For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ko/articles/meta-muse-wonder-and-full-benchmarks-memo-741b367d.md.
Meta는 2026년 10월 12일 **Muse Wonder**와 **Muse Wonder Full**을 공개했습니다. 이번 출시는 유용한 맥락을 기억하고, 장애물을 해결하며, 한 번의 답변 이상이 필요한 프로젝트를 완수해야 하는 개인 및 전문 에이전...
Meta는 2026년 10월 12일 Muse Wonder와 Muse Wonder Full을 공개했습니다. 이번 출시는 유용한 맥락을 기억하고, 장애물을 해결하며, 한 번의 답변 이상이 필요한 프로젝트를 완수해야 하는 개인 및 전문 에이전트를 대상으로 합니다.
공식 발표에 따르면 Wonder는 Meta Model API와 Muse Code를 통해 제공되며, Full은 Muse Code 구독자에게 제공됩니다. Meta는 구독자를 시작으로 Wonder를 Muse 어시스턴트에도 도입할 계획입니다.
모델 카드에는 100만 토큰 추론 컨텍스트와 텍스트, 이미지, 비디오, 오디오에 걸친 입력이 명시되어 있습니다. 명시된 출력 모달리티는 텍스트입니다. 따라서 멀티모달 이해 기능을 모델 자체가 모든 입력 매체를 생성한다는 약속으로 혼동해서는 안 됩니다.
Meta는 더 광범위한 AI 스택 재구축에 따라, 기가와트 규모의 Prometheus 데이터센터에서 모델을 학습했다고 밝혔습니다. 학습 인프라는 이번 출시의 배경을 설명하지만, 모든 애플리케이션이 벤치마크 시연만큼 잘 작동한다는 것을 입증하지는 않습니다.
제공된 보고서는 Wonder Full이 Artificial Analysis Intelligence Index에서 56점을 기록했으며, Wonder는 52점, Muse Spark 1.3은 48점을 기록했다고 설명합니다. Artificial Analysis의 자체 평가도 최대 추론 노력 설정에서 이 수치를 뒷받침합니다. 이는 영구적인 순위가 아니라 보고된 평가 시점의 스냅샷을 의미합니다.
BAAI의 Xinzhiyuan 보고서에 재현된 차트이며, 해당 보고서에서는 평가 출처를 Artificial Analysis로 표기했습니다.
지속적인 소프트웨어 작업과 관련해 출처는 다음 결과를 보고합니다.
| 평가 | Wonder Full | Wonder | Claude Opus 5.5 | GPT-6 Astra |
|---|---|---|---|---|
| SWE-Marathon | 57.5% | 53.1% | 46.3% | 42.5% |
| DeepSWE v1.1 | 79.0% | 78.8% | 74.2% | 74.1% |
출처가 재현한 Meta의 벤치마크 그래픽입니다.
모델 카드는 유용한 단서를 제공합니다. SWE-Marathon은 하나의 공통 하니스를 사용한 통제 비교가 아닙니다. 일부 경쟁 결과는 Codex 또는 Claude Code를 사용하며, Wonder Full의 보고 결과는 xhigh 추론 노력 설정을 사용합니다. DeepSWE 역시 지정된 제3자 결과와 제공업체 보고 결과를 결합하므로, 독자는 각 벤치마크의 방법론을 확인해야 합니다.
전체적인 그림은 완전한 압승이라기보다 복합적입니다. 이 글은 Full이 ProgramBench에서 GPT-6 Astra보다 앞서지만 Opus 5.5에는 뒤처지며, 명시된 터미널 코딩 비교에서는 둘 모두에 뒤처진다고 보고합니다. 모델 선택은 여전히 실제 작업, 도구 환경, 예산, 허용 가능한 실패율에 따라 달라집니다.
Meta는 대화 간에 중요한 맥락을 유지하고 필요할 때 관련 세부 정보를 검색하는 기능을 Active Memory라고 부릅니다. 또한 다른 접근법을 시도하고, 새 정보에 적응하며, 장애물을 넘어서 계속 작업하는 지속적 작업 기능을 Active Focus라고 부릅니다.
이 기능들은 서로 다른 문제를 해결합니다. 요구사항을 기억한다고 해서 에이전트가 어려운 구현을 완료할 수 있는 것은 아니며, 중요한 제약 조건을 잃어버린다면 지속성도 도움이 되지 않습니다.
출처 보고서를 통해 재현된 Meta 평가 그래픽입니다.
모델 카드는 MemoryBench를 산만하거나 상충하는 정보를 포함한 64,000~100,000토큰 대화를 사용하는 내부 평가로 설명합니다. FocusBench 또한 내부 평가입니다. 이러한 내용은 무엇을 테스트했는지 이해하는 데 유용하지만, 실제 배포 서비스에서 완벽한 기억이나 중단 없는 자율성을 보장하지는 않습니다.
