Muse Spark Open: 메타의 816B 오픈 가중치 모델 — 사양, 벤치마크, 라이선스 및 하드웨어 요구 사항

메타는 2026년 10월 15일 Muse Spark Open의 가중치를 공개하며 이를 "현재까지 가장 강력한 미국 오픈 가중치 모델"이라고 설명했습니다. 이 모델은 816B 파라미터의 네이티브 멀티모달 시스템으로, 42B 활성 파라미터와 1M 토큰 컨텍스트 창을 갖추고 있으며 코딩, 에이전트 작업, 장기 추론 작업에 초점을 맞추고 있습니다. 이번 공개는 Hacker News에서 827포인트와 415개의 댓글을 얻었으며, 주요 논의 주제는 중국 오픈 가중치 모델과의 벤치마크 경쟁력, 라이선스 조건, 그리고 메타가 온디바이스 추론을 시연하는 데 사용한 하드웨어 비용이었습니다.

Muse Spark Open이 실제로 무엇인가

Muse Spark Open은 Muse Model License 하에 공개된 네이티브 멀티모달 오픈 가중치 언어 모델로, 총 8160억 개의 파라미터와 420억 개의 활성 파라미터를 보유하고 있습니다. 메타는 이 모델이 코딩과 에이전트 작업에 적합하며 장기 작업, 복잡한 소프트웨어 엔지니어링, 다단계 추론에 뛰어나다고 밝혔습니다.

속성	값
총 파라미터	816B
활성 파라미터	42B
컨텍스트 창	1M 토큰
모달리티	네이티브 멀티모달
출시일	2026년 10월 15일
라이선스	Muse Model License (제한적 상업 조건)
주요 포지셔닝	코딩, 에이전트 작업, 장기 작업

메타는 이 모델이 MLX 프레임워크를 사용하여 두 대의 Apple M5 Ultra Mac Studio에서 실행되며, 해당 클래스에서 데스크톱에서 실행되는 최초의 모델이라고 말합니다.

데스크톱 추론 주장은 두 대의 M5 Ultra Mac Studio에 의존

메타의 헤드라인 데스크톱 주장은 한 대가 아닌 두 대의 Apple M5 Ultra Mac Studio를 요구합니다. 메타가 밝힌 이유는 Apple의 통합 메모리 아키텍처 덕분에 M5 Ultra의 통합 GPU가 Mac Studio당 최대 512GB를 사용할 수 있어 두 대의 머신이 전체 모델을 담을 수 있고, 칩의 1.2TB/s 메모리 대역폭이 각 토큰에 필요한 작은 조각을 읽기에 충분히 빠르기 때문입니다. 메타는 그 결과를 "두 대의 Mac Studio가 1테라바이트의 통합 메모리를 가진 하나의 슈퍼컴퓨터처럼 작동한다"고 설명합니다.

Hacker News 댓글 작성자들은 접근성 프레임에 반박했습니다. 한 댓글 작성자는 비용을 계산했습니다:

"현재 Apple Mac Studio Ultra의 시장 가격으로 30코어 CPU + 64코어 GPU w/ 256GB RAM은 이미 약 $10k에 달합니다. 최근 컴퓨터가 가치 상승 자산이라는 점을 명심하세요. 512GB RAM 옵션은 아직 판매되지도 않았습니다(10월 말 출시 예정이라고 함). 일반적인 Apple 가격 책정을 기준으로 하면 대당 약 $14k가 될 가능성이 높습니다. 따라서 Muse 팀이 광고하는 설정에는 최소 $28k - $30k가 필요합니다." — @devy

같은 댓글 작성자는 이 설정을 96GB HBM3와 최대 3.94TB/s 메모리 대역폭을 가진 NVIDIA H100과 비교했는데, 이는 Mac Studio의 통합 메모리 속도의 3배 이상이며, 메타가 512GB RAM을 갖춘 미출시 M5 Ultra 하드웨어에 어떻게 접근했는지 의문을 제기했습니다.

여러 댓글 작성자는 메타의 "미래는 모두를 위한 것"이라는 메시지와 하드웨어 요구 사항 사이의 격차를 이번 공개의 핵심 아이러니로 여겼습니다:

"'우리는 AI가 모두를 위한 것이라고 믿습니다' *총 1테라바이트 메모리를 가진 두 대의 M5 Studio를 구매할 수 있는 사람들." — @markstos

"드디어 AI 접근성을 민주화합니다. 메모를 확인해 보니, 데스크톱에 두 대 이상의 Apple M5 Ultra Studio를 가진 사람들만 해당됩니다." — @octomind

스레드의 반론은 Mac 최적화가 이번 공개의 진정으로 중요한 부분이라고 주장했습니다: "흥미로운 점은 Mac에서의 추론을 최적화한 것입니다. 이것과 다른 소비자 하드웨어 최적화가 로컬 AI가 나아가야 할 방향입니다" (@TomGarden).

