메타가 지난 10월 중순에 Muse Spark Open이라는 이름의 새 AI 모델을 공개했습니다. 파라미터 규모는 8,160억 개(816B), 텍스트와 이미지, 오디오, 비디오를 모두 처리하는 멀티모달 모델이며, 가중치가 공개된 오픈웨이트 모델입니다. 그런데 업계가 가장 놀란 지점은 크기가 아니었습니다. 이 모델이 애플 M5 Ultra 맥 스튜디오 두 대에서 돌아가도록 최적화되어 있다는 점입니다. 데이터센터 한 칸이 아니라 책상 위에서 돌아가는 최상급 모델. 이게 마케팅 실무에 어떤 변화를 가져오는지 지금부터 쉽게 풀어보겠습니다.
30초 요약
- 816B 멀티모달: 메타가 공개한 Muse Spark Open은 8,160억 파라미터 규모로 텍스트, 이미지, 오디오, 비디오를 함께 다룹니다.
- 오픈웨이트: 모델의 가중치가 공개되어 있어, 누구나 자기 환경에 내려받아 돌릴 수 있습니다.
- 맥 두 대: 애플 M5 Ultra 맥 스튜디오 두 대 구성에 맞춰 최적화되었습니다. 전용 서버실이 필요 없는 수준입니다.
- 코딩과 에이전트: 메타는 복잡한 코딩 작업과 에이전트 작업에 적합한 모델로 소개했습니다.
- 마케팅 포인트: 외부로 못 보내던 데이터(고객 리스트, 미공개 제품 자료, 원본 촬영 소스)를 처음으로 AI에 맡길 수 있게 됩니다.
1. Muse Spark Open, 한 줄로 말하면
Muse Spark Open은 ‘글만 읽는 AI’가 아닙니다. 텍스트는 물론이고 사진, 소리, 영상까지 같은 입구로 받아들입니다. 이런 모델을 멀티모달(multimodal) 모델이라고 부릅니다. 말 그대로 여러 개의 감각 채널을 쓴다는 뜻입니다.
비유하면 이렇습니다. 기존의 텍스트 전용 모델은 책만 읽을 수 있는 직원입니다. 상황을 설명해 주려면 누군가 영상을 보고 글로 받아써서 넘겨줘야 합니다. 멀티모달 모델은 영상을 직접 보고, 소리를 직접 듣고, 사진을 직접 봅니다. 중간에 ‘글로 옮기는 사람’이 빠지니 손실이 줄고, 작업 단계도 줄어듭니다.
규모는 8,160억 파라미터입니다. 파라미터는 모델이 학습 과정에서 조정하는 내부 숫자 다이얼이라고 생각하면 됩니다. 다이얼이 많을수록 미묘한 패턴을 더 잘 구분합니다. 다만 다이얼 개수가 성능을 1:1로 보장하는 건 아니니, 숫자 자체보다 ‘최상급 체급에 들어왔다’는 신호로 읽는 게 맞습니다.
메타는 이 모델이 복잡한 코딩 작업과 에이전트 작업에 적합하다고 설명했습니다. 여기서 에이전트는 ‘한 번 물어보면 한 번 답하는’ 방식이 아니라, 목표를 주면 여러 단계를 스스로 밟아 나가는 방식을 말합니다. 마케팅 쪽으로 옮기면 “경쟁사 리스팅 20개 훑고, 가격대와 리뷰 키워드 뽑아서, 우리 제품과 비교표 만들어줘” 같은 작업이 한 묶음으로 돌아가는 형태입니다.
2. ‘오픈웨이트’가 정확히 무슨 뜻인가요
요즘 AI 뉴스에서 가장 자주 헷갈리는 단어가 ‘오픈소스’와 ‘오픈웨이트’입니다. 둘은 다릅니다.
