Meta, Muse Wonder·Wonder Full 출시…기억하고 끝까지 작업하는 AI 에이전트 모델 공개
Meta가 Muse Wonder와 Muse Wonder Full을 출시했다. 이전 대화의 맥락을 활용하는 Active Memory와 오류에서 회복하며 작업을 이어가는 Active Focus가 핵심이다. Wonder는 API와 Muse Code에서, Full은 특정 Muse Code 유료 플랜에서 제공된다.
UPDATE DETAIL
DECHIVE 기준: 2026년 10월 13일 12:00 KST. 공식 발표일: 2026년 10월 12일. 공식 자료에서 정확한 발표 시각은 확인되지 않았습니다.
AI가 답변을 잘하는 것과 일을 끝내는 것은 다르다
AI에게 하나의 질문을 입력하는 일은 비교적 단순하다.
질문을 이해하고 적절한 답변을 작성하면 된다.
하지만 실제 업무는 다르다.
예를 들어 사용자가 AI에게 웹사이트를 만들어 달라고 요청했다고 가정해 보자.
AI는 먼저 요구사항을 이해해야 한다. 필요한 파일을 만들고, 코드를 작성하고, 실제로 실행해야 한다.
실행 과정에서 오류가 발생하면 원인을 찾아야 한다. 수정한 뒤 다시 테스트해야 하고, 사용자가 처음 요청한 목적을 충족했는지도 확인해야 한다.
이 과정에서 AI가 이전 요구사항을 잊거나, 오류가 발생한 순간 작업을 중단한다면 결과물은 완성되지 않는다.
사용자는 다시 설명하고, 다시 지시하고, 다시 확인해야 한다.
AI가 좋은 답변을 생성하는 능력과 여러 단계를 거쳐 하나의 목표를 완성하는 능력은 서로 다른 평가 대상이다.
Meta가 이번에 발표한 Muse Wonder 모델은 이러한 장기 작업 수행 능력을 강조한다.
무엇이 발표됐는가
2026년 10월 12일, Meta는 Muse Wonder와 Muse Wonder Full을 발표했다.
두 모델은 기존 Muse Spark 계열을 기반으로 개발된 새로운 고성능 모델이다.
Meta는 두 모델을 자사가 지금까지 공개한 모델 가운데 가장 뛰어난 모델로 소개했다.
주요 활용 영역은 개인 비서, 전문 문서 분석, 소프트웨어 개발, 장시간 실행되는 AI 에이전트다.
예를 들어 보험 청구 절차를 이해하거나, 임대차 계약서를 검토하거나, 복잡한 조건을 반영한 애플리케이션을 개발하는 작업을 제시했다.
두 모델은 Meta의 Prometheus 데이터센터에서 학습됐으며, 사전학습과 강화학습을 통해 개발됐다. 공식 자료
다만 Meta가 자사 최고 성능 모델이라고 발표한 것과 모든 독립 평가에서 경쟁 모델보다 우수하다는 것은 다른 주장이다.
실제 성능은 평가 항목과 작업 환경에 따라 판단해야 한다.
주요 기능 ① — Active Memory
이번 발표의 첫 번째 핵심은 Active Memory다.
기존 대화형 AI에서는 사용자가 이전 대화에서 설명했던 정보를 새로운 작업에서 다시 알려줘야 하는 경우가 있었다.
예를 들어 사용자가 자신의 프로젝트 목적과 기술 환경, 작업 방식을 설명했다고 하자.
며칠 뒤 같은 프로젝트의 다른 작업을 요청했을 때 AI가 그 정보를 활용하지 못하면 사용자는 처음부터 맥락을 설명해야 한다.
Meta는 Muse Wonder가 여러 대화에서 중요한 정보를 유지하고, 현재 작업에 필요한 순간에 관련 내용을 찾아 활용하도록 설계됐다고 밝혔다. 공식 자료
여기서 중요한 것은 단순한 대화 기록 저장이 아니다.
어떤 정보가 현재 작업에 필요한지 판단하고 다시 활용하는 능력이다.
예를 들어 이전에 사용자가 정한 프로젝트의 기술적 제약이나 디자인 기준을 새로운 작업에 반영하는 방식이다.
