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.

#model-api

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