Meta, 터미널 코딩 에이전트 Muse Code와 코딩 특화 모델 Muse Spark 1.2 출시

9bow · 8월 8, 2026, 11:00오후

Muse Code와 Muse Spark 1.2 소개

Meta가 터미널에서 동작하는 코딩 에이전트 Muse Code를 베타로 공개하고, 이를 구동하는 코딩 특화 모델 Muse Spark 1.2를 함께 출시했습니다. Muse Code는 큰 저장소를 대상으로 변경 계획을 세우고, 코드를 작성하고, 그 결과를 검증하는 작업을 맡습니다. 하나의 작업에 여러 개의 서브에이전트(subagent)를 붙여 조율한다는 점이 이번 발표의 골자입니다.

Muse Spark는 Meta Superintelligence Labs가 만드는 모델 계열입니다. 2026년 4월 첫 모델을 공개할 때 Meta는 "장기 호흡의 에이전트 시스템과 코딩 워크플로우" 를 성능이 부족한 영역으로 직접 지목했는데, 이번 1.2는 그때 스스로 꼽은 약점을 겨냥한 릴리스입니다. 이어진 Muse Spark 1.1 출시에서는 100만 토큰 컨텍스트와 멀티모달 이해, 컴퓨터 사용 능력을 앞세웠고, 그때 Meta Model API를 공개 프리뷰로 열었습니다. 이번 1.2는 그 흐름의 연장선이면서 초점이 좁혀진 릴리즈입니다. Meta 스스로도 "프론티어를 향한 다음 걸음" 이라는 표현을 쓰면서, 더 크고 더 강력한 모델이 뒤에 준비돼 있다고 밝혔습니다. 즉 1.2는 최상위 모델을 겨냥한 발표가 아니라, 자체 하네스(harness)와 모델을 한 세트로 묶어 내놓은 첫 시도에 가깝습니다.

터미널 코딩 에이전트는 이미 Claude Code, Codex, Antigravity 등이 자리를 잡은 분야입니다. 후발주자가 들어오면서 무엇을 다르게 했는지가 관전 포인트인데, Muse Code가 내세운 차이는 세 가지입니다. 세션 내내 살아 있는 백그라운드 서브에이전트, 모든 이벤트를 append-only로 기록해 크래시 이후에도 정확히 이어서 실행하는 런타임, 그리고 계획을 세우고 그 계획을 스스로 공격해 보는 기본 탑재 스킬입니다.

작업마다 새로 띄우지 않는 상시 백그라운드 서브에이전트

Muse Code의 기본 구조는 단순한 에이전트 루프 하나에 비동기 백그라운드 에이전트 몇 개를 붙인 형태입니다. 여기서 갈라지는 지점은 서브에이전트의 수명입니다. 보통의 에이전트 하네스는 개별 작업이 생길 때마다 서브에이전트를 새로 띄우고, 일이 끝나면 정리합니다. Muse Code의 백그라운드 에이전트는 개별 작업 단위가 아니라 세션 단위로 살아 있습니다.

수명이 길어지면서 얻는 것은 중복 작업의 제거입니다. 새로 띄운 서브에이전트는 자기가 어떤 저장소에서 무슨 일을 하는지 매번 처음부터 파악해야 하고, 그 정보 수집이 곧 지연으로 돌아옵니다. 세션 내내 상주하는 에이전트는 그 과정을 한 번만 거칩니다. 또한 이 에이전트들은 다음 단계를 알아서 수행하고, 메인 에이전트에게 보고할 시점도 스스로 고릅니다. Meta는 이 지속성 덕분에 어렵고 여러 단계로 이어지는 작업에서 지연과 사람의 개입 필요성이 함께 줄어든다고 설명합니다. 제품 페이지는 이 구조를 조금 더 구체적으로 적어 두었는데, 작업을 실제로 수행하는 워커는 병렬로 돌리고 검토를 맡는 리뷰어는 백그라운드에 상주시키는 형태입니다.

Meta는 이 구조로 만든 개발 예시 세 가지를 브라우저에서 바로 실행해 볼 수 있게 함께 올려 두었습니다. Photon Sphere는 블랙홀 주변의 광자 궤도를 WebGL로 살펴보는 데모이고, Embervault는 대장간을 무대로 한 아이소메트릭 던전 탐험 게임, Avo Lawn은 레인 방어(lane defense) 게임입니다. 원문 본문에는 탭으로 묶여 있어 지나치기 쉬운데, 각각 독립된 페이지로도 열리므로 Muse Code가 한 세션에서 어느 정도 규모의 결과물을 뽑아내는지 직접 확인해 볼 수 있습니다.

