최근 구글은 인공지능(AI) 분야에서 핵심 인력이 떠나고, 제미나이 프로 3.1 이후 오랫동안 최상위 모델 업데이트를 내놓지 못했습니다. 그 사이 제미나이 플래시만 3.8까지 순차적으로 업그레이드하며 경쟁사인 앤트로픽이나 오픈AI는 물론, 중국 AI 모델에도 뒤처지는 굴욕을 겪었습니다. 하지만 지난달부터 구글 딥마인드가 RSI(재귀적 자기 개선)를 달성했다는 루머와 함께 제미나이 4가 강력한 성능을 지녔다는 소문이 돌기 시작했습니다. RSI란 AI가 스스로 다음 버전을 설계하고, 코드를 짜고, 학습하는 데 도움을 줘 개발 속도를 크게 높이는 기술을 말합니다. 사실이라면 구글 제미나이의 성능을 대폭 향상시킬 수 있습니다. 9월 30일 구글 공식 블로그를 통해 공개된 ‘제미나이 4 아르곤’(이하 아르곤)은 어느 정도 이 루머를 뒷받침하고 있습니다. 공개된 벤치마크 결과를 보면 아르곤은 여러 영역에서 앤트로픽의 클로드 오푸스 5.5, 페이블 5.1, 오픈AI의 GPT-6 아스트라와 어깨를 나란히 하거나 앞서는 모습을 보였습니다. 예를 들어, 오랜 시간에 걸쳐 복잡한 소프트웨어를 개발하는 능력을 측정하는 DeepSWE v1.1 벤치마크에서 아르곤은 77.9%로 1위를 차지했습니다. 또한 AI가 여러 업무용 프로그램 사이의 복잡한 작업을 자동으로 처리하는 능력을 평가하는 오토메이션벤치-AA에서도 77.5%를 기록하며, 2위인 클로드 소넷 5.5(71.3%)를 크게 앞섰습니다. 물론 모든 벤치마크에서 항상 1위를 한 것은 아닙니다. 하지만 과거 위기설이 돌던 점을 생각하면 이번 버전에서 눈에 띄는 회복세를 보여준 것은 분명합니다. 구글은 아직 일반에 공개하지 않았지만, 일부 파트너와 내부 테스트에서 만족할 만한 성과를 냈다고 밝혔습니다. 구글은 몇 가지 실제 활용 사례를 소개하면서 아르곤의 우수한 성능을 홍보했습니다. 아르곤은 C/C++로 된 대규모 코드를 더 안전하고 효율적인 Rust 언어로 옮기는 작업을 능숙하게 해냈습니다. 예를 들어 구글의 오픈소스 비디오 디코더인 libgav1의 경우, 기존 코드 중 속도에 중요한 부분 약 3만 2천 줄을 다시 작성해 이전보다 2.7배 빠르게 만들었습니다. 단순히 언어만 바꾼 것이 아니라 성능까지 끌어올린 셈입니다. 구글은 아르곤을 데이터센터 메모리 최적화에 적용했습니다. 아르곤이 스스로 낭비되는 메모리를 찾아 정리한 결과, 이미 300TiB(테비바이트) 이상을 확보했고, 최종적으로는 500TiB에서 1PiB(페비바이트)까지 절감할 수 있을 것으로 본다는 것이 구글의 설명입니다. 사실이라면 이는 상당한 비용 절감으로 이어질 수 있습니다. 아르곤의 강점은 사이버 보안 분야입니다. 아르곤은 중요한 소프트웨어의 보안 허점을 스스로 찾아내고, 확인하고, 고치는 능력까지 갖췄습니다. 실제로 구글이 인수한 보안 회사 Wiz가 ‘Scan for Good’ 프로그램에 아르곤을 적용한 결과, 전 세계 병원에서 쓰는 헬스케어 소프트웨어에서 이전 최상위 모델들이 놓쳤던 치명적인 취약점을 발견하는 데 성공했습니다. 이 외에도 법무, 금융, 세금 같은 전문 업무 영역에서도 강점을 지녔다는 게 구글의 설명입니다. 구글은 아르곤을 정식 출시할 때 초기에는 50% 할인된 가격(입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러)을 적용할 예정입니다. 실제 출시되면 이 가격에 걸맞은 성능을 보여줄 수 있을지, 그리고 빠르게 추격 중인 중국 모델들을 따돌릴 수 있을지 본격적으로 검증받게 될 것입니다.

국가대표 인공지능(AI) 모델을 육성하기 위해 추진된 ‘독자 파운데이션 모델’(독파모) 프로젝트가 재편된다. 특수목적법인(SPC)을 설립해 여러 기업이 현재 기술 수준에서 가장 앞선 최첨단 범용 AI인 ‘프런티어급 모델’을 공동 개발하는 방식으로 전환을 검토한다. 과학기술정보통신부 관계자는 28일 “독파모 프로젝트가 성과는 있었지만 최근 엔트로픽이 공개한 ‘미토스’를 봤을 때 다른 방식으로 AI 모델을 고도화할 필요성이 있다는 인식이 정부 내에 있었다”며 이렇게 말했다. 미국·중국의 최상위 AI와 성능 격차를 좁히는 데 현재 방식으로는 한계가 있다는 판단이 깔린 것이다. 앞서 배경훈 부총리 겸 과기정통부 장관도 독파모 방식에 대한 근본적인 재검토가 필요하다며 프런티어 AI 모델을 확보하기 위한 새로운 방안을 강구하겠다고 밝힌 바 있다. 이에 과기정통부는 복수 기업의 개발 역량과 자원을 하나의 프런티어 AI 개발에 집중하는 방안인 SPC 방식을 검토하고 있다. 정부 관계자는 “독파모를 하던 기업들이 프론티어 모델 고도화 쪽으로도 참여할 것으로 보고 있다”면서 “독파모로 축적한 노하우를 바탕으로 기술 개발에 속도를 내자는 취지다. 새로운 기업들도 도전 가능하도록 문을 열어둘 것”이라고 설명했다. 기존 독파모 프로젝트는 내년 초까지 진행되는 3차 평가 이후 프런티어 AI 모델 프로젝트에 편입되는 방식으로 개편될 전망이다. 당초 독파모는 기업 간 경쟁을 통해 고성능 그래픽처리장치(GPU) 자원을 단계적으로 몰아서 지원하는 방식으로 설계됐다. 하지만 여러 기업을 경쟁시켜 단계적으로 후보를 줄이던 기존 방식은 최종 팀을 선정하기까지 단계별 평가에 시간이 걸리는 데다 초기에는 GPU가 여러 기업에 분산돼 급변하는 프런티어 AI 경쟁을 따라잡기 어렵다는 한계가 있었다. 실제 정부는 지난해 8월 국대 AI 공모를 통해 기업 5곳을 선발했지만, 3차례 평가를 거쳐야 하는 탓에 아직까지 최종 2팀을 추리지 못했다. 지난 8월 2차 평가에서 SK텔레콤·업스테이지·LG AI 연구원이 살아남은 상태다. 다만 정부의 프로젝트 전환을 두고서는 공정성 논란도 작용한 것이 아니냐는 해석이 나온다. 2차 평가 당시 AI 스타트업 모티프테크놀로지스가 글로벌 AI 평가 기관인 아티피셜애널리시스 벤치마크에서 1등을 했지만 종합 점수에서 4위로 탈락해 논란을 빚은 바 있다. 한편 정부는 내년부터 최상위 AI 모델 및 기술 확보에 5조 5937억원을 투입할 계획이다. 과기정통부 관계자는 “엔비디아의 최신 GPU ‘베라루빈’ 1만장 확보에만 3조 8500억원을 배정했다”고 밝혔다.