그러나 이 기능을 과장해서는 안 된다.
Active Memory가 있다고 해서 사용자의 모든 과거 대화를 완벽하게 기억하거나, 저장된 정보가 항상 정확하다는 의미는 아니다.
기억의 정확도와 관련성은 별도로 검증해야 한다.
주요 기능 ② — Active Focus
두 번째 핵심은 Active Focus다.
Active Memory가 이전 정보를 활용하는 능력이라면, Active Focus는 작업이 어려워져도 목표를 유지하며 다른 방법을 시도하는 능력에 가깝다.
예를 들어 AI가 코드를 작성했지만 테스트에 실패했다고 가정해 보자.
단순한 응답형 AI라면 오류 메시지를 설명하거나 사용자에게 다음 지시를 요청하는 수준에서 멈출 수 있다.
반면 장기 작업을 수행하는 에이전트는 오류 원인을 분석하고, 수정 방법을 찾고, 다시 테스트하는 과정을 이어가야 한다.
Meta는 Muse Wonder가 장애물을 만나면 대안을 시도하고, 오류에서 회복하며, 새로운 정보에 따라 작업 방법을 조정하도록 설계했다고 설명했다.
필요한 경우 사용자에게 추가 설명을 요청하고, 중요한 행동을 수행하기 전에는 확인을 구하도록 설계했다고도 밝혔다. 공식 자료
다만 이것은 작업 성공을 보장하는 기능이 아니다.
잘못된 목표를 계속 추구하거나, 오류를 잘못 판단하거나, 불필요한 재시도를 반복할 가능성도 검토해야 한다.
주요 기능 ③ — 장시간 실행되는 코딩 작업
Muse Wonder 계열은 소프트웨어 개발을 중요한 활용 영역으로 제시한다.
코딩 에이전트가 실제 프로젝트를 완성하려면 여러 파일의 관계를 이해해야 한다.
코드를 수정하고, 테스트하고, 문제가 발견되면 다시 수정하는 과정도 필요하다.
Meta는 이러한 장시간 소프트웨어 개발 작업을 위해 모델을 훈련했다고 밝혔다.
공식 개발자 페이지에서는 여러 파일을 병렬로 수정하고, 하위 에이전트에 작업을 분배하고, 오류가 발생했을 때 복구하는 활용 방식을 소개한다. 공식 자료
예를 들어 하나의 웹 애플리케이션을 만들 때 프런트엔드 구현, 백엔드 구현, 테스트를 분리해 수행하는 구조를 설계할 수 있다.
그러나 모델이 코드를 작성할 수 있다는 사실과 실제 프로젝트를 안정적으로 완성할 수 있다는 사실은 다르다.
빌드 성공 여부, 기능 테스트, 기존 코드와의 호환성, 보안 검토가 필요하다.
주요 기능 ④ — 컴퓨터와 외부 도구 사용
Meta는 Muse Wonder를 브라우저, 데스크톱, 모바일 애플리케이션을 조작하는 에이전트에도 활용할 수 있다고 소개한다.
모델이 화면을 해석하고 도구를 사용하는 방식으로 여러 작업을 수행하도록 구성할 수 있다는 의미다. 공식 자료
다만 실제 컴퓨터 조작에는 모델만 필요한 것이 아니다.
화면을 읽고, 클릭하고, 입력하고, 실행 결과를 다시 전달하는 에이전트 실행 환경이 함께 필요하다.
따라서 Muse Wonder 모델에 접근할 수 있다는 사실만으로 모든 컴퓨터 조작 기능이 자동으로 제공된다고 이해해서는 안 된다.
주요 기능 ⑤ — 멀티모달 입력과 100만 토큰 컨텍스트
Meta 공식 모델 카드에 따르면 Muse Wonder 계열은 다음 입력을 지원한다.
텍스트, 이미지, 영상, 오디오
출력 형식은 텍스트다.
컨텍스트 윈도우는 100만 토큰이다. 공식 자료
이 모델은 문서와 스크린샷, 영상 등 다양한 정보를 이해하는 작업에 활용할 수 있다.
그러나 멀티모달 입력을 지원한다는 사실이 이미지나 영상을 직접 생성하는 모델이라는 의미는 아니다.