크래시 이후에도 멈춘 지점에서 이어가는 이벤트 로그 런타임

Muse Code는 로컬 이벤트 로그를 하나 두고, 모델 호출, 도구 실행, 승인, 편집을 전부 여기에 덧붙여 기록합니다. 이 로그가 단일 진실 공급원(single source of truth)이 되면서 런타임은 두 가지 성질을 얻습니다. 하나는 재생 정확성(replay-exact)이고, 다른 하나는 재시작 안전성(restart-safe)입니다. 프로세스가 죽어도 에이전트는 정확히 멈춘 지점에서 다시 시작합니다.

수 시간짜리 작업에서 이 설계가 갖는 의미는 분명합니다. 실행이 길어질수록 도중에 무언가 깨질 확률은 올라가는데, 그때마다 처음부터 다시 시작해야 한다면 장시간 작업은 애초에 성립하지 않습니다. Meta가 뒤에서 소개하는 24시간짜리 커널 최적화 사례도 이 런타임 설계를 전제로 합니다.

/plan, /grill, /goal로 구성된 기본 스킬

Muse Code에는 몇 가지 스킬이 기본 탑재돼 있습니다. /plan 은 작업을 승인 게이트가 붙은 계획으로 바꿉니다. 사람이 승인하기 전에는 다음 단계로 넘어가지 않는다는 뜻입니다. /grill 은 그 계획을 버틸 때까지 압박해 검증합니다. 계획을 세운 다음 곧바로 실행하지 않고, 계획 자체를 공격 대상으로 삼는 단계를 별도 명령으로 분리한 점이 특징입니다. /goal 은 지정한 목표가 달성될 때까지 작업을 이어갑니다.

Meta가 공개한 데모는 mp4 파일 하나를 터미널에 입력으로 넣는 것으로 시작합니다. 집 안을 훑고 지나가는 영상인데, Muse Code가 이 영상을 해석해 휴가용 주택의 마케팅 및 예약 페이지를 만들어 냅니다. Meta가 영상에 붙인 설명을 보면 페이지 생성에서 끝나지 않고 완성된 사이트를 브라우저에서 직접 검증하는 단계까지 이어집니다. 영상 이해와 코드 생성, 결과 확인을 한 세션 안에서 잇는 예시입니다.

설치는 macOS와 Linux에서 아래 한 줄로 끝납니다.

curl -fsSL https://dev.meta.ai/install.sh | bash

Muse Spark 1.2: 코딩 쪽으로 학습 자원을 몰아준 업데이트

Muse Spark 1.2는 Muse Spark 1.1의 코딩 특화 업데이트입니다. 코드 생성, 복잡한 디버깅, 코드베이스 이해, 종단 간(end-to-end) 개발 워크플로우에서 개선이 있었고, Meta는 코딩 작업의 학습 연산량을 크게 늘리는 동시에 학습 환경의 다양성을 확대했다고 밝혔습니다. 일반 에이전트 같은 다른 영역의 성능도 유지했다고 덧붙였습니다. 학습 방식에서 눈여겨볼 부분은 세 가지입니다.

Muse Code와의 공동 학습(Co-Training): 모델과 하네스를 따로 만든 뒤 붙이는 대신, 둘을 함께 학습시켰습니다. 학습 데이터에는 거부 샘플링(rejection sampling)으로 걸러 낸 하네스 실행 궤적이 들어갔고, 목표(goal), 컨텍스트 압축(compaction), 서브에이전트에 대한 레시피 최적화가 함께 이뤄졌습니다. Muse Code의 도구 세트 자체를 학습에 통합해 하네스 호환성을 끌어올렸습니다.

장기 과제(Long-Horizon) 학습: 저장소 전체 생성, 규모가 큰 종단 간 프로젝트, 자동 연구(auto-research)처럼 오래 이어지는 코딩 과제로 학습했습니다. 모델은 작업 순서를 정하는 데 계획을, 방향을 잃지 않는 데 목표 조건화(goal conditioning)를, 진행에 필요한 지식을 남기는 데 컨텍스트 압축을 사용합니다.

자기 개선(Self-Improvement) 루프: Muse Spark 1.1로 까다로운 코딩 환경과 지시 수행 템플릿을 생성하고, 그 1.1이 후보 해답들을 요구사항 충족도로 채점하게 했습니다. 이렇게 만든 데이터셋이 1.2의 학습에 쓰였고, 결과적으로 1.2가 복잡한 지시를 이전 버전보다 정확하게 따르게 됐다는 설명입니다.

