Meta는 왜 8,160억 매개변수 AI를 데스크톱으로 가져왔나

초대형 인공지능 모델을 사용하려면 반드시 거대한 데이터센터가 필요할까.

그동안 AI 산업에서 가장 강력한 모델은 대부분 클라우드에 있었다. 기업과 개발자는 모델을 직접 보유하기보다 API를 호출해 이용했다. 모델을 운영하는 데 필요한 GPU와 서버, 메모리, 네트워크, 전력, 냉각 설비를 직접 갖추는 것은 소수 기업만 감당할 수 있는 일이었다.

그런데 Meta가 다른 가능성을 제시했다.

8,160억 개의 매개변수를 가진 초대형 AI 모델을 데스크톱 환경에서 직접 실행할 수 있다는 것이다.

Meta는 2026년 10월 15일 'Muse Spark Open'의 모델 가중치를 공개했다. Meta는 이를 미국에서 개발된 오픈웨이트 모델 가운데 가장 뛰어난 모델이라고 소개했다. Muse Spark Open은 총 8,160억 개의 매개변수를 갖고 있지만 실제 추론 과정에서는 약 420억 개만 활성화되는 구조다. 한 번에 처리할 수 있는 문맥 길이는 최대 100만 토큰에 달한다. <Cite refs={["turn263102search0","turn373996search2"]}/>

특히 Meta가 전면에 내세운 것은 Apple이다.

Muse Spark Open은 Apple의 최신 MLX 프레임워크를 이용해 M5 Ultra가 탑재된 Mac Studio 두 대에서 실행할 수 있도록 최적화됐다. 초대형 AI 모델을 클라우드 API가 아니라 개발자의 책상 위에서 직접 운영할 수 있는 환경을 제시한 것이다.

이 발표는 단순히 새로운 AI 모델 하나가 출시됐다는 의미를 넘어선다.

AI 산업이 누가 가장 뛰어난 모델을 개발하는지 경쟁하는 단계에서, 누가 그 모델을 실행하고 운영하며 통제할 수 있는지 경쟁하는 단계로 확장되고 있음을 보여준다.

8,160억 매개변수지만 실제로 사용하는 것은 420억 개

Muse Spark Open의 가장 큰 특징은 모델의 규모와 실행 방식에 있다.

일반적으로 AI 모델의 매개변수가 많아지면 더 많은 메모리와 연산 자원이 필요하다. 큰 모델일수록 성능 향상의 여지가 있지만, 이를 실제 서비스에 적용하려면 상당한 인프라 비용이 뒤따른다.

Meta는 이 문제를 Mixture-of-Experts, 즉 MoE 아키텍처로 접근했다.

Muse Spark Open은 총 8,160억 개의 매개변수를 갖지만, 각 토큰을 처리할 때는 약 420억 개의 매개변수만 활성화한다. 모든 매개변수를 매번 계산하는 대신 필요한 일부 전문가 영역을 선택적으로 사용하는 방식이다. <Cite ref="turn263102search1"/>

이는 초대형 모델을 비교적 효율적으로 실행하기 위한 설계다.

물론 실제 계산에 사용되는 매개변수가 적다고 해서 전체 모델을 저장할 메모리가 필요 없다는 뜻은 아니다. 선택적으로 활성화할 수 있도록 모델의 가중치 자체는 저장되어 있어야 한다.

따라서 Muse Spark Open이 데스크톱에서 실행될 수 있는 것은 MoE 구조만의 성과가 아니다. 모델의 연산 효율과 하드웨어의 대용량 메모리, 추론 프레임워크 최적화가 결합된 결과다.

100만 토큰의 문맥 처리 능력도 중요하다.

AI 에이전트는 단일 질문에 답하는 챗봇과 다르다. 복잡한 작업을 수행하려면 많은 문서를 읽고, 이전 작업을 기억하고, 여러 도구를 호출하며, 중간 결과를 바탕으로 다음 행동을 결정해야 한다.

긴 문맥을 처리할 수 있다는 것은 이러한 작업에 필요한 정보를 더 많이 유지할 수 있다는 의미다.

