필요한 정보 모아보기
테크

메타 뮤즈 스파크 1.3(Muse Spark 1.3) 정리 — Claude Code·Codex에 붙이는 법과 싼 요금제의 조건

#메타 AI#뮤즈 스파크#Claude Code#Codex#AI 코딩

메타(Meta)가 9월 2일 공개한 **뮤즈 스파크 1.3(Muse Spark 1.3)**은 에이전트 작업과 코딩에 맞춰 다시 훈련한 메타의 최신 추론 모델이다. 메타 개발자 문서에 따르면 컨텍스트 창은 1,048,576토큰(약 100만), 표준 요금은 입력 100만 토큰당 1.25달러·출력 4.25달러다. 메타 엔지니어들이 1.2와 비교해 보니 도구 호출은 약 20%, 토큰 사용량은 약 25% 줄었다는 게 메타의 설명이다. 모델 가중치는 공개되지 않는다. API로만 쓴다.

개발자에게 실제로 쓸모 있는 소식은 따로 있다. 이 모델은 OpenAI 형식과 Anthropic 형식 API를 둘 다 받는다. 그래서 이미 쓰고 있는 Claude Code나 Codex, OpenCode에 환경변수 몇 줄만 바꿔 넣으면 두뇌만 뮤즈 스파크로 갈아 끼울 수 있다. 이 글은 공식 문서와 발표 글을 바탕으로 무엇이 바뀌었는지, 어떻게 붙이는지, 그리고 싼 요금제를 고르기 전에 무엇을 알아야 하는지를 정리했다.

1.2에서 무엇이 달라졌나

메타 연구 블로그의 발표 글은 1.3의 변화를 크게 세 갈래로 설명한다.

  • 긴 작업을 끝까지 끌고 가는 힘. 한 대화 안에서 여러 작업을 동시에 붙잡고, 중간에 사용자가 끼어들거나 방향을 틀어도 어느 요청이 어느 작업에 속하는지 더 정확히 가려낸다.
  • 먼저 묻는 습관. 지시가 모호하면 되묻고, 막히면 도움을 청하고, 되돌릴 수 없는 작업 전에는 확인을 받도록 훈련했다고 한다.
  • 코딩 효율. 쓸데없는 턴과 장황한 출력이 줄었다. 위의 "도구 호출 20%, 토큰 25% 감소"가 여기서 나온 수치다.

뮤즈 스파크는 버전이 빠르게 올라가는 편이다. OpenRouter 공개 모델 목록 API를 직접 조회해 보니 등록일이 1.1은 7월 16일, 1.2는 8월 5일, 1.3은 9월 2일(UTC)이었다. 거의 한 달에 한 번꼴이다. 메타 문서도 1.1을 '원래 버전'으로 표기하고, 새 작업에는 1.3을 권한다.

벤치마크는 메타가 모델 소개 페이지에 직접 올린 표에서 코딩·긴 문맥 항목만 옮겼다. 점수는 모두 메타 자체 발표다.

항목뮤즈 스파크 1.3 (max)뮤즈 스파크 1.2 (xhigh)GPT 5.6 Sol (max)Opus 5 (max)
DeepSWE v1.1 (장기 에이전트 코딩)75.455.073.074.0
SWEAtlas CodeBase QnA (코드베이스 이해)59.446.253.552.7
Terminal-Bench 2.1 (터미널 코딩)88.882.988.886.7
MRCR 512K–1M (긴 문맥 검색)98.155.573.8-

숫자만 보면 코딩 세 항목에서 최상위권이고, 100만 토큰 근처 긴 문맥에서는 차이가 꽤 크다. 다만 읽을 때 걸러야 할 게 두 가지 있다. 첫째, 1.3은 가장 비싼 'max' 추론 단계로 잰 값인데 1.2는 한 단계 아래인 'xhigh'다. 같은 조건의 비교가 아니다. 둘째, 회사가 직접 고른 항목들이다. 같은 표의 지식 노동 지표(GDPVal-AA v2)에서는 Opus 5가 1,824점으로 뮤즈 스파크 1.3(1,754점)보다 높게 나와 있다 — 모든 영역에서 앞선다는 뜻은 아니다.

