메타, 에이전트 작업용 경량 모델 뮤즈 엠버 공개
원제 Our Smallest, Most Efficient Model: Muse Ember
162 포인트댓글 66
Key Point
에이전트 AI가 상용화되면서 도구 호출과 반복 작업에 최적화된 경량 모델의 필요성이 높아졌는데, 뮤즈 엠버는 기존 모델보다 훨씬 저렴한 비용으로 더 나은 성능을 제시해 생산 AI 시스템의 비용 구조를 바꿀 가능성을 보여준다.
핵심 요약
- 메타가 복잡한 추론 실행과 에이전트 작업에 특화된 경량 모델 뮤즈 엠버를 발표했다.
- 뮤즈 엠버는 Claude Haiku 5.5보다 약 3분의 1 비용으로 동일 수준의 성능을 내며, 모든 GPT-4o Luna 설정을 능가한다.
- 가격 대비 성능 지수에서 Artificial Analysis 전체 리더보드 효율성 경계선에 위치한다.
- 도구 호출, 코딩 소작업, 라우팅, 데이터 추출, 장문 문서 파싱에 최적화되어 있다.
- 에이전트는 세션당 수백 번 반복하는 코딩 작업(파일 읽기, 테스트 실행, 타겟 수정)에 뮤즈 엠버를 사용할 수 있다.
- 메타 내부 평가 결과 AutomationBench에서 37.8%(Haiku 13.9%, Luna 20.2%), Agents' Last Exam에서 61.6%(Haiku·Luna 57%), Terminal-Bench 4.0에서 40.9%를 기록했다.
- OSWorld 2.1 데스크톱 작업에서 69.5% 정확도를 달성했으며, 시각 인식(PerceptionBench)에서 80.6% 점수를 얻었다.
- 텍스트, 이미지, 오디오, 비디오를 원래부터 이해하므로 별도 모델 없이 스크린샷, 차트, 음성 메모를 처리할 수 있다.
- 1M 토큰 컨텍스트 윈도우와 최대 512K 출력 토큰을 지원하여 전체 코드베이스나 문서 집합을 한 번에 처리 가능하다.
- 화학·생물, 사이버보안, 제어 불능 위험에 대한 메타 Superintelligence Scaling Framework 평가를 통과했다.
- 오늘부터 메타 모델 API와 뮤즈 코드에서 muse-ember-1.0으로 이용 가능하며, 입력 토큰당 0.10달러, 출력 토큰당 0.50달러, 캐시된 입력 토큰당 0.004달러이다.
- 뮤즈 엠버는 뮤즈 원더(어려운 문제용)와 뮤즈 스파크(코딩용) 사이의 위치를 차지하며, Artificial Analysis 작업당 약 0.14달러로 모든 제품에 규모 있게 배포 가능하다.
- 메타는 더 효율적인 모델들을 개발 중이며 향후 공개할 계획이다.