 쿼리 어텐션(Grouped-query attention)입니다.

• 컨텍스트 — 1,048,576 토큰, Meta가 1M으로 줄여 부르는 윈도우로, 텍스트, 이미지, 비디오 및 오디오 토큰을 동일한 예산 안에 포함합니다.

• 입력과 출력 — 텍스트, 이미지, 동영상, 오디오가 입력되고 텍스트가 출력됩니다. 이것은 생성기가 아니라 멀티모달 리더입니다.

• 체크포인트 — 두 가지 형식. BF16은 약 1.5TB의 safetensors이고, NVFP4는 NVIDIA Blackwell을 겨냥한 4비트 빌드로, Meta에 따르면 단일 B200 노드에서 실행된다.

• 메모리 산술 — 그룹 쿼리 어텐션은 이 정도 규모의 모델에서 캐시를 작게 유지하지만, 각 토큰은 여전히 126,976개의 값을 추가합니다. BF16에서는 토큰당 약 250KB이며, 전체 100만 토큰 컨텍스트에서는 대략 266GB입니다.

• 추론 — low, medium, high, xhigh 레벨을 제공하는 reasoning-effort 설정입니다. Meta의 자체 도구에 따르면 추론을 끄는 것은 불가능합니다.

• 런타임 — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX, Unsloth에서 첫날부터 지원되며, Meta는 SGLang용으로 자동 튜닝 가능한 맞춤형 Helion 커널을 제공하는데, 이는 NVIDIA 및 AMD 실리콘 전반에서 1.03–3.95×의 커널 수준 속도 향상을 제공한다고 한다.

• 데스크톱 — 대표 데모. Meta는 M5 Ultra 칩을 탑재한 Mac Studio 두 대에서 MLX로 이를 실행했는데, 이게 가능한 이유는 각 머신이 최대 512GB의 통합 메모리를 1.2 TB/s의 대역폭으로 제공하므로 두 대면 전체 BF16 체크포인트를 담을 수 있기 때문이다. Meta의 데모는 오픈소스 iOS 클라이언트에 실제 변경 사항을 반영하고 DaVinci Resolve를 처음부터 끝까지 구동하는 것이었다.

라이선스는 대부분의 사람들이 건너뛰는 부분입니다.

Muse Spark Open은 Muse Model License에 따라 출시되며, Meta는 이 라이선스 덕분에 많은 개발자가 모델을 무료로 사용할 수 있다고 설명한다. 하지만 그 안의 두 조항은 실제로 '무료'의 의미를 바꿔 놓으며, 둘 다 대표 문구에는 등장하지 않는다.

첫 번째는 섹션 3, 서비스형 모델(MaaS) 조항입니다. 귀하 또는 귀하의 계열사가 API를 통해 제3자에게 모델에 대한 접근을 제품 또는 서비스로 제공하고, 연속된 12개월 기간 중 어느 기간에든 귀하의 총매출액이 2천만 미국 달러를 초과하는 경우, 해당 사업을 운영하기 전에 Meta에 통지하고 별도의 서면 계약을 체결해야 합니다. 이를 자체 제품에 내장하는 것은 예외로 인정되지만, 모델을 재판매하는 것은 그렇지 않습니다.

두 번째는 저작자 표시입니다. 라이선스는 라이선스 사용자가 모델 또는 파생물을 사용하는 모든 제품의 인터페이스나 함께 제공되는 문서, 사이트 또는 설정 메뉴에 "Built with Muse Spark Open"을 눈에 띄게 표시하도록 요구합니다.

라이선스가 분명히 부여하는 두 가지가 있으며, 이는 오픈 웨이트의 실제 핵심이므로 짚고 넘어갈 가치가 있다: 파생물을 미세 조정하고, 증류하고, 병합하고, 공개하고, 서브라이선스를 부여하고, 판매할 수 있으며, Meta는 출력물에 대한 소유권을 주장하지 않는다. Meta는 다운로드 자체도 제한한다 — 저장소는 접근이 통제되며, 요청 양식은 법적 성명, 생년월일, 기업 식별자가 포함된 조직을 요구하고, 제출 후에는 수정할 수 없다. 클릭 한 번으로 다운로드되기를 기대하는 사람이라면 대기열을 각오해야 한다.

Meta가 주장했지만 아직 공개하지 않은 것

메타는 이번 릴리스와 함께 벤치마크 스코어카드를 내놓았는데, 그 전반에 걸친 패턴이 어느 단일 행보다 더 유용하다. 아래 수치는 벤더가 보고한 것이며, 카드에 있는 각 모델은 공유 하네스가 아니라 각자의 에이전트 하네스 안에서 측정되었고, 우리는 그중 어느 것도 재현하지 않았다. 이는 능력에 대한 주장일 뿐, 감사된 순위가 아니다.

