Meta 816B 가중치 공개, API 값은 100만 토큰 4.25달러 그대로인 이유

Hugging Face에 10월 15일 meta-models/Muse-Spark-Open-816B-A42B 저장소가 열렸습니다. 816B 파라미터 모델을 누구나 내려받아 자기 서버에서 돌릴 수 있게 됐다는 뜻입니다. 지난 4월 Meta가 첫 모델 Muse Spark을 가중치 비공개로 내놓으며 오픈소스를 접었던 것과 견주면 6개월 만의 방향 전환입니다.

다만 공개된 것은 Meta의 최신 모델이 아닙니다. 그리고 가중치가 열렸는데도 API로 쓰는 값은 공개 전과 똑같습니다. 그 이유가 라이선스 본문에 적혀 있습니다.

성능이 아니라 유통이 바뀌었습니다

이름이 새로 붙었으니 성능도 올랐겠거니 싶지만, Meta가 직접 아니라고 적었습니다. PyTorch 블로그는 Spark Open이 "Muse Spark 1.3과 같은 베이스 모델을 공유한다"고 밝혔습니다. Muse Spark 1.3은 9월 2일부터 Meta가 API로 팔아 온 모델입니다. 달라진 것은 가중치가 공개되는 상황을 전제로 안전 후학습을 더했다는 점 하나입니다. Meta 표현으로는 "시스템 수준 가드레일 없이 단독으로 쓰일 때의 오용에 더 견디도록" 추가로 학습시켰습니다.

그 후학습 효과는 Meta 자체 안전 수치에 나타납니다. 사이버보안 탈옥 시도 거부율이 내부 벤치마크에서 99.2%, 공개 벤치마크 합산에서 94.8%입니다. 같은 조건으로 측정한 Kimi K3는 각각 75.5%와 70.2%였습니다. 화학·생물 분야 단일 턴 유해 요청은 98% 넘게 거부했고, 정직성 평가 MASK에서 98.1%를 기록했습니다.

사양은 모델 카드에 그대로 나와 있습니다. 총 816B 파라미터 중 토큰 하나를 처리할 때 42B만 켜지는 MoE 구조이고, 컨텍스트는 100만 토큰입니다. 텍스트와 이미지, 비디오, 오디오를 입력으로 받지만 출력은 텍스트뿐이라 이미지나 음성을 만들어 주지는 않습니다. 추론 노력은 네 단계(low, medium, high, xhigh)로 조절하고 기본값이 xhigh입니다.

미국 1위라는 문구에서 일하는 단어는 '미국'

Meta는 Spark Open을 "현재까지 가장 유능한 미국 오픈 가중치 모델"이라고 소개했습니다. '미국'을 빼면 성립하지 않는 문장입니다. Meta가 모델 카드에 직접 실은 표에서 Spark Open은 중국 오픈 가중치 모델 두 개에 종합 점수로 밀립니다.

갈리는 지점이 분명합니다. 도구를 여러 번 불러 가며 일을 처리하는 과제에서는 Spark Open이 앞섭니다. MCP 서버를 거쳐 어떤 도구를 쓸지 고르는 능력을 보는 MCP-Atlas에서 89.2점으로 GLM 5.3의 84.2점과 Kimi K3의 82.3점을 넘었고, 실무 과제 묶음인 JobBench도 61.8점으로 1위입니다. 반면 터미널에서 실제 코드를 고치는 Terminal-Bench 2.1은 76.4점으로 Kimi K3의 85.0점, GLM 5.3의 83.9점보다 낮습니다.

위 수치는 전부 Meta가 낸 것입니다. VentureBeat는 기사를 쓰는 시점에 Spark Open의 독립 측정 점수를 확인하지 못했다고 밝혔습니다. Hacker News 스레드(440점, 댓글 267개)에서 AustinDev는 자기 환경에서 직접 돌려 보니 GLM 5.3 Flash보다 느리고 점수도 낮았다고 적었습니다.

사흘 전 일도 함께 봐야 합니다. Meta는 10월 12일 Muse Wonder와 Muse Wonder Full을 발표했고 둘 다 가중치를 공개하지 않았습니다. VentureBeat가 전한 Artificial Analysis 측정값은 Wonder 52점, Wonder Full 56점으로 Spark Open의 39점보다 높습니다. 연 것은 프론티어가 아니라 그 아래 한 칸입니다.

가중치는 공짜인데 API 값이 그대로인 이유

라이선스는 Apache 2.0이 아니라 Meta가 직접 쓴 Muse Model License입니다. 쓰고 고치고 파인튜닝하고 증류하고 되팔 수 있는데 조건이 둘 붙습니다.

첫째는 표기 의무입니다. 제품 UI, 문서, 웹사이트, 설정 메뉴 중 한 곳에 "Built with Muse Spark Open"을 눈에 띄게 적어야 합니다.