서드파티 벤치마크에서는 중국 오픈 가중치 모델보다 뒤처짐

메타 자체 벤치마크 표는 Muse Spark Open을 Inkling, Nemotron 3 Ultra, Beam, Mistral 4 Large, Qwen3.8-2.4T-A95B, GLM 5.3, Kimi K3와 에이전트, 지식 및 추론, 코딩, 도구 지원 멀티모달 평가에서 비교합니다. 메타는 세부 사항을 위해 별도의 평가 방법론 보고서를 참조합니다.

댓글 작성자들은 이 모델을 여러 경쟁사보다 낮게 평가하는 Artificial Analysis 점수를 인용했습니다. 한 댓글 작성자는 Artificial Analysis에서 39점을 받았다고 보고하며 "Deepseek v4.1 flash 및 Mimo 2.5 Flash와 거의 같습니다. Glm 5.3 flash 및 Qwen3.8-Flash-Next보다 뒤처집니다" (@GodelNumbering)라고 말했습니다. 다른 작성자는 이 모델이 "단일 B300에서 실행할 수 있는 Qwen3.8 Flash Next 및 GLM 5.3 Flash보다 성능이 낮다" (@a11r)고 썼습니다.

스레드에서 반복적으로 나온 불만은 Artificial Analysis가 최고 추론 수준에서만 비교를 게시한다는 점이었으며, 댓글 작성자들은 이것이 프로덕션 사용을 대표하지 않는다고 말했습니다. @a11r는 "이 모델들에 대해 낮은 및 중간 추론 수준에서의 비교를 제공하기 시작했으면 좋겠습니다. 실제 프로덕션에서 사용되는 것은 주로 그 수준들이기 때문입니다"라고 썼습니다.

댓글 작성자들은 또한 Muse Spark Open을 메타의 이전 모델과 불리하게 비교했습니다. "성능 면에서 Muse Spark 1.3보다 벤치마크가 다소 나쁘고, 1.2에 가깝지만 같지는 않습니다. 물론 Muse Wonder Full보다는 훨씬 나쁩니다"라고 @modeless는 썼습니다. 또 다른 댓글 작성자는 이 모델이 "1M 토큰에서 KV 캐시만으로 200GB 이상이 필요한 구식 어텐션 메커니즘을 가지고 있다" (@redox99)고 주장했습니다.

한 댓글 작성자는 벤치마크 세트 자체의 프레임에 의문을 제기했습니다: "muse 벤치마크가 오픈 가중치 모델로만 제한된 것이 흥미롭습니다. 반면 glm이 5.3 및 flash 변형을 도입했을 때는 kimi, Anthropic, Open ai와 비교되었습니다" (@Regex777).

라이선스는 오픈 소스가 아닌 오픈 가중치

Muse Model License는 많은 개발자에게 무료 사용을 허용하지만 Model-as-a-Service 조항을 포함합니다. 한 댓글 작성자는 라이선스를 읽고 주요 제한 사항을 요약했습니다:

"라이선스 사용자 또는 그 계열사가 API 또는 유사한 인터페이스를 통해 제3자에게 AI 모델에 대한 접근을 제품 또는 서비스로 제공하고, 제3자가 그러한 모델의 출력을 받는 경우('Model as a Service'), 라이선스 사용자 및 그 계열사의 총 매출이 연속 12개월 동안 2천만 달러를 초과하는 경우, 라이선스 사용자는 해당 Model as a Service 사업의 일부로 소프트웨어 또는 파생물을 제공하기 전에 Meta에 통지하고 Meta와 별도의 서면 계약을 체결해야 합니다." — @seizethecheese, 라이선스 인용

같은 댓글 작성자는 이 조항이 내부 사용, 연구, 또는 Model as a Service가 아닌 상업 활동, 그리고 모델 서비스 자체가 아닌 제품 내 구성 요소로 모델을 사용하는 경우에는 적용되지 않는다고 언급했습니다. "상업 제품에서의 사용은 허용하지만, 모델을 직접 판매하는 것은 허용하지 않는 것입니다"라고 댓글 작성자는 결론지었습니다.

