Meta Muse Spark 1.1, 1M token agent 모델과 public API 동시 투입

1M token context와 public preview API가 Muse Spark 1.1의 핵심 변화다. Meta는 2026년 7월 9일 Muse Spark 1.1을 공개하면서, Meta AI 앱과 meta.ai의 Thinking mode뿐 아니라 새 Meta Model API의 public preview를 통해 개발자 접근까지 열었다. 단순한 앱 기능 추가가 아니라, Meta Superintelligence Labs가 agentic coding, computer use, multimodal reasoning을 외부 개발자용 모델 상품으로 밀어 넣은 첫 대형 신호다.

모델의 포지션은 분명하다. Meta는 Muse Spark 1.1이 planning과 orchestration이 필요한 agent 작업에서 외부 앱, native tool, MCP server, custom skill을 다룰 수 있다고 설명한다. main agent로는 계획을 만들고 병렬 subagent에 실행을 나누며, subagent로는 맡은 작업을 수행하다가 필요하면 상위 agent에 되돌린다. 1M token context window를 직접 관리해 오래된 작업의 핵심 정보를 회수하고, later-stage 작업에 필요한 맥락만 남기는 compaction도 강조했다.

coding 쪽 메시지는 “대형 codebase에서 실제로 돌리는 agent”에 맞춰져 있다. Meta는 Muse Spark 1.1이 complex bug 진단, feature 구현, large code migration, web application 생성, end-to-end QA에서 이전 Muse Spark보다 큰 개선을 보였다고 밝혔다. 내부 coding evaluation에서는 leading alternatives와 경쟁 가능하다고 했지만, public leaderboard 수치보다는 enterprise-grade workflow 적응성에 무게를 뒀다.

이번 릴리스에서 더 중요한 문서는 112쪽 Evaluation Report다. 보고서는 mitigations 적용 전 Muse Spark 1.1의 Chemical & Biological, Cybersecurity capability가 Meta의 Advanced AI Scaling Framework에서 high risk threshold에 닿을 가능성을 배제할 수 없다고 적었다. 동시에 배포 시점에는 multi-layer mitigation을 적용해 residual risk를 moderate or lower로 낮췄다고 설명한다. Cybersecurity scorecard에서는 Cybench pass@1 92.9, Curated CTFs pass@1 89.9, CyberGym pass@1 59.0 같은 수치를 제시했다.

이 조합은 Meta의 방향을 보여준다. 모델 성능 경쟁은 더 이상 chat 품질만으로 설명되지 않는다. 긴 context, tool calling, subagent orchestration, prompt injection 저항성, misuse monitoring이 같은 제품 면 안에 들어간다. 개발자 입장에서는 OpenAI-compatible package를 표방한 Meta Model API가 실제 가격, rate limit, tool schema, enterprise controls를 얼마나 잘 제공하는지가 다음 판단 기준이다.

다음 확인 지점은 public preview의 실제 latency, API 가격, independent coding benchmark, 그리고 safety report의 mitigation이 real-world agent 사용에서 얼마나 버티는지다. Muse Spark 1.1은 Meta AI의 모델 업데이트인 동시에, Meta가 agent platform 경쟁에 본격적으로 들어왔다는 선언에 가깝다.