Muse Wonder vs Intern S2: 1,048,576 토큰 대 256K, 그리고 공유된 잣대는 없다

Intern-S2-397B와 Muse Wonder는 누구에 의해서도 서로 비교 측정된 적이 없습니다. 그것은 연구의 공백이 아니라, 각 모델이 존재하게 된 방식에 관한 구조적 사실입니다. InternLM은 2026년 9월 13일 Intern-S2-397B를 과학 지능과 장기 지평 에이전트를 위한 Apache-2.0 오픈 웨이트 체크포인트로 공개했으며, 전적으로 자체 제작자들에 의해 벤치마크되었고 제3자 점수는 전혀 없습니다. Meta Superintelligence Labs는 2026년 10월 12일 Meta Model API와 Muse Code를 통해 Muse Wonder를 판매하기 시작했으며, 여기에는 독립 평가자의 단 한 행만 있습니다. 따라서 아래의 모든 내용은 각 수치가 울타리의 어느 쪽에 있는지 표시해야 하며, 두 모델은 벤치마크 점수보다 더 근본적인 무언가에 대해 의견이 다릅니다: 컨텍스트 윈도우가 무엇을 위한 것인가입니다. Muse Wonder의 1,048,576 토큰은 고정되고 가격이 매겨진 단일 응답 예산입니다. Intern-S2-397B의 것은 분할되어 있습니다 — 텍스트 추론을 위한 256K와 멀티모달 입력을 위한 64K — 호출하는 대신 다운로드하는 체크포인트에서요.

이 비교에서 유용한 점은 어느 모델이 이기는가가 아니다. 그것은 둘 중 하나는 자신의 경계 안에서 실행할 수 있는 과학 문서 작업용 도구이고, 다른 하나는 매우 큰 정액제 사용 범위를 가진 임대형 범용 모델이라는 점이다. 이 둘은 서로 다른 구매다.

각 모델이 실제로 무엇인지

Intern-S2-397B는 상하이 AI 연구소(Shanghai AI Laboratory)의 InternLM 플래그십 모델로, 2026년 9월 13일 Apache-2.0 라이선스로 공개되었다. 이름에는 397B가 들어 있지만, 모델 카드에는 총 파라미터가 4,030억 개라고 적혀 있으며, 그 차이는 공개적으로 구축된 체크포인트가 쌓아 가는 종류의 불일치다. 구조적으로는 표준적인 전문가 혼합(mixture-of-experts) 트랜스포머로, 60개 레이어, 토큰당 10개가 활성화되는 512개 전문가로 구성된다. 그리고 대표적인 주장은 텍스트를 먼저 파싱해 내는 대신 과학 문헌의 원시 페이지, 그림, 레이아웃, 기호 표기와 산문을 함께 읽는 사전 학습 패러다임이라는 점이다. 그 주변으로 20개 이상의 과학 분야에 걸쳐 강화 학습을 확장하고, 샌드박스 환경에서의 장기 지평(long-horizon) 에이전트 학습을 추가한다. 텍스트, 이미지, 시계열 입력을 받아들이고, 시계열 경로에서 예측을 생성하며, LMDeploy, vLLM, SGLang에서 서빙되고, 도구 호출을 지원하며, 요청별로 enable_thinking=False를 전달하지 않는 한 기본적으로 사고(thinking)한다. BF16에서 체크포인트는 약 807GB이므로, 자체 호스팅에는 상당한 다중 GPU 노드가 필요하다.

Muse Wonder는 2026년 10월 12일 Meta Superintelligence Labs의 프런티어 릴리스로, 두 개의 체크포인트 시리즈로 발표되었습니다. muse-wonder-1.0만 토큰당 엔드포인트가 있으며, Meta Model API와 Muse Code 내부에서 제공됩니다. 더 높은 점수를 받은 구성인 Muse Wonder Full은 Muse Code 구독을 통해서만 판매되며 공개된 요금표가 없습니다. 호출 가능한 체크포인트는 텍스트, 이미지, 음성, 비디오 입력을 받고 텍스트를 반환하며, 1,048,576토큰 컨텍스트 윈도우를 갖추고, 단일 응답을 943,718토큰으로 제한하며, 가격은 백만 입력 토큰당 $4.00, 캐시된 경우 $0.20, 출력은 $20.00이고, 추론은 minimal에서 max까지의 노력 사다리에서 필수적으로 실행되며 기본값은 medium입니다. 가중치도, 라이선스도, 엔드포인트가 변경될 경우 계속 실행할 수 있는 버전도 없습니다.

그것이 둘 사이의 첫 번째 실질적인 차이이며, 그것은 벤치마크 행이 아닙니다. 하나는 파일입니다. 다른 하나는 계약입니다.

컨텍스트 윈도우, 두 모델이 다르게 의미하는 것

스펙 시트 비교가 가장 큰 오해를 불러일으키는 지점이 바로 여기입니다. 두 모델 모두 흔히 장문맥(long-context) 모델로 설명되기 때문입니다.

