Meta, 가장 작은 모델 Muse Ember로 비용 효율의 정점을 찍다
Our Smallest, Most Efficient Model: Muse Ember
Meta가 가장 작고 효율적인 모델 Muse Ember를 공개했다. 도구 호출, 코딩 하위 작업, 라우팅, 추출, 긴 문서 파싱처럼 에이전트가 하루 종일 반복하는 작업에 특화됐다. Artificial Analysis 지능 지수에서 Claude Haiku 5.5의 최고 점수를 약 3분의 1 비용으로 맞추고 GPT-6 Luna의 모든 설정을 앞선다. 100만 토큰 컨텍스트와 최대 51만2천 출력 토큰을 지원하며, 100만 입력 토큰당 0.10달러로 Meta Model API에서 제공된다.
어려운 문제에는 Muse Wonder와 함께 쓰면 된다. Muse Wonder가 계획을 세우고, Muse Ember가 물량을 처리한다.
HN 토론
105- simonw
여섯 가지 노력 수준(minimal, low, medium, high, xhigh, max)이 있어서, 여기 펠리컨 여섯 마리가 있습니다(사실상 다섯 마리인데, "high"는 완전한 SVG를 반환하지 않았거든요):
https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
보통 사고 수준과 펠리컨의 시각적 품질 사이에는 꽤 강한 상관관계가 있습니다. 이 상관관계가 깨지는 것처럼 보이는 건 이번이 처음이네요 - 추론 토큰이 더 많다고 해서 눈에 띄게 더 나은 SVG가 나오지는 않는 것 같습니다.
- djacksondev
Muse 모델들이 처음 나오기 시작했을 때, 벤치마크를 보면 Meta 모델들이 다시 경쟁력이 생긴 것 같아 꽤 기뻤습니다. 하지만 직접 써보니 Meta가 벤치마크 카드에서는 흥미롭지만 실제 현실 시나리오에서는 그다지 유용하지 않은, 이른바 벤치마크에 최적화된(benchmaxxed) 모델을 만들고 있는 것 같습니다.
제 생각에 그것이 Muse 모델들의 주요 문제입니다. Spark든 Wonder든 Ember든 마찬가지예요. 벤치마크에서는 최전선인 것처럼 읽히지만 실제로는 그렇지 않습니다.
Dots와 Muse를 제품으로 비교해봐도 이 점이 분명합니다. 모델 품질은 여전히 확실히 훨씬 뒤처져 있습니다.
- doodlesdev
흥미로운 점은 이 모델의 최고 벤치마크가 Meta 자체의 에이전트 하네스가 아니라 mini-swe-agent에서 나왔다는 것입니다:
> 1. 모든 모델은 최대 추론 노력으로 실행됩니다. Artificial Analysis 결과는 2026년 11월 9일에 발표된 Intelligence Index v5에서 가져왔으며, 작업당 비용은 각 모델의 정가를 사용합니다. 내부 결과는 Meta의 평가 제품군에서 나온 것입니다. Personal Superintelligence Index(PSI)는 여덟 가지 평가의 내부 합성 지표입니다: Agents' Last Exam, AutomationBench, FocusBench, JobBench, OfficeQA Pro, GDP.pdf, GDP.xlsx, VBT. Terminal-Bench 4.0은 각 모델의 최고 공개 하네스를 사용합니다: mini-swe-agent (Muse Ember), Claude Code (Claude Haiku 5.5), Codex (GPT-6 Luna). OSWorld 2.1은 부분 점수 보상을 사용하며, PerceptionBench는 도구를 사용해 채점됩니다.
- Retro_Dev
그들이 이 모델이 지금까지 나온 모델 중 "가장 작은" 것이라고 했을 때, 정말로 오픈 웨이트이기를 바랐습니다. 가중치를 어디서도 찾을 수가 없네요, 참 슬프네요 :(
- kbrannigan
이건 초기 PC 시절과 꼭 닮아가기 시작했네요. 온갖 모양과 색의 컴퓨터 모델들이 쏟아져 나왔지만, 결국 마우스, 키보드, 모니터로 정착했죠.
대부분의 사람들은 오피스 제품군을 씁니다: Word, 스프레드시트, 프레젠테이션, 데이터베이스.
LLM에서도 모든 것을 다 하는 모델 대신 특화 모델로 똑같은 일이 벌어질 거라고 장담합니다.
변호사용, 코더용, 회계사용, 디자이너용 등등…
- open-paren
이게 바로 "crouton alpha" 스텔스 모델이었던 것 같습니다
- minimaxir
> 입력 토큰 100만 개당 $0.10, 캐시된 입력 토큰 100만 개당 $0.004, 출력 토큰 100만 개당 $0.50입니다,
주목할 만한 점은 캐시 비용이 입력의 4%라는 것으로, Luna/Haiku의 입력 대비 10%와 비교됩니다.
- segmondy
무엇이 이걸 작게 만드는 걸까요? 크기를 아는 사람 있나요? 어디에서도 못 봤습니다. 현재 라인업에 비해 작다는 건가요? 어쨌든 제가 마지막으로 Meta를 써본 건 llama4였습니다. 제가 발을 뺀 건 llama4가 얼마나 나빠졌기 때문만이 아니라 Zuck의 행보 때문이기도 했습니다. 여기 Meta를 쓰는 분 있나요? 제 주변에는 아무도 없지만, 분명히 쓰는 사람들은 있을 겁니다.