Meta는 Muse Spark Open을 장시간 이어지는 작업, 복잡한 소프트웨어 엔지니어링, 다단계 추론과 코딩 에이전트에 최적화한 모델이라고 설명했다. 실제 모델 카드에서도 코드 작성과 디버깅, 순차적인 도구 호출, 실패 후 복구, 장기 작업 수행 등이 주요 활용 분야로 제시됐다. <Cite ref="turn373996search1"/>

여기서 Meta가 겨냥하는 시장이 드러난다.

Muse Spark Open은 단순히 대화 성능을 높이기 위한 모델이 아니다. AI가 직접 업무를 수행하는 에이전트 환경을 겨냥한다.

Apple Mac Studio 두 대가 하나의 초대형 AI 컴퓨터로

이번 발표에서 가장 상징적인 장면은 Apple과의 협력이다.

Meta와 Apple은 오랫동안 경쟁 관계에 있었다. 특히 개인정보 보호 정책과 디지털 광고를 둘러싸고 갈등해 왔다. 그런데 이번에는 Meta의 초대형 AI 모델을 Apple 하드웨어에서 효율적으로 실행하기 위해 협력했다.

Meta는 Muse Spark Open을 M5 Ultra Mac Studio에 맞춰 최적화했고, Apple은 MLX를 통해 여러 대의 Mac을 연결해 대형 모델을 실행하는 방식을 공개했다. <Cite refs={["turn263102news17","turn263102search1"]}/>

핵심은 메모리 구조다.

Apple M5 Ultra Mac Studio는 한 대당 최대 512GB의 통합 메모리를 사용할 수 있다. 두 대를 결합하면 총 1TB의 통합 메모리 자원을 갖는 구성이 된다.

일반적인 PC에서는 CPU 메모리와 GPU 메모리가 분리되어 있어 대형 모델을 실행할 때 GPU 메모리 용량이 병목이 되기 쉽다.

반면 Apple Silicon의 통합 메모리 아키텍처는 CPU와 GPU가 메모리 자원을 공유하도록 설계되어 있다. Meta는 M5 Ultra의 메모리 대역폭이 초당 1.2TB에 달한다고 설명했다.

덕분에 두 대의 Mac Studio가 하나의 대형 추론 시스템처럼 작동할 수 있다는 것이다.

Apple은 별도의 기술 보고서에서 RDMA와 MLX를 이용한 다중 Mac Studio 추론 성능도 공개했다. Apple이 제시한 실험에서는 M5 Ultra Mac Studio 네 대를 연결했을 때 Muse Spark Open의 생성 속도가 초당 36토큰을 넘었다. 다만 이는 8,192토큰 문맥 길이 등 특정 평가 조건에서 측정된 결과이며, 모든 작업에서 같은 성능을 의미하지는 않는다. <Cite ref="turn263102search1"/>

이 수치는 중요한 의미가 있다.

초대형 AI 모델을 실행할 수 있다는 것과 실용적인 속도로 사용할 수 있다는 것은 다른 문제다. 모델이 메모리에 올라가기만 하고 응답 속도가 너무 느리면 실제 개발이나 업무에 활용하기 어렵다.

Apple은 여러 대의 Mac을 연결했을 때 얻을 수 있는 성능과 병렬 처리 방식을 제시하며, 로컬 AI가 단순한 기술 시연을 넘어 실제 추론 환경으로 발전할 수 있음을 보여주려 했다.

물론 이것을 누구나 저렴한 개인용 PC에서 실행할 수 있다는 의미로 받아들여서는 안 된다.

M5 Ultra Mac Studio 두 대는 고가의 전문가용 하드웨어다. 실제로 Wall Street Journal은 해당 구성의 비용이 4만 달러를 넘는다고 보도했다. 일반 소비자가 쉽게 마련할 수 있는 환경은 아니다. <Cite ref="turn263102news18"/>

그럼에도 이전에는 대규모 서버 인프라를 전제로 생각했던 모델을 제한된 수의 데스크톱 장비로 실행할 수 있게 됐다는 점에서 의미가 있다.

