Muse Spark 1.1은 Meta의 Spark 계열 모델 업데이트로, 첫 Spark API 제공과 에이전트 도구 호출·컴퓨터 사용 능력 개선을 핵심 변화로 내세운다. Artificial Analysis 기준 Intelligence Index 51점을 기록해 GLM-5.2 max, GPT-5.4 xhigh, GPT-5.6 Luna max와 비슷한 구간에 위치한다.
주요 특징
| 항목 | 내용 |
|---|---|
| 컨텍스트 | 1M tokens |
| 제공 방식 | Meta first-party API |
| 강점 | 과학 추론, 코딩, 지식 작업, 도구 호출 |
| 비용 | Artificial Analysis 추정 Intelligence Index task당 약 $0.26 |
| 속도 | Meta API median 약 114 tokens/s, 첫 토큰 약 21초 |
성능 해석
Artificial Analysis는 Muse Spark 1.1이 Spark 1.0 대비 Intelligence Index에서 8점 상승했다고 분석한다. 상승폭은 Scientific Reasoning, Coding, Knowledge에 집중되어 있고, SciCode 58%, Humanity’s Last Exam 45%, GDPval-AA v2 Elo 1376 같은 지표가 언급된다.
흥미로운 점은 환각 감소 방식이다. AA-Omniscience 개선은 무조건 더 많이 답하는 방식이 아니라, 모르는 항목을 더 잘 보류하는 abstention 증가와 연결된다. 실무에서는 “항상 답하는 모델”보다 “근거가 약하면 멈추는 모델”이 에이전트 하네스에 넣기 쉽다.
사용 시나리오
- 코딩 에이전트 후보 모델: TerminalBench, SciCode 같은 코딩 지표가 중요하고 Meta API를 사용할 수 있을 때
- 긴 컨텍스트 지식 작업: 1M 컨텍스트에서 큰 문서 묶음이나 프로젝트 상태를 다룰 때
- 비용 민감한 에이전트 실행: frontier 최상위 모델보다 낮은 비용으로 준상위 성능을 원할 때
주의할 점
벤치마크 동률은 실제 제품 성능 동률을 의미하지 않는다. 특히 긴 agentic workflow에서는 tool schema, retry 정책, memory, sandbox, 검증자 설계가 모델 점수만큼 중요하다. Muse Spark 1.1은 모델 자체보다 Meta API 생태계, rate limit, 로깅, 안전 정책까지 함께 평가해야 한다.
관련 문서
- agent-harness — 모델 성능을 실제 에이전트 성능으로 바꾸는 하네스 설계
- gpt-5-6 — OpenAI의 GPT-5.6 Sol/Terra/Luna 모델 패밀리
- glm-5-2 — 장기 코딩 작업에 초점을 맞춘 오픈 가중치 모델
참고 자료
- Muse Spark 1.1: Meta gains 8 Intelligence Index points — Artificial Analysis (2026-07-10)
- Introducing Muse Spark 1.1 — Simon Willison (2026-07-09)