insoon.dev

썰썰썰 3화 2026-09-27

메타 뮤즈를 뜯어보고 로컬 에이전트를 생각하다

메타가 만든 개인 AI 에이전트 뮤즈(Muse)가 9월 8일에 나왔다. 2주 만에 미국 앱스토어 무료 앱 1위에 올랐다. 13일 동안 다운로드 250만 건을 기록했고, 미국에서만 하루에 64만 명이 썼다. 챗GPT가 처음 모바일 앱을 냈을 때보다 빠른 속도라는 분석이 나왔고, 메타 주가는 하루 만에 11% 뛰었다.

며칠 지나서 호기심이 생긴 사용자들이 뮤즈에게 물었다. “너는 어떤 컴퓨터에서 돌아가니?” 뮤즈는 리눅스 명령어를 직접 실행할 수 있으니, 채팅창에 이렇게 물으면 알아서 시스템 사양을 확인하는 명령을 돌리고 그 결과를 읽어 준다. 여러 사람이 확인해 봤고 답은 같았다. CPU 2코어, 메모리 8GB, 디스크 100GB, GPU 없음.

메모리 8GB면 요즘 보급형 노트북 중에서도 빠듯한 사양이다. 그런 컴퓨터가 앱스토어 1위를 차지했다. 이게 어떻게 된 일인지 따라가 보면 개인 AI 에이전트라는 도구가 어디서 출발해 대기업 손에서 어떻게 포장되었는지가 보인다. 그리고 로컬 에이전트 환경이 여기서 무엇을 배워야 하는지도.

내 컴퓨터에서 돌아가는 에이전트

올해 1월, 오픈클로(OpenClaw)라는 오픈소스 프로젝트가 나왔다. 오스트리아 개발자 피터 슈타인베르거가 혼자 만든 건데, 챗GPT처럼 웹 창을 열고 질문하는 방식이 아니라 텔레그램 메신저로 “이번 주 메일 좀 정리해 줘”라고 보내면 메일함을 열어 분류하고 답장 초안까지 알아서 써 둔다. 이게 주목받은 이유는 기능이 화려해서가 아니었다. 언어 모델은 원래 말만 하던 존재인데, 오픈클로는 그 모델에 메신저 창구와 파일·캘린더를 만지는 손, 지난 대화를 담아 두는 기억, 정해진 시간에 스스로 도는 예약 작업을 한 바퀴로 엮어 내 컴퓨터 안에서 돌게 만들었다.

이 뼈대를 하네스(harness)라고 부른다. 말에 씌우는 마구처럼, 모델을 실제 업무에 단단히 묶어 주는 장치다. 모델 자체는 내장되어 있지 않다. 앤트로픽이든 오픈AI든 로컬 모델이든 API로 갈아 끼우며 쓴다. 이 하네스가 처음으로 “AI가 진짜 내 일을 대신한다”는 경험을 개인 컴퓨터 위에서 만들어 냈고, 사람들이 거기에 반응했다.

이 에이전트한테는 성격 파일이 하나 들어 있다. SOUL.md라는 이름의 텍스트 파일인데, 여기에 이 에이전트가 어떤 어조를 쓸지, 무엇을 조심해야 하는지, 주인이 어떤 방식을 선호하는지 적어 둔다. 기술적으로는 대단할 것 없는 프롬프트 파일이다. 그런데 이 파일 하나 덕에 비로소 “내 전용 에이전트”라는 애착이 생긴다. 개발자들은 자기 에이전트의 SOUL.md를 서로 공유하고 자랑하기 시작했다.

3월에는 경쟁작인 헤르메스(Hermes Agent)가 나왔다. 방향이 조금 달랐다. 오픈클로가 도구를 잔뜩 넣어 둔 공구함이라면, 헤르메스는 쓸 때마다 알아서 정리되는 공구함에 가깝다. 일이 잘 풀리면 그 해결 과정을 다음에 다시 쓸 수 있게 저장해 두고, 막히면 왜 안 됐는지를 스스로 적어 둔다. 쓰면 쓸수록 주인의 작업 스타일에 맞춰 진화한다.