AI 인프라의 최소 운영 단위가 달라질 가능성을 보여주기 때문이다.

AI는 실제로 무엇을 할 수 있었나

Meta는 단순한 벤치마크 수치보다 실제 에이전트 작업 사례도 강조했다.

발표에 따르면 Muse Spark Open으로 구동되는 Muse Code는 오픈소스 Mastodon 클라이언트인 Ice Cubes의 실제 iOS 코드를 수정했다.

버그를 수정하고, 새로운 기능을 추가하고, 전체 빌드를 수행하는 작업이었다.

또 다른 실험에서는 영상 편집 프로그램 DaVinci Resolve를 조작했다.

모델은 영상 프레임을 검토하면서 중요한 장면을 찾고, 이를 세로형 영상에 적합하도록 크롭하는 작업을 수행했다.

이 두 사례는 AI 에이전트가 향하는 방향을 보여준다.

첫 번째는 소프트웨어 개발의 자동화다. AI가 코드 일부를 제안하는 수준을 넘어, 실제 프로젝트를 수정하고 빌드하는 작업까지 수행한다.

두 번째는 창작 도구의 자동화다. AI가 영상 내용을 이해하고 편집 도구를 조작해 결과물을 만드는 방식이다.

특히 주목할 점은 이러한 실험을 기기 내 실행 환경에서 진행했다는 것이다.

외부 API에 작업 내용을 보내는 대신 직접 운영하는 AI 모델이 로컬 파일과 애플리케이션을 처리하는 구조는 기업과 개발자에게 새로운 선택지가 될 수 있다.

소스코드, 미공개 영상, 기업 내부 문서, 고객 자료처럼 외부 전송이 민감한 정보를 다룰 때 로컬 추론은 매력적인 대안이다.

다만 로컬 실행 자체가 데이터 보호를 자동으로 보장하지는 않는다. 에이전트가 외부 서비스를 호출하거나 네트워크에 접근한다면 별도의 접근권한과 보안 통제가 필요하다.

Meta와 Apple은 왜 손을 잡았나

이번 협력에는 양측의 이해관계가 맞물려 있다.

Meta는 Muse Spark Open의 활용 범위를 넓혀야 한다.

아무리 뛰어난 모델을 공개해도 개발자가 실제로 실행할 수 없다면 영향력은 제한적이다. 모델 가중치가 공개되어 있더라도 필요한 GPU 인프라가 지나치게 크면 소수 기업만 이를 활용할 수 있다.

따라서 Meta 입장에서는 모델을 실행할 수 있는 하드웨어와 소프트웨어 생태계를 넓히는 것이 중요하다.

Apple은 반대편에서 기회를 본다.

AI 모델이 커질수록 고성능 연산과 대용량 메모리를 제공하는 하드웨어의 가치가 높아진다. 특히 로컬 AI에 대한 수요가 늘어나면 클라우드 서버에 의존하지 않고 고성능 모델을 실행할 수 있는 기기가 새로운 시장을 만들 수 있다.

Meta는 모델을 제공하고, Apple은 이를 실행하는 하드웨어와 MLX를 제공한다.

서로 다른 위치에서 같은 시장을 키우는 것이다.

이 협력이 Apple의 Siri나 Apple Intelligence에 Muse Spark Open을 직접 탑재한다는 의미는 아니다. 현재 발표에서 확인되는 협력 범위는 초대형 오픈웨이트 모델을 Apple Silicon 환경에서 실행하고 최적화하는 것이다. <Cite ref="turn263102news15"/>

그러나 이번 사례는 AI 시대의 경쟁 관계가 얼마나 유동적인지 보여준다.

광고와 개인정보 보호를 두고 경쟁하던 회사들이 AI 모델 실행 환경에서는 협력할 수 있다.

이유는 단순하다.

AI 산업에서는 모델과 하드웨어, 개발 도구, 클라우드, 데이터, 애플리케이션이 서로 의존하기 때문이다.