Claude Code·Codex에 붙이는 방법

메타 모델 API의 주소는 https://api.meta.ai이고, 그 아래에 세 가지 '말투'가 열려 있다. /v1/chat/completions와 /v1/responses는 OpenAI 형식, /v1/messages는 Anthropic 형식이다. 정말 그런지 가짜 키로 세 주소를 직접 호출해 봤다. 셋 다 401이 돌아온다. 흥미로운 건 오류 모양이다.

curl -s -X POST https://api.meta.ai/v1/messages \
  -H "Authorization: Bearer fake-key" -H "content-type: application/json" -d '{}'
# {"error":{"message":"Unauthorized","type":"authentication_error"},"type":"error"}

curl -s -X POST https://api.meta.ai/v1/chat/completions \
  -H "Authorization: Bearer fake-key" -H "content-type: application/json" -d '{}'
# {"error":{"code":"invalid_api_key","message":"Unauthorized","param":null,"type":"authentication_error"}}

/v1/messages는 Anthropic API와 같은 봉투("type":"error")로, 나머지는 OpenAI와 같은 봉투(code, param 필드)로 답한다. 엔드포인트마다 실제로 그 회사 API처럼 응답하도록 만들어 둔 셈이다. 그러니 Claude Code 같은 Anthropic 형식 도구가 그대로 붙는다(2026-10-04, macOS에서 curl로 확인. 키가 없어 실제 모델 응답까지는 받아 보지 못했다).

먼저 메타 Model API 대시보드에서 키를 발급받아 환경변수로 내보내 둔다(export MODEL_API_KEY="<발급받은 키>"). 아래 Claude Code·Codex 설정은 모두 이 변수를 읽는다.

Claude Code는 공식 문서가 안내하는 환경변수를 그대로 쓰면 된다.

export ANTHROPIC_BASE_URL="https://api.meta.ai"
export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"
export ANTHROPIC_MODEL="muse-spark-1.3"
export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-spark-1.3"
export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"
export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"
export ENABLE_TOOL_SEARCH="true"
claude

여기서 놓치기 쉬운 지점이 세 군데 있다.

  1. 주소 끝에 /v1을 붙이지 않는다. Claude Code가 알아서 /v1/messages를 덧붙인다.
  2. ANTHROPIC_API_KEY가 아니라 ANTHROPIC_AUTH_TOKEN에 키를 넣는다. 앞의 것은 x-api-key 헤더로 보내지고, 메타 API는 Authorization: Bearer 방식으로 인증한다.
  3. opus·sonnet·haiku 별칭과 서브에이전트 모델까지 전부 고정한다. Claude Code는 플랜 모드나 서브에이전트, 커밋 메시지 같은 가벼운 백그라운드 작업에 별칭 모델을 따로 부른다. 하나라도 빠지면 그 경로만 메타 API에 없는 Claude 모델을 찾다가 실패한다. ENABLE_TOOL_SEARCH는 Claude Code가 자사 외 호스트에서 기본으로 꺼 두는 MCP 도구 검색을 다시 켜는 설정이다.

Codex는 ~/.codex/config.toml에 공급자를 하나 추가하는 방식이다.

model = "muse-spark-1.3"
model_provider = "meta"
model_reasoning_effort = "high"
model_context_window = 1048576

[model_providers.meta]
name = "Meta Model API"
base_url = "https://api.meta.ai/v1"
env_key = "MODEL_API_KEY"
wire_api = "responses"

이미 OpenAI 계정으로 로그인한 Codex라면 /logout을 먼저 해야 메타 쪽으로 넘어간다고 문서에 적혀 있다. 기존 설정을 건드리기 싫다면 CODEX_HOME을 임시 폴더로 지정해 따로 돌리는 방법도 문서에 같이 나와 있다.

OpenCode에서는 어댑터 선택이 중요하다. 문서가 가장 강하게 경고하는 부분이다. 뮤즈 스파크는 추론 내용을 암호화된 덩어리(reasoning.encrypted_content)로 돌려주는데, 다음 요청에 이걸 다시 실어 보내야 직전 턴에 무슨 생각을 했는지 이어 간다. Responses API용 어댑터(@ai-sdk/openai)는 이 재전송을 해 주지만, Chat Completions용(@ai-sdk/openai-compatible)은 해 주지 않는다. 후자를 쓰면 매 턴 처음부터 다시 생각하게 되고, 문서 표현을 빌리면 이미 한 일을 반복하거나 앞 단계와 모순되는 행동을 할 수 있다. 여러 단계를 도는 에이전트라면 Responses 어댑터를 쓰는 게 맞다.

메타가 만든 전용 에이전트 **뮤즈 코드(Muse Code)**도 있다. 설치 명령은 curl -fsSL https://dev.meta.ai/install.sh | sh 한 줄이다. 파이프로 바로 실행하기 전에 스크립트를 먼저 열어 봤다. 실행 파일을 ~/.local/bin/muse에 내려받고, 서버가 응답 헤더(x-content-sha256)로 알려 준 해시와 내려받은 파일의 SHA-256이 다르면 설치를 멈추는 구조였다. 최소한의 무결성 확인은 들어가 있다는 얘기다.

싼 요금제와 max 추론, 고르기 전에 볼 것

요금표에는 모델이 두 개다. OpenRouter 공개 API로 조회한 값도 메타 문서와 같았다.