벤치마크로 본 위치: 선두는 아니지만 1.1 대비 전 항목 상승

Meta는 코딩 3종과 일반 에이전트 2종으로 나눠 결과를 공개했습니다. 먼저 코딩 쪽입니다.

Terminal-Bench 2.1은 Stanford와 Laude Institute가 함께 만든, 터미널 환경에서 완료하는 작업을 평가하는 벤치마크입니다. Meta는 공식 2.1 릴리스의 89개 작업 전부를 사용했고, 각 시도를 격리된 Daytona 클라우드 샌드박스에서 돌린 뒤 작업별 실행 검증기로 최종 컨테이너 상태를 채점했습니다. 5회 시도의 평균 성공률(pass@1) 기준으로 Muse Spark 1.2는 82.9%를 기록해 Claude Code와 함께 돌린 Opus 5(86.7%) 다음이고, Codex의 GPT 5.6 Terra(81.8%)와 Grok Build의 Grok 4.5(81.6%)보다 앞섭니다.

DeepSWE v1.1은 Datacurve가 만든 장기 코딩 벤치마크로, 91개 저장소에서 뽑은 113개 작업을 TypeScript, Go, Python, JavaScript, Rust 다섯 언어에 걸쳐 다룹니다. 작업마다 손으로 작성한 기능 검증기와 회귀 검사가 붙어 있고, 둘 다 통과해야 성공으로 칩니다. Meta는 Harbor 포맷 데이터셋을 쓰고 공식 러너인 Pier v0.3.0을 최대한 따라갔으며, 에이전트 실행과 채점이 진행되는 동안 모델 엔드포인트를 제외한 외부 인터넷 접근을 차단했습니다. 여기서 Muse Spark 1.2는 59.3%로 Opus 5(65.0%)와 GPT 5.6 Terra(64.8%)에 이어 3위입니다.

Meta Internal Coding Bench는 Meta 사내 코드베이스에서 뽑은 440개 작업으로 구성됩니다. 실제 사내 풀 리퀘스트에서 파생된 과제들이라 버그 수정, 기능 개발, 리팩터링, 코드 정리가 섞여 있습니다. 인터넷은 차단되고, 제출물은 전용 채점 컨테이너에서 컴파일과 단위 테스트를 거칩니다. Muse Spark 1.2는 70.6%로 Opus 5(79.4%)에 이어 2위이고, 1.1(68.3%)보다 2.3%p 올랐습니다.

일반 에이전트 쪽 결과는 성격이 다릅니다. 이 두 벤치마크는 CLI 에이전트 비교가 아니라 벤치마크 제공자의 하네스에서 측정된 값입니다.

GDPVal-AA v2는 Artificial Analysis가 OpenAI의 GDPval 데이터셋에서 가져온 220개 실무 과제를 평가합니다. 44개 직군과 미국 9개 주요 산업에 걸쳐 있고, 문서와 스프레드시트, 슬라이드, 다이어그램, 보고서 같은 산출물을 요구합니다. LLM 심사자가 익명화된 산출물을 1대1로 비교하고, 사람 기준선을 1,000에 고정한 Elo가 주 지표입니다. Muse Spark 1.2는 1,631로 Opus 5(1,852) 다음이며, 1.1의 1,371에서 260점 올랐습니다.

Muse Spark 1.2가 1위를 차지한 유일한 항목이 MCP Atlas입니다. Scale AI가 만든 이 벤치마크는 36개 실제 MCP(Model Context Protocol) 서버와 220개 도구를 대상으로 사람이 작성한 1,000개 작업을 평가합니다. LLM 심사자가 정답 주장마다 충족 1점, 부분 충족 0.5점, 미충족 0점을 매기고, 평균 커버리지가 0.75 이상이면 통과입니다. Muse Spark 1.2는 90.3%로 1.1(88.1%)과 Opus 5(85.8%)를 앞섰습니다.

버전 간 변화만 따로 놓고 보면 다음과 같습니다.

벤치마크	Muse Spark 1.1	Muse Spark 1.2	변화
Terminal-Bench 2.1	76.2%	82.9%	+6.7%p
DeepSWE 1.1	53.0%	59.3%	+6.3%p
Meta Internal Coding Bench	68.3%	70.6%	+2.3%p
GDPVal-AA v2 (Elo)	1,371	1,631	+260
MCP Atlas	88.1%	90.3%	+2.2%p

위 표에서 한 가지는 감안하고 읽어야 합니다. Terminal-Bench와 DeepSWE의 1.1 점수는 mini-swe-agent로, 1.2 점수는 Muse Code로 측정한 값입니다. 즉 이 두 항목의 상승분에는 모델 개선과 하네스 교체가 섞여 있고, 둘을 분리한 수치는 공개되지 않았습니다. 하네스가 같은 조건에서 측정된 Meta Internal Coding Bench와 MCP Atlas의 상승폭이 2%p대인 점과 대비됩니다.

