가장 작고 효율적인 모델, Muse Ember 공개

“Muse Ember는 Claude Haiku 5.5의 최고 점수를 약 3분의 1 비용으로 달성하고 GPT-6 Luna의 모든 설정을 앞서며, Artificial Analysis 리더보드 효율 프런티어에 올랐다. 작업당 비용 0.116달러에 점수 33.9, 0.136달러에 35.8을 기록했고, Agents' Last Exam 61.6·OSWorld 2.1 69.5 등에서 최고 성적을 냈다.”

AI 요약

메타가 복잡한 추론 실행과 에이전트의 반복 작업(도구 호출, 코딩 하위 작업, 라우팅, 추출, 장문 문서 파싱)에 최적화된 가장 작고 효율적인 모델 'Muse Ember'를 공개했다. Muse Ember는 Claude Haiku 5.5나 GPT-6 Luna보다 모든 추론 설정에서 달러당 더 높은 지능을 제공하며, Haiku의 최고 점수를 약 3분의 1 비용으로 달성하고 Luna의 모든 설정을 능가한다. Artificial Analysis 리더보드의 효율 프론티어에 위치해, 더 낮은 비용으로 더 높은 점수를 기록한 모델이 없다. 벤치마크에서 AutomationBench-AA 37.8, Agents' Last Exam 61.6, Terminal-Bench 4.0 40.9 등 에이전트·코딩 부문에서 최고 성적을 기록했다.

핵심 포인트

  • Claude Haiku 5.5 최고 점수(36.2)를 약 1/3 비용($0.136 vs $0.411)으로 달성, GPT-6 Luna 전 설정 능가
  • AutomationBench-AA 37.8(경쟁사 13.9·20.2), Agents' Last Exam 61.6(57.0·57.1)로 에이전트 작업 최고 성능
  • Terminal-Bench 4.0 40.9, Coding Agent Index 46, GDP.pdf-AA 22.8 등 코딩·멀티모달 부문 우위
  • Artificial Analysis Intelligence Index 36으로 효율 프론티어 정점 차지

향후 전망

  • 저비용 고효율 소형 모델 경쟁 심화로 에이전트 기반 자동화 도입 가속화
  • 라우팅·추출 등 반복 작업용 모델로서 기업 워크플로에 광범위하게 채택될 전망
Share

이것도 읽어보세요

댓글

이 소식에 대한 의견을 자유롭게 남겨주세요.

댓글 (0)

불러오는 중...