메타가 뮤즈 글리머 30B를 아파치 2.0으로 공개했다: 로컬 에이전트 벤치마크에서 갈린 지점

메타는 2026년 8월 10일 300억 파라미터 모델 뮤즈 글리머(Muse Glimmer)를 공개하면서 가중치를 아파치 2.0 라이선스로 배포했다. 메타 슈퍼인텔리전스 랩스(Meta Superintelligence Labs)가 내놓은 이 모델은 상시 구동되는 로컬 에이전트 작업에 맞춰 최적화됐다고 설명되며, 전체 정밀도로는 55GB가 넘게 필요하지만 4비트 K-Quant를 적용하면 언어 모델이 20GB 아래로 줄어 소비자용 GPU 한 장에서 돌아간다. 에이전트 벤치마크 MCP 아틀라스(MCP Atlas)에서 75.5점으로 젬마4-31B(Gemma4-31B)의 54.2점과 큐원3.6-27B(Qwen3.6-27B)의 62.5점을 앞섰으나, 오에스월드 검증판(OSWorld-Verified)과 터미널벤치 2.1에서는 큐원3.6-27B에 밀렸다. ASAP은 메타 공식 발표와 함께 공개된 모델 문서를 1차 출처로 이 모델이 무엇을 이겼고 무엇에 졌는지를 갈라 정리한다.

라이선스가 성능만큼 큰 뉴스인 이유

메타는 이번 공개에서 가중치를 아파치 2.0으로 배포한다고 명시했고, 발표문은 이를 허용적 라이선스라고 표현했다. 아파치 2.0은 사용자 규모 조건이나 별도의 사용 승인 절차 없이 상업적 이용과 재배포, 파생 모델 제작을 허용하며 특허 조항을 포함한다. 모델을 받아 제품에 넣으려는 조직 입장에서 검토해야 할 법무 항목이 사실상 사라진다는 뜻이다.

이 대목이 중요한 이유는 로컬 에이전트라는 용도와 라이선스가 맞물려 있기 때문이다. 상시 구동되는 온디바이스 에이전트는 사용자 기기 안에서 돌아가고, 기기 대수는 배포자가 통제하기 어려우며, 파생 모델을 만들어 특정 업무에 맞추는 일도 잦다. 조건부 라이선스는 이런 형태에서 관리 비용을 계속 발생시키지만 아파치 2.0은 그 비용을 0으로 만든다.

배포 경로도 같은 방향으로 넓게 열렸다. 모델은 허깅페이스 meta-models/Muse-Glimmer-30B에서 받을 수 있고 GGUF 양자화판이 별도로 제공되며, 메타는 올라마(Ollama), LM 스튜디오(LM Studio), llama.cpp, 엑서큐토치(ExecuTorch), MLX, vLLM, SGLang, 투게더 AI(Together AI), 파이어웍스 AI(Fireworks AI), 오픈라우터(OpenRouter)를 협력사로 밝혔다. 로컬 실행 도구와 서빙 프레임워크, 호스팅 사업자가 공개 시점에 모두 걸려 있다.

55GB를 20GB 아래로 내린 것이 이 모델의 실제 제품 결정이다

이 모델에서 가장 실무적인 숫자는 벤치마크 점수가 아니라 메모리다. 메타는 300억 파라미터 모델이 전체 정밀도로는 55GB가 넘는 메모리를 요구한다고 밝히면서, 4비트 K-Quant로 언어 모델을 20GB 아래로 줄였다고 설명했다. 목표로 잡은 것은 24GB 또는 32GB 구간이며, 구체적으로 언급된 기기는 맥북 M4 맥스와 M5 맥스, 그리고 RTX 5090이다.

속도 쪽에는 DFlash 추측 디코딩이 붙었다. 메타는 이 기법이 디코딩 속도를 RTX 5090에서 3.1배, M5 맥스에서 1.8배, M4 맥스에서 1.5배 높인다고 밝혔다. 허깅페이스에 함께 공개된 모델 문서는 DFlash가 블록 확산 방식의 경량 초안 모델이며 블록 크기 16으로 앵커 토큰 1개와 제안 토큰 15개를 쓰도록 학습됐다고 설명한다.

두 숫자를 겹쳐 놓으면 이 모델이 겨냥한 지점이 드러난다. 상시 구동 에이전트는 한 번의 응답 품질보다 계속 켜져 있을 수 있는지가 성립 조건이고, 그 조건은 메모리가 기기에 들어가는지와 토큰이 참을 만한 속도로 나오는지 두 가지로 결정된다. 55GB에서 20GB 아래로 내린 것과 3.1배 가속을 붙인 것은 성능 개선이 아니라 용도 자체를 성립시키는 작업이다. 다만 4비트 양자화는 공짜가 아니며, 발표된 벤치마크 점수가 양자화판 기준인지는 명시되지 않았다.