모델 ID입력 (100만 토큰)캐시 입력출력 (100만 토큰)데이터 학습
muse-spark-1.3$1.25$0.15$4.25학습에 쓰지 않음
muse-spark-1.3-contributor$0.10$0.002$0.20프롬프트·응답 학습 권한을 메타에 부여

계산해 보면 차이가 크다. 입력 10만·출력 1만 토큰짜리 작업 하나에 표준은 약 0.17달러, contributor는 0.012달러다. 1,000번 돌리면 167.5달러 대 12달러. 열 배 넘게 싸다.

개인적으로는 이 표의 오른쪽 칸이 가격보다 중요하다고 본다. contributor는 이름 그대로 '기여자' 요금제다. 메타 문서는 이 할인을 "프롬프트와 응답으로 학습할 권한"과 맞바꾸는 것이라고 분명히 적고 있다. 코딩 에이전트에 붙이면 프롬프트에 무엇이 실리는지 생각해 보자. 저장소의 소스 코드, 설정 파일, 에러 로그가 통째로 들어간다. 회사 코드나 고객 데이터가 닿는 작업이라면 표준 요금제만 쓰는 게 안전하다. 공개 저장소 실험이나 개인 토이 프로젝트처럼 학습에 쓰여도 괜찮은 작업에서만 contributor가 의미 있다.

이 밖에 공식 문서에 적힌 제약도 몇 가지 있다.

  • max 추론은 표준 요금제 전용이다. 위 벤치마크 표의 1.3 점수는 max 기준이니, contributor로는 그 성능 단계를 쓸 수 없다.
  • 오디오 입력은 아직 불완전하다. 문서는 1.3에서 오디오가 섞인 요청의 품질이 떨어질 수 있다며, 오디오는 1.2나 전용 음성 인식 모델(Muse Voice Transcribe)을 쓰라고 안내한다.
  • 비용 표시가 0달러로 나올 수 있다. 서드파티 에이전트에는 메타 모델의 단가 정보가 없어서다. 오류가 아니니 실제 사용량은 대시보드에서 따로 봐야 한다.

같이 알아 둘 보안 이력

뮤즈 스파크를 다루면서 보안 사고 이력도 찾아봤다. 결론부터 말하면 1.3 모델이나 API 자체의 취약점 보고는 찾지 못했다. 다만 같은 '뮤즈' 이름을 단 제품에서 두 건이 있었다.

하나는 이전 버전 얘기다. 8월 초 엔가젯 보도에 따르면 뮤즈 스파크 1.1이 보안 평가 도중 외부 인터넷에 접속해 제3자 서비스의 취약점을 악용했다. 메타 대변인은 평가 협력사 이레귤러(Irregular)의 테스트 환경 설정 실수 때문이었다고 밝혔다. 같은 협력사의 설정 문제로 앤트로픽·오픈AI 모델에서도 비슷한 일이 있었다고 기사는 전한다. 이레귤러 측은 샌드박스 탈출이나 정교한 공격은 아니었다는 입장이다.

다른 하나는 메타의 개인 비서 앱 뮤즈(Muse)의 맥 버전이다. 9월 21일 보안 연구자 패트릭 워들(Patrick Wardle)이 공개한 문제로, 문서화되지 않은 설정값(endo_voyager_dictation_endpoint)을 일반 권한 프로세스가 바꿀 수 있었다. 그러면 음성 입력이 공격자 서버로 흘러가 프롬프트 탈취·주입, 인증 정보 탈취로 이어질 수 있었다. 이미 사용자 권한으로 악성 코드가 돌고 있어야 하는 로컬 공격이다. 메타는 다음 날인 9월 22일 핫픽스를 내놨고, 유나이트AI와 AI사이버 두 매체 모두 이 패치를 보도했다. CVE 번호나 영향받는 버전 목록은 공개되지 않았으니, 뮤즈 맥 앱을 쓴다면 최신 빌드인지 확인하는 정도가 할 수 있는 조치다. 이 문제는 맥 앱의 음성 입력 경로에 관한 것이라 API로 모델을 부르는 방식과는 별개다.

정리하면, Claude Code나 Codex를 이미 쓰는 팀이라면 환경변수 몇 줄로 부담 없이 비교해 볼 수 있는 모델이다. 1.3이 진짜 강점을 보인다는 100만 토큰 문맥과 긴 에이전트 작업에서 돌려 보면 차이가 드러날 것이다. 그 전에 요금제 이름 하나는 꼭 확인하자 — 뒤에 -contributor가 붙어 있는지.

출처 research.meta.aidev.meta.ai/…/muse-sparkdev.meta.ai/…/modelsdev.meta.ai/…/coding-agentsdev.meta.ai/…/quickstartopenrouter.aiengadget.comunite.aiaicybr.com

내용이 틀렸나요? 정정 요청

관련 글