• 텍스트 컨텍스트 — Muse Wonder는 단일 윈도에서 1,048,576토큰, Intern-S2-397B는 텍스트 추론용 256K

• 멀티모달 컨텍스트 — Muse Wonder의 전체 윈도는 이미지, 음성, 영상 입력을 포괄하며, Intern-S2-397B는 별도의 64K 멀티모달 컨텍스트를 갖는다

• 한 응답에서의 최대 출력 — Muse Wonder 943,718 토큰; Intern-S2-397B는 비교 가능한 수치로 공개되지 않음

• 입력 표면 — Muse Wonder 텍스트, 이미지, 음성, 영상; Intern-S2-397B 텍스트, 이미지, 시계열

• 시계열 예측 — Muse Wonder 없음; Intern-S2-397B 지원, 현재 LMDeploy를 통해서만 연결됨

• 요금 — Muse Wonder는 백만 토큰당 입력 $4.00, 캐시 $0.20, 출력 $20.00, Intern-S2-397B는 토큰당 공개된 요금이 없는데, 배포 모델이 다운로드 방식이기 때문입니다

예측 행은 반대편에 대응하는 항목이 없는 행이며, 그것은 마케팅 기능이 아닙니다 — 바로 그것이 이 모델이 지금의 형태로 존재하는 이유입니다. 시계열 신호를 입력받아 예측을 산출하는 모델은, 윈도 크기가 어떻든 간에 텍스트 모델에 요구할 수 없는 일을 하는 것입니다. 그것이 당신의 워크로드라면, 비교는 이미 끝난 것입니다.

나머지 모든 이에게 중요한 질문은 실제로 무엇이 적합한가이다. 정액제로 제공되는 1,048,576토큰 윈도우는 직접 소유한 하드웨어에서 돌리는 256K 텍스트 윈도우와는 다른 제품이며, 그 차이는 긴 컨텍스트를 흥미롭게 만들었던 바로 그 워크로드 — 프롬프트에 들어가는 코드베이스, 논문 코퍼스, 이력을 유지하는 긴 에이전트 세션 — 에서 드러난다.

서로 접촉하지 않는 증거 기반들

두 모델의 공개 수치는 같은 축에 놓을 수 없으며, 그 이유에 대해서는 솔직히 짚고 넘어갈 가치가 있다.

Intern-S2-397B의 벤치마크 카드는 InternLM 자체의 것으로, 모델을 만든 팀이 OpenCompass, VLMEvalKit, AgentCompass를 통해 실행한 것이며, 독립적인 재현은 없습니다. 그 열은 Qwen3.5-397B-A17B, DeepSeek V4 Pro, Kimi K2.7-Code, GLM-5.2, GPT-5.5, Gemini 3.1 Pro, Claude Opus 4.8이며 — Meta의 모델은 없고 Muse Wonder도 없으므로, 벤더 자체 표에는 단 하나의 Muse 비교도 포함되어 있지 않습니다. 그리고 어디에서든 유통되는 "Intern-S2 대 Muse Wonder" 수치는 서로 무관한 두 표를 넘나든 외삽입니다.

그 카드가 공개하는 것은, 모두 I​nternLM이 보고한 수치입니다: MMLU Pro 89.77, HMMT-2026 93.56, MMMU Pro 81.68, SWE-bench-Pro 68.54, TerminalBench 2.1 64.04, 그리고 과학 세트에서는 Biology-Instructions 55.71, SciReasoner 1.5 63.28, Mol-Instructions 53.95. 이것을 하나의 초상화로 읽어 보세요: 지식, 수학, 멀티모달 추론에서 강하고, 소프트웨어 엔지니어링에서 앞서며, 터미널 작업에서는 Claude Opus 4.8보다 20점 뒤처집니다 — 프로덕션 에이전트가 하루를 보내는 바로 그 축입니다.

Muse Wonder의 근거는 그 반대 형태다. Meta의 출시 표는 최대 추론 설정에서 두 체크포인트를 모두 다루며, 대부분 지속형 에이전트 벤치마크 — DeepSWE 1.1, SWE-Marathon, Terminal-Bench 4.0-AA, OSWorld V2.1 — 로 구성되어 있는데, 이는 전부 벤더가 보고한 것이고 Meta의 하네스에서 나온 것이며 재현되지 않았다. 독립적 논평들은 그 단서를 빼놓은 채 가장 강력한 행들을 반복해 왔고, 이것이 바로 벤더의 하네스가 대중 속에서 사실이 되는 방식이다. 진정으로 독립적인 단 하나의 행은 최대 노력 설정에서 52를 기록한 Artificial Analysis의 Intelligence Index로, 200개가 넘는 모델 중 9위이며, 완료된 인덱스 작업당 측정 비용 약 $4.52, 출력 토큰 약 1억 3천만 개를 소비한 것으로, 이는 약 8,500만에 가까운 리더보드 중앙값과 대비된다.

