메타 뮤즈 엠버 공개 — 값은 하이쿠 5.5·루나와 같은 0.10달러, 과제당 비용은 3분의 1

메타가 가장 싼 모델 시장에 들어왔는데, 정가는 한 푼도 깎지 않았다. 메타 슈퍼인텔리전스 랩스는 2026년 11월 9일(미국 시각) 뮤즈 엠버(Muse Ember)를 공개했다. 뮤즈 계열에서 가장 작고 싼 모델이고, 4월의 스파크, 8월의 글리머, 10월의 원더에 이은 네 번째 모델이다. 값은 100만 토큰당 입력 0.10달러·출력 0.50달러다. 10월 초에 나온 클로드 하이쿠 5.5, 9월에 나온 GPT-6 루나와 숫자가 정확히 같다.

메타가 내세우는 것은 정가가 아니라 과제 하나를 끝내는 데 드는 돈이다. 독립 평가 기관 아티피셜 애널리시스의 지능 지수에서 엠버는 36점을 받았고, 그 시험의 과제 하나를 푸는 데 약 0.14달러가 들었다. 비슷한 점수의 하이쿠 5.5는 약 0.41달러였다. 반면 메타가 직접 낸 표에도 엠버가 지는 항목이 있다. 어려운 코딩 시험에서는 하이쿠 5.5가 앞선다.

1. 무엇이 나왔나 — 정가는 같고, 구간과 캐시 값이 다르다

메타는 엠버를 "에이전트가 하루 종일 되풀이하는 일"을 위한 모델이라고 설명했다. 도구 호출, 코딩 하위 작업, 요청 분류(라우팅), 정보 추출, 긴 문서 파싱이 그 일이다. 엠버는 메타의 가장 큰 모델인 뮤즈 원더 풀을 이용해 학습시킨 첫 모델이기도 하다.

경쟁 소형 모델과 정가를 나란히 놓으면 다음과 같다. 모두 100만 토큰당 달러다.

미국 3사의 소형 모델 정가가 0.10달러·0.50달러로 똑같아졌다. 차이는 표의 오른쪽에 있다. 엠버는 비싼 구간이 시작되는 문턱이 20만 토큰으로 하이쿠 5.5(10만 토큰)의 두 배이고, 문턱을 넘었을 때 붙는 배수도 세 배로 하이쿠 5.5(다섯 배)보다 낮다. 큰 코드베이스나 긴 문서를 통째로 넣는 작업에서는 이 차이가 정가보다 크게 작용한다. 캐시 입력 단가 0.004달러도 하이쿠 5.5의 캐시 읽기(0.01달러)보다 낮다.

엠버의 값은 스파크 1.3과 비교하면 입력이 12.5분의 1, 출력이 8.5분의 1이다. 크립토 브리핑은 이 값이 스파크 1.3의 '컨트리뷰터' 요금(입력 0.10달러·출력 0.20달러)과 비슷한 수준이라는 점을 짚었다. 컨트리뷰터 요금은 프롬프트와 답변을 메타가 학습에 쓰도록 허락해야 받는 할인가다. 엠버는 그런 조건 없이 비슷한 입력 단가를 준다.

2. 이기는 시험과 지는 시험

메타는 엠버·하이쿠 5.5·루나를 모두 최대 추론 설정으로 놓고 비교한 표를 냈다. 엠버가 앞선 항목과 뒤진 항목을 함께 옮긴다.

가장 큰 격차는 AutomationBench다. 엠버가 하이쿠 5.5의 약 2.7배, 루나의 약 1.9배다. 코딩 에이전트 지수도 9점 앞선다. 반대로 FrontierCode 2.0에서는 하이쿠 5.5가 7.7%포인트 앞선다. 엠버가 "되풀이하는 작업"에는 강하지만 가장 어려운 코딩 문제를 혼자 푸는 능력은 하이쿠 5.5보다 낮다는 뜻이다. 메타 스스로도 가장 어려운 문제는 원더에 맡기라고 설명한다.

표를 읽을 때 걸러야 할 점이 세 가지 있다.

첫째, 시험 조건이 모델마다 같지 않다. 터미널벤치는 엠버를 mini-swe-agent, 하이쿠 5.5를 클로드 코드, 루나를 코덱스라는 서로 다른 실행 틀(하네스)로 돌린 점수다. 코딩 에이전트 지수도 모델과 도구의 조합을 채점하므로 엠버의 46점에는 메타의 코딩 도구 뮤즈 코드의 몫이 섞여 있다.

둘째, 채점 방식에 따라 격차가 달라진다. OSWorld 2.1은 부분 점수 기준으로는 69.5% 대 68.9%로 거의 같지만, 성공·실패만 따지는 기준으로는 엠버 33.8%, 하이쿠 5.5 27.8%, 루나 17.0%다. 앤트로픽이 10월에 발표한 하이쿠 5.5의 OSWorld 2.1 점수는 72.4%였는데, 메타 표의 68.9%와 다르다. 같은 시험이라도 누가 어떤 설정으로 돌렸느냐에 따라 숫자가 움직인다.

