AI 요약
- •메타 Muse Spark 1.1이 Artificial Analysis Index 51점을 기록하며 3개월 만에 전작 43점 대비 8점 상승
- •코딩·과학추론·지식 영역에서 개선(Coding 59→71, SciCode 52→58%), 토큰 효율성은 동급 GPT·GLM 대비 우위
- •환각률이 73%에서 38%로 35%p 하락했으나 정확도는 45%→41%로 유사, 점수 상승은 답변 자제 전략에 기인
뉴스 기사
메타의 신형 언어모델 Muse Spark 1.1이 Artificial Analysis Index에서 51점을 획득했다. 출시 3개월 전 전작 Muse Spark 1.0이 기록한 43점 대비 8점 상승한 수치다. 성능 개선은 과학적 추론과 코딩, 지식 영역에 집중됐다. 코딩 지수는 59점에서 71점으로 크게 뛰었고, SciCode는 52%에서 58%, Humanity's Last Exam은 40%에서 45%로 올랐다. AA-Omniscience는 4점에서 18점, GDPval-AA v2는 1,144에서 1,376 Elo로 개선됐다. 주목할 점은 토큰 효율성이다. Muse Spark 1.1은 지수 평가에 9,400만 아웃풋 토큰을 사용해, 동일한 51점대 성능을 낸 GPT-5.4(1억900만), GPT-5.6 Luna(1억2,500만), GLM-5.2(1억4,100만)보다 적은 토큰으로 같은 결과를 달성했다. 낮은 API 가격을 반영한 작업당 비용은 약 0.26달러로, GPT-5.6 Luna(0.21달러)에 이어 동급 이상 모델 중 두 번째로 저렴하다. 다만 점수 개선의 성격은 짚어볼 필요가 있다. AA-Omniscience 점수 상승은 정확도 자체의 향상보다는 확신이 없을 때 답변을 자제하는 전략에서 비롯됐다. 실제로 환각률은 73%에서 38%로 35%포인트 급감했으나, 정확도는 45%에서 41%로 오히려 소폭 하락하며 비슷한 수준을 유지했다. 이는 정확도와 환각률이 동반 상승한 Grok 4.5와는 대조적인 개선 패턴이다. 토큰 효율과 신뢰성(낮은 환각률)을 동시에 끌어올린 이번 업데이트는 비용 대비 성능을 중시하는 기업 도입 수요에 유리하게 작용할 전망이다.
AI 투자 인사이트
메타가 토큰 효율과 낮은 환각률로 비용 경쟁력을 확보, 기업용 AI 채택 확대 시 프런티어 모델 가격 경쟁 심화 가능성
