AI 코딩 도구의 경쟁 축이 ‘어떤 모델이 더 좋은 코드를 생성하는가’에서 ‘어떤 시스템이 실제 작업을 끝까지 완수하는가’로 이동하고 있다. 2026년 8월 5일 메타가 공개한 Muse Code and Muse Spark 1.21는 이 질문에 정면으로 응답하는 제품이다.
이 둘은 반드시 분리해서 이해해야 한다. Muse Spark 1.2는 코딩에 특화된 추론 모델이고, Muse Code는 이 모델을 구동 엔진으로 사용하는 터미널 기반 에이전트다2. 기존 방식과의 결정적 차이는 모델과 에이전트가 따로 개발된 뒤 결합되는 것이 아니라, 처음부터 함께 훈련(co-training)되었다는 점이다. Muse Spark 1.2는 에이전트 환경 안에서 언제 코드를 검사하고, 언제 수정하고, 언제 다른 하위 에이전트에 위임할지를 직접 학습했다3. 덕분에 모델과 실행 환경이 따로 노는 문제를 구조적으로 줄였다.
계획하고, 검증하고, 끝까지 완수한다
Muse Code의 핵심 워크플로우는 세 단계로 작동한다.
/plan은 사용자의 작업을 승인 단계가 포함된 실행 계획으로 변환한다3. 많은 코딩 에이전트가 요청을 받는 즉시 실행에 들어가 오해를 키우는 것과 달리, Muse Code는 먼저 자신의 이해를 표면화하고 사용자가 승인하기 전까지는 코드를 한 줄도 작성하지 않는다.
/grill은 그 계획의 취약점을 스트레스 테스트한다3. “웹훅이 500ms 간격으로 두 번 도착하면?”, “429 응답에 대한 재시도 로직이 빠져 있는데?” 같은 엣지 케이스를 구현 전에 미리 발견해 준다. 마치 기획 리뷰를 자동화한 것과 같다.
/goal은 승인된 계획을 실제로 실행하는 명령이다. 이 단계에서 중요한 것은 비동기 백그라운드 에이전트가 세션 내내 지속적으로 활성화되어 있다는 사실이다3. 코드베이스를 탐색하는 에이전트, 코드를 작성하는 실행 에이전트, 결과를 확인하는 검증 에이전트가 세션 전체에서 유지되므로, 매 작업마다 에이전트를 새로 띄우는 구조에서 발생하는 중복 정보 수집이 사라지고 지연 시간도 줄어든다.
또한 모든 모델 호출, 도구 실행, 파일 편집은 .muse/ 디렉터리의 로컬 이벤트 로그에 추가 전용(append-only) 방식으로 기록된다3. 작업 중 충돌이 발생하더라도 재실행 명령 한 번으로 정확히 중단된 지점부터 재개할 수 있다. 이것이 긴 작업을 믿고 맡길 수 있는 근거다.
벤치마크가 말하지 않는 것들
메타는 Muse Code와 Muse Spark 1.2의 통합 시스템이 Terminal-Bench 2.1에서 82.9%를 기록했다고 발표했다. 그러나 이 수치는 자체 최적화된 환경에서 측정한 벤더 보고 점수다. 독립 평가 기관 Vals가 동일한 하네스(Terminus 2)로 모든 모델을 테스트한 결과, Muse Spark 1.2는 50개 모델 중 14위에 그친다2.
이 괴리는 에이전트 하네스 자체가 성능의 일부라는 중요한 사실을 드러낸다. Muse Spark 1.2는 Muse Code와 함께 훈련되었기 때문에, 서드파티 하네스에서는 최적의 행동을 완전히 재현하지 못할 가능성이 높다. 단순히 ‘모델 순위’만 보면 놓치기 쉬운 지점이다.
가격은 또 다른 그림을 보여준다. muse-spark-1.2-contributor 모델 ID의 API 가격은 입력 100만 토큰당 $0.10, 출력 100만 토큰당 $0.20으로 매우 공격적이다2. Vals Index에서는 45개 모델 중 5위를 기록하며 테스트당 평균 $0.69의 비용을 달성했다2. 절대 정확도 면에서는 단독 선두가 아니지만, 가성비로는 동급 최상위권에 올라 있다.
어디에, 어떻게 쓸 것인가
Muse Code는 현재 macOS와 리눅스에서 사용할 수 있으며, 아직 베타 제품이므로 실제 프로덕션 저장소에 곧바로 적용하기보다 복제본에서 실험하는 접근이 안전하다. API는 OpenAI SDK 및 Anthropic SDK에 드롭인 호환되므로, 기존 워크플로우에 비교적 쉽게 통합해 볼 수 있다.
이 도구가 가장 빛을 발하는 지점은 긴 호흡의 작업이다. 전체 저장소 리팩터링, 단계적 디버깅, GPU 커널 최적화처럼 수백에서 수천 번의 도구 호출이 필요한 작업에서 백그라운드 에이전트의 지속성과 이벤트 로그 기반 복구가 실질적인 차이를 만들어낸다.
결국 선택은 명확하다. 최고의 정확도가 절대적으로 중요하다면 독립 평가에서 검증된 선두 모델을 살펴야 한다. 그러나 하루에도 수백 건의 코딩 작업을 돌려야 하고, 긴 작업을 끝까지 완수하는 시스템에 더 무게를 둔다면, Muse Code and Muse Spark 1.2는 지금 가장 매력적인 가격표를 달고 나온 선택지다.
1Introducing Muse Code and Muse Spark 1.2
2Meta Muse Code & Muse Spark 1.2: Complete Guide, Verified Benchmarks & Pricing
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.