Meta releases Muse Ember, a new lightweight model for agent execution

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Meta가 입력 토큰 100만 개당 0.10달러의 경량 모델 Muse Ember를 공개하며, Muse Wonder와 역할을 나눠 대량의 에이전트 실행 작업을 처리하는 구상을 제시했다.

📌 핵심 요약

• Meta Superintelligence Lab은 2026년 11월 9일 연구소 모델 중 가장 가볍고 비용 효율적이라는 Muse Ember를 공개했으며, 복잡한 추론 실행과 도구 호출, 코딩 하위 작업, 라우팅, 정보 추출, 긴 문서 파싱을 주요 용도로 제시했다.
• Muse Ember의 입력 토큰 가격은 100만 개당 0.10달러다. Meta는 Artificial Analysis의 종합 벤치마크 점수를 근거로 Anthropic의 Haiku와 OpenAI의 Luna보다 저렴하면서 성능이 높다고 강조했으며, 기사는 DeepSeek V4.1 Flash와 GLM 5.3 Flash 같은 오픈소스 경쟁 모델과도 가격 경쟁력이 있다고 설명했다.
• Muse Ember는 Muse Wonder 같은 대형 모델과 함께 에이전트 실행 체계에서 사용하도록 설계됐다. 고객 지원 사례에서는 대형 모델이 처리 규칙을 정하고 경량 모델이 이를 수만 건의 사례에 적용하는 역할 분담이 제시됐다.
• Meta는 Muse Ember가 텍스트·이미지·오디오를 다루도록 훈련됐으며, 별도 모델 없이 스크린샷·차트·스캔 문서·음성 메모·회의 녹음·동영상으로 작업할 수 있다고 밝혔다.
• Muse Ember는 4월 출시된 Spark, 8월 출시된 Spark의 오픈소스 쌍둥이 모델 Glimmer, 10월 출시된 최상위 모델 Wonder에 이은 네 번째 Muse 모델이다. 소비자용 Muse Agent는 9월 출시돼 예상 밖의 성공을 거뒀으며, 11월 초에는 Spaces와 영상 채팅 기능이 배포되기 시작했다.

🧩 주요 포인트

1. 낮은 입력 토큰 가격과 벤치마크 비교 → Meta는 Muse Ember의 경쟁력을 대량 처리 시 건당 비용과 정확성에 두고 있다.
2. Muse Wonder의 계획 수립과 Muse Ember의 반복 실행 → 모델별 역할 분담을 통해 수만 건의 고객 지원 사례를 처리하는 구상이다.
3. 여러 매체의 입력 지원과 네 번째 Muse 모델 출시 → 에이전트가 다룰 수 있는 입력 범위와 Muse 제품군의 역할 구성이 확대됐다.

🧠 상세 정리

1. 반복적인 에이전트 실행을 겨냥한 Muse Ember

Meta Superintelligence Lab은 2026년 11월 9일 새로운 AI 모델 Muse Ember를 공개했다. Meta는 Ember를 연구소가 지금까지 내놓은 모델 중 가장 가볍고 비용 효율적인 모델이라고 소개했다. 발표에서 제시한 용도는 복잡한 추론의 실행과 에이전트가 하루 종일 반복하는 작업으로, 도구 호출·코딩 하위 작업·라우팅·정보 추출·긴 문서 파싱이 포함된다. 기사는 이 모델의 설계 방향을 대규모 작업에서의 낮은 비용과 정확성에 대한 강조로 설명한다.

