🎧 ▶ 5분 브리핑으로 듣기
▶ 오디오북 재생 (Google Drive)
NotebookLM 오디오 개요 (AI 생성)

에이전트를 실제 업무에 붙이려는 팀이라면, 오늘 뉴스에서 가져갈 결론은 하나입니다. 모델 가중치의 값은 빠르게 0으로 수렴하고 있고, 값이 붙는 자리는 그 위의 실행 레이어로 옮겨갔습니다. 이 판단은 감이 아니라 같은 날 나란히 붙은 두 개의 가격표에서 나옵니다.

600억 달러와 MIT 라이선스가 같은 날 같은 곳을 가리켰습니다 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

같은 날, 두 개의 가격표

8월 14일 스페이스X가 AI 코딩 스타트업 커서 인수를 마무리했습니다. 금액은 600억 달러, 전액 주식 거래였고 벤처 투자를 받은 스타트업 인수 가운데 역대 최대 규모로 소개됐습니다. 로켓을 만드는 회사가 코드 에디터를 산 셈인데, 정확히 말하면 에디터가 아니라 코딩 에이전트를 샀습니다. 커서가 자체 프론티어 모델을 학습해서 팔던 회사가 아니라는 점이 핵심입니다. 남의 모델을 불러다 개발자의 실제 작업 흐름에 끼워넣는 층, 그 층에 600억 달러가 매겨졌습니다.

같은 날 딥시크는 V4 프로 모델과 함께 하네스 v0.1 개발자 프리뷰를 MIT 라이선스로 공개했습니다. 첫 MIT 라이선스 풀스택 에이전트 빌드로 소개됐고, 자체 하드웨어에서 코딩 에이전트를 구동할 수 있습니다. 한쪽은 600억 달러를 지불했고 다른 한쪽은 0원에 풀었습니다. 액수만 보면 정반대인데, 두 거래가 겨눈 대상은 같습니다. 모델이 아니라 모델을 일하게 만드는 층입니다. 한쪽은 그 층을 사서 독점하려 했고, 다른 한쪽은 아무나 가질 수 있게 만들어 경쟁자의 해자를 지웠습니다.

가중치는 아래로 내려갑니다

가중치 쪽 소식만 모아보면 하루치라고 믿기 어려운 분량입니다. 알리바바는 소형 멀티모달 모델 Qwen3.8-27B의 가중치를 공개했습니다. 에이전틱 플래닝에서 프론티어급 시스템과 동등하게 동작하도록 설계됐고, 공개 자료 기준으로 에이전트 벤치마크에서 클로드 오퍼스 4.6 맥스를 앞섭니다. 27B급이 그 자리에 올라왔다는 사실 자체가 신호입니다. 이 크기라면 데이터센터가 아니라 사무실 한쪽의 서버에서도 돌아갑니다.

같은 회사가 며칠 사이에 반대쪽 끝도 열었습니다. Qwen3.8 맥스의 전체 가중치가 공개됐고, Qwen3.8-2.4T-A95B는 2.4조 파라미터 규모의 MoE 모델입니다. 공개 저장소와 호스팅 플랫폼에서 누구나 받을 수 있습니다. 지푸 AI도 7430억 파라미터의 GLM-5.3을 내놨습니다. 에이전틱 코딩과 사이버 방어를 겨냥한 모델이고 사이버짐 벤치마크에서 84.5점으로 오픈모델 신기록을 세웠습니다. 최상단과 경량급이 같은 주에 함께 열렸다는 점이 중요합니다. 선택지가 한 칸 늘어난 것이 아니라 스펙트럼 전체가 열린 것입니다.

여기서 오해하기 쉬운 지점이 있습니다. 가중치가 공개됐다는 말은 공짜로 쓸 수 있다는 뜻이 아닙니다. 2.4조 파라미터 MoE를 실제로 돌리려면 GPU 메모리와 인터커넥트, 전문가 라우팅 최적화, 양자화 전략이 전부 필요합니다. 파일을 내려받는 데 드는 비용과 그 파일로 서비스를 여는 비용 사이의 거리가 곧 진입 장벽입니다. 무료로 풀린 것은 지식이고, 여전히 비싼 것은 그 지식을 초당 몇 토큰으로 바꿔내는 능력입니다. 오픈 가중치의 확산은 서빙 역량을 무가치하게 만드는 사건이 아니라, 오히려 서빙 역량만 남기는 사건에 가깝습니다.