헤르메스도 뼈대는 같다. 모델은 빌려 쓰고, 자신은 하네스 역할에 집중한다.

다만 이때까지 개인 에이전트는 파워유저들의 장난감이었다. 설치하려면 터미널을 열어야 했고, 직접 API 키를 발급받아야 했으며, 컴퓨터를 밤낮으로 켜 둬야 했다.

대기업이 같은 것을 만들면

5월 구글이 I/O에서 ‘제미나이 스파크(Gemini Spark)‘를 내놨다. 제미나이 앱 안에 들어가는 24시간 백그라운드 에이전트다. 구글 클라우드의 전용 가상 머신(VM)에서 돌아가니 노트북을 덮어도 맡긴 일이 멈추지 않고 계속 진행된다. 지메일, 구글 드라이브, 캘린더를 읽어 들여 “지난주에 받은 견적서” 같은 맥락도 막힘없이 알아듣는다. 구글이 제시한 시나리오는 이랬다. 여행 예약 메일이 올 때마다 일정 시트에 자동 정리해 두기, 최근에 보낸 메일 수십 통을 읽고 사용자의 말투를 익혀 답장 초안에 반영하기.

9월에는 메타가 뮤즈를 내놨다. 구조는 같다. 사용자마다 클라우드 VM을 하나씩 배정하고 그 안에서 에이전트가 24시간 상주한다. 다만 겨냥한 지점이 달랐다. 구글이 문서와 업무 메일을 노렸다면, 메타는 쇼핑과 예약, 결제를 노렸다. 메일을 보내 주고, 여행 일정을 예약해 주고, 중고 물품을 대신 팔아 주고, 불필요한 구독료를 깎아 준다고 대대적으로 광고했다. 뮤즈 전용 앱뿐 아니라 전 세계인이 쓰는 왓츠앱 안에서도 바로 소환할 수 있게 했다.

반응은 폭발적이었다. 2주 만에 앱스토어 정상에 올랐다.

재밌는 점은 뮤즈의 작업 디렉터리에 오픈클로와 정확히 일치하는 이름의 파일들이 들어 있었다는 것이다. SOUL.md도 있었는데, 이름만 같은 게 아니라 안에 적힌 어조와 규칙의 문법까지 거의 그대로였다. 바닥에서 “뮤즈는 그냥 대기업이 예쁘게 포장한 일반인용 오픈클로”라는 말이 나온 이유다.

메타도 부인하지 않았다. 메타 슈퍼인텔리전스 랩스의 제품 총괄 냇 프리드먼은 코드는 백지상태에서 새로 짰지만, 제품 콘셉트는 오픈클로에서 큰 영감을 얻었음을 공식적으로 인정했다. 오픈클로를 직접 써 보고 매료되어, 그 유용한 경험을 안전하고 쓰기 쉬운 형태로 수십억 명에게 쥐여주는 것이 목표였다고 했다.

로컬 해커들의 손에서 자라난 오픈소스 도구가 그대로 대기업의 클라우드로 옮겨 간 셈이다.

스파크는 잠잠했는데 뮤즈는 왜 터졌나

스파크는 5월에 나온 뒤로 대중의 입에 오르내리는 일 자체가 드물었다. 반면 메타의 뮤즈는 순식간에 일상으로 파고들었다.

이유는 세 가지로 보인다.

첫째는 가격이다. 뮤즈는 무료로 시작해 20달러, 100달러로 사다리를 놓았다. 스파크는 월 100달러짜리 AI 울트라 구독자에게만 먼저 빗장을 열었다. 한쪽은 “일단 공짜로 써 봐”였고, 다른 쪽은 “100달러 내면 구경시켜 줄게”였다.

