Meta는 월요일에 Muse 제품군 중 가장 작고 효율적인 모델인 Muse Ember를 출시했습니다. 이 모델은 도구 호출, 하위 작업 코딩, 라우팅, 추출 및 긴 문서 구문 분석과 같이 AI 에이전트가 하루 종일 수행하는 일상적인 작업을 정면으로 겨냥했습니다. 이 모델은 입력 토큰 백만 개당 0.10달러, 출력 토큰 백만 개당 0.50달러로 Meta Model API에 적용되었습니다.

Meta의 발표에 따르면 Muse Ember는 모든 추론 설정에서 Claude Haiku 5.5 또는 GPT-6 Luna보다 달러당 더 많은 지능을 제공합니다. 회사는 이 모델이 비용의 약 3분의 1로 Haiku 5.5의 최고 점수와 일치하고 모든 Luna 설정을 능가하여 인공 분석 순위표의 효율성 최전선에 배치되었으며 작업당 더 적은 비용으로 더 높은 점수를 얻은 모델은 없다고 밝혔습니다. 이 이야기에 대한 자세한 내용은 인공지능 뉴스를 참조하세요.

상담원 하위 작업을 위해 구축된 모델

Meta의 주장은 현대 에이전트가 하나의 거대한 답변이 아닌 여러 개의 작고 구조화된 단계에 토큰의 대부분을 소비하고 Muse Ember가 정확히 해당 작업 부하를 위해 설계되었다는 것입니다. 이 회사는 비즈니스 워크플로를 엔드 투 엔드로 수행하고, 기록을 가져오고, 도구를 순차적으로 호출하고, 애플리케이션 전체에서 시스템을 업데이트할 수 있는 모델을 설명합니다.

컨텍스트 창은 이 모델 클래스에 비해 매우 관대합니다. Muse Ember는 최대 100만 개의 입력 토큰을 허용하고 단일 호출로 최대 512,000개의 출력 토큰을 생성할 수 있습니다. 이는 전체 코드베이스 또는 대규모 문서 세트를 한 번에 수집하기에 충분합니다.

벤치마크: 높은 점수, 주목할만한 격차

헤드라인 수치는 Meta의 발표에 재현된 2026년 11월 9일자 인공 분석 데이터에서 나온 것입니다. 인공 분석 지능 지수에서 Muse Ember는 가장 높은 추론 설정에서 작업당 $0.116로 33.9점, 작업당 $0.136으로 35.8점을 받았습니다. Claude Haiku 5.5의 최고 결과는 36.2였지만 작업당 비용은 0.411달러로 대략 3배나 비쌉니다. GPT-6 Luna는 27.8로 1위를 차지했습니다. 최대 추론의 전체 지수에서 Muse Ember와 Haiku 5.5는 36위를 기록했고 Luna는 28위를 기록했습니다.

작업 수준 결과는 동일한 패턴을 보여줍니다.

  • 에이전트 터미널 코딩을 측정하는 Terminal-Bench 4.0에서 Muse Ember는 최대 추론에서 40.9점을 얻었습니다. 이는 Claude Haiku 5.5(39.2점)보다 앞서고 GPT-6 Luna(16.4점)보다 훨씬 뛰어났습니다.
  • 엄격한 pass@1로 점수를 매긴 엔드투엔드 비즈니스 워크플로 벤치마크인 AutomationBench-AA에서 Muse Ember는 GPT-6 Luna의 경우 20.2, Claude Haiku 5.5의 경우 13.9에 비해 37.8을 기록했습니다.
  • Linux 하위 집합의 엔드투엔드 에이전트 작업에 대한 Meta 내부 평가인 에이전트의 마지막 시험에서 Muse Ember는 61.6점을 얻어 Luna(57.1점), Haiku 5.5(57.0점)를 앞섰습니다.
  • 개인 작업과 지식 작업을 내부적으로 종합한 Meta의 개인 초지능 지수에서 Muse Ember는 Luna의 경우 46.8점 대 37.0점, Haiku의 경우 36.1점 5.5점을 받았습니다.
  • 데스크톱 애플리케이션 전체의 컴퓨터 사용 벤치마크인 OSWorld 2.1에서 Muse Ember는 부분 일치 점수에서 69.5점, 이진 점수에서 27.8점을 받았습니다.
  • 세분화된 시각적 인식 테스트인 PerceptionBench with tools에서 Muse Ember는 Haiku 5.5의 경우 78.6, Luna의 경우 62.8을 상대로 80.6으로 선두를 차지했습니다.