또한 100만 토큰의 컨텍스트가 있다고 해서 그 안에 포함된 모든 정보를 항상 정확하게 찾아내거나 추론한다는 보장도 없다.
특히 긴 문서와 여러 파일을 다루는 작업에서는 관련 근거를 정확하게 찾는지 별도로 평가해야 한다.
Muse Wonder와 Muse Wonder Full은 무엇이 다른가
이번 발표에서는 모델을 두 가지로 구분해야 한다.
항목 · Muse Wonder · Muse Wonder Full
출시일 · 2026년 10월 12일 · 2026년 10월 12일
컨텍스트 · 100만 토큰 · 100만 토큰
멀티모달 입력 · 지원 · 지원
Meta Model API · 제공 · 제공하지 않음
Muse Code · 제공 · 특정 유료 플랜에서 제공
주요 특징 · 코딩·에이전트·컴퓨터 사용 · 더 높은 성능을 목표로 하는 모델
모델 가중치 다운로드 · 공식 제공 확인 안 됨 · 공식 제공 확인 안 됨
Meta는 Wonder Full을 두 모델 중 더 높은 성능을 목표로 하는 모델로 소개한다.
그러나 Wonder Full을 일반 API에서 호출할 수 있다고 쓰면 안 된다.
현재 공식 개발자 페이지에서 Wonder Full은 Muse Code의 구독형 접근만 명시돼 있다. 공식 자료
실제 성능은 어느 정도인가
Meta는 Muse Wonder 계열의 성능을 검증하기 위해 여러 벤치마크를 공개했다.
개인·전문 업무용 에이전트, 장기 기억, 코딩, 컴퓨터 사용, 법률·금융·건강 관련 지식 작업 등을 평가했다.
예를 들어 공식 자료에는 다음 평가가 포함된다.
MemoryBench: 긴 대화에서 필요한 정보를 얼마나 정확히 기억하는지 평가한다.
FocusBench: 실제 업무에서 장애물을 만나도 목표를 향해 작업을 이어가는지 평가한다.
SWE-Marathon: 장시간 소프트웨어 개발 프로젝트의 완수 능력을 평가한다.
Harvey Legal Agent Benchmark: 법률 문서를 바탕으로 요구사항에 맞는 결과물을 작성하는 능력을 평가한다. 공식 자료
여기서 DECHIVE가 반드시 구분해야 할 부분이 있다.
Meta의 모델 카드는 일부 경쟁 모델의 결과가 서로 다른 실행 환경이나 제공 기업의 공개 점수를 기반으로 한다고 명시한다.
또 경쟁 모델에 대한 자체 평가도 가능한 한 동일한 조건으로 수행했지만, 각 모델에 최적화된 설정을 모두 보장하지는 않는다고 설명한다. 공식 자료
따라서 특정 점수만 골라 Muse Wonder가 모든 경쟁 모델보다 뛰어나다고 결론 내리는 것은 부정확하다.
이번 원고에서는 성능 순위보다 새로운 기능과 실제 이용 조건에 집중한다.
안전성과 한계
AI 에이전트가 실제 업무를 수행하려면 이메일, 일정, 문서, 코드 등 민감한 정보에 접근할 수 있다.
Meta는 개인정보를 허가 없이 공개하지 않도록 훈련하고, 위험한 요청을 제한하며, 보안 관련 평가를 수행했다고 밝혔다.
다만 공식 모델 카드에는 중요한 한계도 명시돼 있다.
모델은 부정확하거나 편향된 답변을 생성할 수 있다.
새로운 상황에서 여러 단계의 추론을 수행할 때 오류가 발생할 수 있다.
시각·공간 추론, 특히 3D 관련 작업에도 한계가 있다.
또한 모든 언어에서 동일한 성능이 검증된 것은 아니다. 공식 자료
모델 카드는 18세 미만 개인을 대상으로 사용하도록 설계된 모델이 아니라는 점도 명시한다.
실제 행동을 수행하는 에이전트를 개발할 때는 되돌릴 수 없는 작업에 사람의 승인을 요구하는 등의 추가 보호 장치를 권고한다.