다른 댓글 작성자들은 프레임에 반대했습니다. "오픈이 아닙니다!!!"라고 @I_am_tiberius는 썼습니다. 더 절제된 의견: "'오픈 가중치' 모델에 있어 큰 진전입니다. 제한 때문에 따옴표를 붙였지만, 그래도 진전입니다" (@itsmeduncan).

한 댓글 작성자는 별도 라이선스 요구 사항이 시장에 미치는 영향이 있다고 주장했습니다: "별도 라이선스의 일반적인 효과는 공공 제공업체의 가격 경쟁 감소입니다(Kimi K3에서 본 것처럼). 가격이 고정되면 제공업체에 더 유리할 것입니다. 효율성 개선이 시간이 지남에 따라 가격을 낮추는 대신 직접 마진을 개선하기 때문입니다" (@popinman322).

추론 지원은 거의 모든 주요 런타임에 걸쳐 있음

메타는 Muse Spark Open이 SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp, Unsloth에서 실행되며 AMD, Apple, Intel, NVIDIA 실리콘에 대한 최적화를 제공한다고 밝혔습니다. 개발자는 PyTorch를 사용하여 모델을 추가로 사용자 지정할 수 있으며, 메타는 튜닝을 위해 TorchTitan을 언급합니다.

댓글 작성자들은 이러한 광범위한 지원을 진정한 강점으로 언급했습니다: "Unsloth에서 MLX에 이르기까지 사실상 모든 모델 러너에서 이 모델을 실행할 수 있도록 상당한 노력을 기울였습니다" (@armcat).

오픈 가중치 릴리스에는 SGLang의 사용자 지정, 자동 튜닝 가능한 Helion GPU 커널이 포함되어 있습니다. 메타는 NVIDIA 및 AMD GPU에서 1.03–3.95배의 커널 수준 속도 향상과 AMD MI350에서 3%의 엔드투엔드 속도 향상을 보고했습니다.

가용성: API, 가중치 호스트 및 에이전트 데모

Muse Spark Open은 Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI의 API 플랫폼을 통해 사용할 수 있습니다. 모델 가중치는 Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face, Microsoft Foundry Models에서 다운로드할 수 있습니다. 메타는 Mac Studio에서 모델을 실행하기 위한 MLX 어댑터를 게시했습니다.

메타는 Muse Spark Open으로 구동되는 Muse Code를 사용하여 완전히 온디바이스에서 실행되는 에이전트 워크플로를 테스트했다고 보고했습니다. 여기에는 오픈소스 Mastodon 클라이언트인 Ice Cubes에 실제 iOS 변경 사항(버그 수정, 새 기능, 전체 빌드)을 제공하고, DaVinci Resolve를 엔드투엔드로 구동하여 모델이 프레임별로 푸티지를 검토하여 가장 강력한 순간을 찾고 세로로 크롭하는 작업이 포함됩니다.

한 댓글 작성자는 이미지-투-HTML 변환 테스트를 실행했고 이 작업에 강력한 모델임을 발견했습니다: "전반적으로 꽤 견고합니다. 디자인을 완전히 따르지는 않지만 분위기는 잡습니다. 변환에 있어서 제가 본 오픈 모델 중 최고 중 하나이며, 인상적입니다" (@jjcm).

안전 평가 및 라이선스 프레임워크

메타는 Muse Spark Open이 오픈 가중치가 자체적인 고려 사항을 수반하기 때문에 추가 안전 사후 훈련을 받았다고 밝혔습니다. 회사는 Meta Superintelligence Scaling Framework에 따라 가장 심각한 위험을 포함하여 모델을 평가했으며, 모델이 릴리스에 필요한 임계값을 충족했다고 말합니다. 자세한 결과는 Hugging Face의 Muse Spark Open 모델 카드에 있으며, 전체 평가 보고서가 약속되어 있습니다.

