Muse Ember 코딩 하위 에이전트: 요금과 설정
범위가 명확한 코딩 작업은 Muse Ember에 맡기고 계획과 최종 검토는 더 강력한 모델로 수행합니다. 직접 API 요금과 코딩 평가 결과를 비교하고 입력 200K 토큰 초과 시 요청 전체의 비용을 계산합니다. Meta API 응답을 확인하고 Claude Code 하위 에이전트를 설정하며, OpenRouter와 Cline 연결, 지역 제한, 데이터 설정을 점검합니다.
목차
범위가 명확한 코딩 하위 에이전트에 Muse Ember를 시험하고, 계획과 최종 검토는 더 강력한 모델에 맡기는 방식을 권장합니다. 가능하면 각 하위 에이전트의 입력을 200K 토큰 미만으로 유지합니다. 이 기준을 넘으면 Meta는 요청 전체의 토큰 단가를 3배로 적용합니다. 눈에 띄는 벤치마크 점수만으로 개발에 사용하는 주력 모델을 교체하지 않습니다.
2026-11-12 기준으로 Meta는 Model API와 Muse Code에서 muse-ember-1.0을 제공합니다. 이 모델은 11월 9일에 출시되었으며, 반복적인 도구 호출, 코딩 하위 작업, 요청 라우팅, 정보 추출에 초점을 맞춥니다.
어떤 작업을 Muse Ember에 맡겨야 합니까?
Ember에는 좁은 범위의 작업과 필요한 맥락, 검증 가능한 결과를 지정합니다. 모호한 요구 사항의 해석, 아키텍처 결정, 최종 승인 판단은 계획 담당 모델에 남겨 둡니다.
Meta의 모델 안내는 Ember를 Muse Spark 또는 Muse Wonder와 함께 쓰도록 권장합니다. 더 큰 모델이 계획을 세우고 Ember가 반복적인 실행을 담당합니다. 관련 함수 찾기, 패키지 설정 읽기, 실패한 테스트 정보 추출이 첫 시험에 적합합니다. 명확한 인수 테스트가 있는 작은 변경도 후보가 됩니다.
한 번의 응답으로 풀어야 하는 어려운 코딩 문제나 폭넓은 지식이 필요한 질문에는 Meta가 Spark 또는 Wonder를 권장합니다. 명확한 지시를 따르는 대신 올바른 접근법 자체를 찾아야 할 때 이 차이가 중요합니다.
직접 API의 명세상 컨텍스트 창은 1,048,576토큰이며 최대 출력은 524,288토큰입니다. 이 한도가 코딩 클라이언트에서도 그대로 지원된다는 뜻은 아닙니다. Ember의 기본 추론 강도는 max이며, minimal부터 max까지 설정할 수 있습니다.
먼저 읽기 전용 조사부터 시작합니다. 하위 에이전트가 올바른 파일 참조와 유용한 조사 결과를 일관되게 반환한 뒤 편집 권한을 추가합니다.
코딩 벤치마크는 무엇을 보여줍니까?
출시 당시 결과는 Ember를 하위 에이전트로 시험할 근거가 됩니다. 하지만 바로 병합할 수 있는 변경을 만드는 데 가장 좋은 모델임을 입증하지는 않습니다.
Meta가 11월 9일에 공개한 비교는 최대 추론 강도에서 다음 결과를 보고합니다.
| 평가 | Muse Ember | Claude Haiku 5.5 | GPT-6 Luna |
|---|---|---|---|
| Terminal-Bench 4.0, 공개된 최상의 에이전트 실행 구성 | 40.9 | 39.2 | 16.4 |
| Artificial Analysis Coding Agent Index | 46 | 37 | 31 |
| FrontierCode 2.0-AA | 27.2 | 34.9 | 25.2 |
출시 자료의 표와 각주는 테스트 구성의 차이를 설명합니다. Terminal-Bench에서 Ember는 mini-swe-agent, Haiku는 Claude Code, Luna는 Codex를 사용합니다. 모델과 그 동작 및 도구를 제어하는 실행 소프트웨어의 조합을 비교한 결과입니다. 같은 도구에서 모델만 바꾼 통제 실험이 아닙니다.