셋째, 지식 문답은 약하다. 알파시그널이 정리한 아티피셜 애널리시스 자료에 따르면 엠버는 지식 정확도 시험(AA-Omniscience)에서 정확도 21.1%로 비슷한 지능 지수의 모델 가운데 가장 낮았다. 질문의 64%에는 답을 거절했다. 그 덕에 틀린 답을 지어내는 비율은 17.4%로 하이쿠 5.5의 절반 수준이었다. 모르는 것을 모른다고 하는 편이지만, 사실을 묻는 용도로는 맞지 않는다.

3. 왜 '값싼 반복 작업용 모델'이 따로 필요한가

정가가 같은데 과제당 비용이 세 배 차이 나는 이유는 토큰 사용량이다. 「AI 토큰 가격이란」에서 설명했듯 청구서는 단가에 토큰 수를 곱한 값이다. 추론을 많이 하는 모델은 같은 문제에 더 많은 출력 토큰을 쓴다. 알파시그널은 엠버가 지능 지수 과제 하나당 하이쿠 5.5의 약 3분의 1만큼만 출력 토큰을 썼다고 전했다.

엠버·하이쿠 5.5·루나·스파크 수치는 메타 블로그의 차트, 딥시크 수치는 Fello AI 정리 기준이다. 눈에 띄는 것은 맨 아랫줄이다. 스파크 1.3은 엠버보다 지수가 1점 높을 뿐인데 과제당 비용은 약 17배다.

이 격차가 중요한 이유는 에이전트가 일하는 방식에 있다. 에이전트는 질문 하나에 답 하나를 내는 것이 아니라, 파일을 읽고, 도구를 부르고, 결과를 확인하고, 다시 부르는 일을 수십~수백 번 되풀이한다. 대부분은 어려운 판단이 아니라 단순한 실행이다. 그 모든 단계에 가장 비싼 모델을 쓰면 비용이 감당되지 않는다. 그래서 큰 모델이 계획을 세우고 작은 모델 여러 개가 실행을 나눠 맡는 구조(하위 에이전트)가 표준이 되고 있다. 메타는 이것을 한 문장으로 정리했다. "뮤즈 원더가 계획하고, 뮤즈 엠버가 물량을 처리한다." 예로 든 것은 고객 상담이다. 큰 모델이 처리 규칙을 정하고, 엠버가 그 규칙을 수만 건에 적용한다. 알파시그널에 따르면 원더의 과제당 비용은 엠버의 약 50배다.

캐시 단가가 낮은 것도 같은 맥락이다. 「AI API 가격 인하 이유」에서 다뤘듯 코딩 에이전트의 토큰 지출 가운데 96~99%는 이미 읽은 맥락을 다시 읽는 캐시 읽기다. 반복 작업용 모델에서는 정가보다 캐시 값이 실제 청구액을 더 크게 좌우한다.

속도에 관한 주장도 있다. 메타가 인용한 초기 사용 기업 가운데 클라우드플레어는 엠버가 비교 대상 모델보다 꼬리 지연 시간(가장 느린 응답들의 시간)이 최대 30% 짧았다고 했고, 유닷컴은 코딩 작업에서 95번째 백분위 지연이 2.2초였다고 했다. 다만 이는 메타가 고른 협력사의 평가다. 아티피셜 애널리시스 페이지에는 출력 속도 초당 448토큰, 과제당 소요 시간 3.1분(비교군 중앙값 7.8분)이 올라 있다.

안전 평가에 대해 메타는 자체 기준(초지능 확장 프레임워크)에 따라 화학·생물, 사이버 보안, 통제 상실 위험을 시험했고 평가한 범주에서 고위험 기준 아래였다고 밝혔다. 에이전트로 쓰이는 모델인 만큼 웹 페이지나 문서에 숨겨진 지시를 거부하는지, 영향이 큰 행동 전에 사람에게 묻는지도 시험했다고 했다. 이 역시 메타의 설명이고 외부 검증은 아직 없다.

4. 남은 것과 확인되지 않은 것

한 가지 더 짚어 둘 것이 있다. 지능 지수의 숫자는 판(버전)이 바뀌면 달라진다. 이번 수치는 지수 5판 기준이고, 여기서 스파크 1.3은 37점, 원더는 44점이다. 우리는 9월 「메타 뮤즈 스파크 1.3」에서 스파크 1.3을 61점, 10월 「메타 뮤즈 원더 공개」에서 원더를 52점으로 전했는데, 당시 기준 판의 수치다. 서로 다른 시점의 점수를 직접 견줄 수 없다.

소형 모델 값이 여기까지 내려온 과정은 「클로드 하이쿠 5.5 가격 100만 토큰 0.1달러」와 「AI API 가격 인하 이유」에 정리했다. 같은 날 지면의 「클로드 페이블 5.2·미토스 5.2 공개」는 반대쪽 끝, 가장 큰 모델의 경쟁을 다룬다. 큰 모델은 계획을, 작은 모델은 실행을 맡는 분업이 굳어질수록, 어느 회사의 큰 모델과 어느 회사의 작은 모델을 짝지을지가 개발자의 실제 선택지가 된다.