가중치 공개에 대한 전략적 논쟁

스레드에는 메타가 프론티어에 가까운 모델을 왜 공개하는지에 대한 상당한 논쟁이 있었습니다. 가장 많은 추천을 받은 전략적 견해는 메타의 원래 오픈 모델 논제가 검증되고 있다고 주장했습니다:

"지능에 대한 임대 시장은 결코 실현되지 않았습니다. 프론티어 모델을 보유하면 임대료를 청구할 수 있습니다(몇 주, 어쩌면 한 달). 그러나 특정 능력 수준 이후에는 가격이 결정 요인이 됩니다. 저커버그는 자신이 정말 잘하는 일을 하고 있으며, 네트워크 주변에 해자를 구축하고 있습니다(Muse는 매우 끈끈합니다). 이제 우리 모두가 메타의 모델로 표준화되면, 우리는 모델을 실행하는 인프라를 극도로 최적화하여 그가 확장하는 데 더 저렴하게 만들고, 더 많은 참가자를 그의 네트워크로 끌어들여 네트워크를 더 가치 있게 만들 것입니다. 메타는 소비자 AI에서 승리할 것입니다." — @swalsh

관련 주장은 모델 품질보다는 유통에 초점을 맞췄습니다: "메타가 규모에 맞게 많은 가설을 A/B 테스트할 수 있는 muse 같은 제품을 배포할 수 있는 팀은 세계에 많지 않습니다... 저희 부모님과 가족은 Claude를 들어본 적도 없고 ChatGPT를 가끔 검색 엔진으로만 사용합니다. 그러나 메타는 이것을 모달과 피드에 삽입할 방법을 찾을 것입니다" (@itissid).

다른 사람들은 '미국 오픈 가중치'라는 프레임 자체에 회의적이었습니다. "'가장 강력한 미국 오픈 가중치 모델'을 공개하는 요점이 무엇입니까? 모델 서빙 제공업체의 위치에 신경 쓸 이유는 이해하지만, 오픈 가중치 모델이 훈련된 위치를 모델 사용자로서 왜 신경 써야 합니까?"라고 @lern_too_spel이 물었습니다. 또 다른 댓글 작성자는 연구소 전반의 패턴을 관찰했습니다: "오픈 가중치 모델을 하는 회사들은 '최고'라고 광고하는 것에서 '미국/유럽 최고'로 전환하고 있습니다... 이는 또한 중국 기업들이 오픈 가중치 모델 분야에서 얼마나 뛰어나게 되었는지에 대한 암묵적 인정처럼 들립니다" (@sergdigon).

API 사용자를 위한 비용 및 가격 우려

댓글 작성자들은 가격을 실질적인 장벽으로 지적했습니다. "OpenRouter의 가격이 내려와야 합니다. 지금은 deepseek v4.1 flash만큼 좋지 않은 모델인데 비용은 약 10배입니다" (@keyle). 또 다른 댓글 작성자는 유료 구독을 유지하는 주된 이유가 더 강력한 모델의 토큰 비용이라고 언급했습니다 (@popinman322).

이번 공개로 제기된 미해결 질문

스레드의 여러 지점은 원본 자료로 해결되지 않은 채 남아 있습니다:

• 메타가 512GB 통합 메모리를 갖춘 미출시 M5 Ultra 하드웨어에 접근했는지, 아니면 데스크톱 데모가 사양에서 작성되었는지. 한 댓글 작성자는 512GB 구성이 10월 말 출시로 예정되어 있다고 언급했습니다 (@devy).
• 동일한 평가에서 Muse Spark Open이 Muse Spark 1.3 및 Muse Spark 1.2와 어떻게 비교되는지, 댓글 작성자들의 주장에 따르면 새 릴리스가 둘 다보다 낮은 벤치마크를 기록한다는 점을 고려할 때.
• 한 댓글 작성자가 200GB 이상으로 추정한 KV 캐시 메모리 요구 사항을 고려할 때 1M 토큰 컨텍스트 창이 실질적으로 사용 가능한지 여부.
• 메타가 Muse Spark 1.2의 가중치를 공개할지 여부. 한 댓글 작성자는 저커버그가 개인적으로 약속했다고 말했습니다 (@sharktheone).

메타의 전체 평가 보고서는 공개 시점에 "곧 제공 예정"으로 설명되었습니다.

SUMMARY: 메타는 2026년 10월 15일 Muse Spark Open을 공개했습니다. 이는 816B 파라미터(42B 활성)의 네이티브 멀티모달 오픈 가중치 모델로, 1M 토큰 컨텍스트 창을 갖추고 두 대의 Apple M5 Ultra Mac Studio에서 실행됩니다. 그러나 Hacker News 댓글 작성자들은 서드파티 벤치마크에서 중국 오픈 가중치 모델보다 뒤처지며, 2천만 달러 Model-as-a-Service 조항이 포함된 라이선스로 배포된다고 지적합니다.

TITLE: Muse Spark Open: 메타의 816B 오픈 가중치 모델 — 사양, 벤치마크, 라이선스 및 하드웨어 요구 사항