한 기업이 모든 층위를 독점적으로 구축하는 것보다, 각자의 강점을 연결하는 편이 유리할 수 있다.

오픈웨이트 모델이지만 완전히 자유로운 것은 아니다

Muse Spark Open의 또 다른 특징은 모델 가중치 공개다.

개발자는 모델을 내려받아 직접 실행하고, 필요에 따라 수정하거나 추가 학습할 수 있다.

Meta는 Hugging Face뿐 아니라 Amazon SageMaker AI, Google Cloud Model Garden, Microsoft Foundry Models 등을 통해 모델 가중치를 제공한다고 밝혔다. Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI 등에서도 호스팅된 API 형태로 이용할 수 있다.

실행 환경 역시 특정 하드웨어에 한정되지 않는다.

SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp, Unsloth 등 다양한 추론 엔진을 지원하며, AMD·Apple·Intel·NVIDIA 하드웨어에 대한 최적화가 제공된다.

여기서 중요한 것은 AI 모델 운영 방식에 대한 선택권이다.

개발자는 직접 하드웨어를 구매해 모델을 실행할 수 있다. 클라우드에서 운영할 수도 있다. 외부 추론 API를 이용할 수도 있다. 특정 목적에 맞춰 모델을 추가 학습하거나 수정할 수도 있다.

그러나 오픈웨이트를 완전한 오픈소스와 동일하게 봐서는 안 된다.

Muse Spark Open에는 별도의 Muse Model License가 적용된다.

라이선스는 사용과 수정, 미세조정, 파생 모델 개발, 배포 등 폭넓은 권리를 허용하지만 조건이 있다.

특히 기업과 계열사의 합산 총매출이 연속된 12개월 동안 2,000만 달러를 초과하고, 제3자에게 AI 모델 접근을 API 등으로 제공하는 Model as a Service 사업을 하려면 Meta에 통지하고 별도의 서면 계약을 체결해야 한다.

반면 내부 사용과 연구, 모델 서비스가 아닌 일반적인 상업 활동, 자체 제품의 기능을 구현하는 용도 등은 해당 조항의 예외로 규정되어 있다. <Cite ref="turn373996search1"/>

이는 Meta의 개방 전략이 어디까지 열려 있는지를 보여준다.

개발자와 기업이 모델을 활용하고 개선하도록 장려하되, 초대형 모델을 이용해 경쟁적인 모델 서비스 사업을 하는 경우에는 별도의 조건을 두는 것이다.

따라서 Muse Spark Open의 공개는 AI 모델 이용의 자유도를 높이지만, 모든 사업적 활용을 제한 없이 허용하는 것은 아니다.

미국의 오픈웨이트 모델 경쟁도 달라지고 있다

Meta가 이번 발표에서 반복적으로 강조한 표현은 미국에서 가장 뛰어난 오픈웨이트 모델이라는 주장이다.

이 표현에는 글로벌 AI 경쟁의 맥락이 담겨 있다.

오픈웨이트 AI 시장에서는 중국 기업의 존재감이 커졌다. Alibaba의 Qwen, Moonshot AI의 Kimi, Z.ai의 GLM 등은 모델 가중치를 공개하고 개발자 생태계를 넓혀 왔다.

Meta 역시 이러한 흐름 속에서 Muse Spark Open을 공개했다. <Cite ref="turn263102news19"/>

하지만 Meta의 주장을 곧바로 모든 오픈웨이트 모델 가운데 성능이 가장 뛰어나다는 사실로 받아들여서는 안 된다.

Meta가 공개한 비교 대상에는 Nemotron 3 Ultra, Mistral 4 Large, Qwen3.8, GLM 5.3, Kimi K3 등이 포함된다. 평가 영역도 에이전트 작업, 지식·추론, 코딩, 도구를 활용한 멀티모달 평가로 나뉜다.

모델 성능은 작업 유형과 평가 방식에 따라 달라질 수 있다. 코딩과 에이전트 작업에서 강점이 있더라도 다른 모델이 모든 영역에서 뒤처진다는 뜻은 아니다.

