2026년 4월, Meta는 Muse Spark를 내놓으며 처음으로 자체 프런티어 모델 시대를 열었다. 오픈웨이트 없이 출시한 이 모델은 Llama로 쌓아온 오픈소스 영웅 이미지와 결별하는 선언이기도 했다. 석 달이 채 안 된 7월 9일, Meta Superintelligence Labs는 Muse Spark 1.1을 공개했다. 이번엔 모델만이 아니었다.
Meta는 같은 날 Meta Model API 공개 프리뷰를 함께 발표했다. 개발자가 API로 직접 접근할 수 있는 창구를 처음 연 것이다. 가격표가 시장을 흔들었다. 입력 토큰 100만 개당 $1.25, 출력 100만 개당 $4.25, 캐시 입력 $0.15. 바로 전날 출시된 xAI의 Grok 4.5가 최저가 타이틀을 몇 시간 쥐었다가 내줬다. Anthropic의 Opus 4.8과 OpenAI의 GPT 5.5는 출력 토큰 100만 개당 $25~$50 구간이다. Meta 가격의 6~12배다.
성능도 내세울 만하다. Muse Spark 1.1은 멀티에이전트 오케스트레이션, 코딩, 컴퓨터 사용, 멀티모달 이해를 위해 설계됐다. MCP Atlas 벤치마크에서 88.1점으로 1위, Humanity's Last Exam에서 62.1점으로 Opus 4.8과 GPT 5.5를 앞섰다. 12개 벤치마크 중 4개에서 1위를 차지했고, 독립 평가 기관 VALS-AI 기준으로는 전체 4위에 올랐다. 코딩 벤치마크 'Vibe Code Bench'에서는 전작 대비 36계단 뛰어올랐다. 단, 현재 API 공개 프리뷰는 미국 개발자 대상이며 신규 계정에 $20 크레딧이 제공된다.
모델 자체보다 더 주목해야 할 것은 시장 구도의 변화다. Meta는 연간 순이익이 600억 달러를 넘는 회사다. API를 수익 사업으로 운영할 필요가 없다. Google도 마찬가지다. 두 회사는 API를 자사 생태계 진입 통로로 쓰면서 가격을 낮게 유지할 수 있다. 반면 OpenAI와 Anthropic은 수십억 달러를 태우며 높은 토큰 마진과 빠른 성장에 의존해 손실을 메워야 한다. Meta가 경쟁력 있는 모델을 그 가격에 내놓은 순간, 두 회사의 방정식은 더 복잡해졌다.
압박은 위아래 양방향에서 온다. 중국 오픈소스 모델이 아래에서 밀어올리고 있다. Databricks는 자사 수백만 줄 규모 코드베이스를 직접 벤치마크한 결과, GLM 5.2가 Anthropic Opus 4.8과 통계적으로 동률을 이루면서도 과제당 비용은 $1.28 대 $1.94로 더 낮았다고 밝혔다. Databricks 공동창업자 Matei Zaharia가 공저한 블로그 포스트는 "이제 일상 코딩 작업에 배치할 때"라고 단언했다. Coinbase는 GLM 5.2와 Kimi 2.7로 갈아타며 AI 지출을 절반으로 줄였고 토큰 사용량은 오히려 늘었다. AI 스타트업 Lindy는 Claude를 완전히 버리고 DeepSeek v4로 전환해 수백만 달러를 아꼈다. OpenRouter에서 중국 모델 트래픽 비중은 2025년 11%에서 2026년 2월 이후 30%를 넘어섰다.
Databricks의 분석에서 또 하나 중요한 교훈이 나왔다. 토큰 단가와 실제 과제 비용은 다르다는 것이다. 코딩 에이전트 환경에 따라 같은 모델도 투입 토큰 수가 크게 달라진다. Pi 하네스는 Claude Code보다 약 3배 적은 컨텍스트를 전송했고, 그 결과 Opus 4.8 기준으로 동등한 품질에서 2.08배 저렴했다. GPT 5.5도 환경에 따라 토큰 사용량이 두 배 가까이 벌어졌다. 단가표만 보고 모델을 고르면 실제 청구서에서 당황할 수 있다는 뜻이다.
국내 AI 서비스 개발사 입장에서 이 흐름은 실질적인 전략 선택지를 넓혀준다. 서비스 특성에 따라 최상위 성능이 반드시 필요한 작업과 중간 티어로 충분한 작업을 분리하고, 각각에 맞는 모델을 라우팅하는 방식이 비용 효율을 높이는 현실적인 경로다. Databricks가 자체 벤치마크를 직접 구축한 것처럼, 공개 벤치마크가 아닌 자사 실제 작업 기준으로 모델을 평가하는 것이 출발점이다.
프런티어 AI 시장은 기술 독점 경쟁에서 인프라 비용 경쟁으로 축이 이동하고 있다. Meta의 API 진입은 그 전환점을 선명하게 찍었다.