표시할 가치가 있는 공백이 하나 있습니다. 결과 코드가 병합될 수 있는지 여부에 대한 실제 엔지니어링 작업을 판단하는 FrontierCode 2.0-AA에서는 Claude Haiku 5.5가 34.9로 선두를 차지했고 Muse Ember는 27.2, GPT-6 Luna는 25.2로 선두를 차지했습니다. 벤치마크는 다양하며 팀은 단일 리더보드가 아닌 실제 작업 부하에 모델을 일치시켜야 한다는 점을 상기시켜 줍니다.

효율성 수치의 의미

작업당 비용 프레이밍은 Meta가 가장 뚜렷한 대조를 이루는 부분입니다. Haiku 5.5는 최고 점수인 36.2에 도달하기 위해 가장 높은 추론 설정에서 작업당 최대 $0.411를 지출해야 한 반면 Muse Ember는 $0.136에 35.8을 기록했습니다. Luna의 최고 점수인 27.8점은 작업당 $0.152로 Muse Ember의 가격보다 높고 해당 점수보다 훨씬 낮습니다. 세션당 수백 개의 하위 작업을 실행하는 에이전트 하네스의 경우 작업당 비용이 빠르게 증가합니다. 이것이 바로 Meta가 목표로 하는 세그먼트입니다.

초기 파트너가 보고한 내용

Meta의 발표에는 Box, Cline, Oracle, Cloudflare 및 You.com 등 5개 파트너의 초기 결과가 포함되어 있습니다.

Cloudflare CTO인 Dane Knecht는 Muse Ember가 "우리가 테스트한 유사한 모델보다 최대 30% 더 빠르게 실행"되었으며 광범위한 다중 저장소 조사 작업을 잘 처리하여 처리량이 높은 에이전트 워크로드에 매우 적합하다고 말했습니다.

You.com의 추론 책임자인 Chak Pothina는 Muse Ember가 회사 테스트에서 모든 코딩 퀘스트를 시도한 모든 모델 중 가장 낮은 대기 시간(p95 2.2초)으로 완료했다고 보고했습니다. 즉, Pothina에 따르면 주요 개방형 모델보다 약 4배~13배 빠르며 출력 토큰이 36%~48% 적습니다.

Box AI 제품 부사장 Yashodha Bhavnani는 Box의 AI Complex Work Eval에서 이 모델이 회사의 협상 플레이북 조항에 대해 조항별로 계약 점수를 매기고 올바른 전체 위험 등급에 도달할 수 있다고 말했습니다. Cline 창립자인 Saoud Rizwan은 Muse Ember를 코딩 및 문서 분석과 같은 하위 에이전트 작업을 위해 "특수 제작"했다고 불렀으며 Oracle SVP Konstantinos Papamiltiadis는 엔지니어링 팀의 강력한 잠재력을 언급했습니다.

가용성 및 가중치에 대한 주목할만한 점

Muse Ember는 월요일부터 Meta Model API를 통해 사용할 수 있습니다. 이 발표에서는 개방형 가용성에 대해 언급하지 않으므로 자체 호스팅 팀은 현재로서는 이를 API 전용 릴리스로 처리해야 합니다. Meta Superintelligence Labs는 파트너 인용문의 작업으로 인정을 받았습니다.

에이전트 하네스를 조립하는 개발자를 위해 저렴하고 빠른 하위 에이전트 모델의 도착은 Claude Haiku 5.5 및 GPT-6 Luna와 함께 세 번째 주요 옵션을 추가합니다. 두 제품 모두 이제 Muse Ember가 메타 인용 벤치마크에서 비슷한 품질로 가격을 인하합니다. 그 장점이 독립적인 테스트에서도 유지되는지, 인공 분석을 통해 재현된 외부 데이터 메타가 다음으로 지켜볼 일입니다.

---

AI 최신 소식

최신 AI 뉴스, 분석 및 혁신을 한 곳에서 확인하세요.

AI 뉴스 더 보기 →