2026년 4월, Meta는 Muse Spark를 완전 독점 모델로 출시했다. Llama 시리즈로 오픈소스 AI의 대명사였던 회사가 클로즈드 모델로 방향을 튼 것이다. 얀 르쿤(Yann LeCun) 수석 과학자가 회사를 떠나고, 전 Scale AI CEO 알렉산드르 왕(Alexandr Wang)이 최고 AI 책임자 자리에 오르는 격변도 뒤따랐다. Llama 4는 벤치마크 수치 조작 의혹을 받으며 가장 큰 버전은 끝내 출시조차 못 했다.
그 혼란의 끝에서 나온 첫 번째 공개 모델이 Muse Glimmer다.
클라우드 밖으로 꺼낸 에이전트
Meta가 이번에 공개한 Muse Glimmer는 파라미터 수 29.6B의 밀집형(dense) 인과 트랜스포머 모델이다. 52개 레이어로 구성되며, 약 1.8B 파라미터 규모의 ViT-G/14 시각 인코더를 내장했다. 텍스트와 이미지를 혼합 입력받고, 100개 이상 언어를 지원하며, 컨텍스트 길이는 131,072 토큰 이상이다. 지식 컷오프는 2026년 1월 4일.
이 모델의 핵심은 '무엇을 하는가'보다 '어디서 하는가'에 있다. Muse Glimmer는 클라우드 API가 아닌 소비자용 하드웨어에서 에이전트 워크로드를 직접 실행하도록 설계됐다. 계획 수립, 툴 호출, 결과 검증, 실패 복구로 이어지는 에이전트 루프 전체를 로컬에서 돌린다.
알렉산드르 왕은 X 게시물에서 "Muse Glimmer는 24GB VRAM에서 에이전트 신뢰성을 유지하며 완전한 에이전트로 작동한다"고 밝혔다. Meta가 공개한 데모에서 Glimmer는 네트워크 상의 Home Assistant 인스턴스를 툴 호출로 자동 탐지하고, 디바이스 API를 조회한 뒤 HTML/CSS/JavaScript 대시보드를 처음부터 작성해 로컬 서버에 배포하고 결과를 스스로 검증했다. 단순 질의응답이 아니라 외부 시스템과 상호작용하며 계획을 유지하는 실제 에이전트 작업이다.
24GB에 에이전트를 압축하는 법
풀 프리시전(BF16)에서 이 모델은 55GB 이상의 메모리를 요구한다. 소비자용 GPU로는 불가능한 수치다. Meta는 약 4비트 양자화로 언어 모델 가중치를 20GB 아래로 줄였다. 여기에 KV 캐시, 시각 인코더, 투기적 디코딩(speculative decoding) 보조 모델까지 올려도 24GB 또는 32GB 봉투 안에 들어온다.
24GB 타깃의 K-Quant-17GB 구성은 Nvidia RTX 3090·RTX 4090(VRAM 24GB)에서 구동된다. 32GB 타깃의 K-Quant-Dynamic은 RTX 5090(32GB)에 맞춰졌다. Mac 쪽에서는 Apple Silicon의 통합 메모리가 VRAM 역할을 하므로, 32GB 이상 메모리를 탑재한 MacBook Pro나 Mac Studio면 전체 스택을 올릴 수 있다. Meta는 M4 Max와 M5 Max MacBook Pro로 자체 속도 테스트를 진행했다. 반면 일반적인 8GB·16GB 노트북은 여전히 대상 밖이다.
정확도 손실은 Meta 자체 측정 기준으로 K-Quant-Dynamic이 15개 벤치마크 평균 0.2%, K-Quant-17GB가 1%다.
속도 문제는 DFlash 투기적 디코딩으로 공략했다. 소형 DFlash 드래프터 모델이 16토큰 블록을 제안하면 주 모델이 병렬로 검증하는 방식이다. Meta 측정치로 RTX 5090에서 초당 74.9토큰에서 233.4토큰으로 3.1배 빨라졌다. M5 Max는 26.6→50.2토큰(1.8배), M4 Max는 23.7→37.8토큰(1.5배)이다. 에이전트 작업은 단일 요청에서 수십 번의 모델 턴과 툴 호출이 쌓이므로, 이 속도 차이는 채팅보다 훨씬 크게 체감된다.
Apache 2.0 — Llama가 못 받은 라이선스
모델 성능만큼 주목할 부분이 라이선스다. Muse Glimmer는 Apache 2.0으로 공개됐다. Llama 시리즈가 월 활성 사용자 7억 명 초과 시 상업 이용을 제한하는 자체 커뮤니티 라이선스로 수년간 비판을 받아온 것과 대비된다. Apache 2.0은 그런 제약이 없다. 상업적 이용, 수정, 재배포 모두 무제한이다.
Meta는 풀 프리시전 BF16 가중치, 4비트 양자화 두 종, DFlash 드래프터, 시각 인코더 전부를 Apache 2.0으로 공개했다. Hugging Face에서 즉시 내려받을 수 있으며, 이번 주 안에 Ollama, LM Studio, vLLM, SGLang, Together AI, Fireworks AI, OpenRouter를 통한 지원이 순차 배포된다. AMD, Arm, Dell, Intel, Nvidia와 디바이스별 최적화도 협력 중이다.
단, 공개된 것은 가중치다. 학습 데이터와 학습 코드는 공개하지 않았다.
