Meta Muse Spark 1.1 리뷰(2026): 75% 저렴한 프런티어 API, GPT·Claude보다 나은 경우

이번 Meta Muse Spark 1.1 리뷰의 핵심은 가격과 성능의 엇갈림입니다. Meta의 첫 유료 프런티어 모델은 입력 토큰 백만 개당 $1.25, 출력 토큰 백만 개당 $4.25로, OpenAI와 Anthropic의 최상위 모델 대비 대략 사분의 일 가격입니다. 테스트된 모든 툴 사용 벤치마크에서는 선두를 차지했지만, 정작 이름에서 내세우는 최고난도 코딩에서는 Claude Opus 4.8에 뒤처집니다.

Meta Muse Spark 1.1 리뷰 결론

현재 프런티어급 툴 사용 모델 가운데 Muse Spark 1.1의 가성비는 가장 뛰어납니다. 다만 어렵고 장시간 이어지는 코딩 작업에 먼저 선택할 모델은 아닙니다. 두 판단은 동시에 성립하지만, 마케팅은 그중 유리한 쪽만 보여줍니다.

가격 경쟁력은 분명합니다. 입력 백만 토큰당 $1.25, 출력 백만 토큰당 $4.25입니다. 출력 비중이 큰 에이전트 루프를 기준으로 보면 GPT-5.6 Sol에서 백만 토큰당 $30가 드는 작업이 Muse Spark에서는 $4.25로, 비용이 약 일곱 배 적습니다. Meta가 출시와 함께 공개한 벤치마크에서도 대규모 툴 사용을 측정하는 MCP Atlas와 JobBench 모두 Opus 4.8, GPT-5.5, Gemini 3.1 Pro를 큰 폭으로 앞섰습니다. 제품이 대부분의 토큰을 툴 조율, MCP 서버 호출, 서브에이전트 협업에 쓴다면, 지금 이 작업을 프런티어급 모델로 처리하는 가장 저렴한 선택지입니다.

문제는 'Spark'라는 이름이 암시하는 영역입니다. Meta는 이 제품군을 코딩용으로 명명하고 마케팅의 무게도 여기에 두지만, 독립 코딩 벤치마크 성적은 중위권입니다. 에이전트형 터미널 코딩과 장기 에이전트 코딩에서 모두 세 번째이며, 다양한 소프트웨어 엔지니어링 평가에서는 Opus 4.8보다 낮습니다. 가중치를 공개하지 않는 독점 모델이고 출력은 텍스트만 지원하며, 미국 개발자에게만 대기 명단을 거쳐 공개 프리뷰로 제공된다는 제약도 있습니다.

대규모 툴 사용이나 에이전트 오케스트레이션을 운영하면서 토큰당 비용이 병목이라면 지금 전환할 만합니다. 반대로 한 번의 잘못된 단계가 큰 비용으로 이어지는 장시간 자율 코딩이라면 Opus 4.8이나 GPT-5.6 Sol을 유지하는 편이 낫습니다. 아래에서 가격의 실제 의미, Meta의 발표문이 충분히 드러내지 않은 벤치마크, 그리고 선택을 가르는 한 가지 기준을 살펴봅니다.

Muse Spark 1.1은 어떤 모델인가

Meta AI의 Muse Spark 1.1은 Meta Superintelligence Labs가 2026년 7월 9일 공개한 두 번째 모델이자, 외부 개발자가 API로 비용을 내고 사용할 수 있는 Meta의 첫 모델입니다. 에이전트 작업을 위해 설계된 멀티모달 추론 모델로, 단일 질문에 답하는 데 그치지 않고 여러 단계의 작업을 계획하고 외부 툴을 구동하며 서브에이전트에 일을 나눕니다. 컨텍스트 윈도는 1,048,576토큰, 즉 백만 토큰 전체를 담을 수 있으며, 이후 단계에 필요한 공간을 확보하기 위해 앞선 작업을 능동적으로 압축합니다. 핵심 활용 방식 상당수는 MCP 서버를 중심으로 구성됩니다. MCP는 모델이 하나의 인터페이스를 통해 외부 툴과 데이터 소스를 호출하게 해주는 개방형 표준입니다. 덕분에 에이전트 하나가 각 서비스마다 별도의 연결 코드를 만들지 않고도 스프레드시트, 브라우저, 사내 API를 다룰 수 있습니다.