그래서: 한 모델의 강점은 제3자가 재실행한 적 없는 과학 벤치마크에서 제작사가 주장하는 것이다. 다른 모델의 강점도 에이전틱 벤치마크에서 마찬가지다. 누구도 어느 쪽을 다른 쪽과 비교한 적이 없다. 정직한 페이지가 그에 대해 할 수 있는 유일한 일은 그것을 소리 내어 말하는 것뿐이다.

비교가 가격으로 결정되는 경우와 그렇지 않은 경우

Intern-S2-397B에는 요금표가 없습니다. 그것이 가격 섹션의 전부이며, 빠진 값이라기보다는 실제로 확인된 사실입니다: 직접 소유한 하드웨어에 약 807GB의 BF16 가중치를 셀프 호스팅하거나, InternLM 자체 API에서 토큰을 발급받기 위해 등록하고 부여된 할당량 안에서 지내야 합니다. Muse Wonder의 $4.00와 $20.00 옆에 놓을 토큰당 숫자는 없으며, 토큰당 지불 청구서와 비교할 인보이스도 없습니다.

그것이 결정에 미치는 영향은 "무료 대 유료"보다 미묘하다. 다운로드한 체크포인트는 변동 비용을 자본 비용으로 바꾸고, 공급업체 관계를 여러분이 소유한 산출물로 바꾼다. 이는 데이터가 여러분의 경계를 벗어날 수 없을 때, 워크로드가 GPU를 정당화할 만큼 안정적일 때, 또는 재현성이 벤치마크 점수보다 더 중요할 때 큰 가치가 있다. 트래픽이 들쭉날쭉하거나, 팀에 서빙 스택이 없거나, 여러분이 아무것도 하지 않아도 모델이 개선되기를 원한다면 그 가치는 거의 없다.

두 모델 모두 저희가 서빙하지 않으며, 그렇지 않은 듯이 암시하기보다 이를 분명히 말하는 것이 마땅합니다. Intern-S2-397B는 라우팅 커버리지가 전혀 없는 최신 Apache-2.0 체크포인트이고, Muse Wonder는 Meta의 API와 Muse Code 내부에 있으며 저희가 검증할 수 있는 제3자 서빙은 없습니다. 라우터가 실제로 도움이 되는 부분은 이 중 호출 가능한 절반입니다. OrcaRouter는 200개가 넘는 모델을 하나의 키로 공급자 정가에 0% 마진으로 제공합니다 — 중간 유통 마진이 없어 공급자의 가격 인하가 같은 날 바로 반영됩니다 — 여기에는 Meta 자체의 Muse Spark 1.2와 Muse Spark 1.1도 포함되므로, 오늘 접근할 수 있는 Meta 모델들이 동일한 자격 증명 위에서 다른 모든 모델과 나란히 자리합니다. 프로덕션 트래픽이 라우팅된 모델에 있고 과학적 배치 작업이 직접 통제하는 어딘가의 Intern-S2-397B에서 실행된다면, 그 이음새는 두 번째 통합이 아니라 하나의 라우팅 결정입니다.

누가 무엇을 골라야 할까

작업이 과학을 읽는 일, 즉 도표가 많은 논문, 분자 다이어그램, 스캔한 표, 시계열 신호에서 나온 예측, 또는 연구 과제를 계속 수행해야 하는 에이전트를 다루는 일이라면 Intern-S2-397B를 선택하세요. Apache-2.0 라이선스는 독점 데이터로 이를 미세 조정하고 그 결과를 자체 경계 안에 둘 수 있다는 뜻이며, 이는 이 비교에서 어떤 요금표도 담아내지 못하는 부분입니다. 하드웨어 비용을 예산에 반영하고, 몇 달 동안은 독립적인 점수판이 없을 것으로 예상하세요 — 저장소는 나온 지 몇 주밖에 되지 않았고 제3자 측정 결과도 없습니다.

일반적이고 길며 에이전트형 작업을 할 때, 그리고 소유하기보다 임대하기를 원할 때 Muse Wonder를 선택하세요: 단계 구분 없이 정액으로 제공되는 1,048,576토큰 창, Intern-S2의 공개 자료 어디에서도 답을 찾을 수 없는 943,718토큰 응답 상한, 어려운 다단계 작업을 위한 필수 추론, 그리고 오늘 바로 스프레드시트에 넣을 수 있는 토큰당 과금 청구서. 유의점은 M​eta가 공개한 모든 행에 적용되는 것과 같습니다: 이틀간의 독립적 측정은 이틀이고, 한 명의 평가자는 한 명의 평가자일 뿐입니다.

둘 다 필요한 팀은 그 둘 사이의 경계를 마이그레이션이 아니라 라우팅 문제로 다뤄야 한다. 일반 트래픽은 호출할 수 있는 모델에서 돌리고, 과학 작업은 보유할 수 있는 체크포인트에 유지하며, Intern-S2-397B의 터미널 성능에 관한 벤더 수치를 믿기 전에 그 모델에 대한 자체 평가를 다시 실행하라 — 왜냐하면 벤더 자신의 표가 그 안에서 가장 덜 호의적인 행이기 때문이다.