인공지능(AI) 경쟁에서 오픈AI와 구글에 밀렸다는 평가를 받던 메타가 개인 AI 에이전트 ‘뮤즈(Muse)’로 분위기를 바꾸고 있다. 출시 이후 메타 주가가 20% 넘게 뛰었고 AMD와 인텔 등 반도체주까지 강세를 보이면서 월가에서는 뮤즈가 AI 산업의 새로운 수요를 만들어낼 수 있을지 주목하고 있다. 최근에는 전자상거래 업체 쇼피파이가 뮤즈와 손잡고 AI가 이용자를 대신해 쇼핑을 마칠 수 있도록 하겠다고 나서는 등 실제 서비스 확장 움직임도 나타나고 있다. 시장의 관심을 끌어올린 출발점은 빠른 이용자 증가세다. 시장조사업체 앱토피아에 따르면 뮤즈는 출시 12일 만에 280만회 다운로드됐다. 미국·캐나다에서 같은 조건으로 비교하면 180만회로 챗GPT 출시 초기 12일간 130만회를 웃돌았다. JP모건은 뮤즈가 “챗GPT 이후 가장 널리 사용되는 소비자 AI 애플리케이션이 될 잠재력이 있다”고 평가했다. 뮤즈가 기존 챗봇과 다른 점은 답변을 내놓는 것을 넘어 이용자가 맡긴 일을 직접 처리한다는 것이다. 여행 준비를 부탁하면 항공편과 숙소를 검색하고 여러 웹사이트를 오가며 예약 절차까지 밟는다. 이메일을 보내거나 물건을 사고 자동차 판매를 맡기는 것도 가능하다. 이용자마다 클라우드에 별도의 가상 컴퓨터를 두고 뮤즈가 브라우저를 직접 움직이는 방식으로, 사람이 하던 검색과 클릭, 정보 입력을 AI가 대신한다. 메타를 바라보는 시장의 시선이 달라진 것도 이 때문이다. 메타는 그동안 AI에 막대한 자금을 쏟아부었지만 이를 어떻게 수익으로 연결할지는 뚜렷하게 보여주지 못했다. 오픈소스 모델 ‘라마(Llama)’는 지난해 라마4의 성능과 벤치마크 논란을 겪었고, 메타는 이후 외부 인재를 대거 영입하고 AI 조직을 ‘메타 슈퍼인텔리전스랩스(MSL)’ 중심으로 재편했다. 이런 상황에서 뮤즈가 빠르게 이용자를 확보하면서 대규모 AI 투자를 실제 소비자 서비스와 매출로 연결할 가능성이 처음 구체적으로 드러났다는 평가가 나온다. 수익모델도 이미 마련했다. 일정 사용량까지는 무료지만 이후 월 20달러와 100달러 요금제를 이용해야 한다. 미 투자은행 제프리스는 2027년 말 이용자가 10억명에 이르고 이 가운데 3%가 유료로 전환한다고 가정할 경우 연간 108억 달러의 매출을 올릴 수 있다고 추산했다. 뮤즈를 향한 기대는 반도체 시장으로도 번졌다. 최근 AMD와 인텔 주가가 크게 오른 것도 AI 에이전트 확산이 중앙처리장치(CPU)의 새로운 수요처가 될 수 있다는 기대가 반영된 결과다. 존스트레이딩의 마이클 오루크 수석 시장전략가는 “시장은 뮤즈를 이미 공급이 빠듯한 CPU 시장에 호재로 받아들였다”고 말했다. AI 모델 학습에는 그래픽처리장치(GPU)가 집중적으로 쓰이는 반면 뮤즈 같은 에이전트는 추론과 함께 웹페이지를 열고 여러 프로그램을 실행하는 작업을 반복한다. 이용자가 늘어날수록 이를 처리할 데이터센터의 범용 연산 능력도 더 필요해질 수 있다. 로이터는 뮤즈의 빠른 확산으로 데이터센터용 CPU 수요가 늘어날 것이라는 기대가 반도체주 상승에 힘을 보탰다고 전했다. 서비스 영역이 넓어지면서 기존 플랫폼과의 관계도 새로운 변수로 떠올랐다. 아마존은 뮤즈가 이용자를 대신해 자사 쇼핑몰에서 물건을 구매하는 것을 차단한 반면 쇼피파이는 뮤즈를 통한 쇼핑을 지원하기로 했다. AI 에이전트가 웹사이트의 단순 방문자가 아니라 소비자를 대신해 거래하는 주체로 등장하면서 유통·플랫폼 업체들도 서로 다른 대응에 나선 것이다. 개인정보 문제도 남아 있다. 미 정보기술(IT) 매체 더버지는 뮤즈에 이메일과 여러 계정을 연결한 뒤 이용자 자신도 미처 의식하지 못했던 개인정보까지 찾아냈다며 “작동한다. 그리고 섬뜩하다”고 평가했다. 한국 이용자들이 뮤즈를 직접 써볼 시점은 아직 정해지지 않았다. 현재 서비스 지역은 미국과 캐나다이며 메타는 한국을 포함한 추가 출시 국가와 일정을 공개하지 않았다.

작년 딥시크 쇼크를 몰고 왔던 중국 AI 기업 딥시크가 기업공개(IPO)를 앞두고 새로운 모델인 ‘딥시크 V4.1 플래시’를 공개했습니다. 지난 10일 허깅페이스 등에 공개된 새 모델은 총 7180억개의 파라미터(5520억개의 기본 파라미터+1960억개의 N-gram)를 사용하지만, 2.8조개로 훨씬 파라미터가 큰 ‘Kimi K3’는 물론 서구의 주요 AI 모델과 견줄 만한 성능을 지니고 있습니다. 출시와 같이 공개된 벤치마크를 보면 딥시크 V4.1 플래시는 Terminal-Bench 2.1에서 90.6점을 기록해 GPT 5.6 Sol의 88.8점이나 클로드 오푸스 5의 89.1점을 넘어서고 자사의 기존 플래그십 모델인 딥시크 V4.0 프로의 87.9점도 넘어서고 있습니다. 물론 모든 벤치마크 결과에서 앞서는 건 아니고 주로 코딩 및 에이전트, 사이버 보안 등에 강한 모습을 보이지만, 모델 크기와 사양을 생각하면 V4.0 플래시 버전과 비교해도 괄목할 만한 성장을 이뤄냈습니다. 하지만 진짜 놀라운 부분은 가격입니다. 딥시크는 올해 저렴한 가격과 쓸 만한 성능을 무기로 시장에 파란을 몰고 왔습니다. 하지만 사용자가 몰리면서 지난 8월 가격을 대폭 인상했는데, 불과 한 달 만에 모델 성능을 대폭 끌어올리면서 가격을 낮췄습니다. 딥시크 V4.1 플래시의 가격은 백만 토큰당 기준 피크 시간대 입력 0.3달러, 출력 1.2달러, 캐시 히트 입력 0.006달러, 일반 시간대 입력 0.15달러, 출력 0.6달러, 캐시 히트 입력 0.003달러로 일부 프런티어 모델 대비 86배나 저렴하다는 것이 딥시크의 주장입니다. 당초 가격을 올린 이유로 지목된 것은 연산 자원 대비 사용자가 너무 몰리면서 감당이 어려워졌기 때문으로 풀이됐습니다. 특히 새로운 모델이 개발될수록 보통 파라미터 크기가 커지면서 메모리와 연산 자원이 더 필요하기 때문에 가격을 올릴 수밖에 없을 것으로 여겨졌습니다. 하지만 딥시크는 V4.1 플래시에서 아키텍처를 대폭 혁신하고 메모리와 연산 자원 사용량을 극단적으로 줄이면서도 모델 성능을 높이는 데 성공해 경제성을 확보했습니다. 모델 파라미터 크기는 V4.0 플래시가 2840억 개로 사실 V4.1 플래시가 기본 모델만 두 배에 가깝고 N-gram 추가 메모리까지 합치면 2.6배는 큰 편입니다. 하지만 V4.1 플래시는 CED(Causal Encoder-Decoder)라는 아키텍처를 사용해 긴 프롬프트/컨텍스트 읽기 과정에서는 인코더 20층에 80억개의 파라미터만 사용하고 응답을 생성하는 디코더는 40층 160억 개를 다 사용해 에이전트·코딩처럼 입력이 출력보다 훨씬 긴 작업에서는 오히려 연산량이 적을 수 있습니다. 또 SWA Bounded Replay, CSA2, FP4 KV 캐싱(caching) 같은 여러 기술을 사용해 KV 캐시의 양을 극적으로 줄여 V4.0 플래시 대비 약 4분의1로 줄였습니다. 이는 HBM 같은 고가 메모리의 의존도를 크게 낮춰 비용을 절감할 수 있습니다. N-gram 임베딩 기술은 알리바바의 Qwen 3.8 플래시 넥스트 같은 다른 중국산 AI 모델에서도 도입한 기술로 자주 쓰는 관용구를 사전처럼 저장했다가 불러 쓰기 때문에 일반 D램에 저장해도 되고 모델의 응답 속도를 매우 빠르게 만들 수 있습니다. 이와 같은 아키텍처 혁신을 통해 연산 자원과 메모리를 최대한 아끼면서 토큰 생성량과 성능을 극대화한 것이 V4.1 플래시에서 오히려 가격을 낮춘 비결로 풀이됩니다. 하지만 이 가격에 서비스하면서도 손익분기점을 넘었는지는 여전히 의문입니다. 딥시크는 비상장 기업으로 정확한 재무 상태를 알기 어렵지만, 현재까지는 적자인 것으로 알려져 있습니다. 아무리 효율성 좋은 모델을 사용해도 경쟁자와 비교해서 매우 저렴한 가격에 제공하고 있기 때문에 수익을 내긴 쉽지 않은 구조입니다. 매번 서구 모델 대비 저렴한 가격을 무기로 내세웠지만, 역설적으로 저렴하지 않으면 안 되는 사업 모델이 약점이 될 수 있습니다. 딥시크 V4.1 플래시는 연산 자원 효율화라는 관점에서는 놀라운 기술적 진보를 보여줬지만, 결국 장기적으로 보면 기술 혁신보다 수익화에 성공할 수 있을지가 실제 몸값을 결정할 것입니다. 앞서 가격 인상도 상장을 앞두고 실적을 좋게 하기 위한 것이라는 평가가 있었는데, 이번에 다시 가격을 낮추고도 실적을 확보할 수 있을지 궁금해지는 대목입니다.