표에서 이긴 항목과 진 항목은 성격이 다르다

메타가 공개한 비교표에서 뮤즈 글리머가 확실히 앞선 영역은 도구를 쓰고 여러 단계를 이어가는 에이전트 과제다. MCP 아틀라스 75.5 대 54.2 대 62.5, 딥서치 QA 74.6 대 61.7 대 71.1, τ³-뱅킹 23.5 대 15.1 대 16.7, 와일드클로벤치(WildClawBench) 47.6 대 37.6 대 43.2, GAIA2 43.3 대 36.4 대 40.0으로 젬마4-31B와 큐원3.6-27B를 모두 눌렀다. 지시 이행을 보는 IFBench에서도 77.0으로 76.0과 70.8을 앞섰고, 긴 문맥 항목인 AA-LCR 80.0과 빔 128K 65.1은 두 비교 모델과 격차가 크다.

진 항목은 코딩과 컴퓨터 조작 쪽에 몰려 있다. 오에스월드 검증판은 65.9로 큐원3.6-27B의 75.6에 9.7점 뒤지고, 터미널벤치 2.1은 51.7로 60.7에 9.0점 뒤진다. SWE-벤치 검증판도 76.0으로 77.2에 밀리며, 스킬스벤치(SkillsBench)는 44.3 대 46.6, GDPval-AA는 953 대 1141로 뒤진다. 일반 지식 항목에서도 GPQA 다이아몬드는 83.5로 젬마4-31B의 85.7보다 낮고, 인류 최후의 시험(Humanity's Last Exam)은 22.0으로 23.6과 23.1보다 낮다.

이 갈림은 우연으로 보기 어렵다. 앞선 항목은 도구 호출과 다단계 계획, 긴 문맥 유지에 몰려 있고, 뒤진 항목은 환경을 직접 조작하거나 넓은 지식을 요구하는 쪽에 몰려 있다. 메타가 이 모델을 로컬 에이전트와 함수 호출, 로컬 코딩, LLM-as-a-judge 평가용으로 규정한 것과 표의 모양이 일치한다. 30B급에서 모든 축을 동시에 올리는 것이 불가능한 이상 어디를 포기할지가 설계였다는 뜻이며, 뮤즈 글리머는 지식의 넓이와 환경 조작 정확도를 내주고 오케스트레이션을 가져갔다. SWE-벤치 프로에서 51.2로 36.9와 50.2를 앞선 것도 같은 맥락에서 읽힌다. 어려운 코딩 과제에서 앞서면서 터미널 조작에서 뒤진다는 조합은 계획은 잘 세우되 손이 덜 정확하다는 그림에 가깝다.

안전 지표는 자랑거리가 아니라 검토 항목이다

이번 표에서 국내 도입 검토 시 가장 먼저 봐야 할 숫자는 안전 항목이다. CI 메모리즈(CI Memories)에서 뮤즈 글리머의 위반율은 26.4이고 젬마4-31B는 12.1이다. 두 배 이상 높다. 커버리지는 64.8로 젬마4-31B의 53.0보다 높지만, 위반율과 커버리지를 함께 보면 더 많이 답하면서 더 많이 넘어갔다는 해석이 자연스럽다. 큐원3.6-27B는 위반율 53.4로 셋 중 가장 높다.

프롬프트 주입 계열인 사이렌 에이전트도조(Siren AgentDojo)에서는 공격 성공률이 28.4이고 유용성은 94.2다. 젬마4-31B는 공격 성공률 25.6에 유용성 90.8, 큐원3.6-27B는 40.3에 92.7이다. 뮤즈 글리머는 유용성에서 가장 높지만 공격 성공률에서는 젬마4-31B보다 2.8점 나쁘다.

이 조합이 문제가 되는 이유는 용도 때문이다. 상시 구동 로컬 에이전트는 사용자의 파일과 캘린더, 메일 같은 실제 자료를 읽는 자리에 놓이고, 프롬프트 주입은 그 자료 안에 섞여 들어온다. 공격 성공률 28.4는 실험 조건에서 나온 수치이므로 실사용 위험도로 바로 옮길 수 없지만, 로컬이라서 안전하다는 통념과는 반대 방향을 가리킨다. 로컬 실행이 없애는 것은 데이터가 외부로 나가는 위험이지 모델이 잘못된 지시를 따르는 위험이 아니다. 도구 권한을 좁히고 실행 전 확인 단계를 두는 설계가 이 모델에서 특히 필요하다.