Llama 4 이후의 전략 재편
이 모델은 Meta Superintelligence Labs가 출범한 뒤 처음 내놓는 오픈 모델이다. The Decoder에 따르면 Llama 4는 벤치마크 수치 조작 비판을 받았고, 가장 큰 버전은 아예 출시되지 못했다. 주커버그는 조직을 전면 재편하고 Scale AI에 수십억 달러를 투자했으며 연구자 영입에도 공격적으로 나섰다.
Ars Technica는 이번 발표를 "Meta의 고전하는 AI 전략의 또 다른 재시작"으로 규정했다. OpenAI와 Anthropic이 엔터프라이즈 고객을 공략하며 실질적인 매출을 올리는 동안, Meta는 같은 수준의 성과를 내지 못했다. 2026년 5월 기준 OpenRouter에서 소비된 전체 토큰 중 약 61%가 중국산 오픈웨이트 모델에서 나왔고, 상위 5개 모델 중 4개가 중국 연구소 제품이었다. 한때 오픈소스 AI의 기준점이었던 Llama는 순위에서 사라졌다.
Muse Spark 1.2의 가중치 공개도 예고됐다. 5일 전 출시된 터미널 코딩 에이전트 Muse Code의 기반 모델이다. 주커버그는 Muse Code 출시 당시 "오픈소스에 대해 곧 더 공유할 것"이라고 예고한 바 있다.
경쟁 지형: 앞서는 곳, 뒤처지는 곳
이 크기 대역의 로컬 모델 시장은 이미 경쟁이 치열하다. Google의 Gemma 4와 Alibaba의 Qwen3.6-27B가 주요 경쟁자다. Meta의 자체 벤치마크에서 Glimmer는 에이전트 과제에서 강점을 보인다. MCP Atlas 75.5, DeepSearch QA 74.6, WildClawBench 47.6, GAIA2 43.3에서 앞선다. SWE-Bench Pro는 51.2로 Gemma4-31B(36.9)와 Qwen3.6-27B(50.2)를 모두 웃돈다.
하지만 전 분야를 석권하지는 못한다. OSWorld-Verified에서 Qwen이 75.6으로 Glimmer(65.9)를 앞서고, TerminalBench 2.1(60.7 대 51.7)과 GDPval-AA(1141 대 953)에서도 Qwen이 우세하다. Gemma는 GPQA Diamond와 Humanity's Last Exam에서 선두다. Meta가 방법론 보고서에서 직접 인정했듯, 이번 비교 테스트는 경쟁 모델에 맞게 최적화되지 않았다.
안전성도 고르지 않다. 프라이버시 벤치마크 CI Memories에서 Glimmer의 위반율은 26.4로, Gemma(12.1)보다 높다. 프롬프트 인젝션 테스트 Siren AgentDojo에서 공격 성공률은 28.4%로 Gemma(25.6%)보다 높지만, 유틸리티 점수는 94.2로 셋 중 가장 높다. Meta는 Glimmer를 인간 확인 단계 등 가드레일과 함께 배포할 것을 권고한다.
주커버그의 '모두를 위한 초지능'
주커버그는 이번 출시와 함께 6,000단어 이상의 에세이 '미래는 모두를 위한 것(The Future is for Everyone)'을 공개했다. 요지는 초지능이 소수 기업에 집중되어서는 안 된다는 것이다. "단일 초지능은 존재할 수 없으며, 안전은 다수 플레이어 간의 균형에서 온다"고 썼다. Anthropic과 OpenAI처럼 정렬된 단일 모델로 인류를 이롭게 하겠다는 접근은 "근본적으로 결함이 있다"고 직접 비판했다.
Glimmer는 그 비전의 첫 번째 구체물이다. 일정 관리, 메시지 작성, 파일 정리처럼 대량의 개인 데이터에 접근해야 하는 작업을 클라우드가 아닌 디바이스에서 처리한다. 인터넷 연결 없이도 항시 작동하는 '상시 개인 에이전트'가 목표다.
단, TechCrunch가 지적하듯 접근성과 소유권은 다르다. Muse Spark는 여전히 클로즈드다. Glimmer는 누구나 내려받아 수정할 수 있는 모델이고, Spark는 Meta가 통제하는 모델이다. 주커버그가 공개하겠다고 약속한 선이 어디까지인지, 이번 출시가 그 윤곽을 처음으로 보여줬다.
The Decoder는 Meta의 투자 규모도 짚었다. The Decoder와 WSJ에 따르면 Meta는 올해만 최대 1,450억 달러, 2028년까지 6,000억 달러를 데이터센터에 투자할 계획이다. 직접 매출은 아직 없다. 주커버그는 에세이에서 수익화 힌트를 한 줄 남겼다. 더 많은 컴퓨팅 자원을 원하는 사람은 '동적 경매 메커니즘'으로 비용을 낸다는 것이다. Meta의 광고 사업이 경매 기반으로 운영되는 것과 같은 논리다. 아직 제품도, 일정도, 적용 대상도 없는 스케치 수준이다.
한국 개발자에게 열리는 문
국내 온디바이스 AI 개발사와 엣지 디바이스 제조사 입장에서 이번 출시의 의미는 명확하다. Apache 2.0 라이선스는 법무팀 검토 부담을 줄이고, 클라우드 API 비용 없이 로컬 에이전트를 상업 제품에 통합할 수 있는 경로를 열어준다. 24GB GPU 타깃은 이미 국내 소비자 시장에 보급된 RTX 3090·4090 등급 하드웨어와 맞닿아 있다. 개인 데이터를 디바이스 밖으로 내보내지 않아도 되는 구조는 국내 개인정보 보호 규제 환경에서도 유리하게 작용할 수 있다.