• Terminal-Bench 2.1, Terminus 2 에이전트 — 76.4

• MCP-Atlas — 89.2

• GDPval-AA v2 — 1401

• SciCode — 58.5

• JobBench — 61.8

• HLE-Diamond, 도구 없음 — 26.1

• DeepSWE 1.1 — 60, 사용 가능한 최고의 하네스에서 자체 보고

가장 강한 행들은 에이전트형 및 도구 사용 평가이고, 가장 약한 행은 클로즈드북 추론이다. 이는 Meta가 이 모델의 용도라고 말하는 것 — 장기간에 걸친 코딩, 코드베이스 읽기, 디버깅, 긴 실행에서의 도구 호출 — 과 일치하며, 이를 그 어떤 것에 비해서도 일반적인 추론 향상으로 해석하는 것과는 일치하지 않는다.

그다음에는 Meta가 공개하지 않은 평가가 있다. 출시 게시물에서는 해당 모델이 Meta Superintelligence Scaling Framework에 따라 평가되었으며, "우리 프레임워크가 출시를 위해 요구하는 기준을 충족했다"고 밝히고, 자세한 결과는 모델 카드에 있다고 한다. 모델 카드는 곧 제공될 예정이라고 설명된 전체 평가 보고서를 가리킨다. 이 글을 쓰는 시점에 그것은 아직 나오지 않았다. 내부 프레임워크를 통과한 안전성 주장은 독자가 검토할 수 있는 안전성 보고서와는 다른 것이며, 오늘날 존재하는 것은 오직 첫 번째뿐이다.

단일 독립 숫자, 그리고 그 주변의 간격

Artificial Analysis에는 Muse Spark Open에 대한 목록이 있으며, 이는 현재 공개 기록에 남아 있는 유일한 제3자 측정치입니다. 이 목록은 이 모델을 Artificial Analysis Intelligence Index에서 39위에 올려놓는데, 이는 매개변수가 1,500억 개를 넘는 오픈 웨이트 모델 분류의 118개 항목 중 9위로, 해당 분류 중앙값인 19보다 높습니다. 또한 출력 속도를 초당 103.4토큰으로 측정하고, 호스팅 경로의 가격을 입력 토큰 100만 개당 $1.25, 출력 토큰 100만 개당 $4.25로 책정하며, Intelligence Index 작업당 $0.84입니다. 그 목록은 지수보다 더 가치가 있습니다. 즉, 출시 당시 비어 있던 처리량과 비용 열이 이제 채워졌다는 뜻입니다.

두 수치 묶음을 함께 읽어 보면, 격차는 사양에 있는 것이 아니라 그 사양이 얼마나 검증되었는가에 있습니다. 분석가의 목록은 816B 총 파라미터와 42B 활성 파라미터, 1M 토큰 컨텍스트 윈도, 가중치 출처로서의 Hugging Face, 그리고 Muse Model License를 독립적으로 기록합니다. 이는 Meta가 주장하는 것과 동일한 아키텍처, 동일한 라이선스, 동일한 모달리티이며, 텍스트, 이미지, 음성, 영상을 입력받고 텍스트를 출력하는 것으로 설명됩니다. 두 설명이 엇갈리는 지점은 커버리지입니다. Meta는 여덟 개 벤치마크를 보고하며, 모두 자체 하네스에서 수행된 것입니다. 독립 기록은 지수 하나, 속도 수치 하나, 가격 하나뿐입니다. 공개된 어디에도 오디오 측정치와 비디오 측정치가 없고, 비공개 Muse Spark 라인과의 처리량 비교도 없으며, 첫 번째 분석가를 검증할 두 번째 분석가도 없습니다. 사양표에 대한 일치는 수치에 대한 일치와 같은 것이 아니며, 여기서 검증된 것은 수치뿐입니다.

직접 운영하는 데 실제로 드는 비용

오픈 웨이트와 관련된 비용 문제는 하드웨어이며, 여기서 공개된 세부 사항은 이례적으로 구체적이다.

• BF16, 데이터센터 — Meta 자체의 Transformers 레시피는 BF16 체크포인트를 8개의 H200 GPU로 구성된 4개 노드에 걸쳐 텐서 병렬 처리 32로 실행합니다. 즉, 모델 하나에 가속기 32개가 투입되는 셈입니다.