증류가 정하는 천장

이 모델의 출발점은 자체 사전학습이 아니라 상위 모델의 출력이다. 메타는 사전학습 과정에서 뮤즈 스파크(Muse Spark)의 출력을 로짓 증류(logit distillation)로 학습시켜 뮤즈 글리머를 만들었다고 밝혔다. 100개가 넘는 언어의 데이터로 학습됐다는 설명도 함께 붙었다.

증류는 30B급에서 이 정도 에이전트 점수가 나온 이유를 설명하는 동시에 이 계열의 구조적 한계도 함께 설명한다. 학생 모델의 상한은 교사 모델이 정하며, 교사가 잘하지 못하는 영역은 증류로 채워지지 않는다. 오픈 가중치로 풀린 것은 학생이고 교사는 풀리지 않았다는 점도 함께 봐야 한다. 공개된 것은 능력의 결과물이지 능력을 만드는 설비가 아니다.

여기서 나오는 실무적 함의는 미세조정의 기대치다. 증류로 만들어진 모델은 교사가 잘하던 영역에서 안정적이지만, 교사의 분포에서 멀리 떨어진 도메인으로 끌고 갈 때는 기반 능력이 부족해 저항이 크다. 사내 데이터로 특화하려는 조직이라면 대상 도메인이 일반적인 에이전트 작업에 가까운지 먼저 판단하는 편이 낫다.

국내에서 이 모델이 먼저 말이 되는 자리

한국 조직 관점에서 이 공개가 실질적인 지점은 데이터가 밖으로 나가면 안 되는 업무다. 개인정보나 진료기록, 미공개 재무자료를 다루는 작업은 지금까지 API 호출 자체가 검토 대상이었고, 이 때문에 에이전트 도입이 시범 단계에서 멈추는 경우가 많았다. 아파치 2.0으로 풀린 30B 모델이 24GB에서 32GB 구간 기기에서 돌아간다는 것은 그 검토를 우회할 수 있는 선택지가 하나 생겼다는 뜻이다.

비용 구조도 달라진다. 상시 구동 에이전트는 호출 횟수가 많고 대부분의 호출이 단순하다. 이런 부하를 전부 API로 보내면 사용량에 비례해 비용이 늘지만 로컬 모델은 기기 값을 한 번 치른 뒤 한계비용이 전기 요금에 가까워진다. 실제 설계는 두 층으로 나뉠 가능성이 높다. 상시 감시와 분류, 도구 호출 같은 반복 작업은 로컬 모델이 맡고, 어려운 판단만 상위 모델로 올리는 구조다.

다만 한국어 성능은 이번 발표에서 확인되지 않는다. 100개가 넘는 언어로 학습됐다는 설명만 있고 언어별 지표는 공개되지 않았으며, 비교 대상인 두 모델과의 한국어 격차도 표에 없다. 도입을 검토한다면 공개된 벤치마크가 아니라 자체 한국어 과제로 먼저 재보는 순서가 맞다.

남는 한계: 자체 측정과 비교 대상의 선택

2026년 8월 10일 공개된 비교표의 점수는 전부 모델을 내놓은 메타 자신이 측정해 발표한 값이며 제3자 재현이 아니다. 에이전트 벤치마크는 도구 구성과 시도 횟수, 채점 방식에 따라 점수가 크게 흔들리는 편이라 같은 조건을 외부에서 맞추기 전까지는 순위보다 격차의 방향만 참고하는 편이 안전하다.

비교 대상의 선택도 결과의 모양을 만든다. 뮤즈 글리머의 상대는 젬마4-31B와 큐원3.6-27B, 즉 비슷한 크기의 오픈 모델 두 개이며 최상위 폐쇄형 모델은 표에 없다. 30B 로컬 모델을 평가하는 기준으로 타당한 선택이지만, 이 표가 답하는 질문은 로컬에서 돌릴 수 있는 모델 중 무엇을 고를지이지 로컬로 내려도 되는지가 아니다.

마지막으로 공개되지 않은 항목이 남는다. 발표문에는 문맥 길이가 명시되지 않았고, 벤치마크 점수가 전체 정밀도 기준인지 20GB 아래로 줄인 양자화판 기준인지도 밝혀지지 않았다. 양자화 손실이 에이전트 과제에서 어떻게 나타나는지는 상시 구동 용도에서 특히 중요한데, 이 질문에 대한 답은 공개 이후 커뮤니티 측정에서 나온다. 앞으로 몇 주간 나올 외부 재현 결과가 이 모델의 실제 위치를 정한다.

출처: 메타 공식 발표 "Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device"(2026년 8월 10일)와 허깅페이스 공개 모델 문서 기반 ASAP 정리