오픈웨이트(open-weight)는 모델의 ‘완성된 두뇌 파일’을 공개한 것입니다. 학습이 끝난 뒤의 가중치(weight) 수치 묶음을 받아서 내 컴퓨터에 올려 쓸 수 있습니다. 반면 학습에 쓴 데이터 전체나 학습 코드 전부까지 공개하는 건 별개의 이야기입니다. 요리에 비유하면, 오픈웨이트는 완성된 소스 한 통을 받는 것입니다. 소스를 어떻게 만들었는지 전체 레시피까지 받는 것은 아닙니다. 하지만 그 소스로 내 매장에서 내 메뉴를 만드는 데는 아무 제약이 없습니다.
마케터 입장에서 이 차이가 중요한 이유는 단 하나입니다. 데이터를 밖으로 보내지 않아도 된다는 것. 클라우드 API를 쓰면 내 자료가 외부 서버로 올라갑니다. 오픈웨이트 모델을 내 장비에 올리면 자료가 사무실 밖으로 나가지 않습니다.
핵심 포인트: 오픈웨이트의 진짜 가치는 ‘무료’가 아니라 ‘통제권’입니다. 지금까지 보안 때문에 AI에 못 맡겼던 업무(미출시 제품 기획서, 고객 구매 데이터, 계약서, 원본 촬영 소스)가 한꺼번에 작업 대상으로 들어옵니다.
3. 맥 두 대가 왜 그렇게 큰 뉴스인가
이 모델이 화제가 된 결정적 이유입니다. 최상급 AI 모델을 돌리려면 보통 전용 GPU 서버가 여러 대 필요하고, 전력과 냉각까지 따라붙습니다. 중소 브랜드나 10명 규모 마케팅 팀이 자체적으로 감당할 영역이 아니었습니다.
Muse Spark Open은 애플 M5 Ultra 맥 스튜디오 두 대 구성에 맞춰 최적화되어 있습니다. 서버실도, 전문 인프라 엔지니어 팀도 전제하지 않는 구성입니다. 제작 스튜디오나 마케팅 에이전시에 이미 영상 편집용 맥이 놓여 있는 경우도 많습니다.
‘내 책상 위 AI’가 바꾸는 것
클라우드 AI는 쓸 때마다 사용량만큼 비용이 붙습니다. 그래서 “일단 50가지 버전 다 돌려보고 고르자” 같은 실험이 심리적으로 부담스럽습니다. 로컬에서 돌리면 장비값을 한 번 치른 뒤에는 돌리는 횟수에 대한 부담이 크게 줄어듭니다. 마케팅에서 반복 실험은 성과와 직결되는 영역이라, 이 심리적 장벽이 사라지는 것 자체가 결과를 바꿉니다.
4. 마케팅 실전 활용법 5가지
1) 영상 소스 전체를 AI에게 ‘보여주기’
틱톡이나 릴스용 영상을 만들 때 가장 시간이 많이 드는 작업이 원본 소스 정리입니다. 멀티모달 모델은 영상을 직접 보기 때문에, 촬영 원본을 그대로 넣고 “제품이 가장 선명하게 보이는 3초 구간 찾아줘”, “말이 끊기거나 더듬은 구간 전부 표시해줘” 같은 요청이 가능해집니다. 로컬 실행이면 미공개 제품이 찍힌 원본을 외부에 올릴 걱정도 없습니다.
2) 아마존 리스팅 이미지 일괄 점검
메인 이미지 흰 배경 규정, 제품이 프레임에서 차지하는 비율, 보조 이미지의 텍스트 가독성 같은 항목을 사람이 눈으로 검수하면 SKU 50개만 넘어가도 지칩니다. 이미지를 직접 보는 모델에게 체크리스트를 주고 전수 검사를 맡기는 쪽이 훨씬 안정적입니다. 사람은 모델이 플래그한 항목만 확인하면 됩니다.
3) 콜센터 녹취와 고객 음성 리뷰 분석
오디오를 직접 받는다는 점이 여기서 힘을 발휘합니다. 전사(텍스트 변환) 단계를 거치면 억양, 망설임, 짜증 같은 신호가 사라집니다. 음성을 그대로 넣으면 “어떤 단어에서 고객이 말을 멈추는가” 같은 결까지 볼 수 있습니다. 이 데이터는 보통 외부로 못 내보내는 종류라, 로컬 실행과 특히 잘 맞습니다.