Artificial Analysis도 독립적으로 Coding Agent Index 결과를 발표합니다. Muse Code의 Ember는 46점, Claude Code의 Haiku는 37점, Codex의 Luna는 31점입니다.
Artificial Analysis는 Intelligence Index 평가에 포함된 Terminal-Bench에서 Haiku의 점수를 32.8로도 보고합니다. 이 수치를 Meta가 제시한 최상의 공개 실행 구성 결과인 39.2와 설명 없이 바꾸어 사용하면 안 됩니다. 서로 다른 평가 계열에서 보고된 수치입니다.
중요한 약점은 일관됩니다. 코드 변경을 프로젝트에 병합할 수 있는지 평가하는 FrontierCode에서는 Ember가 Haiku보다 낮은 점수를 받습니다. Ember는 먼저 조사와 범위가 제한된 실행 작업에 시험합니다. 중간 작업의 저렴한 비용보다 승인된 변경이 중요하다면 Haiku나 기존의 더 강력한 하위 에이전트를 유지합니다.
작업당 비용을 다루는 Coding Agent Index 안내는 에이전트 전체 구성을 비교하는 방법을 설명합니다. 해당 점수를 모델만의 성능 측정값으로 보지 않아야 합니다.
입력 200K 기준을 넘으면 요금이 어떻게 달라집니까?
공개된 컨텍스트 용량이 아니라 입력 길이를 기준으로 예산을 계산합니다. Meta의 직접 API는 캐시된 입력과 보존된 대화 기록도 200K 기준에 포함합니다.
다음은 2026-11-12 기준 직접 API의 공시 요금입니다. 모든 금액은 1M 토큰당 USD입니다. 해당하는 경우 표준 처리 요금을 표시하며, 지역별 할증, 배치 할인, 서버에서 제공하는 도구의 요금은 제외합니다.
| 모델 및 입력 구간 | 캐시되지 않은 입력 | 캐시된 입력 | 출력 |
|---|---|---|---|
| Muse Ember, 입력 200K 이하 | $0.10 | $0.004 | $0.50 |
| Muse Ember, 입력 200K 초과 | $0.30 | $0.012 | $1.50 |
| Claude Haiku 5.5, 입력 100K 이하 | $0.10 | $0.01 | $0.50 |
| GPT-6 Luna, 입력 272K 이하 | $0.10 | $0.01 | $0.50 |
| DeepSeek V4.1 Flash 1017, 비혼잡 시간대 | $0.15 | $0.003 | $0.60 |
| DeepSeek V4.1 Flash 1017, 혼잡 시간대 | $0.30 | $0.006 | $1.20 |
출처: Meta 요금, Anthropic 요금, GPT-6 Luna 요금, DeepSeek 요금입니다.
Haiku는 입력이 100,000토큰을 초과하면 단가가 5배로 올라갑니다. Luna는 입력이 272K 토큰을 초과하면 입력 및 캐시 단가가 2배, 출력 단가가 1.5배가 됩니다. 두 모델 모두 캐시 쓰기 비용을 별도로 청구합니다. 따라서 캐시 읽기 단가만으로는 캐시를 만들고 재사용하는 전체 비용을 알 수 없습니다.
DeepSeek의 deepseek-flash는 현재 V4.1 Flash 1017을 제공합니다. 혼잡 시간대는 월요일부터 금요일까지 01:00–04:00 및 06:00–10:00 UTC이며, 중국 공휴일은 제외합니다. 나머지 시간에는 비혼잡 시간대 요금을 적용합니다.
Ember에서 캐시되지 않은 입력을 U, 캐시된 입력을 C, 청구 대상 출력을 O로 정의합니다. U + C를 기준으로 요금 구간을 선택한 뒤 계산합니다.