Meta의 기존 행보와 달라진 점은 두 가지입니다. 첫째, 이 모델은 독점형이며 가중치가 비공개입니다. Meta가 오픈 모델 시장에서 이름을 알린 Llama 제품군과 달리 다운로드하거나 자체 호스팅할 수 없습니다. Zuckerberg도 이러한 변화를 솔직히 밝혔습니다. "오픈소스 모델이 아니기 때문에, Meta가 진정한 의미의 본격적인 API를 선보이는 것은 이번이 처음이라고 생각합니다." 자체 호스팅이나 파인튜닝을 위해 공개 가중치가 필요하다면 Muse Spark는 선택지에서 제외해야 하며, 최고의 오픈 웨이트 모델은 별도로 검토해야 합니다. 둘째, 일반 사용자에게는 무료입니다. Meta 계정으로 Meta AI 앱과 meta.ai의 "Thinking" 모드에서 실행할 수 있어, 유료 API를 실제 제품에 넣을 가치가 있는지 결정하기 전에 누구나 시험해볼 수 있습니다.

마케팅 문구보다 중요한 사양이 하나 있습니다. 텍스트·이미지·오디오를 입력으로 받을 수 있지만 출력은 텍스트만 제공합니다. 이미지나 오디오 생성 기능은 없으며, 이는 별도 제품군인 Muse Image와 Muse Video의 역할입니다. Muse Spark는 에이전트의 두뇌이지 미디어 생성기가 아닙니다. 이 구분을 놓치면 처음부터 잘못된 기대를 갖게 됩니다.

에이전트 기능은 실질적입니다. 계획 모드, 목표 조건화, 서브에이전트 위임, 컨텍스트 압축을 제공하며, 연동별 튜닝 없이도 새로운 네이티브 툴, MCP 서버, 맞춤형 스킬에 제로샷으로 일반화할 수 있다고 주장합니다. 초기 파트너들의 평가도 방향성에는 힘을 실어줍니다. Cline CEO Saoud Rizwan은 Meta가 "진지한 에이전트 코딩과 강력한 툴 사용을 위해 분명히 개발하고 있으며, 실제 코딩 워크로드를 대규모로 돌릴 수 있는 가격대를 제시했다"고 말했습니다. Replit의 Amjad Masad는 "최상위급 코딩 능력, 특히 프런트엔드와 디자인"과 OpenAI 호환 패키징을 높이 평가했습니다. 다만 아래의 독립 벤치마크와 함께 봐야 합니다. 수치는 이러한 추천사보다 훨씬 복합적인 그림을 보여줍니다.

Muse Spark 1.1 가격과 '75% 저렴하다'는 말의 의미

Meta Model API 가격은 입력 백만 토큰당 $1.25, 출력 백만 토큰당 $4.25이며, 신규 계정마다 $20의 무료 크레딧을 제공합니다. 캐시된 입력은 백만 토큰당 $0.15로 내려가고, 내장 웹 검색 그라운딩 툴은 쿼리 1,000건당 $2.50입니다. 인터페이스는 OpenAI SDK와 호환되며 구조화된 출력, 병렬 툴 호출, 프롬프트 캐싱을 지원합니다. 기존 스택에 연결하는 작업은 사실상 기본 URL을 바꾸는 수준에 가깝습니다.

"경쟁사 가격의 대략 사분의 일"이라는 표현은 프런티어급 모델끼리 비교하면 정확합니다. 직접 경쟁 대상으로 제시된 모델들과 현재 가격을 나란히 놓으면 다음과 같습니다.