출시 상태
2026년 10월 13일 기준 확인된 상태는 다음과 같다.
Muse Wonder: Meta Model API와 Muse Code에서 이용 가능.
Muse Wonder Full: Muse Code의 Power Usage 및 Maximum Usage 플랜에서 이용 가능.
Muse 앱: Muse Wonder를 활용하는 경험은 향후 도입 예정이며, 구독자를 대상으로 먼저 확대할 계획.
모델 가중치: 두 모델의 다운로드 가능한 가중치 공개는 공식 자료에서 확인되지 않았다. 공식 자료
여기서 기존 Muse 앱의 출시 여부와 Muse Wonder가 해당 앱에 적용되는 일정을 혼동하면 안 된다.
Muse 앱이 존재한다고 해서 오늘 발표한 모델이 모든 사용자에게 적용된 것은 아니다.
API 가격과 유료 플랜
Meta 공식 가격표에서 Muse Wonder의 API 요금을 확인했다.
미국 달러, 100만 토큰 기준
구분 · 가격
입력 · $4.00
캐시 입력 · $0.20
출력 · $20.00
API 모델 ID: muse-wonder-1.0
Muse Wonder Full은 API 단가가 제시되지 않았다. API 제공 모델이 아니라 Muse Code 구독을 통해 이용하는 모델이기 때문이다. 공식 자료
Muse Wonder Full을 이용할 수 있는 공식 구독 플랜은 다음과 같다.
플랜 · 월 요금 · Wonder Full
Power Usage · $50 · 지원
Maximum Usage · $200 · 지원
Power Usage는 Everyday Usage 플랜 대비 20배, Maximum Usage는 80배의 사용량을 제공한다고 표시돼 있다.
다만 이 수치는 기준 플랜 대비 상대적인 사용량이다.
실제 월간 요청 횟수나 토큰 총량을 의미하는 것은 아니며, 공식 페이지에서 확인되지 않은 절대 사용량을 임의로 계산하면 안 된다. 공식 자료
지역과 사용량 제한
Meta Model API는 공식 페이지에서 Public Preview 및 확대된 글로벌 접근 상태로 안내하고 있다.
그러나 한국의 모든 계정에서 동일한 모델 접근 권한이 제공되는지, 계정별 요청 속도 제한이 얼마인지는 이번에 확인한 공개 자료만으로 확정할 수 없다.
따라서 다음처럼 기록한다.
한국 이용 가능 여부: 계정별 확인 필요
API 요청 제한: 계정별 확인 필요
Muse Code 절대 사용량: 공개 가격 페이지에서 확인되지 않음
모델별 정식 서비스 보장 수준: 별도 확인 필요
가격과 이용 가능 여부는 실제 계정에서 최종 확인해야 한다. 공식 자료
참고 자료
WHAT CHANGED
무엇이 바뀌는가
기존 방식 — AI가 현재 대화에 집중한다
기존 대화형 AI를 활용할 때는 사용자가 작업에 필요한 맥락을 제공하고, AI가 해당 정보를 바탕으로 결과를 생성하는 방식이 일반적이었다.
장시간 작업이나 여러 대화에 걸친 프로젝트에서는 이전 정보를 다시 제공하거나, 작업이 중단됐을 때 진행 상황을 복구해야 하는 문제가 있었다.
물론 기존에도 메모리 기능과 장기 실행 에이전트가 존재했다.
이번 발표가 이러한 기술을 처음 발명한 것은 아니다.
변경된 방식 — 기억과 지속적인 작업 수행을 함께 강조한다
Muse Wonder는 Active Memory와 Active Focus를 하나의 모델 계열에서 핵심 능력으로 제시한다.
이전 대화에서 중요한 정보를 활용하고, 어려운 작업에서 대안을 시도하며, 목표를 향해 작업을 이어가는 방식이다.
Meta는 이를 개인 비서와 전문 업무, 장시간 소프트웨어 개발에 적용하려 한다. 공식 자료
실제 영향 — DECHIVE 해석
이번 발표는 AI를 평가하는 기준이 확장되고 있다는 점을 보여준다.
기존에는 하나의 질문에 얼마나 정확하게 답하는지가 중요했다.