하네스 선택이 결과를 얼마나 흔드는지는 DeepSWE 공식 리더보드와 비교해 보면 드러납니다. 모든 모델에 mini-swe-agent를 동일하게 적용하는 공식 v1.1 리더보드에서 claude-opus-5 [max] 는 74%(오차 4%p, 2026년 8월 6일 갱신 기준)인데, Claude Code로 측정한 Meta의 값은 65.0%입니다. Meta도 방법론 문서에서 자사 평가가 리더보드와 하네스가 동일하지 않다고 명시했고, 평가 설정이 서드파티 모델에 맞춰 조정되지 않았으므로 해당 모델들의 최고 성능을 반영하지 않을 수 있다고 밝혔습니다. 벤더가 자사 하네스로 측정한 비교표를 볼 때 기억해 둘 만한 전제입니다.

1,000회가 넘는 도구 호출로 GPU 커널을 다듬는 사례 연구

Meta가 함께 공개한 사례 연구는 모델이 GPU 커널을 반복해서 최적화하는 작업입니다. 1,000회가 넘는 도구 호출, 최대 24시간에 걸쳐 진행됐고, 모델은 Muse Code의 실행 환경 안에서 커널을 작성하고 컴파일하고 프로파일링하면서 주어진 기준 구현 대비 성능을 끌어올립니다. 대상은 NVIDIA Hopper GPU용 KDA와 MLA 커널입니다.

KDA는 Moonshot AI의 Kimi Linear 논문에서 제안된 Kimi Delta Attention입니다. 기준선은 FLA(flash-linear-attention)의 Triton 구현이며, 모델은 FLA 같은 서드파티 커널 라이브러리를 그대로 가져다 쓰는 것이 금지됐습니다. 기존 구현을 감싸는 대신 알고리즘을 Triton으로 직접 작성해야 했다는 뜻입니다. Muse Spark 1.2는 청크 병렬 준비 커널과 순차적인 청크 간 스캔을 짝지었고, 일반적인 커널 퓨전(fusion)과 타일링(tiling)에 더해 게이트가 걸린 누적 감쇠를 청크 중앙으로 재정렬하는 KDA 고유의 최적화를 적용했습니다. 결과는 기준 대비 +68.7%로, Opus 5(+74.0%), GPT 5.6 Sol(+71.2%), Opus 4.8(+69.6%)에 이어 4위입니다.

MLA(Multi-Head Latent Attention) 쪽은 PyTorch 참조 구현을 기준선으로 삼았고, 배치 크기 1, 헤드 수 64, 시퀀스 길이 8192, 잠재 차원 512 조건에서 측정했습니다. Muse Spark 1.2는 두 개의 커널로 이뤄진 Triton 파이프라인을 설계했고, 공유 KV 잠재를 K와 V 양쪽으로 재사용하는 MLA 고유의 최적화를 넣었습니다. 최종 +61.1%로 Opus 5(+75.4%)와 Opus 4.8(+67.1%), GPT 5.6 Sol(+62.9%) 다음입니다.

두 그래프는 최종 수치뿐 아니라 개선이 언제 일어나는지도 보여줍니다. MLA에서 Opus 5는 도구 호출 150회 무렵 이미 65% 선에 올라서지만, Muse Spark 1.2는 400회까지 36% 안팎에 머물다가 500회 부근에서 61%로 한 번에 뛰어오릅니다. KDA에서는 Muse Spark 1.2가 100회 부근 26%, 200회 41%를 지나 300회 무렵 60%에 닿으면서 같은 시점의 Opus 5(61%)와 거의 나란해졌다가 이후 다시 벌어집니다. 두 경우 모두 초반에 크게 뒤처졌다가 긴 구간을 들여 따라붙는 형태이고, Meta가 장기 과제 학습과 이벤트 로그 런타임을 앞세운 배경과도 맞물립니다. 다만 곡선 중간의 값은 그래프에서 읽은 근사값입니다.

