Meta가 노트북에서 도는 오픈 에이전트 모델을 풀었다

Meta가 8월 10일 Muse Glimmer를 공개했다. 라이선스는 Apache 2.0, 값은 0원이다. 폐쇄형 프런티어 모델 Muse Spark 1.2를 30B로 증류한 오픈 가중치이고 소비자용 그래픽카드 한 장에서 돈다.

숫자를 보면 이 모델이 뭘 노렸는지 분명하다. 여러 단계로 도구를 부리는 능력을 재는 MCP-Atlas에서 75.5를 찍었다. 같은 무게급인 Qwen3.6-27B가 62.5, Gemma4-31B가 54.2다. 코딩 벤치 SWE-Bench Pro는 51.2, 검색형 질의응답 DeepSearch QA는 74.6이었다. 크기를 키우지 않고 "도구를 잘 부리는 쪽"으로만 튜닝한 첫 오픈 에이전트 모델이다.

한눈에 보기

'에이전트용'이라는 말이 왜 핵심인가

일반 벤치 점수가 아니라 MCP-Atlas를 앞세운 게 신호다. 이 벤치는 모델이 한 번의 답으로 끝나지 않고 도구를 호출하고 결과를 읽고 다음 도구를 부르는 다단계 흐름을 얼마나 정확히 끌고 가는지 잰다. 에이전트를 실제로 굴려 본 사람은 안다. 여기서 한 스텝만 어긋나도 뒤가 전부 무너진다.

지금까지 로컬에서 돌릴 만한 오픈 모델은 대화는 그럴듯해도 도구 흐름에서 자주 헛발질을 했다. 그래서 진짜 에이전트 루프는 결국 프런티어 API로 올려붙였다. Glimmer의 75.5는 그 선을 30B 로컬 모델이 넘어섰다는 뜻이다. 30B는 4비트로 줄이면 24GB 안팎의 그래픽카드나 고사양 노트북 한 대에 들어간다.

로컬 30B가 실제로 여는 것

에이전트 루프는 토큰을 게걸스럽게 먹는다. 도구를 한 번 부를 때마다 지시와 결과가 다시 컨텍스트로 들어가고 그게 반복되면서 한 작업이 API 호출 수십 번으로 불어난다. 이 루프를 로컬로 내리면 그 소비가 청구서에서 사라지고 전기값과 하드웨어 상각으로만 남는다.

두 번째는 데이터다. 고객 문서를 뒤지고 내부 DB를 조회하는 에이전트를 외부 API에 물리면 그 데이터가 매 스텝 남의 서버를 거친다. 규제 업종이나 클라이언트 계약이 걸린 일에서는 이 한 가지가 도입을 막는다. Glimmer는 그 흐름 전체를 한 대 안에서 끝낸다. 오프라인에서도 돌고 왕복 지연도 없다.

물론 공짜는 아니다. 24GB급 카드나 통합메모리 노트북이라는 진입 하드웨어가 필요하고 프런티어 최상위와 정면으로 붙으면 아직 진다. Glimmer는 최상위를 대체하려고 나온 게 아니라 반복되는 도구 작업을 값싸고 사적으로 처리하려고 나왔다.

anyAX 관점

Glimmer를 내려받는 것 자체는 아무 우위도 아니다. 8월 10일 이후 누구나 같은 가중치를 쓴다. 갈리는 지점은 그 75.5짜리 도구 실력을 어디에 물리느냐다.

1인 SaaS 개발자나 AI 우선 팀이 매일 돌리는 루프를 떠올려 보자. 문의를 분류하고 문서를 요약하고 크롤한 자료를 정리하는 반복 작업은 창의성이 아니라 횟수의 문제다. 이런 루프를 프런티어 API로 굴리면 도구 호출이 곱해지면서 청구서가 자릿수를 올린다. Glimmer는 그 변동비를 상수로 눌러 준다. 카드 한 장 값을 치르고 나면 루프를 몇 번 돌리든 추가 과금이 없다.

여기서 진짜 자산은 모델이 아니라 그 모델에 붙는 내 맥락이다. 내 고객 데이터, 내 문서 스키마, 내 업무 순서를 로컬 에이전트에 물려 두면 그건 남이 같은 가중치를 받아도 복제하지 못한다. 규제 업종을 상대하는 AI 에이전시라면 "고객 데이터가 이 기계 밖으로 나가지 않는다"는 한 문장이 계약을 여는 열쇠가 된다. 프런티어는 가장 어려운 판단에만 남겨 두고, 반복되는 도구 노동은 로컬로 내리는 이층 구조가 올해 1인 스택의 기본값으로 굳는다.

참고

• Introducing Muse Glimmer: An Open Agentic Model That Runs on Your Device (Meta AI Research)
• Muse Glimmer 30B Benchmarks & Context (BenchLM.ai)
• Meta releases Muse Glimmer open-source AI model for laptops (Quartz)