메타, 반복 작업 전담 소형 에이전트 모델 Muse Ember 공개

왜 지금 이 주제인가

메타가 2026년 11월 9일 새 멀티모달 모델 Muse Ember를 공개했습니다. 지난달 내놓은 대형 에이전트 모델 Muse Wonder, 코딩 특화 모델 Muse Spark에 이어 나온 세 번째 라인업이지만 방향은 다릅니다. 더 똑똑한 모델이 아니라 같은 작업을 몇 번이고 반복해도 비용이 적게 드는 모델을 목표로 삼았습니다. 에이전트가 하루 내내 처리하는 도구 호출, 코드 조각 수정, 문서 파싱 같은 저난도 고빈도 작업을 겨냥한 설계로, 에이전트 비용 경쟁의 초점이 “얼마나 똑똑한가”에서 “얼마나 싸게 반복하는가”로 옮겨 가고 있음을 보여주는 사례입니다.

핵심 내용

Muse Ember(모델명 muse-ember-1.0)는 메타의 에이전트 모델 3종 체계에서 실행을 전담합니다. 메타는 이 체계를 Wonder가 가장 어려운 계획 문제, Spark가 코딩과 에이전트 워크플로, Ember가 그 작업의 반복 가능한 버전을 대규모로 처리하는 역할 분담으로 설명합니다. 복잡한 의사결정은 상위 모델이 맡고, 결정을 실제로 실행하는 반복 작업은 Ember가 저렴하게 처리하는 구조입니다.

가격은 20만 토큰 이하 구간에서 입력 100만 토큰당 0.10달러, 출력 100만 토큰당 0.50달러이며, 캐시된 입력은 0.004달러로 더 낮습니다. 20만 토큰을 넘는 구간에서는 입력 0.30달러, 출력 1.50달러, 캐시 입력 0.012달러로 오릅니다. 컨텍스트 창은 100만 토큰이고 최대 출력은 52만 4천 토큰(524K)까지 가능합니다. 텍스트와 이미지를 입력으로 받고 도구 호출을 지원합니다.

벤치마크에서는 비슷한 체급의 경쟁 모델과 견줘 엇갈린 결과를 보였습니다. 도구 사용 자동화를 측정하는 AutomationBench-AA에서 Ember는 37.8%를 기록해 Anthropic Claude Haiku 5.5의 13.9%, OpenAI GPT-6 Luna의 20.2%를 크게 앞질렀습니다. 터미널 명령 수행 능력을 보는 Terminal-Bench 4.0에서도 40.9%로 Haiku 5.5(39.2%)와 Luna(16.4%)를 넘어섰습니다. 반면 코딩 벤치마크인 FrontierCode 2.0에서는 27.2%에 그쳐 Haiku 5.5의 34.9%에 뒤처졌습니다.

독립 평가 기관 Vals AI가 집계하는 Vals Index에서는 36개 모델 중 13위, 점수 60.48%를 받았습니다. 법률 문서 처리를 보는 Legal Index에서는 4위(75.69%)로 상위권에 들었지만, 세금 관련 작업과 터미널 작업에서는 상대적으로 약한 모습을 보였다고 Vals AI는 평가했습니다. 리서치 기관 Artificial Analysis는 자체 Intelligence Index에서 Ember에 36점을 매기며 작업당 비용을 0.14달러로 추산했습니다.

의미와 한계

Muse Ember가 보여주는 흐름은 에이전트 설계가 하나의 거대 모델로 모든 일을 처리하는 방식에서, 역할별로 모델을 나눠 쓰는 계층 구조로 옮겨 가고 있다는 점입니다. 어려운 계획은 큰 모델에, 반복 실행은 저렴한 모델에 맡기면 전체 에이전트 운영 비용을 낮출 수 있다는 것이 메타의 주장입니다. 실제로 도구 호출과 터미널 작업처럼 정형화된 과제에서는 경쟁 모델보다 높은 점수를 받아, 적어도 이 영역에서는 설계 의도가 수치로 뒷받침됩니다.

다만 모든 영역에서 우위를 보인 것은 아닙니다. FrontierCode 2.0 같은 실제 코딩 벤치마크에서는 Haiku 5.5에 뒤처졌고, Vals Index 종합 순위도 36개 모델 중 13위에 그쳐 상위권 모델과는 거리가 있습니다. Ember는 모든 작업을 잘하는 모델이 아니라, 정해진 범위의 반복 작업에서만 비용 대비 효율이 높은 모델로 봐야 합니다. 공개된 수치는 메타와 메타가 인용한 평가 기관의 결과이며, 독립적인 제3자 재현 검증은 아직 확인되지 않았습니다. 파라미터 수나 아키텍처 세부 사항도 메타가 공개하지 않아, 비용 절감이 모델 경량화에서 온 것인지 다른 최적화 기법에서 온 것인지는 알 수 없습니다.

한 줄 정리

메타가 에이전트의 반복 실행 작업만 저렴하게 전담하는 소형 모델 Muse Ember를 공개했으며, 정형화된 과제에서는 강세를, 코딩 등 일부 영역에서는 한계를 보였습니다.