Meta는 코딩과 함께 법률, 금융, 건강, 전문 문서 관련 작업에서 모델을 평가합니다. 이러한 테스트는 특정 작업 산출물과 채점 규칙을 대상으로 하므로, 점수를 전문 자격으로 간주해서는 안 됩니다.
중국어 보고서는 선택적으로 답하는 것과 더 많이 아는 것의 차이도 강조합니다. 이 보고서는 비교된 Opus 및 Astra 모델보다 낮은 지식 지수를 보이면서도 Full의 환각 측정치가 더 낮았다고 전합니다. 해당 논의에서 환각 비율은 지식 테스트 항목 중 오답 또는 미응답 항목을 조건으로 한 수치이며, 실제 모든 응답 중 거짓인 응답의 비율이 아닙니다.
익숙하지 않은 작업에 대해 Meta는 유사한 분포 내 성능을 유지하면서도 Full이 이전 Spark 모델보다 더 잘 일반화한다는 증거를 제시합니다. 이 결론은 측정된 평가 환경에 관한 것이며, 제한 없는 자기 개선의 증거는 아닙니다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
출처에 재현된 Meta의 일반화 차트입니다.
출처는 보고 당시 다음 가격을 제시합니다.
| 제품 | 보고된 가격 | 보고된 접근 방식 |
|---|---|---|
| Wonder API 입력 | 100만 토큰당 4달러 | 사용량 기반 API |
| Wonder API 출력 | 100만 토큰당 20달러 | 사용량 기반 API |
| Wonder API 캐시 입력 | 100만 토큰당 0.20달러 | 캐시 입력 |
| Full: Power Usage | 월 50달러 | Muse Code 구독 |
| Full: Maximum Usage | 월 200달러 | Muse Code 구독 |
보고서는 두 가지 Full 구독이 각각 기본 사용량의 20배와 80배를 제공한다고 설명합니다. 이 배수는 무제한 사용을 의미하지 않으며, 출처는 월별 보편적 작업 수를 확정하지 않습니다.
출처 보고서에 귀속된 가격 그래픽이며, 현재 청구 조건은 독립적으로 확인할 수 없었습니다.
발표 당시 Full은 별도로 발표된 공개 API가 아니라 Muse Code 구독을 통해 제공되었습니다. 두 제품 중 하나를 워크로드에 도입하려는 팀은 실제 계정에서 현재 접근 권한과 가격을 확인한 후 결정해야 합니다.
Muse Wonder는 개인 및 전문 에이전트 작업을 위해 2026년 10월 12일 Meta가 출시한 모델입니다. Meta는 메모리, 지속적 작업 수행, 코딩, 도메인별 업무에서의 강점을 설명합니다.
Full은 보고된 여러 평가에서 더 높은 성능을 보인 변형 모델입니다. 공식 발표에 따르면 Wonder는 API와 Muse Code를 통해 제공되며, Full은 Muse Code 구독자에게 제공됩니다.
Meta의 모델 카드는 추론 시 100만 토큰을 명시합니다. 컨텍스트 용량은 신뢰할 수 있는 기억, 출력 한도, 특정 애플리케이션이 제공할 수 있는 사용 가능한 자료의 양과는 별개입니다.
모델 카드는 텍스트, 이미지, 비디오, 오디오 입력을 명시합니다. 출력은 텍스트로 명시되어 있으므로, 멀티모달 입력 지원을 네이티브 오디오 또는 비디오 생성 기능으로 해석해서는 안 됩니다.
아니요. 보고된 점수는 특정 작업, 에이전트 구성, 추론 설정에 적용됩니다. Meta는 SWE-Marathon 결과가 비교 대상 모든 시스템에서 통제된 공통 하니스를 사용하지 않았다고 명시합니다.
Active Memory는 대화 간 관련 맥락을 유지하고 검색하는 기능입니다. Active Focus는 적절한 경우 명확화 또는 확인을 거치면서 장애물을 넘어서 작업을 지속하고, 작업 중 변화에 적응하는 기능입니다.
10월 12일 발표에서는 Full이 Muse Code 구독자에게 제공된다고 설명합니다. 별도의 공개 Full API는 발표하지 않았으며, 이후 공식 공지를 기준으로 이용 가능 여부를 확인해야 합니다.
Muse Wonder와 Full은 100만 토큰 컨텍스트, 멀티모달 입력, 메모리, 지속적 코딩 기능을 통해 Meta의 에이전트 제품군을 확장합니다. 발표는 서로 다른 API 및 구독 접근 경로를 확인했으며, 출처는 Muse Spark 1.3 대비 상당한 개선을 보고합니다.
가장 유용한 비교는 벤치마크 점수뿐 아니라 해당 하니스, 계정 접근 권한, 그리고 자체 작업을 완료하는 데 드는 비용을 함께 검토하는 것입니다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