라이선스와 실행 가능성을 구분해서 볼 필요도 있습니다. 딥시크가 하네스를 MIT로 푼 것과 알리바바가 초거대 MoE 가중치를 연 것은 개방의 성격이 다릅니다. 앞의 것은 코드 몇 백 킬로바이트를 아무 조건 없이 가져다 고칠 수 있다는 뜻이고, 뒤의 것은 파일을 받을 수는 있으나 그것을 돌릴 인프라가 있어야 의미가 생긴다는 뜻입니다. 전자는 진입 장벽을 실제로 허물고, 후자는 장벽의 위치를 소프트웨어에서 하드웨어로 옮깁니다. 오픈 가중치 뉴스를 볼 때마다 우리 조직이 그것을 오늘 안에 서빙할 수 있는지부터 확인하면 판단이 훨씬 빨라집니다.

값은 위로 올라갔습니다

토큰 단가 쪽을 보면 방향이 더 분명합니다. 구글은 코딩과 에이전틱 워크플로에 최적화된 제미나이 3.7 플래시를 출시하면서 도입가를 제미나이 3.6 플래시의 50% 수준으로 책정했습니다. 3주 만의 첫 업데이트에서 딥에스더블유이 65.3%를 기록하면서 가격은 반으로 내렸습니다. 성능이 오르는데 가격이 절반이 되는 구간은 그 제품이 차별화 자산에서 원자재로 이동하고 있다는 신호입니다. 원자재 시장에서 이기는 방법은 하나뿐입니다. 더 싸게 만들거나, 그 원자재로 무엇을 만들지를 소유하는 것입니다.

xAI의 발표 방식도 같은 이야기를 합니다. 그록 4.6이 커서벤치 3.2에서 1위에 올랐는데, 일론 머스크가 강조한 것은 절대 점수가 아니라 작업당 평균 비용 대비 성능이었습니다. 클로드 페이블 5와 GPT-5.6 솔을 앞섰다는 주장의 축이 점수에서 단가로 옮겨간 것입니다. 벤치마크 1위가 마케팅 문구가 아니라 견적서 항목이 되어가는 중입니다. 구매 담당자가 보는 화면과 연구자가 보는 화면이 같아지는 시점이기도 합니다.

벤치마크 이름을 나열해보면 변화가 더 잘 보입니다. 커서벤치, 딥에스더블유이, 사이버짐, 그리고 에이전틱 플래닝입니다. 오늘 등장한 지표 가운데 문장을 얼마나 그럴듯하게 잇는지를 재는 것은 하나도 없습니다. 전부 작업을 끝까지 수행했는지를 묻습니다. 측정 대상이 바뀌었다는 것은 팔리는 물건이 바뀌었다는 뜻입니다. 그리고 작업 완수를 재는 순간, 점수의 상당 부분은 모델이 아니라 모델을 감싼 하네스가 만들어냅니다. 어떤 도구를 쥐여줬는지, 실패했을 때 몇 번 되돌리는지, 중간 상태를 어디에 남기는지가 결과를 가릅니다.

숫자를 그대로 옮겨 적기 전에

여기까지 인용한 점수들은 한 가지 공통점이 있습니다. 대부분 만든 쪽이 직접 발표한 수치라는 점입니다. 27B 모델이 프론티어급을 앞섰다는 주장도, 커서벤치 1위도, 사이버짐 신기록도 제조사나 창업자의 발표에서 나왔습니다. 엔비디아의 네모트론 4 전략은 아예 단일 매체 보도이고 공식 확인은 없습니다. 이 수치들이 틀렸다는 뜻이 아니라, 우리 워크로드에서 재현되는지는 별개의 질문이라는 뜻입니다.

그래서 실무에서 필요한 것은 리더보드를 읽는 습관이 아니라 자체 골든셋을 돌려보는 습관입니다. 남의 벤치마크는 후보를 좁히는 데 쓰고, 최종 선택은 우리 데이터와 우리 도구 환경에서 재본 결과로 합니다. 벤치마크 이름이 커서벤치나 딥에스더블유이처럼 특정 제품이나 작업 환경을 그대로 반영할수록 이 격차는 커집니다. 그 환경이 우리 환경과 얼마나 닮았는지가 점수보다 중요합니다. 모델을 자주 갈아끼울 수 있는 구조가 필요한 또 하나의 이유가 여기 있습니다. 실제로 재보고 아니면 되돌릴 수 있어야 남의 발표에 끌려다니지 않습니다.

하드웨어 회사도 같은 방향으로 올라옵니다

엔비디아 소식은 이 흐름의 다른 각도입니다. 디인포메이션 보도에 따르면 엔비디아는 네모트론 4 시리즈를 고성능 프론티어 제품으로 육성해 칩 판매를 촉진하려 합니다. 기존 파트너사들과 경쟁이 생길 수 있다는 우려가 함께 나왔습니다. 아직 공식 확인이 없는 단일 출처 보도라 사실 자체는 조심해서 다뤄야 합니다. 다만 방향만큼은 다른 뉴스들과 정확히 같은 곳을 가리킵니다. 칩을 파는 쪽도 스택 위쪽으로 올라오려 합니다. 아래층이 원자재가 되면 모두가 위층으로 이동합니다.