둘째는 접근성이다. 뮤즈는 앱스토어에서 검색하면 바로 나오고, 왓츠앱 안에서도 즉시 말을 걸 수 있다. 지시하는 방식도 친구에게 메시지 보내듯 툭 던지면 그만이다. 스파크는 제미나이 앱을 깔고, 비싼 요금제를 결제하고, 사이드바 깊숙이 베타 딱지가 붙은 메뉴를 찾아 들어가야 했다. 오픈클로가 터미널을 열어야 했던 것에 비하면 둘 다 편해졌지만, 그 안에서도 문턱의 높이가 하늘과 땅 차이였다.

셋째는 처음 마주하는 온보딩 경험이다. 스파크는 Task, Schedule, Skill이라는 차가운 빈 패널을 던져주고 알아서 채우라고 한다. 뮤즈는 자연스러운 대화창 하나가 중심이다. 중간에 끼어들거나 여러 요청을 두서없이 섞어도 찰떡같이 받아내고, 진행 중인 일은 따로 깔끔하게 보여주며, “이거 미리 해둘까요?” 하고 에이전트가 먼저 알림을 보낸다. 백지 화면에서 멈칫거리지 않게 에이전트가 먼저 말을 걸어오는 구조다.

정리하면 뮤즈는 공짜로 시작할 수 있고, 메시지 보내듯 직관적이며, 들어가면 뭘 시킬지 에이전트가 먼저 이끌어 준다.

사용자마다 배정되는 가상 머신

뮤즈의 내부 아키텍처는 흥미롭다. 유저 한 명마다 독립된 클라우드 가상 머신(VM)을 배정한다. 사양은 앞서 확인했듯 AMD EPYC 기반의 CPU 2코어, 메모리 8GB, 디스크 100GB, 우분투 24.04 환경이며 GPU는 없다.

뮤즈는 세 군데로 철저히 나뉘어 돌아간다.

  1. 생각하고 계획하는 핵심 추론 모델인 뮤즈 스파크(Muse Spark)는 메타의 거대 GPU 클러스터에서 가동된다.
  2. 웹 페이지를 탐색하고 클릭하는 브라우저는 별도의 원격 브라우저 풀에서 돈다.
  3. 사용자에게 배정된 8GB짜리 VM에는 에이전트의 로컬 작업 공간(Desk)만 들어 있다.

일이 생기면 작업대 역할을 하는 VM이 상위 GPU 클러스터에 “이 상황에서 다음에 뭘 할까?” 물어보고 응답을 받아온다. 그다음 리눅스 명령어를 실행하거나, 원격 브라우저에 명령을 내리거나, 결과물을 디스크에 저장한다.

로컬은 지금 어디쯤인가

로컬 워크스테이션 환경은 이 삼분할된 구조를 하나의 섀시 안에 응축시킨다. 모델도, 브라우저도, 작업 공간도 내 하드웨어 단 한 대 안에서 돌아간다. 작업 공간이야 8GB짜리 클라우드 VM보다 훨씬 넓고, 브라우저도 온전히 내 통제 아래 있다.

문제는 모델이다. 로컬 하드웨어에서 직접 돌릴 수 있는 모델은 거대 클라우드 모델보다 얼마나 뒤처져 있을까. 2026년 9월 기준으로는 꽤 명확한 숫자로 말할 수 있다.

오픈 모델이 GPT나 클로드 같은 최상위 상용 모델을 따라잡았다는 기사가 쏟아지지만, 그런 오픈 모델 대부분은 개인이 감당할 수 있는 크기가 아니다. 체급별로 세 부류로 갈라 놓고 봐야 현실이 보인다.

맨 위가 프론티어 상용 모델이다. 9월 22일에 나온 클로드 오퍼스 5.5가 Artificial Analysis 지능 지수 58점으로 역대 최고점을 기록했고, 터미널 벤치 4.0에서 59.6%로 GPT-6 아스트라와 어깨를 나란히 했다. 뮤즈와 스파크가 뒤에서 빌려 쓰는 두뇌가 바로 이 층이다.