2. 가격 경쟁력과 대형 모델과의 역할 분담

Muse Ember의 입력 토큰 가격은 100만 개당 0.10달러로, 기사는 Haiku와 Luna 같은 최상위권 경쟁 모델보다 상당히 저렴하다고 설명한다. Meta는 Artificial Analysis의 종합 벤치마크 점수를 활용해 Ember가 이들보다 저렴하면서 성능도 높다는 주장을 제시했다. 기사는 DeepSeek V4.1 Flash와 GLM 5.3 Flash 같은 오픈소스 경쟁 모델과 비교해도 가격 경쟁력이 있다고 덧붙였다. 이러한 비용 강조는 Muse Wonder 같은 대형 모델과 Ember를 함께 사용하는 설계로 이어진다. 고객 지원을 예로 들면 대형 모델이 특정 문제의 처리 규칙을 정하고, 경량 모델이 그 규칙을 수만 건의 사례에 적용한다. Meta는 이를 “Muse Wonder가 계획하고, Muse Ember가 물량을 처리한다”는 말로 설명했다.

3. 텍스트·이미지·오디오를 아우르는 입력

Meta는 처리량이 많은 사용 사례를 염두에 두고 Ember가 텍스트·이미지·오디오 등 서로 다른 매체에서도 잘 작동하도록 훈련했다고 밝혔다. 기사에서는 이러한 훈련의 결과로 모델이 처리할 수 있는 입력 종류가 상당히 유연해졌다고 설명한다. Meta의 발표에 따르면 에이전트는 Ember를 통해 스크린샷·차트·스캔 문서를 읽을 수 있다. 음성 메모·회의 녹음·동영상을 바탕으로 작업하는 것도 가능하며, Meta는 이 과정에 별도 모델이 필요하지 않다는 점을 강조했다.

4. Muse 제품군의 출시 흐름

Ember는 Meta가 Muse 브랜드로 공개한 네 번째 모델이다. 앞서 4월에는 중간급 모델 Spark가, 8월에는 Spark의 오픈소스 쌍둥이 모델인 Glimmer가 출시됐고, 10월에는 최상위 모델 Wonder가 뒤를 이었다. 모델 제품군과 별도로 대표 소비자용 AI 제품인 Muse Agent는 9월에 출시됐으며, 기사는 이 제품이 예상 밖의 성공을 거뒀다고 전한다. 이어 기사 작성 시점인 11월 초에는 Spaces와 영상 채팅 같은 새 기능의 배포가 시작됐다고 설명한다.

🧾 핵심 주장 / 시사점

• Meta의 비용 주장은 입력 토큰 가격과 Artificial Analysis의 종합 벤치마크 비교를 중심으로 제시된다. 이를 실제 에이전트 작업의 건당 비용과 연결해 평가하는 것이 핵심이다.
• Muse Wonder와 Muse Ember의 조합은 계획 수립과 반복 실행을 서로 다른 모델에 맡기는 구상이다. 고객 지원에서 규칙을 정하는 단계와 수만 건에 적용하는 단계의 구분이 이를 보여준다.
• Muse Ember의 여러 매체 입력 지원은 반복 처리의 대상을 텍스트뿐 아니라 문서·이미지·녹음·동영상으로 넓힌다. Meta는 별도 모델 없이 이러한 입력을 다룰 수 있다는 점을 강조한다.

✅ 액션 아이템

• Muse Ember의 입력 토큰 100만 개당 0.10달러 가격과 Artificial Analysis 비교를 바탕으로 반복 작업의 건당 비용과 정확성 평가.
• 고객 지원의 수만 건 처리에서 Muse Wonder의 규칙 수립과 Muse Ember의 반복 적용에 적합한 역할 분담 검토.
• 스크린샷·스캔 문서·회의 녹음·동영상 작업에서 Muse Ember의 별도 모델 없는 입력 처리 가능성 확인.

❓ 열린 질문

• Muse Ember의 입력 토큰 100만 개당 0.10달러라는 가격은 반복적인 에이전트 작업의 건당 비용에 어느 정도 영향을 미치는가?
• Muse Wonder가 정한 규칙을 Muse Ember가 수만 건의 고객 지원 사례에 적용할 때 정확성은 어느 수준으로 유지되는가?
• Muse Ember는 스크린샷·스캔 문서·회의 녹음·동영상 작업에서 각각 어느 수준의 성능을 보이는가?