• NVFP4, 데이터센터 — 양자화된 빌드는 단일 B200 노드에서 문서화되어 있으며, 이에 대한 Meta의 SGLang 참조 구성은 4개의 GB300 GPU에 걸쳐 실행됩니다.

• 데스크톱, 양자화 — Hugging Face와 llama.cpp 팀은 512GB M3 Ultra에서 2비트 양자화를 테스트했습니다: 304GB의 메모리가 소비되었고, 초당 18토큰으로 실행되면서 KV 캐시를 위한 여유도 남았습니다. 이는 느리며, Meta가 평가한 BF16 체크포인트와는 다른 모델입니다.

• 약속된 창과 실제로 감당할 수 있는 창은 서로 다른 예산이다 — BF16에서 전체 1M 토큰 컨텍스트에서는 KV 캐시만으로도 대략 266GB에 달한다. 모두가 인용하는 메모리 수치는 모델을 로드하는 비용이지, 모델이 광고하는 컨텍스트 길이를 사용하는 비용이 아니다.

오늘 당장 모델이 필요한 사람은 어떻게 되는가

Muse Spark Open은 API 키를 넣고 호출하는 모델이 아닙니다. 그것은 다운로드, 라이선스, 승인을 거쳐야 하는 요청 양식, 그리고 하드웨어 결정이며, 워크로드가 이번 주 안에 답을 필요로 한다면 첫 토큰이 나오기 전에 고려해야 할 사항이 너무 많습니다. 실질적인 질문은 지금 당장 어떤 Muse 모델에 접근할 수 있는가입니다: Muse Spark 1.2와 Muse Spark 1.1은 OrcaRouter가 라우팅하는 폐쇄형 Muse Spark 라인의 두 구성원이며, 둘 다 Meta의 정가에 0% 마크업으로 제공됩니다. 제공업체의 정가가 마크업되지 않고 그대로 전달되기 때문입니다. Muse Spark Open은 우리 카탈로그에 없으며, 그렇지 않다고 암시하지도 않겠습니다 — 다운로드할 수 있다는 것이 전부인 모델은 직접 실행하는 모델입니다.

그 분할은 또한 둘 다 한 곳에 두어야 하는 근거이기도 합니다. 200개 이상의 모델을 아우르는 단일 API는 검증되지 않은 모델이 프로덕션 베팅이 될 필요가 없다는 뜻입니다: 자동 장애 조치는 첫 번째 제공자가 성능이 저하될 때 요청을 두 번째 제공자에게 전달할 수 있으며, 라우팅 DSL은 코드 변경이 아니라 구성으로 모델 간 트래픽을 이동시킵니다. 독립적인 벤치마크 제품군 없이 하루 전에 출시된 모델의 경우, 그것이 해당 모델이 귀하의 트래픽에서 어떤 동작을 하는지 알아내는 가장 저렴한 방법입니다.

주목해야 할 점, 그리고 이 글을 바꿔 놓을 만한 것

세 가지는 알려지지 않은 것이 아니라 아직 해결되지 않은 사안이며, 각각은 판도를 바꿀 것입니다.

첫 번째는 메타가 나온다고 말한 평가 보고서다. 그것이 공개되기 전까지, 모델의 안전성 주장은 문서가 아니라 기준치에 관한 성명에 기대고 있다.

두 번째는 독립적인 벤치마킹이 단일 지표를 넘어 확장되는지 여부다. 재현도, 호스팅된 Muse 라인과의 처리량 비교도, 오디오나 비디오 측정도 없이 나온 단일 분석가 점수는 결론이 아니라 출발점일 뿐이다.

세 번째는 파인튜닝 생태계가 실현되는지 여부다. Meta는 바로 이를 위해 TorchTitan을 출시했으며, 오픈 웨이트는 다운로드 수가 아니라 파생물—병합, 양자화, 도메인 튜닝—에서 제값을 한다. 지금부터 4주 뒤, 파생물의 흔적이 이번 릴리스가 의미 있었는지를 판단하는 정직한 척도가 될 것이다.

현재로서 정확히 요약할 수 있는 범위는 좁다: Meta는 지금까지 미국에서 공개된 가장 큰 오픈 웨이트 모델을 발표했고, 그것을 철저히 문서화했으며, 어디에도 가격을 책정하지 않았고, 수익 조항을 달아 라이선스를 부여했으며, 측정은 다음에 측정할 사람에게 맡겼다.

벤치마크는 낡아가고 가격은 변동하지만, 실패 기록은 그렇지 않습니다: 이 계열의 모델과 관련된 문서화된 AI 사고와 에이전트 실패는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목은 자체 출처, 심각도, 신뢰도 등급, 이의 제기 플래그를 갖추고 있습니다.