에이전트 작업을 위해 설계된 멀티모달 추론 모델 Muse Spark 1.1

챗봇에게 질문을 던지고 답변을 받는 과정은 이제 대부분의 사용자가 겪는 일상적인 경험이다. 하지만 단순한 정보 제공을 넘어 AI가 사용자의 컴퓨터 환경에 직접 접속해 복잡한 과업을 완수하는 에이전트 기능으로의 전환이 빠르게 진행되고 있다. Meta Superintelligence Labs는 이러한 에이전트 작업을 위해 설계된 멀티모달 추론 모델 Muse Spark 1.1을 공개했다.

Muse Spark 1.1은 전작과 비교해 도구 및 컴퓨터 사용 능력, 코딩, 멀티모달 이해도를 높였다. 텍스트와 시각적 정보를 동시에 처리하는 추론 능력을 바탕으로 실제 컴퓨터 인터페이스를 조작하거나 정교한 코드 작성을 수행하는 에이전트 역할에 최적화되었다. Meta는 이 모델을 개인용 초지능(personal superintelligence) 비전을 달성하기 위한 구체적인 구현 단계로 소개했다.

Advanced AI Scaling Framework를 적용해 배포 전 주요 프런티어 리스크 범주에 대한 안전성 평가를 완료했다. 화학 및 생물학(Chemical & Biological), 사이버 보안(Cybersecurity), 통제 상실(Loss of Control) 범주에서 모두 안전 여유 범위 안에 있다는 결과가 도출되었다. 특히 탈옥(jailbreak)이나 프롬프트 주입(prompt injection) 같은 외부 공격에 대한 저항성을 강화함으로써 모델의 환각(hallucination) 발생 비율을 낮췄다.

상황에 따라 클릭과 스크립트를 선택하는 컴퓨터 자동화 방식

안전성이 확보된 기반 위에서 Muse Spark 1.1은 실제 컴퓨터 조작 효율을 극대화하는 전략을 취한다. 단순 반복 작업의 자동화 시 발생하는 구축 비용과 실행 효율의 충돌을 해결하기 위해 조작 방식을 상황에 따라 이분화한다. 단순한 상호작용이 필요한 구간에서는 직접 클릭 방식을 사용하지만, 스크립트 작성이 실행 속도를 더 높일 수 있다고 판단하면 즉석에서 자동화 코드를 생성해 처리한다. 여러 애플리케이션을 교차 사용하는 복잡한 워크플로에서도 작업 맥락인 컨텍스트를 유지하며, 처음 접하는 인터페이스라도 최소한의 개입만으로 탐색을 완료한다.

코드베이스의 복잡도가 높은 엔터프라이즈급 시스템에서는 진단과 수정의 정밀도를 높였다. 대규모 코드 마이그레이션(기존 코드를 새로운 환경으로 옮기는 작업)은 물론, 시스템의 신규 기능을 구현하거나 복잡하게 얽힌 버그를 찾아 수정하는 작업이 가능하다. 이는 시각 정보와 오디오 정보를 동시에 검사하는 멀티모달 지각 능력을 결합해 사용자를 대신해 컴퓨터를 조작하는 에이전트 워크플로를 수행한 결과다.

사용자는 모델이 실제 컴퓨터 인터페이스를 조작하고 대규모 코드베이스를 직접 수정하는 성능을 통해, 이 에이전트를 실제 업무 환경에 도입할 수 있을지 판단하게 된다.

100만 토큰의 컨텍스트 관리와 계층적 에이전트 구조

개발자가 수만 줄의 코드가 얽힌 리포지토리를 분석할 때 발생하는 맥락 유지의 병목 현상을 해결하기 위해 Muse Spark 1.1은 100만 토큰의 컨텍스트 창을 능동적으로 관리한다. 과거 작업 정보를 검색하고 이후 단계에 필요한 핵심 맥락을 압축해 유지함으로써 추론의 일관성을 확보했다.

작업 수행 구조는 메인 에이전트와 병렬 서브에이전트로 나뉜다. 메인 에이전트가 전체 컨텍스트를 수집하고 세부 계획을 세우면, 실제 실행 단계는 병렬 subagent(특정 작업만 수행하는 하위 모델)에게 위임한다. 수행 과정에서 서브에이전트 수준에서 해결하기 어려운 과제가 발생하면 다시 메인 에이전트로 에스컬레이션(상위 단계로 문제를 보고해 해결하는 과정)하는 방식으로 작동한다. 계획 수립과 실행을 분리한 계층 구조를 통해 대규모 작업의 처리 효율을 높였다.

모델 접근 경로는 사용자 그룹에 따라 이원화되어 제공된다. 개발자는 공개 프리뷰 형태로 출시된 Meta Model API를 통해 모델의 기능을 직접 호출하고 구현할 수 있다. 일반 사용자는 Meta AI 앱이나 meta.ai 웹사이트에서 'Thinking' 모드를 선택해 모델의 추론 과정을 이용하며 기능을 테스트할 수 있다.

챗봇과의 대화가 일상이 된 시점에서 Muse Spark 1.1은 단순 응답을 넘어 도구 사용과 컴퓨터 조작에 최적화된 추론 능력을 제시한다. 100만 토큰의 컨텍스트를 능동적으로 관리하며 메인과 서브 에이전트가 작업을 분담하는 구조는 복잡한 워크플로우 수행의 기술적 근거가 된다.

결국 핵심은 실제 컴퓨터 인터페이스 조작과 대규모 코드베이스 수정이 업무 환경에서 얼마나 실효성 있게 작동하는가에 있다. 단순 텍스트 생성을 넘어 실제 '실행' 단계의 성능이 모델의 핵심 가치가 된다.