요약
- 메타가 9월 2일 뮤즈 스파크 1.3을 공개했고, 에이전틱·코딩 작업 성능과 실사용성을 강화했다고 밝혔어요.
- 함께 공개된 벤치마크에서 뮤즈 스파크 1.3은 DeepSWE·SWEAtlas 등 코딩 지표와 장문맥(MRCR) 지표에서 GPT-5.6 솔·오퍼스5를 앞섰어요.
- 다만 사무직 지식노동 전반을 재는 GDPVal-AA v2와 JobBench에서는 오퍼스5가 여전히 가장 높은 점수를 기록했어요.
- 모델명
- Muse Spark 1.3
- 발표
- AI at Meta 공식 X 계정, 2026-09-02
- 핵심 개선
- 에이전틱·코딩 작업 성능, 실사용성 강화
- DeepSWE v1.1 (코딩)
- 75.4점 — GPT-5.6 솔 73.0, 오퍼스5 74.0, 이전 버전 1.2는 55.0
- MRCR 512K-1M (장문맥)
- 98.1점 — GPT-5.6 솔 73.8, 이전 버전 1.2는 55.5
- GDPVal-AA v2 (지식노동)
- 1754점 — 오퍼스5 1824점으로 최고
- 이전 버전
- Muse Spark 1.2, 2026-08-08 공개, Intelligence Index 54점
메타, 한 달 만에 뮤즈 스파크 새 버전
메타(Meta)가 9월 2일(현지시간) AI at Meta 공식 X 계정을 통해 대형언어모델 뮤즈 스파크(Muse Spark) 1.3을 공개했어요. 메타는 이번 모델이 에이전틱(스스로 여러 단계를 처리하는) 작업과 코딩 성능을 개선했고, 실제 업무 환경에서의 사용성에 초점을 맞췄다고 설명했어요. 공개 글에서 메타는 이 모델이 하나의 대화창 안에서 여러 작업 흐름을 오가며 더 오래 지속되는 작업을 처리하고, 필요할 때 스스로 질문을 던지는 방식으로 사용자와 더 적극적으로 협업한다고 소개했어요.
풀어서 설명하면, GPT-5.6 솔은 오픈AI가 만든 최신 최상위 모델이고, 오퍼스5는 앤스로픽의 최상위 모델이에요. 메타가 이번 벤치마크 표에 두 모델을 나란히 올린 건 세 회사가 에이전트·코딩 성능을 놓고 같은 기준으로 실력을 겨루고 있다는 뜻이에요.
코딩·장문맥에서 GPT-5.6·오퍼스5 앞서
메타가 함께 공개한 벤치마크 표를 보면, 뮤즈 스파크 1.3은 코딩과 장문맥 처리를 재는 지표에서 경쟁 모델을 앞섰어요. 대규모 저장소 단위의 장기 소프트웨어 작업을 재는 DeepSWE v1.1에서 75.4점을 받아 GPT-5.6 솔(73.0점)과 오퍼스5(74.0점)를 모두 넘었고, 코드베이스 이해력을 보는 SWEAtlas CodeBase QnA에서도 59.4점으로 두 모델(53.5점, 52.7점)을 앞섰어요. 긴 문서를 얼마나 잘 처리하는지 보는 MRCR 지표 차이는 더 컸는데요, 51만2000~100만 토큰 구간에서 뮤즈 스파크 1.3은 98.1점을 기록해 GPT-5.6 솔의 73.8점을 크게 앞섰고, 이 구간에서는 오퍼스5의 점수 자체가 공개되지 않았어요.
지식노동 전반은 여전히 오퍼스5가 위
반면 사무직 지식노동 전반을 재는 GDPVal-AA v2에서는 오퍼스5가 1824점으로 가장 높았고, 뮤즈 스파크 1.3은 1754점으로 뒤를 이었어요. 여러 업무 도구를 실제로 쓰는 능력을 보는 JobBench(오퍼스5 65.7점·뮤즈 스파크 1.3 64.9점), 컴퓨터 화면을 직접 조작하는 OSWorld 2.0(오퍼스5 68.3점·뮤즈 스파크 1.3 66.9점), 전체 업무 흐름을 처리하는 AutomationBench(오퍼스5 50.3점·뮤즈 스파크 1.3 49.4점)에서도 오퍼스5가 근소하게 앞섰어요. 지시를 얼마나 정확히 따르는지 보는 내부 지표(Agentic IF Index)와 자율 웹 탐색 능력을 보는 DeepSearchQA에서는 GPT-5.6 솔이 가장 높은 점수를 받았고요.
벤치마크 표
| 벤치마크 (분류) | Muse Spark 1.3 | Muse Spark 1.2 | GPT-5.6 솔 | 오퍼스5 |
|---|---|---|---|---|
| GDPVal-AA v2 (지식노동) | 1754 | 1615 | 1710 | 1824 |
| JobBench (도구 사용) | 64.9 | 61.6 | 45.4 | 65.7 |
| OSWorld 2.0 (컴퓨터 사용) | 66.9 | 47.6 | 62.7 | 68.3 |
| DeepSWE v1.1 (코딩) | 75.4 | 55.0 | 73.0 | 74.0 |
| MRCR 512K-1M (장문맥) | 98.1 | 55.5 | 73.8 | - |
| Terminal-Bench 2.1 (터미널 코딩) | 88.8 | 82.9 | 88.8 | 86.7 |
한 달 사이 네 번째 릴리스
메타는 지난달에만 뮤즈 계열 모델을 세 차례 내놨어요. 이번 뮤즈 스파크 1.3은 이 흐름 위에서 나온 네 번째 릴리스로, 4개월 안에 낸 모델 중 코딩·장문맥 성능이 가장 크게 뛴 버전이에요.
에디터의 시선
메타가 한 달도 안 되는 간격으로 뮤즈 계열을 벌써 네 번째 내놓은 건 우연이 아니에요. 오픈AI와 앤스로픽이 각각 GPT-5.6 솔, 오퍼스5로 에이전트·코딩 시장을 선점하는 사이, 메타는 매번 벤치마크 표를 함께 붙여 자신이 어디까지 따라잡았는지를 계속 공개적으로 증명하는 전략을 쓰고 있어요. 장문맥 처리와 대규모 코드베이스 이해에 개발 리소스를 집중적으로 투입한 흔적이 점수에 그대로 드러난 셈이에요.
다만 실무에서 어떤 모델을 고를지는 작업 종류에 달렸어요. 긴 문서나 대형 저장소를 다루는 코딩 작업이라면 뮤즈 스파크 1.3이 지금 가장 앞선 선택지가 될 수 있지만, 여러 업무 도구를 오가며 지식노동 전반을 처리해야 하는 업무라면 오퍼스5의 점수가 여전히 근소하게 높아요. 국내 개발팀이라면 코드 리뷰·리팩터링처럼 장문맥이 중요한 업무부터 뮤즈 스파크 1.3을 시험해 보고, 일반 사무 자동화는 기존에 쓰던 모델과 비교하며 천천히 넘어가는 편이 안전할 거예요.
메타의 월간 공개 속도를 보면, 다음 업데이트는 GPT-5.6 솔이 앞선 지시 이행(Agentic IF Index)과 웹 탐색(DeepSearchQA) 격차를 좁히는 데 집중될 가능성이 커요.
댓글