표의 상단만 보면 주장은 성립합니다. Muse Spark의 출력 토큰은 Opus 4.8보다 5.9배, GPT-5.6 Sol보다 7배 저렴하고, 입력 토큰은 두 모델 모두보다 정확히 4배 저렴합니다. 바로 여기서 '75% 할인'이라는 헤드라인이 나옵니다. 프런티어급 모델 가격 곡선을 실질적으로 꺾은 수치입니다.

표의 하단을 보면 중요한 단서가 드러납니다. Muse Spark가 시장에서 가장 저렴한 모델은 아닙니다. 입력 토큰 가격 $1.25는 Claude Haiku 4.5와 GPT-5.6 Luna의 $1보다 높고, 출력 가격도 두 보급형 모델보다 소폭 낮을 뿐입니다. 따라서 '가장 저렴한 AI API'라고 부르는 것은 정확하지 않습니다. 출력 비용을 기준으로 보급형에 가까운 가격에 프런티어급 역량을 제공한다고 보는 편이 맞습니다. 저렴하게 재시도할 수 있는 짧은 컨텍스트의 추출이나 분류 작업이라면, 순수 입력 비용에서는 Haiku 4.5나 Luna가 여전히 유리하며 Muse Spark의 높은 성능 상한도 필요하지 않습니다. 프런티어급 AI 에이전트 두뇌가 필요하고 비용의 대부분이 출력에서 발생할 때 비로소 가치가 커집니다.

Meta가 충분히 강조하지 않은 벤치마크

Meta의 출시 글은 외부에서 재현할 수 없는 Meta Internal Coding Bench 같은 내부 평가에 무게를 둡니다. 실제로 유용한 자료는 제3자 비교이며, 여기서는 마케팅이나 파트너 추천사보다 더 분명한 결론이 나옵니다. 이 평가에 사용된 OpenAI 모델은 GPT-5.5입니다. GPT-5.6 Sol의 가격은 동일한 $5/$30이므로 위의 가격 비교는 어느 쪽을 기준으로 해도 성립합니다.

행을 용도별로 묶으면 패턴이 선명합니다. 툴 사용과 툴 기반 추론을 평가한 네 개 테스트 가운데 Muse Spark 1.1은 세 개에서 단독 선두이고, 나머지 하나도 Opus에 불과 0.6점 뒤졌습니다. JobBench에서는 Gemini를 54.7 대 15.9로 앞섰고, GPT-5.5의 점수도 38.3에 그쳐 격차가 큽니다. 여러 툴을 넘나들며 계획하고 조율하도록 튜닝된 모델이며, 수치도 이러한 설계를 뒷받침합니다.

세 개 코딩 항목에서는 흐름이 뒤집힙니다. Terminal-Bench 2.1에서 80.0으로 세 번째에 머물러 GPT-5.5의 83.4와 Opus 4.8의 82.7에 뒤졌습니다. 장기 평가인 DeepSWE 1.1에서도 53.3으로 세 번째이며, GPT-5.5는 67.0, Opus 4.8은 59.0입니다. 코딩에서 유일하게 우위를 보인 SWE-Bench Pro에서는 61.5로 GPT-5.5를 앞섰지만, Opus 4.8의 69.2에는 미치지 못했습니다. DataCamp의 해석도 표와 같습니다. 장기 에이전트 작업은 "GPT-5.5와 Opus 4.8에 비해 여전히 약하다"는 평가입니다. 코딩을 내세우며 'Spark'라는 이름을 붙인 제품군이라는 점을 고려하면 반드시 달아야 할 단서입니다. 강력한 AI 코딩 모델이지만 한 프런티어 경쟁자는 이기고 다른 경쟁자에게는 지며, 진짜 선두인 툴 사용 점수가 전체 인상을 끌어올린 셈입니다.

특히 많은 사람이 비교하는 Gemini 3.1 Pro와 툴 사용 성능을 놓고 보면 경쟁이 되지 않습니다. Muse Spark는 모든 툴 사용 항목에서 앞서며, DeepSWE에서도 53.3 대 12.0으로 압도합니다. Gemini를 선택할 근거는 이 작업들의 성능이 아니라 가격과 생태계에서 찾아야 합니다.

