VIDEO NOTE
메타 Muse Wonder 공개: 액티브 메모리와 포커스의 실체
CODER X DOX 코더엑스독스 · 13분 · 중급 · 26. 10. 21. · 최신 뉴스 › 뉴스 발표
YouTube 에서 보기 · CODER X DOX 코더엑스독스 (새 탭에서 열림)메타가 새롭게 공개한 모델 Muse Wonder의 핵심 기능인 액티브 메모리와 액티브 포커스의 개념을 분석한다. 단순한 컨텍스트 창 확장을 넘어 대화 도중 바뀐 조건과 오래된 사실을 식별해 최신 상태를 유지하는 원리를 설명한다. 아울러 작업이 막혔을 때 맹목적인 재시도를 피하고 대안을 찾는 능력과 이를 보조하는 하네스 런타임의 역할을 벤치마크 지표와 함께 짚는다.
핵심
- Muse Wonder는 100만(1M) 토큰 컨텍스트 창을 지원하며 이전 모델인 Muse Spark 1.3과 창 크기 자체는 같다.
- 액티브 메모리는 64K~100K 토큰 규모의 긴 대화에서 이전 조건이 번복되었을 때 최신 사실만 골라내는 능력이다.
- 방해 대화와 조건 변경을 포함한 MemoryBench에서 Muse Wonder는 85.6%, Muse Wonder Full은 85.5%를 기록했다.
- 액티브 포커스는 결제 실패 같은 장애물을 만났을 때 같은 행동을 반복하지 않고 대체 결제 수단이나 대안 경로를 찾는 능력이다.
- 복합 장애물을 다루는 FocusBench에서 Muse Wonder Full은 54.2%를 기록해 일반 Wonder(44.9%)보다 9.3점 높은 점수를 보였다.
- SWE-Marathon 결과는 Muse Wonder Full 57.5%, Muse Wonder 53.1%, Claude Opus 5.5 46.3%로 집계됐다.
- 모델 자체는 추론 엔진이며 이벤트 로그 기록, 상태 복원, 세션 유지는 Muse Code나 Claude Code 같은 하네스 런타임이 담당한다.
RAISE LAB 에서 배우는 사람에게
에이전트 성능은 컨텍스트 길이 확장보다 변경된 사실을 갱신하는 상태 관리와 실패 시 우회로를 찾는 하네스 설계에 달려 있음을 보여준다.
챕터
- 0:00Muse Wonder 발표와 두 가지 핵심 기능 (새 탭에서 열림)
- 0:50액티브 메모리와 컨텍스트 길이의 차이 (새 탭에서 열림)
- 2:20MemoryBench 평가 구조와 벤치마크 점수 (새 탭에서 열림)
- 4:47추론 모델과 히스토리 관리 하네스의 분리 (새 탭에서 열림)
- 6:26액티브 포커스와 실패 시 대안 탐색 루프 (새 탭에서 열림)
- 8:17FocusBench 평가와 모델별 점수 비교 (새 탭에서 열림)
- 9:09하네스 런타임의 역할과 SWE-Marathon 결과 (새 탭에서 열림)
- 11:31장기 작업 에이전트 구축 시 고려할 점 (새 탭에서 열림)
이 노트는 RAISE LAB 운영팀이 고른 영상을 AI(Gemini)가 보고 한국어로 정리한 것입니다. 영상의 저작권은 원작자에게 있고, 자막·대본은 싣지 않습니다. CODER X DOX 코더엑스독스 원작자 채널 (새 탭에서 열림)