SWE-2 Flash vs Muse Code: 당신이 사는 것은 하네스다

두 숫자를 나란히 놓으면 이야기는 저절로 써진다: Terminal-Bench 2.1에서 SWE-2 Flash는 89.2, Muse Code는 82.9이므로 Cognition의 모델이 Meta의 에이전트보다 6.3점 더 뛰어나다. 그 문장의 모든 절은 뭔가 의심스러운 일을 하고 있다. SWE-2 Flash는 Devin 내부에서 서비스되는 모델이다. Muse Code는 Muse Spark 1.2를 중심으로 만들어졌고 그와 공동 학습된 터미널 에이전트이며, 82.9는 해당 하네스와 effort 설정이 적용된 상태로 측정된 값이다. 이 둘을 비교하는 것은 모델을 제품과 비교하는 것이며, 제품이야말로 실제로 설치하게 될 부분이다.

그렇다고 해서 그 비교가 쓸모없어지는 것은 아니다. 그것은 흥미로운 질문이 무엇인지를 바꿔 놓는다. 어느 모델이 더 높은 점수를 받는가가 아니라, 두 개의 닫힌 루프 중 어느 쪽이 당신의 작업을 더 많이 대신 처리해 주는가, 어떤 가격으로, 그리고 방법을 얼마나 공개하는가이다.

각 항목이 실제로 무엇인지

Muse Code는 Meta가 2026년 8월 5일 macOS와 Linux용으로 출시한 첫 코딩 에이전트입니다. Claude Code나 Codex와 같은 범주의 CLI로, 저장소 전반에서 변경 사항을 계획하고, 파일을 편집하고, 테스트를 실행하며, 결과를 검증합니다. 이 제품을 차별화하는 설계상의 선택은 겉모습이 아니라 아키텍처에 있습니다.

• 백그라운드 에이전트 — 작업마다 생성되는 대신 세션 전반에 걸쳐 살아 있는 지속형 비동기 에이전트로, 한 번 수집한 정보를 다시 수집하지 않으며, 여러 개가 작업 사본을 건드리지 않고 격리된 작업 트리에서 병렬로 실행될 수 있습니다.

• 이벤트 로그 — 모든 모델 호출, 도구 실행, 승인, 편집을 로컬에 기록하여 세션을 정확히 재현할 수 있게 하고 크래시 후에도 안전하게 재시작할 수 있게 하는 것 — 몇 시간짜리 작업을 끝까지 견디게 해주는 메커니즘입니다.

• 스킬 — 계획 단계, 계획 스트레스 테스트 단계, 목표 추진 단계를 포함한 내장 슬래시 명령어.

• 모델 — Muse Spark 1.2, 비공개 가중치, 100만 토큰 컨텍스트, 입력 토큰 100만 개당 $1.25, 출력 토큰 100만 개당 $4.25.

SWE-2 Flash는 에이전트가 아닙니다. 총 276B, 활성 파라미터 12B 규모로 Inkling-Small에서 후속 학습된 모델이며, Devin Desktop과 Devin CLI 내부에서 제공됩니다. Cognition은 이 모델이 SWE-2보다 세 배 빠르고 가격은 5분의 1이라고 말합니다. 2026년 11월 30일까지 무료로 이용할 수 있으며, 공개 API도, 모델 ID도, 다운로드 가능한 가중치 파일도 없습니다.

그래서 이 맞대결의 실제 구도는 이렇습니다. 두 개의 폐쇄형 시스템이며, 각각 모델과 제작자가 통제하는 하네스를 결합합니다. 한쪽은 하네스와 에포트 설정을 공개합니다. 다른 쪽은 공개하지 않습니다.

그들이 동점이라고 표시된 DeepSWE 행

DeepSWE 1.1은 두 보고서 모두에서 어느 쪽도 과제의 정의를 억지로 늘리지 않은 유일한 벤치마크입니다. SWE-2 Flash: 60.1. Muse Code 내부의 Muse Spark 1.2: 59.3. 0.8점 차이입니다.

