Meta가 10월 12일 Muse Wonder 시리즈를 공개했습니다. Muse Wonder와 Muse Wonder Full, 두 가지입니다. 한 줄로 정리하면 이렇습니다.

Muse Wonder      → Meta Model API + Muse Code에서 사용
Muse Wonder Full → Muse Code 구독자 전용, 가장 큰 모델
핵심 키워드      → Active Memory + Active Focus

CEO 표현을 빌리면 개인 슈퍼인텔리전스로 가는 다음 단계라는 건데, 수사를 걷어내고 보면 메시지는 꽤 실무적입니다. AI 코딩 경쟁이 코드 생성에서 장기 실행으로 넘어갔다는 선언에 가깝습니다.

Active Memory와 Active Focus는 무엇이 다른가?

두 용어는 짝으로 이해하는 편이 쉽습니다.

Active Memory = 무엇을 기억할 것인가
  → 과거 대화에서 중요한 정보를 골라 kept하고,
    지금 작업에 필요할 때 다시 꺼내 쓴다.

Active Focus = 어떻게 끝까지 일할 것인가
  → 막히면 다른 접근을 시도하고, 오류에서 복구하고,
    필요하면 질문하고, 중요한 행동 전에 확인한다.

하나만 있으면 반쪽입니다. 기억만 있고 집중이 없으면 옛날 얘기는 잘하는데 첫 번째 장애물에서 멈춥니다. 집중만 있고 기억이 없으면 멈추지는 않는데 목표를 자꾸 잊습니다. Meta가 두 기능을 묶어서 내세운 이유가 여기 있습니다.

구체적인 장면으로 바꿔보겠습니다. 보험 청구를 정리하거나 임대차 계약서를 해석하거나, 동작하는 앱 하나를 만드는 작업을 시킨다고 해보죠.

1주차: “전세 계약이고, 특약 3조가 걱정돼”라고 말함
3주차: “그때 그 계약서 기준으로 이사 분쟁 대응 문서 만들어줘”라고 요청
→ Active Memory가 없으면: “어떤 계약서요?”부터 다시 시작
→ Active Memory가 있으면: 특약 3조를 먼저 꺼내 놓고 시작

코딩 작업: 테스트 3개가 깨지는 리팩토링을 시킴
→ Active Focus가 없으면: 첫 번째 빌드 실패에서 같은 수정 반복
→ Active Focus가 있으면: 접근을 바꾸고, 막히면 질문하고, 검증까지 간다

Meta는 기억을 MemoryBench 계열 평가로, 집중을 FocusBench와 SWE-Marathon 같은 장기 실행 평가로 측정했다고 설명합니다. 내부 보고 기준으로는 Wonder Full이 SWE-Marathon에서 57.5점을 받아 Claude Opus 5.5의 46.3점을 앞섰다고 합니다. 다만 이 숫자는 Meta 자체 측정이라는 점을 함께 읽어야 합니다.

벤치마크는 ‘어디서 이기고 어디서 졌는지’로 읽자

공식 모델 카드와 발표를 모으면 성적표는 이렇게 갈립니다.

DeepSWE 1.1          Wonder Full 79.0% (강점)
SWE-Marathon         Wonder Full 57.5 vs Opus 5.5 46.3 (Meta 자체 측정)
Artificial Analysis
  Intelligence Index Wonder Full 56 (Spark 1.3의 48에서 상승)
  Terminal-Bench 4.0 33% → 57% (Spark 1.3 → Wonder Full, AA 측정)
Terminal-Bench 4.0   모델 카드 기준으로는 Opus 5.5보다 낮음 (약점)
건강·일부 코딩 과제  경쟁 모델이 앞선 영역도 있음

정리하면 모든 코딩에서 최고라는 얘기가 아닙니다. 긴 소프트웨어 프로젝트를 끝까지 끌고 가는 쪽에 강하고, 터미널 환경의 짧고 날카로운 과제나 특정 영역에서는 경쟁 모델이 나을 수 있다는 겁니다. 벤치마크를 읽을 때는 이 구분이 가장 중요합니다.

이 구분은 SWE-bench vs Terminal-Bench vs ProgramBench 글에서 다룬 구조와 정확히 이어집니다.