따라서 이번 발표의 의미는 단순한 성능 순위보다 넓게 봐야 한다.

Meta는 미국의 초대형 오픈웨이트 모델을 개발자들이 직접 실행하고 활용할 수 있는 생태계로 확장하려 한다.

중요한 것은 모델을 공개하는 데서 멈추지 않고, 다양한 추론 엔진과 하드웨어, 클라우드 플랫폼을 함께 지원한다는 점이다.

AI 안전은 누가 책임질 것인가

모델 가중치를 공개하면 개발자는 더 많은 자유를 얻는다.

하지만 통제의 어려움도 커진다.

폐쇄형 API 모델은 서비스 제공자가 중앙에서 사용 정책을 적용하고 접근을 제한하며 일부 안전장치를 운영할 수 있다. 반면 오픈웨이트 모델은 개발자나 기업이 직접 다운로드해 수정하고 운영할 수 있다.

이는 중앙에서 모든 사용을 통제하기 어렵다는 뜻이다.

Meta는 Muse Spark Open에 추가적인 안전성 사후훈련을 적용했다고 밝혔다.

또한 Meta Superintelligence Scaling Framework에 따라 심각한 위험 범주를 평가했으며, 공개에 필요한 자체 기준을 충족했다고 설명했다. 다만 전체 평가 보고서는 추후 공개할 예정이라고 밝혔다. <Cite ref="turn373996search9"/>

여기에는 중요한 한계가 있다.

Meta의 안전성 평가는 모델 공개에 관한 자체 판단이다. 이것이 모든 활용 환경에서 모델이 안전하다는 보증은 아니다.

특히 Muse Spark Open은 코딩과 에이전트 작업을 강조한다.

에이전트가 실제 파일을 수정하고, 프로그램을 실행하고, 외부 서비스에 접근하며, 복잡한 작업을 장시간 수행한다면 단순한 유해 답변 차단보다 훨씬 넓은 통제가 필요하다.

따라서 오픈웨이트 모델의 확산은 기업에 새로운 책임을 요구한다.

모델을 어디에서 실행할 것인가. 어떤 데이터에 접근하도록 허용할 것인가. 외부 네트워크 연결은 제한할 것인가. 어떤 작업에 사람의 승인을 요구할 것인가. 문제가 발생하면 누가 중단하고 감사할 것인가.

이 질문은 모델이 클라우드에 있든 로컬에 있든 동일하게 중요하다.

모델을 직접 운영할 수 있다는 것은 통제권이 커진다는 의미다. 동시에 그 통제권에 따르는 책임도 운영자에게 더 많이 돌아온다는 뜻이다.

AI 인프라 경쟁의 기준이 달라진다

Muse Spark Open이 보여주는 가장 큰 변화는 AI 모델의 소유와 운영 방식이다.

그동안 기업이 AI를 도입한다는 것은 대체로 외부 모델 서비스에 접속하는 것을 의미했다. 기업은 모델 제공자가 정한 가격과 정책, 서비스 가용성, 데이터 처리 조건에 따라 AI를 사용했다.

오픈웨이트 모델은 다른 선택지를 제공한다.

필요한 경우 기업 내부 서버에서 실행할 수 있다. 특정 작업에 맞춰 추가 학습할 수 있다. 클라우드 사업자를 바꾸거나 자체 인프라에 맞춰 운영 환경을 조정할 수도 있다.

이러한 선택지는 민감한 데이터와 내부 업무를 다루는 기업에 중요하다.

하지만 운영 자율성은 공짜가 아니다.

고성능 하드웨어가 필요하고, 모델을 최적화할 기술도 필요하다. 전력과 유지보수, 업데이트, 보안, 모니터링, 평가 비용 역시 운영자가 감당해야 한다.

따라서 모든 기업이 클라우드 AI를 버리고 직접 모델을 실행하는 방향으로 움직이지는 않을 것이다.

오히려 앞으로는 모델과 업무의 특성에 따라 클라우드 API, 자체 서버, 로컬 AI를 조합하는 구조가 확대될 가능성이 있다.