그것은 격차가 아니다. 같은 점수가 두 번 보고된 것이며, 더 흥미로운 사실은 두 시스템이 서로 반대 방향에서 그 지점에 도달했다는 점이다. 메타의 모델은 100만 토큰 컨텍스트와 폭넓은 도구 사용 프로필을 갖춘 범용 플래그십이고, 코그니션의 모델은 오픈 웨이트 기반 모델을 사후 학습한 활성 파라미터 12B 모델로, 에이전트 시장의 저가 영역을 명시적으로 겨냥해 최적화한 것이다. DeepSWE에서 수렴했다는 사실은 원시 표가 시사하는 것보다 더 저렴한 아키텍처에 더 강력한 결과다.

Terminal-Bench 2.1에서는 격차가 더 큽니다 — 89.2 대 82.9 — 그리고 여기서 방법론의 비대칭성이 문제를 일으킵니다. Meta는 자사의 수치가 xhigh 노력 수준에서, 공동 학습된 Muse Code 하네스 내부에서, 격리된 Daytona 샌드박스에서, 다섯 번의 시도에 걸쳐 평균한 pass@1로 산출되었다고 밝힙니다. Cognition은 그중 어느 것도 밝히지 않습니다. SWE-2에 관한 9월 게시물에는 방법론 부록이 실려 있었지만, SWE-2 Flash에 관한 11월 4일 게시물에는 없습니다.

메타 자체 수치 안에는 이 분야의 모든 표에 적용되는 경고도 숨어 있다. 메타는 Muse Spark 1.1을 Terminal-Bench 2.1에서 76.2로 보고하지만, 공개 tbench.ai 리더보드에는 같은 모델에 대해 검증된 80.0이 올라와 있다. 차이는 행(row)이 모델이 아니라는 점이다. 행은 모델에 하네스와 에포트 설정을 더한 것이다. 같은 모델에 대한 두 보고 사이에서 4점 차이가 나타날 수 있다면, 계측 방식이 다른 두 시스템 사이의 6.3점 격차는 결정적 결과가 아니다. 이 섹션의 모든 수치는 공급업체가 보고한 것이다.

한 가지 더 염두에 둘 점이 있습니다. Muse Spark 1.2는 더 이상 Meta가 보유한 최신 모델이 아닙니다. Artificial Analysis는 이제 1.2 체크포인트를 사용 중단(deprecated)으로 표시하고 독자들에게 Muse Spark 1.3을 안내합니다. Muse Code는 1.2에서 출시되었으며, 1.2는 이 글의 모든 수치가 설명하는 체크포인트이자 여전히 호출할 수 있는 체크포인트입니다.

맥락: 게시된 1M 대 미게시

Muse Spark 1.2는 100만 토큰 컨텍스트 윈도우와 함께 출시되며, Muse Code의 아키텍처는 이를 활용하도록 설계되었습니다. 지속형 에이전트, 내구성 있는 이벤트 로그, 수 시간 동안 이어지는 작업이 그 예입니다. 이 조합이 바로 이 제품의 진짜 핵심입니다. 더 나은 단일 편집이 아니라, 대규모 저장소와 긴 작업을 흐름을 놓치지 않고 감당할 수 있는 에이전트인 것입니다.

SWE-2 Flash는 컨텍스트 윈도우를 전혀 공개하지 않습니다. 에이전트 내부에서만 제공되는 모델의 경우, Devin이 사용자를 대신해 컨텍스트를 관리하기 때문에 이러한 누락은 API 모델의 경우보다 덜 치명적입니다. 그래도 여전히 누락입니다. 안내받지 못한 예산을 기준으로 워크플로의 규모를 정할 수는 없기 때문입니다.

무료 한 달에 맞선 요금표

• Muse Spark 1.2 — 입력 토큰 100만 개당 $1.25, 출력 토큰 100만 개당 $4.25. 일부 국가에서는 학습 데이터 사용을 조건으로 할인된 기여자 등급이 제공되며, 데이터 미보존 요청도 접수됩니다.

