뮤즈 스파크 1.3, 툴 호출 20%·토큰 25% 감축 — 큐원3.8-맥스-0902는 코드아레나 웹데브 1위(1,691)
이번 주 초 메타와 알리바바가 하루 간격으로 에이전트 코딩 모델을 내놨고, 깃허브 리포지토리를 '스킬'로 증류한 논문이 허깅페이스 데일리 페이퍼 1위(479 업보트)에 올랐습니다.
■ 메타 뮤즈 스파크 1.3 — 같은 일을 더 적은 호출로
- 무엇: 9월 2일 공개. 메타 자체 측정으로 1.2 대비 툴 호출 약 20%, 토큰 약 25% 감소. DeepSWE v1.1은 75.4로 클로드 오퍼스 5(74.0), GPT-5.6 Sol(72.7)보다 위. 장문 검색 MRCR v2는 256K~512K 98.5, 512K~1M 98.1(GPT-5.6 Sol은 91.5/73.8), 터미널벤치 2.1은 88.8로 GPT-5.6 Sol과 동률. 컨텍스트 100만 토큰, 가격은 1.2와 같은 100만 토큰당 입력 1.25달러·출력 4.25달러(기여자 티어 0.10/0.20달러).
- 왜 중요: 에이전트 비용은 점수보다 왕복 횟수가 좌우합니다. 호출 20%·토큰 25% 감축은 벤치 1~2점 차이보다 월 청구서에 훨씬 크게 찍힙니다. 다만 지금 풀린 건 xhigh 추론 모드이고 최상위 max는 안전성 테스트를 이유로 아직 잠겨 있습니다. 모드 간 격차가 작지 않아서(OSWorld 2.0에서 max 66.9 대 xhigh 57.2) 발표 수치를 그대로 기대하긴 이릅니다. 가중치도 비공개입니다 — 저커버그가 8월에 1.2 오픈 웨이트를 예고했지만 아직 공개된 스파크 가중치는 없습니다.
- 써보기: Muse Code 또는 Meta Model API에서 바로 접근 가능. 기존 에이전트 파이프라인은 그대로 두고 모델만 바꿔 동일 작업 10건의 툴 호출 수와 총 토큰을 로그로 비교하면, 절감폭이 내 워크로드에서도 재현되는지 30분이면 확인됩니다.
■ 알리바바 큐원3.8-맥스-0902 — 구조는 그대로, 후속학습만
- 무엇: 9월 2일 스냅샷. 파라미터 2.4조·컨텍스트 100만·가격(입력 2달러/출력 6달러)을 그대로 두고 후속학습만 손봤는데 Code Arena WebDev에서 1,691점 1위. 직전 큐원3.8-맥스(1,669)보다 22점, 클로드 오퍼스 5 Max(1,687)보다 3점, 키미 K3 Max(1,674)보다 17점 위입니다. 자체 발표 기준 터미널벤치 2.1 86.6, SWE-bench Pro 67.7, DeepSWE 1.1 56.6, 자사 벤치 CoWorkBench 74.8.
- 왜 중요: 사전학습을 다시 돌리지 않고 코딩·에이전틱 사무작업 쪽 후속학습만으로 선두권에 올라섰다는 신호입니다. 3점 차는 오차 범위로 보는 게 안전하고, 순위표보다 '같은 값에 성능이 올라갔다'가 실질적 변화입니다.
- 써보기: 웹 프론트엔드 생성이 잦다면 기존 프롬프트 5개를 0902 스냅샷에 그대로 넣어 비교. 단, 중국 법 적용 이슈가 계속 지적되는 만큼 민감 코드·사내 데이터 투입 전에는 사내 보안 정책 확인이 먼저입니다.
■ Repo-To-Skill(arXiv 2609.02749) — 깃허브를 스킬 라이브러리로
- 무엇: 베이징 인공지능연구원(BAAI) 논문. 널리 쓰이는 ML 리포지토리 1,000개를 검증된 스킬 5,000여 개로 증류해 20개 영역·178개 능력군으로 정리한 AREX-Skill 라이브러리와, 이를 쓰는 에이전트 DisCo를 함께 공개했습니다. 백본(GPT-5.5)·하네스·실행 예산을 고정한 상태에서 스킬을 붙였을 때 MLE-bench +134.3%, PaperBench +34.4%, FrontierCS +9.2%, PassNet +14.0%.
- 왜 중요: 모델을 키우는 대신 '작동하게 만드는 노하우'를 밖으로 빼서 재사용한다는 접근입니다. 사내 레포에도 같은 방식이 적용되면 매번 코드를 다시 읽히는 비용이 줄어듭니다.
- 써보기: 팀에서 가장 자주 건드리는 레포 3개를 골라 설치·실행·디버깅 절차를 검증 가능한 스킬 문서로 뽑아두는 것부터. 논문의 task-agnostic 증류 절차가 그 템플릿에 가깝습니다.
■ 앤트로픽 EFS — 로그를 우리 클라우드에 두는 안전장치
- 9월 1일 공개. 오남용 탐지용 활동 데이터를 고객사의 S3·Azure Blob·GCS에 고객 암호화 키와 접근정책·감사로그 아래 보관하고, 플래그가 뜨면 앤트로픽 사람 검토 없이 신호가 고객에게 갑니다. 포춘 100의 4분의 1과 미국 G-SIB 은행 전체를 포함해 100개 이상 기업과 함께 설계했고 올가을부터 단계 롤아웃, 그전까지 대상 고객은 Fable 5/5.1에 제로 데이터 보존이 적용됩니다. 앤트로픽은 EFS 자체에 과금하지 않고 클라우드 저장·전송 비용만 각 클라우드사에 청구됩니다.
- 규제 산업에서 도입을 막던 '로그가 벤더에 남는다' 문제를 정면으로 겨냥한 구조라, 보안심의 통과가 관건이던 팀은 대상 여부를 확인해둘 만합니다.
오늘 확인 한 줄: 쓰는 에이전트가 있다면 어제 작업 로그에서 툴 호출 수와 총 토큰만 뽑아두세요. 모델을 바꿀 때 비교할 기준선이 없으면 절감폭도 체감되지 않습니다.
출처:
https://research.meta.ai/blog/introducing-muse-spark-1-3
https://www.marktechpost.com/2026/09/03/meta-ai-released-muse-spark-1-3-an-agentic-coding-model-that-uses-20-fewer-tool-calls-and-25-fewer-tokens-than-muse-spark-1-2/
https://venturebeat.com/technology/meta-says-muse-spark-1-3-has-frontier-performance-but-its-best-results-come-from-a-model-developers-cant-broadly-use-yet
https://www.theregister.com/ai-and-ml/2026/09/02/zucks-muse-to-spark-joy-with-open-weights-release-soon/5294093
https://aiweekly.co/alerts/alibaba-ships-qwen38-max-0902-snapshot-codearena-score-jumps-22-points-to-1691
https://technode.com/2026/09/02/alibaba-upgrades-qwen38-max-with-new-0902-snapshot/
https://x.com/arena/status/2094974637704913198
https://arxiv.org/abs/2609.02749
https://huggingface.co/papers/date/2026-09-03
https://www.anthropic.com/news/enterprise-frontier-safeguards
https://buttondown.com/agent-k/archive/llm-daily-september-03-2026/
https://aiweekly.co/ai-news-today/edition/2026-09-03
https://huggingface.co/papers
댓글 (0)
아직 댓글이 없습니다.
댓글을 쓰려면 입장하세요.
← 목록