Token cost = (U × input_rate + C × cache_rate + O × output_rate) / 1,000,000직접 API 요청 두 건의 예상 비용을 비교합니다. 캐시 적중과 유료 서버 측 도구 사용이 없다고 가정합니다.
199,000 input + 10,000 output:
(199,000 × $0.10 + 10,000 × $0.50) / 1,000,000 = $0.0249
201,000 input + 10,000 output:
(201,000 × $0.30 + 10,000 × $1.50) / 1,000,000 = $0.0753두 번째 요청은 마지막 1,000개 입력 토큰에만 높은 단가가 적용되는 것이 아닙니다. 입력과 출력 전체에 높은 단가를 적용합니다.
Meta는 previous_response_id가 참조하는 대화도 입력으로 계산합니다. 따라서 새로 추가한 메시지가 짧아도 긴 컨텍스트 요금이 적용될 수 있습니다. 계획 담당 모델의 전체 대화를 전달하지 말고, 필요한 맥락만 담은 구체적인 작업을 하위 에이전트에 전달합니다.
Artificial Analysis의 11월 9일 평가에서 Ember는 36점이며 Intelligence Index 작업당 비용은 약 $0.14입니다. Haiku는 $0.41로 36점, DeepSeek V4.1 Flash 1017은 $0.60로 33점을 기록합니다. 이는 벤치마크 평균이지 저장소 작업의 견적이 아니며, 같은 작업 성공률을 보장하지도 않습니다.
DeepSeek와 비교할 때는 이전 V4 출시 버전의 요금 대신 현재 Flash 모델과 요금의 차이를 확인합니다.
Meta API에 연결하고 응답을 확인합니다
새로 연동한다면 Responses를 사용합니다. 메시지 배열을 사용하는 기존 코드에는 Chat Completions를 유지하고, Anthropic 형식의 클라이언트에는 Messages를 사용합니다.
| 형식 | 요청 엔드포인트 |
|---|---|
| Responses | POST https://api.meta.ai/v1/responses |
| Chat Completions | POST https://api.meta.ai/v1/chat/completions |
| Messages | POST https://api.meta.ai/v1/messages |
세 형식 모두 Bearer 인증을 사용합니다. 다만 요청 형식이 다르므로 URL만 바꾸어도 요청 본문이 다른 형식으로 변환되지는 않습니다.
Meta Model API 대시보드의 API keys → Create API key에서 키를 만듭니다. 이 계정 설정 절차는 빠른 시작 안내에 나와 있습니다.
curl과 jq를 설치한 환경의 Bash에서 다음 기본 연결 테스트를 실행합니다.
set -o pipefail
read -rs MODEL_API_KEY && export MODEL_API_KEY
curl --fail-with-body --silent --show-error \
"https://api.meta.ai/v1/responses" \
-H "Authorization: Bearer $MODEL_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "muse-ember-1.0",
"input": "Classify this ticket as bug, billing, or feature. Return only the label: The parser unit test now fails.",
"reasoning": {"effort": "minimal"},
"max_output_tokens": 1024,
"store": false
}' |
jq '{
status,
model,
text: (
[.output[]?
| select(.type == "message")
| .content[]?
| select(.type == "output_text")
| .text]
| join("\n")
),
usage
}'응답에서 status: "completed", Ember 모델 ID, bug 분류, 값이 채워진 usage 객체를 확인합니다. 이 필드들은 문서의 Responses 응답 구조를 따릅니다.
이 테스트는 의도적으로 minimal 추론 강도를 사용합니다. 공개된 벤치마크 결과는 max를 사용하므로, 이 연결 테스트가 해당 결과를 재현하는 것은 아닙니다. 출력 한도에는 추론과 사용자에게 표시되는 출력이 모두 포함됩니다.
요청이 실패하면 도구를 추가하기 전에 반환된 오류부터 살펴봅니다. 키, 엔드포인트, 정확한 모델 ID를 다시 확인합니다. 출력이 미완료 상태라면 출력 한도를 확인하고 적절한 값으로 다시 시도합니다.