예금보험공사(예보)가 금융회사 부실에 대비해 쌓아둔 ‘예금보험기금’이 처음 20조원을 넘었지만, 올해 운용 수익률은 0%대에 그쳤다. 최근 3년간 채권 투자를 크게 늘린 상황에서 금리가 오르며 채권가격이 떨어진 영향이다. 10일 국회 정무위원회 소속 박성훈 국민의힘 의원실이 예보에서 받은 자료에 따르면 지난달까지 예금보험기금 운용액은 20조 2929억원으로 집계됐다. 2020년 12조 7518억원보다 59.1% 늘어난 규모다. 2024년 17조 5393억원, 지난해 19조 837억원에 이어 올해 처음 20조원을 돌파했다. 반면 전체 기금 운용 수익률(누적 기준)은 2023년 4.50%에서 2024년 4.37%, 2025년 2.29%로 낮아진 데 이어 지난달 0.50%까지 뒷걸음질쳤다. 예보는 예금과 채권, 머니마켓펀드(MMF) 등 안전자산을 중심으로 기금을 운용한다. 예보는 금융회사 부실에 대비한 자금 대부분을 은행 예금으로 맡기는 것은 적절하지 않다고 보고 2023년부터 채권 투자를 늘렸다. 2022년까지 절반이 넘었던 예금 비중은 2023년 37.8%에서 지난달 4.7%까지 줄었다. 반면 채권 비중은 90.4%로 높아졌다. 높아진 금리도 수익률에 부담이다. 올해 이란 전쟁으로 물가 압력이 커졌고 한국은행이 기준금리를 인상하자 기존 채권가격이 떨어져 평가 수익률도 낮아졌다. 이민환 인하대 파이낸스경영학과 교수는 “물가 상황을 보면 금리 인상을 충분히 예상할 수 있었다”며 “위험자산에 투자할 수 없더라도 금리 흐름에 맞춰 자산 구성을 조정하는 등 운용의 융통성을 발휘했어야 한다”고 지적했다. 금리 상승을 감안해도 운용 성적은 기대에 못 미쳤다. 예보의 채권 수익률은 지난해 2.25%로, 시장 상황을 고려한 비교 수익률(벤치마크)보다 0.24% 포인트 낮았다. 올해 8월까지 수익률도 0.24%로 목표보다 0.02% 포인트 밑돌았다. 운용 인력이 부족하다는 지적도 나온다. 기금은 20조원으로 커졌지만 이를 굴리는 인력은 10여명에 불과하다. 예보는 외부 위탁 운용을 늘려 전문성을 보완하고 있다고 설명했다. 박 의원은 “예보가 안정성을 핑계로 운용 부진을 방치하고 있는 것은 아닌지 자산배분과 성과관리 체계를 전면 점검해야 한다”고 지적했다. 예보 측은 “0.50%의 수익률은 확정수익이 아닌 평가 기준”이라며 “채권을 만기까지 보유하면 약정된 원금과 이자를 회수할 수 있다”고 해명했다. 이런 가운데 예보가 예금보험료율 인상을 검토하자 금융권의 반발도 커지고 있다. 예보 연구용역에서는 은행권 예보료율을 현행 0.08%에서 0.13%로 올리는 방안이 제시됐다. 현실화하면 은행권은 약 9000억원을 더 부담해야 한다.

예금보험공사(예보)가 금융회사 부실에 대비해 쌓아둔 ‘예금보험기금’이 처음 20조원을 넘었지만, 올해 운용 수익률은 0%대에 그쳤다. 최근 3년간 채권 투자를 크게 늘린 상황에서 금리가 오르며 채권가격이 떨어진 영향이다. 10일 국회 정무위원회 소속 박성훈 국민의힘 의원실이 예보에서 받은 자료에 따르면 지난달까지 예금보험기금 운용액은 20조 2929억원으로 집계됐다. 2020년 12조 7518억원보다 59.1% 늘어난 규모다. 2024년 17조 5393억원, 지난해 19조 837억원에 이어 올해 처음 20조원을 돌파했다. 반면 전체 기금 운용 수익률(누적 기준)은 2023년 4.50%에서 2024년 4.37%, 2025년 2.29%로 낮아진 데 이어 지난달 0.50%까지 뒷걸음질 쳤다. 예보는 예금과 채권, 머니마켓펀드(MMF) 등 안전자산을 중심으로 기금을 운용한다. 예보는 금융회사 부실에 대비한 자금 대부분을 은행 예금으로 맡기는 것은 적절하지 않다고 보고 2023년부터 채권 투자를 늘렸다. 2022년까지 절반이 넘었던 예금 비중은 2023년 37.8%에서 지난달 4.7%까지 줄었다. 반면 채권 비중은 90.4%로 높아졌다. 채권 중심으로 자산 구성을 바꾼 뒤 금리가 오른 것이 수익률에 부담을 줬다. 올해 이란 전쟁으로 물가 압력이 커지고 한국은행이 기준금리를 인상하자 기존 채권가격이 떨어져 평가 수익률도 낮아졌다. 이민환 인하대 파이낸스경영학과 교수는 “물가 상황을 보면 금리 인상을 충분히 예상할 수 있었다”며 “위험자산에 투자할 수 없더라도 금리 흐름에 맞춰 자산 구성을 조정하는 등 운용의 융통성을 발휘했어야 한다”고 지적했다. 예보는 연초 기금 운용 계획을 세운 뒤 자산 리밸런싱을 수시로 하긴 어렵다는 입장이다. 금리 상승을 감안해도 운용 성적은 기대에 못 미쳤다. 예보의 채권 수익률은 지난해 2.25%로, 시장 상황을 고려한 비교 수익률(벤치마크)보다 0.24% 포인트 낮았다. 올해 8월까지 수익률도 0.24%로 목표보다 0.02% 포인트 밑돌았다. 운용 인력이 부족하다는 지적도 나온다. 기금은 20조원으로 커졌지만 이를 굴리는 인력은 10여명에 불과하다. 예보는 지난해부터 외부 위탁 운용을 늘려 전문성을 보완하고 있다고 설명했다. 박 의원은 “예보가 안정성을 핑계로 운용 부진을 방치하고 있는 것은 아닌지 자산배분과 성과관리 체계를 전면 점검해야 한다”고 지적했다. 예보 측은 “0.50%의 수익률은 확정수익이 아닌 평가 기준”이라며 “채권을 만기까지 보유하면 약정된 원금과 이자를 회수할 수 있다”고 해명했다. 기금 운용의 우선순위도 수익성보다 안정성에 있다는 설명이다. 이런 가운데 예보가 예금보험료율 인상을 검토하자 금융권의 반발도 커지고 있다. 예보 연구용역에서는 은행권 예보료율을 현행 0.08%에서 0.13%로 올리는 방안이 제시됐다. 현실화하면 은행권은 약 9000억원을 더 부담해야 한다. 금융당국과 예보는 금융업권별 의견을 수렴할 방침이다.

오픈AI가 보안 등급 ‘위험’(Critical) 단계로 평가된 새 AI 모델 ‘아스트라’를 공개했다. 오픈AI는 아스트라가 인간이 컴퓨터로 할 수 있는 대부분의 업무를 대신할 수 있다며 사실상 범용인공지능(AGI) 시대의 시작을 선언했다. 다만, 해킹 등 악용 가능성이 확인된 모델을 상용화하면서 ‘강력한 AI를 어디까지 허용할 것인가’에 대한 우려도 커지고 있다. 오픈AI는 한 달여 전부터 출시를 예고했던 AI 모델 ‘GPT-6 아스트라’를 3일(현지시간) 정식으로 공개했다. 그레그 브록먼 오픈AI 사장은 이 모델이 “인간이 컴퓨터로 할 수 있는 일이라면 무엇이든 할 수 있다”고 밝혔다. 대부분의 작업을 인간 이상 수준으로 해낼 수 있는 AGI의 초기 버전으로 간주하는 것이 타당하다고 덧붙였다. 오픈AI는 아스트라가 인간이 작업했을 때 30분가량 소요되는 애완동물 위탁 돌봄 검색을 5분 27초 만에 완수했다. 인간이 5시간을 할애해야 하는 구직 정보 검색은 2분 51초 만에 끝마쳤다고 소개했다. 코딩 능력을 측정하는 ‘터미널-벤치 4.0’, ‘딥SWE v1.1’ 등 성능 지표(벤치마크)에서는 최근 출시된 라이벌 앤트로픽의 클로드 페이블5.1을 능가하는 점수를 기록하는 등 수치로 성능을 입증하기도 했다. 그러나 모델의 성능이 높아지면서 사이버 보안 관련 위험성도 그만큼 높아졌다. 오픈AI는 아스트라의 위험성을 인정하면서도 통제할 수 있는 안전장치를 마련했으니 제한적으로 출시한다는 입장이지만 도의 사이버 공격 능력을 갖춘 AI의 상용화에 대한 우려는 과제로 남을 것으로 보인다. 앞서 아스트라는 오픈AI의 모델 가운데 처음으로 사이버 보안 평가에서 ‘위험’ 등급을 받았다. 인간이 명시적인 가이드라인을 주지 않아도 AI 스스로 취약점을 발견해 공격 도구를 만들 수 있다는 뜻이다. 특히 아스트라는 자신의 사고 과정(CoT)을 완벽하게 숨기거나 통제해 인간의 감시를 회피하는 능력도 강화됐다고 오픈AI는 밝혔다. 감시를 우회해야 하는 상황에서는 고의로 오답을 내 평가자를 속이거나, 부적절한 행위를 은폐하기도 한다는 것이다. 오픈AI는 이에 따라 모델의 사고 과정뿐 아니라 모델이 인간의 뜻에 맞게 동작하는지를 지켜보는 정렬(Alignment) 감시 기능을 추가 도입했다고 설명했다. 또 오픈AI는 아스트라의 해킹 능력을 방어 목적으로 전환하고 오용 위험을 줄이기 위해 역대 최대 규모인 10억 달러(약 1조 3500억원) 규모의 사이버 보안 방어 보조 프로그램 ‘최전선 방어자를 위한 데이브레이크’를 동시에 발표했다.

