Paper
Muse Wonder (max) - Intelligence, Performance & Price Analysis | Artificial Analysis
Artificial Analysis
2026.11.10
·Service·by 성산#AI#DL#LLM#ML#RAG
핵심 포인트
- 1Meta가 2026년 10월에 출시한 Muse Wonder (Max)는 1M tokens의 컨텍스트 윈도우를 지원하며 텍스트, 이미지, 음성, 비디오 입력을 처리할 수 있는 다중 모달(multimodal) 추론 모델입니다.
- 2Artificial Analysis Intelligence Index에서 44점을 기록하여 평균 이상의 지능을 입증했으나, 유사 모델 대비 다소 높은 비용과 출력 토큰 생성으로 인해 상세 작업 시 비용 효율성은 조정이 필요한 수준입니다.
- 312.8분의 작업당 평균 처리 시간과 20.35초의 첫 답변 토큰 생성 시간을 나타내며, 복잡한 문제 해결을 위한 추론(reasoning) 과정을 수행하는 독점(proprietary) 모델입니다.
본 문서는 Meta에서 2026년 10월에 출시한 독점형(Proprietary) 모델인 Muse Wonder (Max)에 대한 Artificial Analysis의 성능, 지능, 비용 및 기술적 사양 분석 결과를 담고 있다.
1. 개요 및 인텔리전스 평가
Muse Wonder (Max)는 Artificial Analysis Intelligence Index에서 44점을 기록하여, 동급 모델 중앙값인 40점을 상회하는 우수한 지능을 보여준다. 이 모델은 Reasoning 기능을 갖춘 모델로, 복잡한 문제 해결을 위해 내부적인 Chain-of-Thought 과정을 거쳐 최종 답변을 도출한다.2. 성능 및 효율성 지표
- Time to first answer token: 20.35초
- Output speed: 125 tok/s
- Intelligence Index 평가 시 작업당 소요 시간은 12.8분으로, 평균(12.7분) 대비 다소 느린 편이다.
- Verbosity: 평가 과정에서 113M 개의 출력 토큰을 생성하여, 중앙값인 72.8M 대비 다소 장황한(verbose) 특성을 보인다.
3. 비용 구조
모델의 토큰당 비용은 다음과 같이 책정되어 있다.- Input: $4.00 / 1M tokens
- Output: $20.00 / 1M tokens
- Cache discount: 95%
4. 핵심 방법론 및 기술적 사양
Artificial Analysis Intelligence Index v5.0.1은 모델의 능력을 다각도로 평가하기 위해 9개의 벤치마크를 통합 활용한다:- 평가 항목: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1
비용 산출 방법론은 다음과 같은 가중 평균 방식을 사용한다:
또한, 다중 모달(Multimodal) 입력을 지원하여 Text, Image, Speech, Video 데이터를 처리할 수 있으며, 1M 수준의 Context window를 제공하여 방대한 양의 컨텍스트 처리가 가능하다.