둘째가 돈과 직접 맞닿은 조항입니다. 모델 접근 자체를 API로 파는 사업자가 계열사 합산 직전 12개월 총매출 2,000만 달러를 넘기면, 그 서비스에 Spark Open이나 파생 모델을 올리기 전에 Meta에 통지하고 별도 서면 계약을 맺어야 합니다. 사내 사용, 연구, 그리고 모델 판매가 아닌 자사 제품의 구성요소로 쓰는 경우는 면제됩니다. 자기 서비스에 넣어 쓰는 대부분의 회사는 해당이 없고, 토큰을 되파는 추론 제공사만 걸립니다.

그 조항의 결과가 가격표에 그대로 보입니다. OpenRouter에 등재된 Spark Open 단가는 입력 100만 토큰 1.25달러, 출력 4.25달러입니다. Meta가 Muse Spark 1.1부터 1.3까지 호스팅으로 팔 때 받던 값과 같습니다. 보통 가중치가 공개되면 여러 제공사가 같은 모델을 올려 두고 값을 깎는데, Spark Open에서는 그 일이 아직 일어나지 않았습니다. Hacker News 사용자 popinman322는 별도 계약 조항을 원인으로 지목했습니다. 매출이 큰 제공사일수록 Meta와 따로 계약해야 하니 공개 제공사끼리 값을 깎을 유인이 줄고, 효율 개선분이 요금 인하 대신 제공사 마진으로 남는다는 것입니다.

같은 Meta가 8월에 공개한 Muse Glimmer 30B는 Apache 2.0이었습니다. 큰 모델에는 조건을 걸고 작은 모델만 완전 개방하는 방식은 Mistral Large 4가 Apache 2.0 없이 가중치만 공개했을 때와 같은 구조입니다.

지금 쓸 수 있나

경로가 셋이고 각각 문턱이 다릅니다.

세 경로 모두 한국에서 막히지 않습니다. 라이선스와 모델 카드 어디에도 국가 제한 조항이 없습니다. Tencent Hunyuan 계열 라이선스가 한국과 EU, 영국을 명시적으로 빼는 것과 다릅니다. API로 쓸 경로는 Together AI와 OpenRouter, Fireworks, Groq, Baseten, Modal, Nebius이고 모두 한국에서 접근할 수 있습니다. 가중치는 Hugging Face 외에 Amazon SageMaker AI, Google Cloud Model Garden, Microsoft Foundry Models에도 올라가 있습니다.

자체 호스팅 문턱은 높습니다. 모델 카드가 요구하는 가속기 메모리는 NVFP4 양자화 기준 700GB, BF16 기준 약 2TB입니다. 토큰당 42B만 켜진다고 해서 42B 모델처럼 가벼워지지 않습니다. 켜는 전문가가 매 토큰 달라지므로 전체 가중치를 전부 메모리에 올려 둬야 하기 때문입니다.

서빙 소프트웨어 선택지는 넓습니다. SGLang과 vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX를 공식 지원하고 NVIDIA, AMD, Intel, Apple 하드웨어에서 돌아갑니다. 메모리를 덜 쓰는 양자화 빌드는 llama.cpp와 Ollama, LM Studio로 받을 수 있습니다. 파인튜닝은 PyTorch의 TorchTitan이 지도 학습과 LoRA, 강화학습을 모두 지원합니다. Meta는 SGLang에 넣은 Helion 커널로 NVIDIA GB300에서 커널 수준 1.03배에서 3.95배, AMD MI350에서 종단 처리량 3% 빨라졌다고 밝혔습니다.

Meta가 내세운 "데스크톱에서 돌아간다"는 문구에도 조건이 붙습니다. M5 Ultra Mac Studio 2대를 묶어 통합 메모리 약 1TB를 만드는 구성인데, 512GB 모델은 10월 말 출시 예정이고 Apple이 아직 가격을 발표하지 않았습니다. 지금 살 수 있는 M5 Ultra 기본 구성은 메모리 96GB에 5,499달러입니다. Hacker News에서 devy는 Meta가 제시한 구성을 2만 8천에서 3만 달러로 추정했습니다.

가중치를 받는 절차도 가볍지 않습니다. Hugging Face 게이트 양식에 법적 전체 이름과 생년월일, 약어를 뺀 전체 조직명을 적어야 하고 제출 후에는 수정할 수 없습니다. 부정확하게 적으면 이 모델뿐 아니라 다른 모델 접근까지 막힐 수 있다고 안내합니다.

GLM 5.3이나 Kimi K3를 이미 쓰고 있다면 전부 갈아탈 근거는 Meta 자체 표에도 없습니다. 대신 도구 호출이 많은 워크로드 하나만 떼어 비교해 볼 만합니다. Meta 표에서 Spark Open이 앞선 항목이 MCP-Atlas와 JobBench 둘뿐이고 둘 다 도구를 고르고 쓰는 능력을 재는 벤치마크이기 때문입니다. OpenRouter에서 모델 ID만 meta/muse-spark-open으로 바꿔 같은 프롬프트를 돌리면 반나절 안에 답이 나옵니다. 자체 호스팅을 저울질한다면 Apple이 512GB Mac Studio 가격을 공개하는 10월 말이 계산을 다시 해볼 시점입니다.