최근 몇 달간 중국의 AI 모델은 전 세계에 큰 충격을 줬습니다. 7월에 발표된 문샷 AI의 키미 K3는 가중치가 공개된 오픈 모델 가운데서 가장 큰 2.8조개의 파라미터를 지닌 프런티어급 모델로 API 데뷔 후 불과 36시간 만에 글로벌 AI 성능 평가 플랫폼인 Arena.ai의 웹 개발(WebDev) 및 코딩(Code) 리더보드에서 1679점을 기록하며, 미국 빅테크의 최신 모델(앤스로픽의 페이블 5, 오픈AI의 GPT-5.6 Sol 등)을 제치고 1위에 올랐습니다. 하지만 모델이 공개된 후 성능보다 다른 이유로 더 유명해졌는데, 미국 앤스로픽의 최신 모델을 증류한 흔적이 발견됐기 때문입니다. 물론 모델 증류만으로 2.8조개 파라미터를 지닌 초대형 모델을 만드는 건 불가능하지만, 미국 정부와 앤스로픽이 반발한 것은 당연한 수순이었습니다. 하지만 중국 AI의 약진은 여기서 그치지 않았습니다. 지난해 증시에 충격을 준 딥시크는 올해 다시 공격적인 가격 인하를 통해 토큰 소비량 기준으로 앤스로픽의 뒤를 이어 2위까지 치고 올라갔습니다. 몰리는 수요를 감당하지 못해 결국 가격을 인상하긴 했지만, 중국 AI 모델의 거센 약진을 보여준 사례로 평가됩니다. 상대적으로 뉴스에는 덜 나오지만, 다른 중국 AI 모델들도 올해 상당한 결과물을 보여주고 있습니다. 알리바바의 큐원(Qwen)은 최신 3.8 버전을 내놓으면서 개인 PC에서도 돌아갈 수 있는 Qwen 3.8 27B를 선보였습니다. 파라미터가 수조개가 넘는 대형 프런티어 모델과 비교하면 270억(27B)개의 파라미터를 지닌 Qwen 3.8 27B의 성능은 대단치 않아 보일 수 있습니다. 하지만 벤치마크는 의외의 결과를 보여줬습니다. Qwen 3.8 27B는 실제 소프트웨어 엔지니어링 에이전트 능력을 측정하는 가장 중요한 에이전틱 코딩 벤치마크인 SWE-bench Pro에서 앤스로픽의 클로드 오푸스 4.6 맥스(Claude Opus 4.6 Max)의 53.4%를 상회하는 61.7%를 기록하며 놀라움을 안겼습니다. 실제 수많은 다운로드가 이뤄지면서 사용자들 사이에서는 가정용 오푸스(Opus at home)라는 반응이 나오는 중입니다. 여러 벤치마크를 가중 평균해 모델의 전반적인 지능을 하나의 숫자로 요약하는 벤치마크인 AAII(Artificial Analysis Intelligence Index)에서도 52점을 기록해 오픈웨이트 모델 중 상위권이며, 일부 프런티어 모델에 근접하는 수준입니다. (xhigh reasoning 설정 기준) Qwen 3.8 27B도 압축하지 않은 BF16 모델은 56GB 정도 용량이라 개인 PC의 그래픽카드 및 메모리에 모두 올리기 어렵습니다. 하지만 최신 4비트 양자화 모델은 크기를 16.5GB까지 줄여 어느 정도 사양이 되는 개인 PC에서 쉽게 사용할 수 있습니다. 실제 개인적으로 사용한 결과 16GB 이상 메모리를 지닌 그래픽카드에서 충분히 구동할 수 있었고 코딩 및 에이전틱 임무에서 생각보다 뛰어난 성능을 보였습니다. 다만 원활하게 돌리기 위해서는 24GB 메모리를 지닌 그래픽카드나 그에 준하는 통합 메모리가 권장됩니다. 흥미롭게도 Qwen 3.8 27B나 같이 공개한 Qwen 3.8 플래시 넥스트와 프런티어급 모델인 Qwen 3.8 맥스는 모두 한 가지 공통된 특징을 지니고 있습니다. 바로 엔비디아 GPU처럼 고성능 AI 가속기를 구하기 힘든 중국 내 특수 상황을 반영해 제한적인 컴퓨터, 서버 사양에서도 높은 성능을 낼 수 있게 개발됐다는 점입니다. 이렇게 제한된 하드웨어에서 가장 높은 성능을 내게 개발한 것이 이제는 27B 정도의 소형 모델에서도 높은 성능을 낸 비결로 보입니다. 중국 AI 모델에 대해서는 여전히 미국 프런티어 모델에 대한 증류 의혹이 있긴 하지만, 가성비 모델을 만드는 기술에 있어서는 누구도 따라올 수 없는 가장 독보적인 기술을 지닌 것은 사실입니다. 결국 같은 성능이라면 비용을 절감하는 쪽이 유리할 수밖에 없습니다. 더구나 모델을 계속 무료로 푸는 정책 역시 장기적으로 보면 경쟁자에게 큰 부담입니다. 중국의 AI 굴기는 이미 무시하기 힘든 수준으로 성장한 만큼 미국의 프런티어 모델들도 이에 대한 대응이 필요할 것으로 생각됩니다. 비용을 고민하지 않고 성능을 높이는 것보다 같은 성능이면 더 효율적이고 저렴한 모델을 개발해 원가를 절감하려는 노력이 필요합니다. 소버린 AI를 강조하고 있는 우리에게도 중요한 시사점입니다.

정부의 ‘독자 인공지능(AI) 파운데이션 모델’(독파모) 사업 2차 평가에서 탈락한 AI 스타트업 모티프테크놀로지스가 평가 결과에 이의를 제기하자 과학기술정보통신부가 참여업체들의 세부 평가 점수를 공개했다. 모티프는 벤치마크 평가에선 1위를 했지만, 사용자·전문가 평가에서 최하위를 기록해 최종 4위로 탈락한 것으로 나타났다. 모티프는 27일 입장문을 내고 과기정통부에 업체별 상세 점수와 평가 기준, 평가 내용, 벤치마크 평가의 배점 산정 방식, 전문가 평가의 상세 기준 및 결과 등을 공개하라고 요구했다. 자사 모델이 글로벌 AI 종합 성능 지표인 아티피셜 애널리시스의 인텔리전스 인덱스(AAII)에서 경쟁업체 중 가장 높은 47점을 받았는데도 탈락했다는 이유에서다. 2차 평가의 최종 점수는 벤치마크 40점(AAII 25점·NIA 15점), 전문가 35점, 사용자 25점으로 구성되는데, 모티프는 AAII 점수를 25점 만점으로 환산하는 과정에서 모델 간 성능 격차가 분별력 있게 반영되지 않았다고 주장했다. 이에 과기정통부는 2차 평가의 세부 점수를 공개했고 최종 점수는 SK텔레콤 70.6점, 업스테이지 69.9점, LG AI연구원 69.0점, 모티프 65.8점 순이었다. 모티프는 40점 만점의 벤치마크 평가에서 24.6점으로 1위였지만 전문가 평가에서는 27.1점, 사용자 평가에서는 14.1점으로 각각 최하위였다. 특히 AI 전문 사용자진 평가에서 8.4점, 일반 국민 평가에서 5.7점을 받아 선두와 약 2~3점가량 차이가 났다. 김경만 과기정통부 인공지능정책실장은 “독자 AI 사업은 실제 서비스 목표도 포함해 평가한다”고 말했다. 다만 모티프는 사용자 평가에서 브랜드 인지도가 결과에 영향을 미칠 수 있다며 블라인드 평가 적용 여부를 공개하라고 요구해 평가 방식의 적절성을 둘러싼 논쟁은 이어질 것으로 보인다. 배경훈 부총리 겸 과기정통부 장관은 이날 “1년 반 전 수립된 평가 방식이 3∼6개월 단위로 급변하는 AI 트렌드에 여전히 유효한지 근본적인 고민이 필요하다”며 “누구나 인정할 수 있는 모델을 만들기 위해 정부 투자 집중 방식과 평가 제도의 보완을 검토하겠다”고 말했다.

벤치마크·전문가·사용자 종합평가3개 팀 GPU B200 1000장씩 지원“기존 뛰어넘는 새 지원체계 논의”내년 초 최종 2개 팀 선정할 예정 한국을 대표하는 ‘독자 인공지능(AI) 파운데이션 모델’(독파모) 2차 종합평가 결과 LG AI연구원, SK텔레콤, 업스테이지 3곳이 살아남았다. 모티프테크놀로지는 글로벌 AI 성능 지수 평가에서 높은 경쟁력을 보였지만 고배를 마시게 됐다. 과학기술정보통신부는 벤치마크·전문가·사용자 평가를 종합한 2차 독파모 평가에서 모티프테크놀로지를 제외한 3곳이 통과했다고 18일 밝혔다. 이번 2차 평가는 1차 평가와 비교해 대외 공신력을 대폭 강화했다. 배점 40점의 벤치마크 평가는 글로벌 AI 모델 평가 전문 플랫폼 아티피셜 어낼리시스의 지능·성능 평가 지수인 AAII 고난도 9종 지표 25점과 한국지능정보사회진흥원(NIA) 벤치마크 15점을 결합했다. 배점 35점의 전문가 평가는 AI 전문가 10명이 실질적으로 산업 확산과 기여 계획을 살펴봤다. 2차 평가에서 새로 도입된 사용자 평가는 25점이 배정돼 AI 스타트업 대표와 같이 전문 사용자 49명과 일반 국민 185명이 참여해 실제 사용성과 효용성을 검증했다. 평가 항목별로 1위와 4위 간 점수 격차는 벤치마크 부문 4.0점, 전문가 평가 부문 2.4점, 이용자 평가 부문 5.0점으로 나타났다. 이번 평가를 통과한 업스테이지는 포털 다음 서비스 환경 실증과 퓨리오사AI 신경망처리장치(NPU) 협업 등 국산 소프트웨어 및 하드웨어 결합 성과를 높이 평가받았고, SK텔레콤은 대규모 상용 서비스 탑재와 국방·제조·법무·세무 등 산업 특화 에이전트 적용 실증에서 우수한 평가를 받았다. LG AI연구원은 글로벌 국제기구와의 협업 전략과 에이전틱 AI 차별성, 모델 위험 요인 관리 등에서 호평받았다. 정부는 3개 팀을 대상으로 엔비디아의 차세대 고성능 그래픽처리장치(GPU) B200 지원 규모를 올해 상반기 768장에서 하반기 1000장 수준으로 확대할 계획이라고 밝혔다. 과기정통부에 따르면 6개월간 1000장을 임차할 경우 팀당 약 400억원이 소요되며 3개 팀 지원 규모는 총 1200억원 수준이다. 류제명 과기정통부 제2차관은 “글로벌 AI 경쟁이 치열해지고 주요국에서 AI 모델의 국가 안보 전략자산화 움직임이 가시화되는 상황에 대응해 기존 방식을 뛰어넘는 새로운 지원체계를 관계부처와 논의 중이며 추후 구체적 내용을 발표할 계획”이라고 말했다. 한편 과기정통부는 독파모 프로젝트 3차 평가는 예정대로 진행해 내년 초 최종 2개 팀을 선정할 예정이다.