그 아래가 초거대 오픈 웨이트 모델이다. 키미 K3는 2.8조 파라미터짜리 거대 오픈 모델로 최고 상용 모델들과 정면 승부를 벌이고, 딥시크 V4 프로는 지능 지수 53.2로 GPT-5.5(38.4)를 앞선다. 하지만 이건 개인이 방에 놓고 돌릴 체급이 아니다. 4비트로 양자화해도 233GB라 H100 서너 장이 묶인 서버가 필요하다. 격차가 좁혀졌다는 뉴스는 대부분 이 층의 이야기다.

맨 아래가 진짜 로컬 오픈 모델이다. 24GB 단일 GPU 한 장이나 128GB 통합 메모리 환경에 온전히 올라가는 모델들. 개인 워크스테이션이 소화할 수 있는 마지노선이다.

이 체급에서 가장 앞선 것은 알리바바의 Qwen3.8-27B 계열이다. 4비트 양자화 시 14~17GB 수준인데, 지능 지수 52점으로 한 세대 전 Qwen3.6-27B(38점)나 메타가 오픈 웨이트로 공개한 Muse Glimmer 30B(35점)를 훌쩍 뛰어넘었다. 코딩과 툴 사용 능력만 보면 클로드 오퍼스 5의 약 87% 수준까지 추격했다. 128GB 통합 메모리급으로 올라가 123GB짜리 Qwen3.8-Flash-Next를 얹으면 오퍼스 5의 94% 선까지 바짝 따라붙는다.

한 줄로 요약하면, 로컬 하드웨어에 올라가는 최선두 모델은 대략 ‘반년 전 프론티어’ 수준이다. 오픈 거대 모델은 상용 프론티어 바로 뒤에 붙어 있지만, 개인 장비에 들어가는 경량 모델은 반년에서 1년 정도의 시차를 두고 따라간다. 상용 모델 역시 쉼 없이 앞으로 나아가므로 이 시차 자체는 쉽게 좁혀지지 않는다.

하지만 본질은 하드웨어는 그대로인데 세대교체만으로 감당할 수 있는 지능 수준이 비약적으로 뛴다는 점이다. Qwen 3.6에서 3.8로 넘어오는 동안 24GB 카드는 그대로였지만, 그 위에 얹히는 모델의 점수는 38에서 52로 뛰었다. 반년쯤 기다리면 그때의 최고급 상용 모델 수준을 내 하드웨어에서 직접 돌리게 된다는 뜻이다.

물론 로컬 환경에서는 벤치마크 점수 외에도 따져 볼 현실적인 장벽들이 있다.

2026년 9월 시점의 현실적인 결론은 명확하다. 단일 도구 호출, 문서 요약, 코드 수정 같은 짧고 명확한 작업은 로컬로도 이미 차고 넘친다. 반면 여러 단계를 스스로 계획하고 교정해 나가는 긴 호흡의 작업은 아직 차이가 난다. 다만 긴 작업은 최상위 프론티어조차 버거워하는 미개척지이므로, “로컬이 무능하다”기보다는 “에이전트 기술 전체가 아직 과도기에 있고 로컬은 조금 더 시간이 필요하다”고 보는 편이 정확하다.

책상은 집에, 두뇌는 골라서 쓴다

뮤즈의 성공 방식을 해부해 보면 로컬 워크스테이션이 나아갈 이정표가 뚜렷하게 보인다.

뮤즈가 순항하기 위한 조건은 역설적으로 로컬 에이전트가 존재해야 하는 이유를 웅변한다. 뮤즈가 지속될 수 있을지는 결국 사용자들이 자신의 사적인 계정 권한과 민감한 데이터를 메타의 서버에 온전히 맡길 준비가 되어 있느냐에 달렸다. 뮤즈의 보안 VM 약관조차 운영과 기술 지원을 위해서는 메타가 내부를 들여다볼 수 있도록 규정해 두었다. 뮤즈의 편리함 뒤편에는 언제나 *“내 모든 디지털 일상을 메타에 맡길 수 있는가?”*라는 본질적인 질문이 남는다. 로컬은 그 질문 자체를 원천 봉쇄한다. 성능 격차를 뻔히 알면서도 로컬을 고집하는 이들이 존재하는 이유다.