그러나 AI가 실제 업무를 수행하는 환경에서는 새로운 질문이 필요하다.
AI는 이전에 정한 조건을 정확하게 기억하는가?
작업이 막혔을 때 올바른 방법으로 복구하는가?
계속 진행해야 할 때와 사람에게 확인을 요청해야 할 때를 구분하는가?
최종 결과가 처음 요청한 목표를 충족했는가?
이 질문에 답하지 못한다면 모델이 아무리 유창하게 설명하더라도 실제 업무를 신뢰하고 맡기기는 어렵다.
WHAT WE CAN DO
이 변화로 무엇을 할 수 있는가
장기간 진행하는 개인 프로젝트 관리
사용자는 프로젝트의 목적, 제약 조건, 이전 결정 사항을 여러 대화에 걸쳐 활용하는 방식으로 에이전트를 구성할 수 있다.
예를 들어 웹사이트를 개발하면서 사용한 기술, 디자인 규칙, 이전 오류 해결 방법을 다음 작업에 참고하도록 설계할 수 있다.
다만 기억한 정보가 오래됐거나 변경된 경우 잘못된 결정을 내릴 수 있다.
따라서 중요한 프로젝트에서는 현재 적용되는 규칙과 폐기된 규칙을 구분하는 검증 체계가 필요하다.
소프트웨어 개발
Muse Wonder를 활용하는 코딩 에이전트는 요구사항 분석, 코드 작성, 테스트, 수정 과정을 연결하는 작업에 활용할 수 있다.
실제로 시험한다면 단순한 코드 생성보다 다음과 같은 기준을 확인해야 한다.
처음 요구사항을 끝까지 유지했는지, 테스트 실패 후 원인을 정확히 분석했는지, 수정 과정에서 기존 기능을 훼손하지 않았는지, 사용자의 승인 없이 위험한 작업을 수행하지 않았는지 평가해야 한다.
개인 문서와 업무 정보 분석
계약서, 보험 서류, 금융 자료 등을 이해하고 필요한 정보를 정리하는 보조 도구로 활용할 수 있다.
하지만 전문 분야의 답변은 반드시 원본 자료와 비교해야 한다.
특히 법률·금융·건강 관련 판단을 모델의 출력만으로 확정해서는 안 된다.
컴퓨터 작업 자동화
브라우저와 데스크톱 환경을 조작하는 에이전트를 개발할 때 Muse Wonder를 모델로 활용할 수 있다.
예를 들어 웹사이트의 입력 양식을 작성하거나 여러 화면에서 정보를 수집하는 작업을 구성할 수 있다.
그러나 외부 시스템에 데이터를 제출하거나 실제로 파일을 삭제하는 작업에는 별도 승인 절차가 필요하다.
모델이 행동할 수 있다는 사실과 그 행동을 허가받았다는 사실은 다르다.
개발자가 실제로 시작하는 방법
현재 API로 시험하려면 Meta Model API에서 계정의 접근 가능 여부를 확인한다.
API 키를 발급받은 뒤 공식 문서를 참고해 muse-wonder-1.0 모델을 호출할 수 있다.
Meta는 기존 OpenAI SDK와 호환되는 클라이언트를 이용할 수 있도록 안내하고 있다. 공식 자료
코딩 작업 중심이라면 Muse Code를 이용할 수 있다.
Muse Wonder Full을 사용하려면 해당 모델 접근이 포함된 Power Usage 또는 Maximum Usage 플랜이 필요하다.
처음부터 실제 업무에 모든 권한을 부여하기보다, 테스트용 데이터와 제한된 도구 권한으로 시작하는 것이 적절하다.
주의점
Active Memory는 완벽한 기억을 보장하지 않는다.
Active Focus는 작업 성공을 보장하지 않는다.
100만 토큰 컨텍스트는 모든 입력을 정확히 이해한다는 의미가 아니다.
Meta가 공개한 벤치마크 역시 실제 사용자 환경에서 동일한 결과가 재현된다는 보장은 없다.
특히 실제 시스템을 수정하거나 외부로 정보를 전송하는 에이전트는 사람이 결과를 검토하고 승인할 수 있도록 설계해야 한다.