한국의 대표 ‘독자 인공지능(AI) 파운데이션 모델’(독파모) 2차 종합평가 결과 LG AI연구원, SK텔레콤, 업스테이지 3곳이 살아남았다. 모티프테크놀로지는 글로벌 AI 성능 지수 평가에서 높은 경쟁력을 보였지만 고배를 마시게 됐다. 과학기술정보통신부는 벤치마크, 전문가, 사용자 평가를 종합한 2차 독파모 평가에서 모티프테크놀로지를 제외한 3곳이 통과했다고 18일 밝혔다. 이번 2차 평가는 1차 평가와 비교해 대외 공신력을 대폭 강화했다. 배점 40점의 벤치마크 평가는 글로벌 AI 모델 평가 전문 플랫폼 아티피셜 어낼리시스의 지능·성능 평가 지수인 AAII 고난도 9종 지표 25점과 한국지능정보사회진흥원(NIA) 벤치마크 15점을 결합했다. 배점 35점의 전문가 평가는 AI 전문가 10명이 실질적으로 산업 확산과 기여 계획을 살펴봤다. 2차 평가에서 새로 도입된 사용자 평가는 25점이 배정돼 AI 스타트업 대표와 같이 전문 사용자 49명과 일반 국민 185명이 참여해 실제 사용성과 효용성을 검증했다. 평가 항목별로 보면 벤치마크 평가에서 1위와 4위 간 점수 격차는 4.0점, 전문가 평가에서 1, 4위의 격차는 2.4점, 이용자 평가에서 1위와 4위의 격차는 5.0점으로 나타났다. 과기정통부와 정보통신산업진흥원(NIPA)에 따르면 2단계 평가에 참여한 4곳 모두 AAII에서 모두 31점 이상을 획득해 유럽과 캐나다 등 주요 모델을 모두 추월했다. 40점을 초과한 최상위 점수 구간에는 미국과 중국에 이어 한국 모델이 유일하게 포함됐다. 국가별 프론티어 AI 모델 성능 비교에서도 한국은 미국, 중국에 이어 글로벌 3위에 올랐다. 이번 평가에서 탈락한 모티프테크놀로지스의 모티프3는 AAII에서 47점을 기록해 전 세계 기업별 AI 모델 중 10위에 올랐다. 이번 평가에 통과한 진출팀에 대한 평가 의견을 보면 업스테이지는 포털 다음 서비스 환경 실증과 퓨리오사AI 신경망처리장치(NPU) 협업 등 국산 소프트웨어 및 하드웨어 결합 성과를 높이 평가받았고, SK텔레콤은 대규모 상용 서비스 탑재와 국방·제조·법무·세무 등 산업 특화 에이전트 적용 실증에서 우수한 평가를 받았다. LG AI연구원은 글로벌 국제기구와의 협업 전략과 에이전틱 AI 차별성, 모델 위험 요인 관리 등에서 좋은 평가를 받았다. 정부는 3개 팀을 대상으로 엔비디아의 차세대 고성능 그래픽처리장치(GPU) B200 지원 규모를 올해 상반기 768장에서 하반기 1000장 수준으로 확대하는 한편 기존 방식을 뛰어넘는 지원체계를 관계부처와 논의 중이라고 밝혔다. 최동원 과기정통부 인공지능인프라정책관은 “6개월간 1000장을 임차할 경우 팀당 약 400억원이 소요되며 3개 팀 지원 규모는 총 1200억 원 수준”이라고 말했다. 류제명 과기정통부 제2차관은 “글로벌 AI 경쟁이 치열해지고 주요국에서 AI모델의 국가 안보 전략자산화 움직임이 가시화되는 상황에 대응해 기존 방식을 뛰어넘는 새로운 지원체계를 관계부처와 논의 중이며 추후 구체적 내용을 발표할 계획”이라고 말했다. 독파모 3차 평가는 내년 초 예상최종 2개팀 선정…지원 방식은 미정또 독파모 프로젝트 3차 평가는 예정대로 진행해 내년 초 정도에 최종 2개팀을 선정할 것으로 전망된다. 최종 선정 이후 지원 방식에 대해서는 전면 재검토 중이라고 정부는 밝혔다. 한편 독파모 2차 평가에 참여한 4개팀은 정부 결과 발표 직후 일제히 입장을 내놨다. LG AI연구원은 “세계 시장에서 경쟁할 수 있는 기함급 초대규모 파운데이션 모델 개발의 기반을 마련하는 데 중점을 뒀다”며 “이번 2차 평가 통과는 초대형 모델을 안정적으로 학습하고 운영할 수 있는 기술 기반을 확보하는 동시에 사용자가 실제로 체감하는 응답 품질과 활용 성능을 개선했다는 데 의미가 있다”고 밝혔다. SK텔레콤은 “다음 단계에 참여하게 된 것을 뜻깊게 생각하며 함께해온 컨소시엄 참여 기업·기관들의 노력이 있었기에 가능했다”며 “자체 AI 모델의 산업 및 실생활 확산 성과를 바탕으로 국내 AI 생태계가 함께 활용할 수 있는 결과물을 만드는 데 집중하겠다”고 말했다. 업스테이지도 “전 국민이 AI 혜택을 누릴 수 있는 생태계 기반을 마련함과 동시에 한국 AI가 글로벌 무대의 중심으로 나아가는 역사적인 시간을 함께하게 돼 큰 영광”이라며 “최종 실증 단계로 넘어가는 만큼 포털 다음과 컨소시엄 참여사 등을 통해 국민들이 직접 체감할 수 있는 실사용 모델을 고도화하는 데 최선을 다하는 한편, 아시아권으로 지원 언어를 확대해 글로벌 확산 기반도 마련하겠다”며 앞으로 계획을 제시했다. 탈락 모티프 “신생 스타트업에도 기회줘 감사”“글로벌 프런티어 모델 개발에 최선 다할 것”아쉽게 탈락한 모티프테크놀로지스는 “결과에 상관없이 이번 독파모 프로젝트를 통해 기술력만으로 한국에서도 글로벌 프런티어 수준의 AI 모델 개발이 가능하다는 것을 증명했다는 점에서 뜻깊었다”며 “정부가 독파모 개발에 도전하기로 결정하고 작은 신생 스타트업에도 기회를 주지 않았다면 이런 성과도 만들어내지 못했을 것인 만큼 앞으로도 글로벌 프런티어 모델 개발에 전력을 다할 것”이라고 밝혔다.

국민대학교는 전상훈 본교 자동차IT융합학과 교수 연구팀과 김휘강 고려대학교 교수 연구팀이 차량 보안 분야 국제 심포지엄인 ‘USENIX VehicleSec 2026’에서 최우수 아티팩트상(Best Artifact Award)을 받았다고 13일 밝혔다. 미국 볼티모어에서 열린 이번 학회에서 연구팀은 실제 주행 중인 차량에서 수집한 사이버보안 데이터셋 ‘AutoHack’을 공개해 성과를 인정받았다. 관련 논문은 안세준(국민대)·송유찬(고려대) 학생이 공동 제1저자로 참여했으며, 전상훈·김휘강 교수가 교신저자를 맡았다. 연구팀은 차량 내부 3개 주요 통신망의 데이터를 초정밀 단위로 동기화해 수집함으로써 통신망 간 상호작용과 해킹 공격 전파 경로를 분석할 수 있는 기반을 마련했다. 또한 불규칙 통신 데이터까지 포함해 기존 침입탐지 모델의 한계를 검증할 수 있도록 했다. 해당 연구는 아티팩트 평가에서 공개성·기능성·재현성 부문 인증을 모두 획득했으며, 데이터셋과 벤치마크 코드는 학술 플랫폼 제노도(Zenodo)에 공개됐다. 전 교수는 “공동연구와 실전형 보안 교육이 세계적 수준의 연구 성과로 이어진 사례”라며 “공개 데이터셋이 자동차 사이버보안 연구와 인재 양성에 활용되길 기대한다”고 말했다. 이번 연구는 교육부와 한국연구재단의 첨단분야 혁신융합대학(COSS) 미래자동차 사업 지원을 받아 수행됐다.