사용 방법과 이용 가능한 곳

Muse Spark 1.2는 Muse Code와 Meta Model API 양쪽에서 바로 쓸 수 있고, Meta는 이번 릴리스와 함께 글로벌 접근 범위를 넓혔다고 밝혔습니다. Muse Code 자체는 아직 베타이며, dev.meta.ai에서 시작할 수 있습니다. 다만 이 페이지는 Meta 계정 로그인을 요구하므로 국내에서 곧바로 접근하려면 계정 준비가 필요합니다. 제품 정보는 Muse Code 제품 페이지에 정리돼 있습니다.

설치 스크립트는 로그인 없이 받을 수 있고, ~/.local/bin 에 muse 명령을 설치합니다. 실행 시점에는 auth.meta.com 을 통한 기기 로그인(OAuth device login)을 거쳐 ~/.config/muse/auth.json 에 자격증명을 저장합니다. 지원 플랫폼은 macOS와 Linux의 x86_64 및 arm64입니다. API 쪽은 OpenAI SDK 호환이라, 쓰던 클라이언트의 엔드포인트만 Meta Model API로 바꾸면 됩니다.

가격: 데이터 제공 여부로 갈리는 두 개의 단가

발표 블로그에는 요금 정보가 없지만, 제품 페이지에는 단가가 공개돼 있습니다. 모델 이름이 두 개로 나뉘어 있고 컨텍스트 창은 둘 다 100만 토큰입니다. 아래 단가는 모두 100만 토큰당 미국 달러입니다.

모델	컨텍스트 창	입력	캐시된 입력	출력
`muse-spark-1.2-contributor`	1M	0.10	0.002	0.20
`muse-spark-1.2`	1M	1.25	0.15	4.25

두 줄의 차이는 성능이 아니라 데이터 취급입니다. contributor 는 Meta가 제품 개선에 데이터를 사용하는 조건이고, 일반 muse-spark-1.2 는 사용하지 않는 조건입니다. 그 대가로 단가가 입력 12.5배, 출력 21배, 캐시된 입력은 75배까지 벌어집니다. 사내 코드가 학습에 쓰이면 곤란한 조직이라면 선택지는 사실상 아래쪽 한 줄이고, 개인 실험이나 이미 공개된 저장소 작업이라면 위쪽이 상당히 저렴합니다. Cursor의 에이전트 스웜 사례처럼 에이전트를 여러 개 띄우는 방식은 토큰 소모가 빠르게 늘기 때문에, 어느 줄을 쓰느냐가 실제 운영비를 가릅니다.

Muse Code가 선택한 것과 아직 확인되지 않은 것

Muse Code와 Muse Spark 1.2는 코딩 에이전트 경쟁에서 Meta가 처음으로 모델과 하네스를 함께 내놓은 결과물입니다. 다섯 개 벤치마크 중 1위는 MCP Atlas 하나이고, 나머지는 Opus 5가 앞서 있습니다. Meta도 이를 SotA 선언이 아니라 다음 단계로 가는 중간 지점으로 설명하고 있어, 발표문의 톤과 수치가 어긋나지 않습니다.

기술적으로 가져갈 것은 두 가지입니다. 하나는 서브에이전트의 수명을 작업 단위에서 세션 단위로 늘린 선택이고, 다른 하나는 모든 이벤트를 append-only 로그에 남겨 재시작 가능한 런타임을 만든 설계입니다. 둘 다 24시간짜리 작업을 전제로 한 결정이며, 커널 최적화 사례에서 그 전제가 그대로 드러납니다. 자체 하네스로 모델을 함께 학습시키는 접근이 실제로 이득을 주는지는 아직 분리 측정된 근거가 없어, 이후 공개될 수치를 기다려 볼 부분입니다. 한 가지 더 짚어 두면, 1.1이 앞세웠던 컴퓨터 사용과 멀티모달 성능은 이번 발표에서 수치로 다시 측정되지 않았습니다. 코딩에 초점을 맞춘 업데이트라는 성격상 자연스럽긴 하지만, 그 두 능력을 보고 1.1을 골랐던 경우라면 1.2에서 그대로인지는 직접 확인해야 합니다.

Muse Code 및 Muse Spark 1.2 소개 블로그

Muse Spark 1.2 및 Muse Code 평가 방법론 문서

https://research.meta.ai/static/muse-spark-1-2-methodology

Muse Code 제품 페이지

Muse Spark 1.1 소개 블로그

더 읽어보기

이 글은 GPT 모델로 정리한 초안을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 댓글로 알려주시기를 부탁드립니다.

이 글이 유용하셨다면 아래쪽 좋아요를 눌러주세요 — 파이토치 한국 사용자 모임이 새로운 소식을 정리하고 공유하는 데 힘이 됩니다!