DeepSWE / SWE-Marathon → 긴 호흡의 소프트웨어 작업 지속력
Terminal-Bench         → 터미널 환경での 다단계 실행 능력
→ 시험지가 다르면 점수를 합산하면 안 된다

그리고 점수 자체보다 눈여겨볼 대목이 하나 더 있습니다. Meta가 분포 외(out-of-distribution) 확장 얘기를 꺼낸 점입니다. 학습 때 본 분포의 작업과 처음 보는 작업을 나눠서, 같은 분포 내 점수라도 Wonder Full이 낯선 작업에서 Spark 1.3 추세보다 잘 나온다는 주장입니다. 기반 모델이 좋아지면서 배운 게 낯선 일에도 옮겨간다는 뜻인데, 아직은 Meta의 해석이니 방향으로만 받아두는 편이 좋습니다.

가격과 제공 방식: 어디서 쓸 수 있나?

헷갈리기 쉬운 부분이라 표로 정리합니다.

Muse Wonder
  → Meta Model API + Muse Code
  → API 가격: 입력 $4 / 출력 $20 (100만 토큰당)
  → Muse 앱에서는 구독자부터 순차 적용 예정

Muse Wonder Full
  → Muse Code 구독 전용
  → Power / Maximum Usage 플랜에서 사용
  → Maximum은 Everyday 대비 80배 한도, 5시간·주간 리셋

즉 가볍게 맛보는 용도는 Wonder, 가장 어려운 워크플로를 맡기는 용도는 Wonder Full이라는 포지셔닝입니다. 장기 에이전트와 컴퓨터 유스(computer use) 같은 무거운 기능이 Full에 묶여 있는 것도 같은 맥락입니다.

여기서 실무 질문이 하나 생깁니다. 토큰 단가가 $4/$20이면 만만치 않은데, 긴 작업을 시키면 비용이 어떻게 튀는가 하는 점입니다. 답은 정해져 있습니다. 토큰 단가가 아니라 작업당 비용으로 재야 합니다.

CodeBridge Mini Lab: 같은 일로 셋을 비교하자

브리핑의 액션을 실험 형태로 바꿔보겠습니다. 모델만 바꾸고 나머지는 고정하는 겁니다.

① 작업 1개를 고정한다 (예: 실패하는 테스트 5개 고치기)
② 하네스·도구·제한시간을 동일하게 둔다
③ Muse Wonder / Claude / GPT 순서로 돌리며 기록한다:

   [ ] 완료율 (테스트 통과 기준)
   [ ] 재시도 횟수 (막혀서 접근을 바꾼 횟수)
   [ ] 사람에게 질문한 횟수 (clarification)
   [ ] 토큰 사용량 (입력 / 출력 / 캐시)
   [ ] 작업 1건당 비용과 소요 시간
④ 마지막에 ‘성공 1건당 비용’을 계산한다

이때 꼭 같이 볼 것이 Active Focus의 그림자입니다. 끈기는 좋지만, 방향이 틀렸는데도 계속 파고들면 비용만 탑니다. 그래서 다음 두 개를 함께 기록하세요.

- 엉뚱한 방향으로 오래 간 경우 (목표 이탈)
- 중요한 행동 전에 확인을 했는지 (체크인 여부)

모델 카드도 consequential한 행동 전에는 사람 확인을 권장합니다. 오래 일하는 에이전트일수록 멈추는 법과 묻는 법이 성능만큼 중요합니다.

결론: ‘첫 답’이 아니라 ‘끝까지’를 사라

Muse Wonder가 가리키는 방향은 분명합니다.

옛 경쟁: 누가 더 매끈한 첫 코드를 내는가
새 경쟁: 누가 목표·제약·결정을 잃지 않고 끝까지 가는가

그래서 당장 할 일도 하나입니다. 이번 주에 내 repo에서 가장 지루한 작업 하나를 골라 세 모델에 똑같이 시켜보세요. 벤치마크 표보다 내 작업에서의 완료율과 재시도 횟수, 성공 1건당 비용이 다음 달 도구 선택을 정해줍니다.

함께 읽으면 좋은 글

참고 자료

이 주제를 직접 따라가며 배우고 싶다면

긴 작업을 끝까지 해내는 구조는 모델만으로 되지 않습니다. 하네스·루프·그래프 구조를 손으로 짜보면서, 기억과 집중을 어디에 둘지 연습해 보세요.