4) 경쟁사 콘텐츠 모니터링 에이전트
에이전트 작업에 적합하다는 점을 활용하는 영역입니다. “경쟁 브랜드 10곳의 신규 영상 확인, 훅 유형 분류, 지난주 대비 변화 요약”을 매일 자동으로 돌리는 구성이 가능합니다. 사람은 리포트만 읽으면 됩니다.
5) 광고 소재 사전 스크리닝
메타나 틱톡에 소재를 올렸다가 심사에서 반려되면 일정이 밀립니다. 집행 전에 소재(영상, 이미지, 카피)를 한 번에 넣고 과장 표현, 규제 민감 문구, 가독성 문제를 스크리닝하면 반려 횟수를 줄일 수 있습니다.
5. 클라우드 API vs 로컬 오픈웨이트
| 항목 | 클라우드 API 방식 | 로컬 오픈웨이트 방식 |
|---|---|---|
| 시작 난이도 | 낮음. 가입하고 키 발급받으면 끝 | 높음. 장비 준비와 초기 세팅 필요 |
| 비용 구조 | 사용량 기반. 쓰는 만큼 계속 발생 | 초기 장비 투자 중심. 이후 반복 사용 부담 적음 |
| 데이터 처리 | 외부 서버로 전송 | 사내에서 처리. 자료가 밖으로 나가지 않음 |
| 적합한 업무 | 일반 카피, 공개 자료 리서치, 소규모 테스트 | 미공개 제품 자료, 고객 데이터, 대량 반복 처리 |
| 모델 변경 | 제공사 정책에 따라 버전이 바뀜 | 내가 고정한 버전을 계속 사용 가능 |
| 필요 인력 | 마케터 단독 가능 | 초기 세팅에 기술 담당자 필요 |
정답은 ‘둘 중 하나’가 아니라 업무별 분리입니다. 공개 자료 기반 작업은 클라우드로, 민감 자료나 대량 반복 작업은 로컬로 나누는 구성이 현실적입니다.
6. 도입 전에 꼭 알아야 할 한계
기대치를 정확히 맞추는 게 중요합니다. 몇 가지 짚어둘 점이 있습니다.
첫째, 세부 스펙 일부는 아직 확정적으로 말하기 어렵습니다. 공개 직후 여러 매체와 커뮤니티에서 활성 파라미터 수치나 컨텍스트 길이에 관한 이야기가 돌았지만, 독립적으로 교차 확인되지 않은 부분이 섞여 있습니다. 어떤 API와 플랫폼 조합으로 제공되는지도 정리가 더 필요합니다. 도입을 검토한다면 메타의 공식 발표 문서를 기준으로 확인하시는 편이 안전합니다.
둘째, ‘맥 두 대면 된다’는 말이 ‘쉽다’는 뜻은 아닙니다. 데이터센터가 필요 없다는 의미지, 설치하고 끝나는 작업은 아닙니다. 모델 파일 내려받기, 실행 환경 구성, 사내 도구와 연결하는 작업은 기술 담당자의 손이 들어가야 합니다. 상위 구성의 맥 스튜디오 두 대라는 초기 투자도 작지 않습니다.
셋째, 최종 판단은 사람이 해야 합니다. 이미지 검수든 리뷰 분석이든, AI가 걸러낸 결과를 사람이 확인하는 단계는 그대로 남습니다. AI는 1차 필터를 담당해서 사람의 검수 대상을 줄여주는 역할에 가장 강합니다. 특히 광고 심사나 제품 표현처럼 규정이 걸린 영역은 사람의 최종 확인 없이 내보내면 안 됩니다.
넷째, 오픈웨이트도 라이선스가 있습니다. 가중치가 공개되었다는 사실이 ‘모든 상업적 용도에 무제한’을 뜻하지는 않습니다. 클라이언트 업무에 쓸 계획이라면 라이선스 조건을 먼저 읽어야 합니다.