AI 에이전트에 Muse Spark 1.1이 맞는 경우와 아닌 경우

판단해야 할 질문은 '좋은 모델인가'가 아닙니다. 좋은 모델인 것은 분명합니다. 핵심은 각자의 워크로드가 성능 우위와 가격 경쟁력이 겹치는 구간에 들어가는지입니다.

기준은 명확합니다. 토큰 비용의 대부분이 출력에서 발생하고 에이전트가 크고 새로운 코드베이스를 작성하기보다 툴을 사용하는 데 시간을 보낸다면 Muse Spark 1.1로 전환할 만합니다. 장시간 자율 실행에서 단 한 번의 잘못된 단계도 큰 비용을 만든다면 Opus 4.8이나 Sol에 비용을 지불하고, Muse Spark는 더 저렴하게 처리할 수 있는 툴 중심 파이프라인에 배치하는 편이 낫습니다. 실제 운영 환경에서는 라우팅 방식이 널리 쓰일 가능성이 큽니다. 대량 오케스트레이션은 Muse Spark가 맡고, 어려운 구현 요청은 최상위 코딩 모델로 넘기는 방식입니다. OpenAI 호환 API 덕분에 이러한 라우팅은 재작성 대신 설정 변경으로 처리할 수 있습니다.

자주 묻는 질문

Muse Spark는 무료인가요?

일반 사용은 무료입니다. Muse Spark 1.1은 Meta 계정으로 Meta AI 앱과 meta.ai의 Thinking 모드에서 사용할 수 있으며, 서버 측 사용량 제한이 적용됩니다. Meta Model API는 유료로, 입력 백만 토큰당 $1.25, 출력 백만 토큰당 $4.25이며 가입 시 $20의 무료 크레딧을 제공합니다.

Muse Spark 1.1은 오픈소스인가요?

아닙니다. Meta의 개방형 Llama 제품군과 달리 독점형이며 가중치가 비공개입니다. Zuckerberg는 유료 API를 Meta의 첫 "진정한 의미의 본격적인 API"라고 불렀습니다. 모델은 Meta 자체 서비스에서만 제공되며 자체 호스팅용으로 공개되지 않았습니다.

Muse Spark는 Gemini 3.1 Pro보다 좋은가요?

툴 사용에서는 확실히 앞섭니다. MCP Atlas는 88.1 대 78.2, JobBench는 54.7 대 15.9이며, 장기 코딩인 DeepSWE에서도 53.3 대 12.0으로 Gemini를 크게 앞섭니다. Gemini의 강점은 이 작업들의 성능이 아니라 가격과 생태계에 있습니다.

Muse Spark 1.1은 코딩에 좋은가요?

좋지만 최고는 아닙니다. SWE-Bench Pro에서 61.5로 GPT-5.5의 58.6을 앞섰지만 Claude Opus 4.8의 69.2보다는 낮습니다. Terminal-Bench 2.1과 장기 평가 DeepSWE에서는 모두 세 번째입니다. 툴 중심 코딩에는 강하지만 지속적인 자율 작업에는 상대적으로 약합니다.

Muse Spark 1.1로 무엇을 할 수 있나요?

외부 앱, 툴, MCP 서버를 넘나드는 에이전트 작업을 계획하고 조율하며, 서브에이전트에 업무를 위임하고 압축을 통해 1M토큰 컨텍스트 윈도를 관리합니다. 텍스트·이미지·오디오를 입력으로 받고 텍스트만 출력합니다.

이제 중요한 것은 어떤 모델을 스택의 어느 자리에 배치하고, 저가형 모델이 실제로 비용을 줄이는 구간을 찾는 일입니다. 무료 비즈니스 오너를 위한 AI Tools Map에서 과장 없이 작업별로 맞는 모델을 확인할 수 있습니다. 새로운 모델이 나올 때마다 핵심 추천을 이메일로 받고 싶다면 뉴스레터를 구독하세요.