메타, 에이전트용 소형 모델 뮤즈 엠버 공개

ai.euno.news 자동 뉴스 요약

메타가 도구 호출, 코딩 하위 작업, 요청 라우팅, 정보 추출, 장문 분석처럼 에이전트가 반복해서 수행하는 작업에 맞춘 소형 모델 뮤즈 엠버(Muse Ember)를 공개했다. 메타 모델 API에서 바로 쓸 수 있으며, 가격은 입력 100만 토큰당 0.10달러, 출력 100만 토큰당 0.50달러다. 메타는 적은 비용으로 여러 단계를 연속 처리해야 하는 에이전트 운영을 핵심 용도로 제시했다.¹

뮤즈 엠버는 최대 100만 토큰의 컨텍스트 창과 51만2,000토큰의 출력 한도를 지원한다. 코드 저장소 전체나 여러 문서로 이뤄진 자료를 한 번에 입력하고, 레코드 조회와 연속 도구 호출, 여러 앱의 시스템 업데이트까지 이어서 처리하도록 설계됐다. 초기 협력사들은 계약서 검토와 코드 작성 등에 모델을 투입했다고 메타는 밝혔다.¹

메타가 인용한 아티피셜 애널리시스(Artificial Analysis) 결과에서 뮤즈 엠버는 추론 설정에 따라 작업당 0.116달러에 지능 지수 33.9점, 0.136달러에 35.8점을 기록했다. 클로드 하이쿠 5.5(Claude Haiku 5.5)의 최고 설정은 0.411달러에 36.2점이었다. 점수 차이는 0.4점이지만 뮤즈 엠버의 비용은 약 3분의 1이다. GPT-6 루나(GPT-6 Luna)는 가장 높은 설정에서도 0.152달러에 27.8점이었다.¹

세부 평가는 강점과 한계를 함께 보여준다. 뮤즈 엠버는 업무 자동화와 종단간 에이전트 작업, 터미널 코딩에서 두 비교 모델을 앞섰고, 장문 전문 문서 평가에서는 루나와 공동 최고점을 냈다. 반면 실제 엔지니어링 작업의 병합 가능성을 보는 FrontierCode 2.0-AA에서는 하이쿠 5.5의 34.9점보다 낮은 27.2점에 그쳤다. 또 작업당 비용은 정식 사용 실적이 아니라 제안 가격을 바탕으로 한 추정치다. 따라서 이번 결과는 모든 코딩 능력의 우위라기보다, 작고 반복적인 에이전트 단계를 낮은 비용으로 대량 처리하는 데 초점을 맞춘 성능표로 읽는 편이 정확하다.¹

읽기 목록은 이 브라우저에 저장됩니다.