분류에 성공하면 API 연결을 확인할 수 있습니다. 저장소 접근이나 도구 실행을 확인한 것은 아닙니다.
Claude Code의 범위가 명확한 하위 작업을 Ember로 보냅니다
계획 담당 모델과 하위 에이전트의 조합을 구체적으로 시험하려면 Meta가 문서화한 Messages 연동을 사용합니다. 이 경로에서는 Claude Code 안에서 Meta 모델이 실행됩니다. 같은 Meta 엔드포인트 뒤에 Claude 모델을 계획 담당으로 유지하는 구성이 아닙니다.
Claude Code를 설치하고 앞 단계의 MODEL_API_KEY를 유지합니다. package.json이 있는 일회용 JavaScript 테스트 프로젝트에서 다음 명령을 Bash로 실행합니다.
(
unset ANTHROPIC_API_KEY
export ANTHROPIC_BASE_URL="https://api.meta.ai"
export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"
export ANTHROPIC_MODEL="muse-wonder-1.0"
export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"
export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-ember-1.0"
export CLAUDE_CODE_SUBAGENT_MODEL="muse-ember-1.0"
claude
)이 설정 변경은 서브셸 안에 한정되어 이후 셸 세션에 남지 않습니다. Meta의 코딩 에이전트 안내는 기본 호스트에 /v1을 붙이지 않도록 지정합니다. Bearer 인증에는 ANTHROPIC_AUTH_TOKEN을 사용합니다.
주 모델은 Wonder입니다. haiku 별칭과 하위 에이전트의 기본 모델은 Ember를 가리킵니다. 다만 현재 Claude Code 모델 설정에서는 호출 매개변수나 에이전트 정의가 하위 에이전트 기본값을 덮어쓸 수 있습니다.
다음처럼 모델을 명시한 테스트 프롬프트를 사용합니다.
Use one general-purpose subagent with the haiku model to read package.json.
Return the package name and scripts.test value, or say which field is absent.
Do not edit files or execute commands. Then stop.이 프롬프트는 haiku를 사용하는 범용 하위 에이전트 하나에 package.json 읽기를 맡깁니다. 패키지 이름과 scripts.test 값을 반환하거나 없는 필드를 보고하도록 지시합니다. 파일 편집과 명령 실행은 금지합니다.
하위 에이전트가 실행되는 동안 /tasks를 확인합니다. Claude Code v2.1.242 이상은 이곳에 하위 에이전트의 모델을 표시합니다. muse-ember-1.0이 사용되는지, 파일 읽기 도구가 실제로 실행되었는지, 보고 내용이 package.json과 일치하는지 확인합니다.
기본 도구 승인 절차는 활성화된 상태로 유지합니다. 프롬프트에서 읽기 전용이라고 지시하는 것만으로 권한이 기술적으로 제한되지는 않습니다.
다른 모델이 실행되면 제공업체 문제로 판단하기 전에 호출과 에이전트 정의를 확인합니다. 전체 과정에서 Anthropic 모델을 유지하려면 읽기 전용 Haiku 하위 에이전트 설정 및 검증 안내를 참고합니다.
OpenRouter와 Cline의 모델 선택을 하위 에이전트 전용 설정으로 오해하지 않습니다
애플리케이션이 이미 OpenRouter를 통해 연결된다면 해당 경로를 사용합니다. 다만 Meta의 직접 API용 ID가 아니라 OpenRouter의 모델 ID를 선택합니다.
OpenRouter 모델 페이지는 meta/muse-ember를 사용합니다. Responses 빠른 시작 안내의 요청 주소는 https://openrouter.ai/api/v1/responses입니다. Meta 키가 아닌 OpenRouter API 키가 필요합니다.