LG AI연구원이 국내 최대 규모인 7500억개 파라미터를 갖춘 초거대 인공지능(AI) 모델 ‘K-엑사원 2.0’을 공개했다. 모델 규모를 기존보다 3배 이상 키운 데 이어 장문 이해와 코딩, AI 에이전트의 도구 활용 능력을 높여 글로벌 프런티어 모델과의 경쟁에 나선다. LG AI연구원은 31일 과학기술정보통신부의 ‘독자 AI 파운데이션 모델 프로젝트’ 2차 모델인 K-엑사원 2.0을 오픈소스 플랫폼 허깅페이스에 공개했다고 밝혔다. 파라미터 수는 1차 모델의 2360억개에서 7500억개로 확대됐다. 모델 라이선스에는 누구나 상업적으로 활용할 수 있는 ‘아파치 2.0’을 적용했다. LG AI연구원이 9개 영역의 24개 벤치마크에서 자체 평가한 결과 K-엑사원 2.0은 평균 70.1점을 기록했다. 1차 모델의 63.3점보다 10% 이상 향상된 수준이다. 특히 코딩과 스스로 계획을 세우고 작업을 수행하는 에이전틱 코딩 관련 3개 지표의 평균 성능은 30% 높아졌다. 긴 문서의 맥락을 파악하는 능력도 강화됐다. 글로벌 장문 이해 평가인 ‘오픈AI-MRCR’에서 94.4점, 한국어 장문 평가인 ‘Ko-LongBench’에서 89.6점을 기록했다. 중국 지푸AI의 GLM-5.1이 각각 받은 71.5점과 83.6점을 웃돌았다. 장문 이해 관련 주요 지표 3개의 평균 점수도 GLM-5.1보다 10% 이상 높았다고 연구원은 설명했다. AI가 외부 도구를 적절히 선택해 사용하는 능력을 평가하는 ‘Tau3-Bench Banking’에서는 14.2점을 얻어 GLM-5.1의 11.5점과 알리바바 큐원3.5의 13.4점을 앞섰다. 사용자의 지시를 얼마나 정확하게 이행하는지를 측정하는 평가에서도 GLM-5.1과 딥시크 V4 프로 맥스, 큐원3.5 등과 대등한 성능을 나타냈다. 지원 언어는 기존 한국어·영어·스페인어·독일어·일본어·베트남어에 프랑스어·이탈리아어·포르투갈어·폴란드어를 더한 10개로 확대됐다. 국내 AI 파운데이션 모델 가운데 가장 많은 언어를 지원해 한국형 소버린 AI의 해외 확장 기반도 넓혔다는 설명이다. 한국의 사회·문화적 특수성과 글로벌 윤리 기준 준수 여부를 평가하는 안전성 시험에서도 평균 94.6점을 기록했다. GLM-5.1의 71.3점과 딥시크 V4 프로 맥스의 65.2점, 큐원3.5의 89점을 웃도는 수치다. 임우형 LG AI연구원 공동 연구원장은 “국내 연구진이 7500억개 파라미터급 모델의 설계부터 데이터·분산 학습, 추론 환경 구축까지 전 과정을 독자적으로 완수했다”며 “글로벌 프런티어 모델과 같은 체급에서 경쟁할 수 있는 역량을 확보했다”고 말했다. LG AI연구원은 다음 주 산업 특화 AI 파운데이션 모델을 추가로 공개해 ‘전문가 AI’ 포트폴리오를 확대한다. 일반 이용자가 K-엑사원 2.0의 실제 사용성을 평가할 수 있는 대국민 평가 사이트와 체험 서비스도 준비하고 있다.

SK텔레콤이 29일 수학·과학 추론 능력 등을 강화한 독자 인공지능(AI) 파운데이션 모델 ‘에이닷엑스 케이투(A.X K2)’를 공개했다. A.X K2는 정부의 독자 AI 파운데이션 모델 사업을 통해 공개하는 두 번째 초거대 모델이다. 직전 모델(A.X K1)에 비해 매개변수(파라미터)가 5190억개(519B) 규모에서 6880억개(688B)로 확대했다. A.X K2는 자체 개발한 ‘SGA’ 구조를 적용해 긴 문맥에서도 필요한 정보만 선별해 처리하도록 설계됐다. 국내외 14개 벤치마크 평균 성능은 K1보다 32.2%포인트 향상됐고, 장문 이해와 에이전트 관련 평가는 83.9%포인트 개선됐다. SK텔레콤은 최근 출시된 큐원, 딥시크, 키미 등 해외 오픈소스 모델과 동급 수준의 성능을 확보했다고 설명했다. SKT는 A.X K2의 활용 범위를 제조·국방·바이오 등 산업 현장으로 넓힌다는 구상이다. 제조 영역에서는 철강 제조 기업 KG스틸, 자동차 부품 제조 기업 코넥과 제조 특화 AI 에이전트에 A.X K2를 적용한다. 또 국방부와 협업해 A.X K1 기반의 양자화 모델 3가지를 개발했다. 바이오 분야로 진출도 검토 중이다. SK바이오팜과 난치성 암 표적 치료제 개발에 AI를 활용하고 있다. 일상생활 영역에서는 A.X K2 경량 모델을 SKT의 에이닷 서비스에 적용하고 있다. SKT는 A.X K2의 후속 모델을 조(兆) 단위 매개변수 규모로 확장한다는 구상이다. 김태윤 SK텔레콤 파운데이션 모델 담당은 “다양한 산업 분야에 A.X K2를 적용·발전시켜 국가 경쟁력 강화에 기여하겠다”고 밝혔다.

‘국가대표 인공지능(AI)’ 자리를 놓고 경쟁하는 기업들이 다음달 2차 평가를 앞두고 승부수를 꺼냈다. 올해 초 1차 평가에서는 모델 성능과 독자 개발 여부가 핵심이었다면, 이제는 복잡한 업무를 스스로 처리하는 에이전트 능력과 실제 서비스에 적용할 수 있는 운영 효율이 승부처로 떠올랐다. 업스테이지는 23일 에이전트 AI에 특화한 대규모언어모델(LLM) ‘솔라 오픈2’를 공개했다. 전체 매개변수 2500억개 가운데 작업에 필요한 150억개만 사용하는 구조로, 최적화하면 엔비디아 H200 그래픽처리장치(GPU) 단 2장으로도 구동할 수 있다. 글로벌 모델과 겨룰 성능을 확보하면서 기업과 공공기관이 자체 인프라에 도입할 때의 부담을 낮춘 것이 특징이다. 업스테이지는 지시 이행과 도구 호출 평가에서 딥시크와 미스트랄 등 주요 해외 오픈 모델을 앞섰다고 밝혔다. 같은 날 SK텔레콤 컨소시엄은 국산 AI 모델과 반도체를 결합한 ‘풀스택’ 전략을 내세웠다. 참여사 리벨리온은 5190억개 매개변수 규모의 ‘A.X K1’을 자체 신경망처리장치(NPU) 서버 한 대에서 구동하고 여러 이용자의 요청을 동시에 처리하는 AI 에이전트를 시연했다. 대규모 모델을 국산 반도체에서 실제 서비스 형태로 운영할 수 있음을 보여준 것이다. SK텔레콤은 후속 모델 ‘A.X K2’를 개발하는 한편 SK AX와 테크노매트릭스를 새로 합류시켜 제조와 반도체, 국방 분야의 현장 적용 역량도 보강했다. 1차 평가 선두인 LG AI연구원은 ‘K-엑사원’의 산업 전문성과 업무 수행 능력을 끌어올리며 수성에 나선다. 통신과 공공안전, 경찰 수사 지원 등 전문 분야에서 활용 가능성을 넓히고 있다. 그룹 계열사의 산업 데이터와 현장 경험을 모델 개발과 실증에 활용할 수 있다는 점이 강점이다. 지난 2월 추가 합류한 모티프테크놀로지스의 추격도 변수다. 모티프는 지난 21일 자체 설계한 ‘모티프3’ 프리뷰 모델을 공개했다. 글로벌 오픈소스 평가에서 3위권을 기록했다는 게 회사 측 설명이다. 과학기술정보통신부는 다음달 초 벤치마크와 전문가·이용자 평가를 거쳐 4개 정예팀을 3곳으로 압축한다. 살아남은 3개 팀은 추가 고도화를 거쳐 연말 최종 2개 팀을 가리는 평가를 치른다. 정부가 오는 12월 범용 챗봇과 공공 AI 에이전트를 결합한 ‘모두의 AI’를 출시할 예정인 만큼, 독파모에서 개발한 국산 모델이 향후 대국민 서비스와 산업 현장으로 확산할 수 있을지도 관심사다.