7. 자주 묻는 질문
Q1. Muse Spark Open은 무료인가요?
모델 가중치가 공개된 오픈웨이트 모델이므로 사용량에 따른 API 요금 구조와는 다릅니다. 다만 ‘무료’라고 단정하기보다 라이선스 조건을 확인하는 것이 정확합니다. 그리고 실제로 돌리려면 장비 비용이 들어갑니다.
Q2. 맥북으로도 돌릴 수 있나요?
발표된 최적화 기준은 애플 M5 Ultra 맥 스튜디오 두 대 구성입니다. 일반 노트북 사양에서 같은 성능을 기대하기는 어렵습니다. 이 규모의 모델을 로컬에서 쓰려면 그에 맞는 데스크톱 구성이 전제됩니다.
Q3. 멀티모달 모델이면 영상도 만들어주나요?
‘영상을 이해하는 것’과 ‘영상을 생성하는 것’은 다른 기능입니다. 공개된 설명에서 강조된 지점은 텍스트, 이미지, 오디오, 비디오를 처리한다는 것, 그리고 복잡한 코딩과 에이전트 작업에 적합하다는 것입니다. 영상 생성이 필요하면 생성 전용 모델을 따로 쓰는 구성이 맞습니다.
Q4. 작은 브랜드가 지금 도입할 만한가요?
장비 투자와 세팅 인력을 감당할 수 있고, 외부로 못 보내는 민감 데이터를 다루는 업무가 꾸준히 있다면 검토할 가치가 있습니다. 반대로 월 몇 건 수준의 일반 카피 작업이라면 클라우드 API 쪽이 비용 효율이 훨씬 좋습니다.
Q5. 지금 당장 뭘 준비해두면 좋을까요?
모델 도입 여부와 별개로, 사내 데이터를 정리해두는 작업이 가장 먼저입니다. 제품 자료, 과거 광고 소재와 성과 기록, 고객 문의 내용이 흩어져 있으면 어떤 AI를 들여도 효과가 떨어집니다. 데이터 정리는 모델이 바뀌어도 사라지지 않는 자산입니다.
Q6. 이 모델이 기존 상용 모델보다 성능이 좋은가요?
단정하기 어렵습니다. 공개 직후 벤치마크 해석은 조건에 따라 크게 달라지고, 업무 성격별로 유불리가 갈립니다. 중요한 건 순위표가 아니라 ‘내 업무 데이터로 테스트했을 때 쓸 만한가’입니다. 실제 샘플 몇 건으로 비교해보는 쪽을 권합니다.
8. 정리하며
Muse Spark Open이 던진 메시지는 ‘모델이 또 커졌다’가 아닙니다. 최상급 AI를 쓰기 위해 데이터센터 급 인프라가 필요하다는 전제가 흔들렸다는 쪽입니다. 그 전제가 약해지면, AI 활용의 경계선은 ‘예산이 얼마인가’에서 ‘데이터를 얼마나 잘 정리해뒀고, 어떤 업무에 붙일지 설계했는가’로 옮겨갑니다.
그래서 지금 할 일은 장비를 주문하는 게 아니라, 반복적이고 지루하고 사람 눈이 잘 놓치는 업무를 목록으로 뽑아보는 것입니다. 리스팅 이미지 검수, 영상 소스 1차 정리, 경쟁사 모니터링, 광고 소재 사전 점검. 이 목록이 선명한 팀은 어떤 모델이 나와도 빠르게 붙일 수 있고, 목록이 없는 팀은 좋은 모델을 들여놓고도 쓸 곳을 못 찾습니다.
캘리와이어는 2014년부터 미국 본사에서 소비재 브랜드의 미국 시장 마케팅을 다뤄왔고, 최근에는 이런 AI 도구를 아마존, 틱톡, 메타 운영에 실제로 붙이는 작업을 하고 있습니다. 어떤 업무부터 AI로 넘길지 정리가 필요하시면 가볍게 이야기 나눠보셔도 좋겠습니다.
참고 자료
