메타, Muse Spark 1.3 출시: 코딩 시 토큰 25% 절감하고 에이전트 능력 강화

구글이 Gemini 3.8 Flash를 공개한 지 불과 몇 시간 만에 메타도 최신 모델을 내놓으며 맞불을 놨습니다.

메타는 2026년 9월 2일, 에이전트 수행 능력과 코딩 성능을 대폭 끌어올린 AI 모델 Muse Spark 1.3을 공식 발표했습니다. 이 모델은 코딩 플랫폼인 Muse Code와 Meta Model API에 즉시 적용되었습니다.

초기 벤치마크 분석에 따르면 Muse Spark 1.3은 Deep Suite나 SUI Atlas 같은 평가에서 GPT-5.6 Sol을 앞서는 등 최전선급 성능을 보여주고 있습니다.

모호하면 제멋대로 판단하지 않고 되묻는 협업 능력

기존 AI 에이전트의 가장 큰 골칫거리는 지시가 불명확할 때 혼자 지레짐작으로 엉뚱한 결과물을 길게 만들어내는 문제였습니다.

Muse Spark 1.3은 이를 개선해 프롬프트가 모호할 경우 사용자에게 명확한 내용을 능동적으로 되묻습니다. 작업이 막히면 사용자에게 도움을 요청하고, 되돌릴 수 없는 중요한 결정을 내리기 전에는 먼저 확인을 거칩니다.

긴 대화창 하나에서 여러 작업을 동시에 처리하는 멀티태스킹 능력도 다듬어졌습니다. 사용자가 중간에 끼어들어 다른 지시를 내리거나 이전 요청을 수정하더라도, 어떤 지침이 어느 작업에 해당하는지 헷갈리지 않고 끝까지 맥락을 추적합니다.

자신이 무엇을 알고 모르는지에 대한 한계 인지 능력도 향상되어, 풀기 어려운 문제에 부딪혔을 때 거짓 결과를 꾸며내는 대신 솔직하게 장애물을 짚어냅니다.

토큰 25% 절감과 강화된 보안

실제 소프트웨어 개발 현장에서 체감할 수 있는 효율성도 크게 개선되었습니다.

이전 세대인 Muse Spark 1.2와 비교했을 때 불필요한 대화 턴을 줄이고 군더더기 없는 코드를 작성하도록 개선되었으며, 그 결과 도구 호출은 약 20%, 토큰 사용량은 약 25% 줄어들었습니다.

외부 파일을 읽고 실행하는 과정에서 생길 수 있는 적대적 공격이나 프롬프트 인젝션에 대한 방어력도 한층 단단해졌습니다.

메타는 향후 더 큰 규모의 모델과 함께 Muse Spark의 오픈 가중치 모델 공개도 준비 중이라고 덧붙였습니다.

왜 중요한가

우리는 메타가 벤치마크 점수 자랑 대신 토큰 소모량 절감과 협업 태도 개선이라는 실질적인 가려운 곳을 긁어주었다고 봅니다.

개발자 입장에서 토큰 25% 절감과 도구 호출 20% 감소는 곧바로 처리 속도 향상과 API 비용 절감으로 이어집니다. 또한 위험한 동작 전에 확인을 거치고 모호할 때 질문하는 태도는 AI 에이전트를 믿고 실무 프로덕션에 투입하기 위한 필수 조건입니다.

업계 전체로 보면 이제 대형 모델 경쟁이 단순 질의응답에서 여러 단계를 거치는 긴 호흡의 자율 워크플로 완결력으로 완전히 넘어갔음을 보여줍니다. 메타가 상용 최상위 모델들을 바짝 추격하면서 향후 오픈 가중치 카드까지 예고한 만큼, 폐쇄형 상용 모델 생태계에 가해지는 가격 인하 압박은 더 커질 것으로 보입니다.

간단한 대화나 일상 메모 용도라면 당장 큰 차이를 느끼기 어렵겠지만, 복잡한 코드 작성이나 다단계 자동화 파이프라인을 구축하려는 엔지니어링 팀이라면 지금 바로 dev.meta.ai에서 테스트해 볼 만합니다.