오픈AI의 최신 인공지능(AI) 모델들이 통제된 실험 환경을 벗어나 외부 사이트를 해킹하는 초유의 사고가 발생했다. 인간의 통제를 벗어난 AI의 사이버 공격이 현실화된 첫 사례다. 21일(현지시간) 오픈AI는 ‘GPT-5.6 솔’과 일부 미공개 AI 모델이 내부 평가 도중 통제를 벗어나 개방형(오픈소스) AI 공유 플랫폼 ‘허깅페이스’를 해킹한 사실을 확인했다고 밝혔다. 허깅페이스는 AI 개발자들이 함께 쓰는 거대한 ‘AI 자료창고’로, 개발자들은 이곳에서 AI 모델과 데이터를 공유하고 서로의 성과를 바탕으로 새로운 AI를 개발한다. 이번 사고는 AI 모델의 취약점 탐지 및 공격 능력을 측정하는 내부 실험 과정에서 발생했다. 당시 오픈AI 모델들은 평가를 위해 사이버 공격에 대한 안전장치가 일부 완화된 상태였다. 오픈AI는 이들 모델의 사이버 공격 능력을 평가하기 위해 외부 인터넷과 격리된 ‘샌드박스’ 환경에서 시험을 진행했으나, AI 모델들은 미공개(제로데이) 취약점을 이용해 통제망을 뚫고 인터넷에 접속했다고 설명했다. 이후 허깅페이스에 접속해 인증 정보를 탈취하고 해당 서버를 해킹한 것으로 나타났다. 오픈AI는 자사 모델들이 이같이 행동한 이유에 대해 “모든 정황을 종합해 볼 때 이 모델들은 (보안 벤치마크인) ‘익스플로잇짐’의 평가용 문제에 대한 해법을 찾는 데 지나치게 집중해 극단적인 수단까지 동원했던 것으로 보인다”고 분석했다. 앞서 허깅페이스는 지난 16일 자사 서버가 자율 AI 에이전트에 의해 해킹됐으며 공격자가 어떤 모델을 사용했는지는 확인되지 않았다고 공지한 바 있다. 해당 사건의 범인이 오픈AI의 모델들로 드러난 셈이다. 허깅페이스는 이와 같은 해킹 사실을 AI 지원 탐지 시스템의 발견으로 인지했고, 공격 양상의 분석도 AI로 진행했다. 회사는 “일반에 공개된 사용자 대상 모델이나 데이터세트 등이 변조된 흔적은 발견되지 않았고, 소프트웨어 공급망도 안전한 것으로 확인됐다”고 말했다. 허깅페이스와 오픈AI는 현재 공동으로 포렌식(디지털 증거 분석) 조사를 진행해 관련 취약점을 보완하고 있다. 오픈AI는 “이번 사건은 최첨단 기법이 동원된 전례 없는 사이버 공격으로 간주하고 있다”며 “현재 허깅페이스와 사건 전말의 이해와 모델의 대응 능력을 가늠하기 위해 초기 조사 결과를 조사 중”이라고 밝혔다. 그러면서 “허깅페이스와 조사를 계속 진행해 조사가 완료되는 대로 취약점 및 자세한 조사 정보를 공개할 예정”이라고 덧붙였다. 오픈AI가 엄격한 격리 환경에서 내부 평가를 진행했음에도 이 같은 사고가 발생한 만큼 AI의 사이버 안전에 대한 논란이 커질 것으로 보인다. 특히 폐쇄형으로 운영되는 미국의 상용 AI 모델과 견줘 안전 관련 통제 수준이 낮은 것으로 알려진 중국산 개방형 모델의 성능이 크게 향상되면서 이를 악용한 사이버 공격이 더 늘어날 가능성도 제기된다. 실제 허깅페이스는 애초 이번 해킹 공격을 중국 즈푸(智譜·Z.ai)의 개방형 모델 GLM 5.2로 분석하기도 했다. 주요 상용 모델은 내장된 안전장치 때문에 사이버 공격의 로그 분석을 거부한 반면 GLM 5.2는 이를 수행했기 때문이다. 허깅페이스는 “자율적인 AI 기반 공격이 더는 이론상 개념이 아니다”라며 공격뿐 아니라 방어에도 AI를 적극적으로 활용해 속도를 따라잡아야 한다고 강조했다.

반려견이나 반려묘를 키우는 사람이 많다. 특히 반려동물을 처음 키우는 이들은 동물이 무슨 말을 하고 싶어 하는지 궁금할 때가 많다. 국내 연구진이 동물의 몸짓을 단어처럼 읽고 이해하는 인공지능(AI)을 개발해 눈길을 끈다. 카이스트 뇌인지과학과 연구팀은 동물의 행동 데이터를 언어처럼 학습해 자폐를 일으킨 생쥐의 사회적 행동 결함을 스스로 찾아낼 수 있는 AI 모델 ‘비헤이버트’(BehaVERT)를 개발했다고 1일 밝혔다. 이번 연구 결과는 컴퓨터 비전 분야 국제 학술지 ‘인터내셔널 저널 오브 컴퓨터 비전’(IJCV)에 실렸다. 연구팀은 생쥐의 코, 귀, 척추, 사지, 꼬리 등 신체 부위의 골격 좌표를 자연어 단어에 해당하는 ‘토큰’으로 변환한 다음 자연어 처리에 널리 사용되는 BERT 기반 트랜스포머 모델에 입력해 학습시켜 행동의 의미를 이해하는 ‘비헤이버트’를 구현했다. 연구팀은 모두 생명과학 전공자로 인공지능을 직접 익혀 행동 분석에 특화된 모델과 학습 전략을 설계했다는 점도 눈길을 끈다. 그 결과, 비헤이버트는 단순히 동물의 행동을 분류하는 것을 넘어 시간의 흐름 속에서 행동의 의미를 스스로 학습하는 것으로 나타났다. 특히 사회적 상호작용, 다개체 행동, 3차원 움직임 분석, 자폐 행동 분석 등 다양한 분야의 국제 표준 벤치마크 5종에서 기존 최고 수준의 성능을 넘어선 것으로 확인됐다. 또 비헤이버트는 다른 인공지능과 달리 자신이 어떤 행동에 주목해 판단을 내렸는지 연구자에게 알려주는 ‘해석 가능성’까지 갖췄다. 실제로 Shank3B 유전자를 제거해 자폐를 유발한 생쥐와 정상 생쥐를 구분하는 과정에서 비헤이버트는 입과 입을 맞대는 접촉에 집중한 것으로 나타났다. 이는 자폐 생쥐가 접근 행동은 정상적으로 수행하지만 실제 사회적 상호작용에는 결함을 보인다는 기존 연구 결과와 정확히 일치하는 부분이다. AI가 사전에 생물학적 지식을 학습하지 않았더라도 행동 관찰만으로 자폐 행동의 핵심 특징을 스스로 발견한 것이라고 연구팀은 설명했다. 이번 연구는 동물 행동을 언어처럼 분석하는 새로운 AI 접근법을 제시한 것으로 평가된다. 특히 AI가 단순한 행동 분류를 넘어 행동의 의미를 이해하고 생물학적으로 중요한 단서를 찾아낼 수 있음을 보여줌으로써 신약 개발, 정신질환 연구, 행동유전학 분야를 위한 차세대 ’행동 파운데이션 모델‘의 가능성을 열었다. 연구를 이끈 김대수 교수는 “동물의 움직임에도 언어와 같은 구조가 존재할 수 있다는 질문에서 연구가 시작됐다”며 “비헤이버트는 단순히 행동을 분류하는 것을 넘어 행동의 의미까지 이해할 수 있는 새로운 AI 모델로 다양한 생명과학 분야에서 새로운 발견을 이끄는 핵심 연구 도구가 될 것으로 기대한다”고 밝혔다.

데이터 정책을 총괄하는 범부처 기구로 ‘데이터 관계장관 회의체’가 신설된다. 글로벌 인공지능(AI) 시장의 성패를 가를 핵심 자산인 ‘데이터’의 확보와 활용을 위해 범국가적 역량을 투입하겠다는 것으로, 고품질 데이터 공급과 규제 완화를 통해 ‘AI 3대 강국’으로 도약하겠다는 구상이다. 과학기술정보통신부·행정안전부·문화체육관광부·개인정보보호위원회·국가데이터처 등 부처는 28일 정부서울청사에서 열린 데이터관계장관회의에서 이런 내용의 ‘AI 대전환 시대 데이터 정책 추진방향’을 발표했다. 이날 회의는 김민석 국무총리가 주재했다. 정부는 향후 2~3년이 핵심 국정과제인 ‘AI 3대 강국 도약’ 실현 적기라고 진단하고 현장에 필요한 데이터를 적기에 공급할 계획이다. 이에 민간이 자체 확보하기 어려운 고품질 추론데이터(CoT), AI 안전·신뢰성 데이터셋, 성능 벤치마크 평가 데이터를 구축하고, 멀티모달·고난이도 데이터 등 독자 AI 모델 개발에 필요한 핵심 데이터를 확충·지원한다. 부처와 기관이 개별 관리하던 AI 학습용 데이터는 업사이클링을 거쳐 공개할 예정이다. 민간 수요를 기반으로 공공데이터 개방도 확대한다. 민간 수요가 많은 ‘AI·고가치 공공데이터 Top 100’을 선정하고 개방한다는 방침이다. 정책연구 보고서나 국가자격시험 문답 등 비정형 데이터도 AI 활용이 쉬운 형태로 바꾼다. 피지컬 AI·제조, 모빌리티, 바이오·보건의료, 농업, 문화 등 업종·분야별 특성을 반영해 AX(AI 전환) 특화 데이터를 확보하고, 자발적 데이터 공유가 어려운 의료 등의 전략 분야에는 수익 배분을 기반으로 데이터 공유·활성을 촉진하는 ‘데이터 스페이스’를 시범 적용한다. 또 모든 데이터가 모이고 연결되는 ‘데이터 고속도로’를 구축한다. 정부는 국가 데이터 통합플랫폼 ‘원-윈도우’를 중심으로 플랫폼 간 연계를 강화하기로 했다. 또 AI 학습용 데이터를 모은 ‘AI 허브’(aihub.or.kr) 플랫폼은 AI 학습용 데이터 통합제공시스템으로 확대·개편한다. AI 학습용 데이터 개방을 가로막는 제도를 합리적으로 개선하기로 했다. 정부는 AI 학습을 위한 저작물 활용 등을 규정하는 ‘저작권법’ 개정 필요성을 검토한다. 개인정보를 포함하는 데이터를 안전을 전제로 AI 학습에 이용할 수 있도록 ‘개인정보보호법’ 개정도 추진한다. 중소·스타트업의 데이터 활용을 돕기 위해선 데이터와 AI 기술, 인프라를 패키지로 지원하는 ‘AX 원스톱 바우처’를 제공할 방침이다. 민간 데이터 거래 시장을 활성화하기 위해 AI 학습용 데이터 구매 비용에는 세액공제를 적용한다. 이외에도 해외 주요 선도대학과 연계한 데이터 전문인력 양성과 기업 현장 데이터를 교육용으로 가공하는 방안도 검토한다. 배경훈 부총리 겸 과기정통부 장관은 “AI 혁신의 골든타임 내에, 현장에서 필요한 데이터를 적시에 활용할 수 있도록 관계 부처가 힘을 모아 적극 지원하겠다”고 말했다. 김 총리는 “그간에는 영역별 전문성을 축적하는 데 집중했다면, 이제는 부처 간 장벽을 허물고 유기적으로 협업하는 방안을 고민할 시점”이라며 부처 간 협력을 주문했다.

