[글로벌 AI·AX 핫뉴스 3/100] 메타 뮤즈 원더 공개, 장시간 AI 업무의 제공 조건이 갈린다

여러 파일을 고치는 AI가 중간 오류를 만났을 때 작업을 이어갈 수 있는가. 메타는 10월 12일 공개한 뮤즈 원더(Muse Wonder)와 원더 Full에서 이 문제를 전면에 내세웠다. 긴 업무를 계획하고 도구를 쓰며 수정 결과를 검증하는 능력이 발표의 중심이다. 다만 같은 발표에 담긴 두 모델은 이용 경로와 요금, 데이터 처리 조건이 다르다. 모델 공개를 곧바로 모든 이용자의 서비스 제공이나 국내 기업의 생산성 향상으로 읽기 어려운 이유다.

API 미리보기와 구독 전용 모델의 경계

뮤즈 원더는 발표 당일부터 메타 Model API와 개발 도구 Muse Code를 통해 제공된다. 개발 문서는 원더의 제공 상태를 미리보기로 명시했다. 상위 모델 원더 Full은 Muse Code의 Power Usage와 Maximum Usage 구독에서 이용할 수 있다. 일반 원더의 API 요청에서 추론 강도를 최대로 설정해도 Full로 바뀌지 않는다. 고성능 모델을 평가할 때 사용한 제품과 실제 계약하려는 제품이 같은지부터 구분해야 한다.

소비자용 Muse 서비스에는 구독자부터 조만간 적용한다는 계획이 발표됐다. 전체 소비자 서비스가 새 모델로 전환됐다는 뜻은 아니다. 원더의 가중치를 내려받아 자체 서버에서 운영하는 방식도 제공 내용에 포함되지 않는다. 별도로 공개하는 오픈웨이트 모델과 혼동하면 사내 구축 범위를 잘못 판단하게 된다.

제품 페이지에 표시된 Full 지원 구독료는 Power Usage 월 50달러, Maximum Usage 월 200달러다. 개발 도구의 사용량 한도가 있는 구독이며, 회사 시스템에서 별도 API 키로 호출하는 비용과 구분된다.

긴 문맥을 담는 능력에서 업무를 이어가는 능력으로

메타 연구진은 중요한 맥락을 대화에 걸쳐 유지하고 꺼내 쓰는 Active Memory, 어려운 과제를 만나도 목표를 추적하며 접근을 바꾸는 Active Focus를 설명했다. 여러 파일을 수정하고 테스트 결과를 반영하는 개발 업무에서는 앞선 결정과 남은 오류를 이어 읽는 능력이 필요하다. 한 번의 답변이 자연스러운지에 더해 긴 작업 속에서 판단이 유지되는지를 겨냥한 설명이다.

API 문서상 원더는 104만8576토큰의 문맥을 지원하며 텍스트·이미지·영상·음성·PDF를 입력받고 텍스트를 출력한다. 긴 문서를 넣을 수 있다는 사양은 유용하지만, 입력된 모든 내용을 정확하게 활용한다는 보증은 아니다. 프로젝트 파일의 관계나 문서의 조건을 놓치면 뒤의 작업도 영향을 받는다. 문맥 용량과 업무의 정확성을 따로 읽어야 하는 까닭이다.

같은 날 마이크로소프트도 긴 문맥과 여러 단계의 에이전트 작업을 겨냥한 Maia 300 추론 시스템을 발표했다. 실제 운영 배치는 2027년부터 시작한다는 계획이다. 모델을 이어서 실행하는 능력과 이를 받치는 연산 인프라가 함께 경쟁 영역에 들어왔지만, 미래 배치 계획을 오늘의 서비스 성능으로 환산할 수는 없다.

성능표의 작업 환경과 완료 비용을 함께 읽다

메타는 코딩과 에이전트 평가 결과를 공개했지만, 점수마다 시험 환경이 같지는 않다. 모델 카드의 SWE-Marathon 비교에서는 경쟁 모델이 각자의 코딩 도구를 사용했다. 점수에는 모델과 도구, 작업 지시와 실행 환경이 함께 반영된다. 이를 모든 모델을 동일한 조건에서 시험한 순위로 바꾸면 실제 비교 범위를 벗어난다. 특정 평가의 우위가 국내 기업 업무 전반의 우위로 이어지는 것도 아니다.