대다수 대중은 클라우드 에이전트로 향할 것이다. 기술적 우열 때문이 아니라 오랜 관성 때문이다. 사람들은 이미 사진을 아이클라우드에, 메일을 지메일에 맡겼고, 데이터를 남의 서버에 넘기는 것에 대한 심리적 저항선은 15년 전에 무너졌다. 뮤즈는 그 거대한 관성 위에 가볍게 올라탔다.

따라서 로컬은 필연적으로 틈새시장으로 남을 것이다. 다만 그 틈새는 변호사, 의사, 회계사, 기자처럼 데이터 유출이 곧 직업적 파멸로 이어지는 전문직 집단이다. 그 시장은 결코 작지 않으며, 그들이 다루는 데이터의 가치 또한 막대하다.

가장 유력한 미래는 로컬과 클라우드가 절묘하게 결합하는 하이브리드 모델이다. 앞으로 2~3년은 거대 테크 기업들이 무료 VM을 뿌리며 시장을 장악하는 클라우드의 황금기일 것이다. 하지만 머지않아 무료 VM에는 광고와 기능 제약이 붙기 시작할 테고, 그사이 로컬 오픈 모델은 복잡한 긴 작업에서도 실질적인 돌파구를 열어낼 것이다.

물론 다른 가능성도 있다. 프론티어와 로컬의 지능 격차가 좁혀지지 않고 오히려 계속 벌어진다면, 로컬은 절대적 성능을 영구히 양보하는 대가로 완벽한 프라이버시를 사들이는 ‘의도된 타협’으로 남을 것이다.

세 개의 스파크

마지막으로 ‘스파크’라는 이름에 관한 이야기다.

내 책상 위 워크스테이션의 이름은 DGX 스파크다. 엔비디아가 책상 위에 올려두는 작은 슈퍼컴퓨터에 붙인 이름이다. 뮤즈의 생각을 담당하는 두뇌 모델의 이름은 뮤즈 스파크다. 메타가 새 모델 라인업의 첫 머리에 놓은 작고 빠른 추론 모델에 붙인 이름이다. 구글이 백그라운드 에이전트에 붙인 이름 역시 제미나이 스파크다. 사용자 지시 하나로 거대한 일처리가 시작된다는 뜻이었을 것이다.

우연의 일치겠지만 하드웨어, 모델, 에이전트라는 인공지능의 세 층위에 정확히 같은 단어가 하나씩 걸려 있다. 서로 베낀 것은 아니다. 다들 ‘작지만 결정적인 시작’이라는 뜻을 원했고, 그 은유를 품은 짧은 영어 단어가 그리 많지 않았을 뿐이다.

하지만 세 빅테크가 제품의 어느 지점을 ‘작은 시작’이라 불렀는지는 사뭇 다르다. 엔비디아는 기계의 물리적 크기를, 메타는 모델의 효율적 체급을, 구글은 사용자의 일이 시작되는 그 순간을 스파크라 불렀다.

그리고 지금 내 책상 위에서는 그 세 층위가 하나의 상자 속에 모두 들어차 있다.

8GB짜리 초라한 사양의 컴퓨터가 앱스토어 1위를 거머쥐었다. 그 가상 머신은 스스로 생각하지 않는다. 지능은 저 멀리 데이터센터에서 빌려온다. 그렇다면 내 책상 위에 놓인 이 묵직한 하드웨어는, 지능을 남에게 빌려오지 않기 위해 과연 얼마만큼의 성능을 기꺼이 양보해야 하는 도구일까. 아니면 언젠가 그 어떤 성능도 내어주지 않은 채, 온전한 주권을 누릴 수 있는 날이 기어이 오고야 말까.

#에이전트#모델이야기