블록체인 특화 LLM 평가 체계 제시...“범용 AI 고성능에도 Web3 전문 추론은 과제로 남아”싱가포르 오픈소스 AI 연구기관 DMind AI가 아시아 연구진과 공동으로 개발한 ‘디마인드 벤치마크(DMind Benchmark)’ 논문이 국제 학술대회 ‘KDD 2026(ACM SIGKDD)’의 데이터셋 및 벤치마크(Datasets ＆ Benchmarks) 트랙에 채택됐다고 26일 밝혔다. 본 학술대회는 오는 8월 9일부터 13일까지 제주에서 개최된다. 이번 연구는 웹3(Web3) 및 블록체인 분야에서 대형언어모델(LLM)의 성능을 정량적으로 측정하기 위한 평가 체계를 제안한 것이 핵심이다. 연구팀은 기존의 범용 AI 평가 방식에서 벗어나 블록체인 산업 특화 과제를 중심으로 모델의 실무 활용성과 전문 추론 능력을 검증하는 데 중점을 두었다고 설명했다. 최근 글로벌 AI 업계에서는 특정 산업 분야에 최적화된 도메인 특화 AI 개발 경쟁이 확대되는 흐름이다. 특히 금융·보안 분야에서는 단순 언어 생성 능력보다 정확한 추론과 안정성이 중요해지면서 전문 벤치마크 구축 필요성도 커지고 있다. 디마인드 벤치마크는 블록체인 기초 개념, 인프라, 스마트 컨트랙트, 탈중앙화 금융(DeFi), 탈중앙화 자율조직(DAO), 대체불가토큰(NFT), 토큰 이코노믹스, 밈코인, 보안 취약점 등 총 9개 도메인을 평가 범주로 설정했다. 단순 객관식 형태를 넘어 스마트 컨트랙트 디버깅, 온체인 수치 추론 등 실제 환경 기반 문제도 포함한 점이 특징이다. 연구팀은 GPT-5 시리즈, Claude, Gemini, DeepSeek, Grok, Qwen 등 총 31개 주요 AI 모델을 대상으로 성능을 비교 평가했다. 평가 결과 GPT-5 Medium이 전체 평균 77.63점으로 가장 높은 점수를 기록했지만, 토큰 이코노믹스와 보안 취약점 분야에서는 다수 모델이 낮은 성능을 보였다고 밝혔다. 연구진은 현재 상용화된 주요 AI 모델들도 Web3 전문 추론 영역에서는 여전히 한계를 드러내고 있다고 분석했다. 특히 복잡한 토큰 구조 해석이나 스마트 컨트랙트 보안 관련 문제에서는 모델 간 성능 편차가 크게 나타났다고 설명했다. 비용 대비 성능 측면에서는 일부 오픈소스 모델의 경쟁력도 확인됐다는 평가다. 연구에 따르면 DMind의 32B 파라미터 오픈소스 모델은 Web3 특화 과제에서 제한된 비용으로도 높은 성능을 기록했다. 특히 토큰 이코노믹스와 보안 영역에서는 대규모 범용 모델 대비 10~30% 수준의 비용으로 유사하거나 더 높은 성능을 보였다고 연구팀은 밝혔다. 업계에서는 생성형 AI가 금융·디지털 자산 분야로 확대 적용되면서 스마트 컨트랙트 검증이나 온체인 데이터 분석 자동화 수요도 증가하는 추세다. 이에 따라 산업 특화 AI 모델의 신뢰성과 검증 체계 중요성도 함께 커지고 있다는 분석이 나온다. 싱가포르 경영대학교 정보시스템학과 주페이다(ZHU Feida) 교수는 “이번 연구는 Web3 AI 분야에서 측정 가능한 평가 기준을 제시했다는 점에서 의미가 있다”며 “향후 해당 분야 AI 기술의 성능과 안정성 검증 체계 구축에도 활용될 수 있을 것”이라고 말했다. 한편 DMind 모델은 현재 AI 금융 플랫폼 ‘Minara(미나라)’에 적용돼 운영 중이다. 연구팀은 개인 투자자와 디지털 자산 보유자를 위한 재무 비서 기능 등에 해당 기술이 활용되고 있다고 설명했다.

GPU 추가 학습 없이 글로벌 AI 추론 성능 3위 달성 국내 인공지능(AI) 스타트업 비드래프트(VIDraft Inc.·대표 김민식)가 추가 GPU 학습 과정을 거치지 않고도 최상위권 추론 성능을 도출하는 대형언어모델(LLM) 프레임워크 기술을 공개했다. 비드래프트는 자사가 개발한 ‘Darwin Family’ 계열 모델의 핵심 기술을 담은 연구 논문을 공개하고, 관련 핵심 기술 3건에 대한 국내 특허를 출원했다고 밝혔다. 이번에 등록된 논문은 「Darwin Family: MRI Trust Weighted Evolutionary Merging for Training Free Scaling of Language Model Reasoning」으로, 현재 Hugging Face Papers와 오픈소스 아카이브 arXiv(등록번호 2605.14386)에 게재된 상태다. 본 연구에는 비드래프트 소속 연구원 7명이 공동 저자로 참여 명단을 올렸다. Darwin Family는 기존 AI 개발 과정에서 필수로 여겨졌던 추가 학습(Post training) 없이 모델 병합만으로 고성능 추론 능력을 구현하는 새로운 방식의 AI 모델 프레임워크다. 핵심 기술은 MRI Trust Fusion, 14차원 적응형 병합 게놈(Merge Genome), 아키텍처 매퍼(Architecture Mapper) 등 세 가지로 구성된다. MRI Trust Fusion은 모델 각 레이어의 기능적 중요도를 분석한 뒤 신뢰 파라미터를 기반으로 동적 융합을 수행하는 기술이다. 이를 통해 GPQA 정확도를 기존 방식 대비 2.5%포인트 향상시켰다는 설명이다. 또한 14차원 병합 게놈 기술은 어텐션과 FFN, 임베딩 등 모델 내부 구성 요소를 세밀하게 제어하며 경사하강법 없이 진화 탐색만으로 최적 병합 전략을 자동 탐색한다. 아키텍처 매퍼는 Transformer와 Mamba 등 서로 다른 AI 구조 간 결합을 가능하게 하는 기술로, 추가 재학습 없이 이종 모델 교배를 구현한다. Darwin Family는 Hugging Face가 주관하는 AI 성능 벤치마크인 ‘GPQA Diamond(Graduate Level Google Proof Q＆A)’ 평가에서 글로벌 3위를 기록했다. 해당 지표는 박사 학위 소지자 수준의 과학적 추론 능력을 평가하는 대표적 기술 지표다. 비드래프트는 별도의 파인튜닝이나 사후 학습을 거치지 않고도 수백억 파라미터 규모의 Fully Trained 모델들의 성능 데이터 수준을 상회했으며, 최소 4B부터 최대 35B 규모에 이르기까지 다양한 모델 세그먼트 구간에서 부모 모델 대비 실질적 성능 향상 수치를 검증했다고 밝혔다. 국내 정량 평가 지표에서도 상위 순위를 점유하고 있다. 과학기술정보통신부와 한국지능정보사회진흥원(NIA)이 주관·운영하는 ‘K-AI 리더보드’에서는 Darwin 기반 모델들이 2위, 3위, 4위, 5위, 7위, 8위를 동시에 기록 중인 것으로 집계됐다. 특히 현재 1위 모델과의 데이터 점수 격차는 0.001점 범위 내에 있는 것으로 확인됐다. 비드래프트에 따르면 공식 모델 공개 이후 45일 만에 파생·양자화 레포지터리 88개와 개별 모델 파일 473개가 생성됐다. GGUF 양자화 분야 개발자 bartowski와 mradermacher 등 글로벌 오픈소스 커뮤니티 개발자들도 Darwin 모델군 배포와 최적화 작업에 참여하고 있다. 현재 Darwin 모델은 Windows·Linux·Mac 환경의 GGUF 포맷을 비롯해 Apple MLX, AWQ, NVIDIA Blackwell 전용 NVfp4 등 다양한 플랫폼을 지원한다. 김민식 비드래프트 대표는 “Darwin 생태계의 확산 속도와 규모는 국내 AI 모델 역사에서도 보기 드문 수준”이라며 “세계 최상위권 양자화 개발자들의 자발적 참여와 폭넓은 플랫폼 지원 체계를 기반으로 글로벌 AI 표준 생태계로 진입하고 있다”고 밝혔다. 한편, 이번 연구는 과학기술정보통신부 재원으로 수행된 ‘AI컴퓨팅자원활용기반강화(GPU 임차 지원) 사용자 지원사업’의 지원을 받아 진행됐다.