• SWE-2 Flash — 토큰당 가격 없음. 2026년 11월 30일까지 Devin 내에서 무료, 이후 미정.

• Muse Code — Meta가 공개한 자료에서 별도의 구독이 아니라 모델 사용량을 통해 가격이 책정되는 에이전트 자체.

가격이 책정되지 않은 제품은 저렴한 제품이 아니라 알 수 없는 제품입니다. 다음 분기 비용 모델을 만들고 있다면 $1.25/$4.25는 스프레드시트에 넣을 수 있는 숫자이고, SWE-2 Flash는 마감 기한이 붙은 물음표입니다.

호출할 수 있는 것과 호출할 수 없는 것

여기서 두 시스템은 벤치마크와는 무관한 방식으로 갈라집니다. SWE-2 Flash는 호출할 수 없습니다. 클라이언트가 가리킬 엔드포인트도, 모델 ID도, 그것이 바뀌는 날짜도 없습니다. 아키텍처가 데스크톱 IDE 내부가 아니라 HTTP 호출 뒤에 코딩 모델을 필요로 한다면, SWE-2 Flash는 이번 달에는 후보가 아닙니다.

Muse Spark 1.2는 사뭇 다릅니다. 이 대결에서 Meta 쪽은 오늘 바로 호출할 수 있습니다 — Muse Spark 1.2와 1.1 모두 OrcaRouter 카탈로그에 라이브로 등록되어 있으며, 제공사 정가에 0% 마크업이 붙어 있으므로 위의 $1.25/$4.25 요율은 리셀러 가격이 아니라 실제로 지불하는 요율입니다. 바로 이 결정에서 그 점이 중요합니다. 오늘 밤 여러분의 저장소를 대상으로 Muse Spark 1.2를 실행해 DeepSWE의 59.3이 여러분의 업무를 설명하는지 확인할 수 있습니다. 무료 한 달 동안 Devin 안에 머무르지 않고서는 SWE-2 Flash에서 동등한 테스트를 실행할 수 없습니다.

OrcaRouter는 또한 단일 벤더에 베팅할 때는 없는 페일오버를 제공합니다. Meta 쪽으로 표준화했는데 공급자의 성능이 저하되면, 자동 페일오버가 호출을 계속 살아 있게 유지합니다 — 이것이 "우리는 모델을 선택했다"와 "우리는 공급망을 선택했다" 사이의 실질적인 차이입니다.

어느 걸 고를까?

터미널에서 구동할 수 있는 에이전트, 공개된 effort 설정, 내구성 있는 이벤트 로그, 병렬로 격리된 작업 트리, 그리고 모델 뒤에 있는 API를 원한다면 Muse Code를 선택하세요. DeepSWE 동점은 최전선에서 역량을 포기하지 않는다는 뜻이고, Terminal-Bench 격차는 적어도 그 방법을 검토할 수 있는 수치에서 어느 정도 상한을 포기할 수도 있다는 뜻입니다.

이미 비용을 지불하고 쓰는 IDE 안에서 더 빠르고 저렴한 모델이 자신의 저장소에 충분히 쓸 만한지가 궁금한 Devin 사용자라면 SWE-2 Flash를 선택하세요. 11월 30일까지의 무료 기간은 실질적인 체험 기회이며, DeepSWE에서 60.1이라는 점수는 이 모델이 체면을 구기지는 않을 것임을 말해줍니다.

어느 쪽을 선택해도 얻을 수 없는 것은 확실성이다. 두 공급업체 모두 자체 하네스로 자기 시스템을 측정했으며, 공급업체의 주장을 검증할 수 있게 해 주는 유일한 공개 데이터 포인트인 tbench.ai의 Muse Spark 1.1 80.0 대 Meta의 76.2는 게시된 기록과 재현된 기록 사이의 격차가 이 글에 나온 두 제품 사이의 격차만큼 클 수 있음을 보여준다.