2026-11-12 기준 모델 페이지에는 1M 토큰당 입력 $0.10, 출력 $0.50가 표시됩니다. 모델 목록에는 캐시 읽기와 쓰기 요금도 나옵니다. 입력 200K 토큰을 초과하는 요청을 보내기 전에 선택한 제공업체의 긴 컨텍스트 과금 방식을 확인합니다. 표시된 기본 단가만으로 전체 컨텍스트 창에 같은 가격이 적용된다고 판단할 수는 없습니다.
Cline에서는 OpenRouter 제공업체 설정 안내를 따릅니다. Settings를 열고 API Provider에서 OpenRouter를 선택한 뒤 OpenRouter API 키를 입력합니다. 모델 선택기에서 meta/muse-ember를 선택합니다. 표준 OpenRouter 연결을 사용한다면 선택 항목인 사용자 지정 기본 URL은 비워 둡니다.
편집을 요청하기 전에 같은 파일 읽기 작업을 실행합니다. 실제 도구 호출이 있었는지 확인하고, 반환된 값을 파일과 비교합니다.
제공업체의 모델 선택기에서 Ember를 골랐다고 해서 하위 에이전트만 사용한다는 뜻은 아닙니다. Cline의 내장 하위 에이전트 문서는 현재 CLI와 Desktop을 다루며 VS Code나 JetBrains 확장에는 해당하지 않습니다. 여기서 설명한 서로 다른 모델의 조합을 명시적으로 시험하려면 앞의 Claude Code 설정을 사용합니다.
코드를 보내기 전에 지역 제한과 데이터 설정을 확인합니다
저장소 내용을 업로드하기 전에 선택한 접근 경로의 이용 조건을 확인합니다. 모델이 중개 서비스 목록에 있다는 사실만으로 현재 위치나 배포 방식이 허용된다고 판단하지 않습니다.
2026-11-12 기준으로 확인된 Meta의 Geographic Use Policy는 러시아, 벨라루스, 이란을 제한 지역에 포함합니다. 해당 지역에서의 접근뿐 아니라, 그곳의 최종 사용자임을 알면서 통합 제품에 접근하도록 허용하는 행위도 제한합니다. 기술적 수단으로 지역 접근 통제를 우회하는 행위도 금지합니다.
Model API에서 Ember는 Standard 모드만 지원하며 Contributor 모드 변형은 없습니다. Meta는 Standard 모드의 콘텐츠를 모델 학습에 사용하지 않는다고 명시합니다.
이는 데이터를 전혀 보관하지 않는다는 보장이 아닙니다. Zero Data Retention은 별도로 활성화해야 하며, 지원 여부는 모델마다 다를 수 있습니다.
Muse Code 구독에는 별도 규칙이 적용됩니다. 구독은 기본적으로 Contributor 모드를 사용합니다. 구독으로 저장소 작업을 시작하기 전에 이 설정을 확인합니다. 끄려면 /settings를 열고 Contributor mode 행을 선택한 뒤 비활성화합니다. 설정은 기기별로 적용되므로 모든 컴퓨터에서 확인합니다.
제한된 시험으로 전환 여부를 결정합니다
팀 전체의 라우팅을 변경하기 전에 고정된 대표 작업 집합으로 Ember와 현재 하위 에이전트를 비교합니다.
예를 들어 최근 작업에서 20개를 선택합니다. 저장소 상태, 도구 권한, 승인 검사, 캐시 정책을 동일하게 유지합니다. 실제 모델, 추론 강도, 입력 길이, 재시도, 소요 시간, 각 결과의 승인 여부를 기록합니다.
계획, 하위 에이전트, 재시도, 모델을 통한 검토 비용을 포함해 승인된 작업당 비용을 계산합니다.
Cost per accepted task =
(planner cost + worker cost + retry cost + model-review cost)
÷ accepted tasks사람이 검토한 시간은 별도로 기록합니다. 허용하기 어려운 품질 저하 없이 승인된 작업당 비용이 개선될 때만 Ember의 담당 범위를 넓힙니다. 재시도나 거부된 변경 때문에 절감 효과가 사라지는 작업 유형에는 기존 하위 에이전트를 유지합니다.