모델 카드는 여러 단계의 추론에서 오류가 생길 수 있고 새로운 상황이나 시각·공간 판단에 한계가 남는다고 설명한다. 도구 구성과 프롬프트도 결과를 바꾼다. 긴 작업은 중간의 잘못된 판단이 다음 단계로 전달될 수 있어, 마지막 출력만 그럴듯한지 읽는 방식으로는 완료 여부를 판단하기 어렵다. 수정한 파일과 테스트 결과, 실제 요청한 조건의 충족 여부가 각각 근거가 된다.

원더 API의 공시 가격은 100만토큰당 입력 4달러, 캐시 입력 0.20달러, 출력 20달러다. 웹 검색은 1000회당 2.50달러가 별도로 붙는다. 장시간 에이전트 작업에서 도구 호출과 재시도가 늘면 사용량도 달라진다. 입력 단가만으로 작업 한 건의 비용을 대표할 수 없는 구조다. 완료한 업무와 실패 뒤 재작업을 함께 세는 비용 기록이 성능표와 연결되는 지점이다.

국내 적용의 문턱은 언어와 계정 조건에도 있다

10월 12일 갱신된 메타의 지역 이용 정책에서 한국은 제한 지역 목록에 들어 있지 않다. 그러나 목록에 없다는 사실만으로 모든 국내 계정에서 모든 구독과 기능을 즉시 사용할 수 있다고 단정할 수는 없다. 정책은 서비스가 활성화된 지역에서의 이용을 전제로 한다. 기업의 실제 계정, 결제와 기능 제공 범위가 국내 이용 가능성을 구체화한다.

연구 자료는 다국어 학습을 설명하지만 모델 카드가 모든 언어의 성능을 평가했다고 밝히지는 않았다. 한국어 계약 문구나 사내 용어를 다루는 업무의 정확도를 영어 중심 성능표에서 그대로 가져올 수 없는 이유다. 국내 적용의 질문은 한국어 출력이 가능한지에서 더 나아가, 조건과 예외를 보존하고 기존 문서의 의미를 바꾸지 않는지에 놓인다.

국내 개인정보보호위원회가 2025년 8월 공개한 생성형 AI 개인정보 처리 안내서는 서비스형 LLM 활용도 다룬다. 목적과 처리 근거, 적용 뒤 정보주체의 권리를 함께 읽는 기존 기준이다. 외부 제품의 데이터 설정을 선택하는 일과 국내 조직의 개인정보 처리 책임은 연결되지만 같은 판단은 아니다.

학습 제외와 저장하지 않는 조건은 서로 다르다

데이터 처리 조건은 같은 원더를 사용해도 이용 방식에 따라 달라진다. 메타 문서상 Standard 모드의 입력과 출력은 모델 학습에 쓰이지 않는다. 반면 Muse Code 구독의 Contributor 모드는 기본으로 켜져 있으며, 추가 사용량을 제공하는 대신 코드·파일·프롬프트·응답 등을 향후 모델 학습에 이용할 수 있다. 이용자는 설정에서 이를 끌 수 있다. 구독 이름만으로 사내 자료의 처리 조건을 알 수 없는 구조다.

학습에 쓰지 않는다는 설명과 응답 이후 저장하지 않는다는 설명도 구분된다. Zero Data Retention은 자격을 갖춘 조직에 메타가 별도로 활성화하는 조건이며 일반 이용의 기본 설정이 아니다. 적용되면 서버에 이전 응답을 참조하는 요청, 비동기 실행, 파일 업로드와 웹 검색 등 일부 기능이 제한된다. 법적 의무나 오용 대응에 따른 예외와 외부 도구의 별도 정책도 남는다.

따라서 긴 업무를 기억하고 파일을 활용하는 기능과 조직이 요구하는 보관 조건을 같은 문서에서 읽어야 한다. 기록을 줄이는 설정이 필요한 기능의 이용 범위를 바꿀 수 있고, 외부 도구까지 연결하면 처리 주체도 늘어난다. 이번 공개가 남기는 판단 과제는 최고 점수의 모델을 고르는 데서 끝나지 않는다. 어떤 자료를 어떤 조건으로 전달해, 어느 작업을 완료했는지 설명할 수 있는 계약과 기록이 함께 필요하다.

뮤즈 원더의 발표는 AI 경쟁의 시선을 긴 업무의 지속과 검증으로 옮겼다. 모델이 오래 일할수록 회사가 무엇을 맡겼고 무엇을 완료했다고 인정하는지의 기준도 더 구체적이어야 한다.

글로벌 AI·AX 핫뉴스 연재 모아보기 →