일반적인 업무는 외부 AI 서비스를 이용하되, 민감한 데이터 처리나 고도로 특화된 에이전트는 자체 인프라에서 실행하는 방식이다.

Muse Spark Open은 이런 선택지를 더 강력한 모델 수준으로 확장하려는 시도다.

그리고 Apple은 그 실행 환경을 제공하는 하드웨어 기업으로 새로운 기회를 얻게 된다.

이는 데이터센터 중심의 AI 인프라 경쟁이 데스크톱과 자체 운영 환경까지 확대되고 있음을 의미한다.

Meta가 제안하는 것은 더 큰 모델이 아니라 더 넓은 접근권이다

이번 발표를 단순히 8,160억 매개변수 모델 공개라고 보면 중요한 부분을 놓치게 된다.

Meta는 모델 크기뿐 아니라 실행 가능성과 개발자 접근성을 강조했다.

최신 모델을 API로 호출하는 것만으로는 충분하지 않다는 문제의식이다.

직접 내려받아 실행하고, 모델의 가중치를 수정하고, 특정 작업에 맞춰 최적화하며, 필요하다면 자체 인프라에서 운영할 수 있어야 한다는 것이다.

이는 Meta가 내세워 온 개인용 초지능의 확산이라는 방향과도 연결된다.

개인용 초지능이 단지 대형 클라우드 서비스에 접속하는 경험에 머문다면, 사용자는 서비스 제공자가 허용하는 범위에서만 AI를 사용할 수 있다.

반면 충분히 강력한 모델을 직접 운영할 수 있다면, 개발자와 기업은 자신의 목적에 맞는 AI 시스템을 더 자유롭게 설계할 수 있다.

물론 Muse Spark Open을 Mac Studio 두 대에서 실행할 수 있다는 사실이 곧 개인용 초지능의 대중화를 뜻하지는 않는다. 하드웨어 비용과 성능, 유지보수, 보안, 라이선스 등 해결해야 할 과제가 남아 있다.

그럼에도 이번 발표는 AI 산업에 중요한 질문을 던진다.

가장 강력한 AI를 누가 만드는가.

그리고 그보다 더 중요한 질문이 있다.

그 AI를 누가 직접 실행할 수 있는가.

AI 산업의 초기 경쟁은 모델의 능력을 높이는 데 집중됐다. 이후에는 모델을 서비스로 제공하기 위한 데이터센터와 GPU 확보 경쟁이 커졌다.

이제 그 경쟁은 모델을 어디에서 실행하고, 누가 통제하며, 얼마나 자유롭게 활용할 수 있는가의 문제로 확대되고 있다.

Meta는 Muse Spark Open을 통해 모델 가중치를 공개했다. Apple은 M5 Ultra와 MLX를 통해 초대형 모델의 로컬 실행 가능성을 보여줬다. 여러 클라우드와 추론 플랫폼은 해당 모델을 각자의 환경에서 제공한다.

모델, 하드웨어, 실행 환경이 결합해 하나의 생태계를 만들고 있는 것이다.

이 경쟁에서 가장 중요한 자산은 단순한 매개변수 수가 아닐 수 있다.

모델을 실제로 활용할 수 있는 개발자 생태계, 다양한 하드웨어에서 실행할 수 있는 호환성, 안전하게 운영할 수 있는 통제 체계가 함께 중요해진다.

Muse Spark Open은 그 변화의 한 장면이다.

초대형 AI가 모든 사람에게 저렴해진 것은 아니다. 클라우드가 필요 없어지는 것도 아니다.

그러나 이전에는 거대한 데이터센터에만 있을 것으로 생각했던 지능을 개발자의 책상 위로 가져오는 길이 더 구체적으로 제시됐다.

AI 경쟁은 이제 가장 뛰어난 지능을 만드는 데서 끝나지 않는다.

그 지능을 누가 소유하고, 어디에서 실행하며, 어떻게 통제할 수 있도록 할 것인가.

Meta와 Apple의 이번 협력은 그 질문을 AI 산업의 새로운 경쟁 무대로 끌어올렸다.