오픈AI가 올해 두 번째로 최고매출책임자를 교체한 것도 같은 맥락에서 읽힙니다. 사이버보안 기업 와이즈 출신의 달리 라지치가 드니즈 드레서의 9개월 임기를 이어받았고, 상장 전 연매출 400억 달러 확대를 목표로 합니다. 모델 성능을 자랑하는 단계에서 엔터프라이즈 영업 조직을 다시 짜는 단계로 넘어갔다는 뜻입니다. 보안 업계 출신을 앉힌 인선도 눈여겨볼 만합니다. 규제 산업의 구매 절차를 아는 사람이 필요해졌다는 신호로 읽힙니다. 경쟁은 리더보드가 아니라 고객사 회의실에서 벌어집니다.

그래서 무엇을 고정하고 무엇을 갈아끼울 것인가

가중치가 아래로 내려가고 실행 레이어가 위로 올라가는 구조에서 기업이 내릴 결정은 의외로 단순해집니다. 모델은 갈아끼울 대상으로 두고, 갈아끼워도 흔들리지 않는 층을 직접 소유하는 것입니다.

갈아끼울 대상부터 보겠습니다. 오늘 하루에만 현실적인 후보가 다섯 개 늘었습니다. 저비용 서브태스크에는 반값이 된 제미나이 3.7 플래시가 맞을 수 있고, 온프렘 폐쇄망에는 27B급 오픈 가중치가 현실적입니다. 지식 증류의 티처 모델이 필요하면 7430억 파라미터 GLM-5.3이 후보가 되고, 코딩 워크로드는 작업당 비용 순위를 보고 고르면 됩니다. 문제는 이 선택지들이 특정 벤더에 워크플로를 고정해둔 조직에는 전부 그림의 떡이라는 점입니다. 갈아끼울 수 없는 구조에서는 가격 인하 소식이 좋은 뉴스가 아니라 남의 이야기입니다.

고정해야 할 층은 반대입니다. ThakiCloud의 에이전트 네이티브 클라우드 Paxis가 스킬과 도구, 정책, 감사 로그를 일급 리소스로 다루는 이유가 여기 있습니다. 어떤 모델이 뒤에 붙든 스킬 정의와 도구 권한은 그대로 유지되고, 작업별 모델 선택은 CostRouter가 담당합니다. 오늘 1위가 다음 달 3위가 되어도 워크플로를 다시 짤 필요가 없는 구조입니다. MCP 커넥터와 스킬 마켓을 통해 사내 시스템을 붙이는 방식도 모델 교체와 분리돼 있습니다.

딥시크가 하네스를 MIT로 푼 사건은 이 판단에 무게를 더합니다. 자체 하드웨어에서 코딩 에이전트를 돌릴 수 있다는 말은 자율성이 커진다는 뜻이면서, 동시에 통제 부담이 함께 넘어온다는 뜻입니다. 에이전트가 사내 저장소에 접근하고 명령을 실행하기 시작하면 필요한 것은 더 좋은 모델이 아닙니다. 어디까지 스스로 하게 둘지 정하는 자율도 등급, 위험한 행동을 막는 정책 게이트, 실행을 가두는 격리 샌드박스, 그리고 사고가 났을 때 되짚을 수 있는 감사 로그입니다. Paxis가 L0에서 L3까지 자율도를 나누고 실행을 샌드박스 안에 두는 설계를 택한 배경도 같습니다. 데이터 주권 요구가 있는 조직이라면 온프렘 쿠버네티스 위에 같은 구성을 그대로 올릴 수 있습니다.

정리하면 판단 기준은 두 개입니다. 모델은 6개월 안에 바뀐다고 가정하고 고르고, 그 6개월을 견뎌야 하는 것은 직접 소유합니다. 업무 정의와 권한 경계, 실행 기록이 그 대상입니다. 오늘 공개된 다섯 개의 모델 가운데 무엇을 쓸지는 다음 주에 다시 정해도 됩니다. 그 결정을 다시 내릴 수 있는 상태로 시스템을 두는 일이 훨씬 급합니다.

오늘의 한 줄

600억 달러짜리 인수와 0원짜리 라이선스가 같은 날 같은 층을 겨눴다는 사실이 오늘의 전부입니다. 모델을 고르는 일은 앞으로도 계속 바뀔 것이고, 그래서 고르는 방식을 소유한 쪽이 남습니다. 다음 분기 예산을 배정하신다면, 가중치가 아니라 그 위에서 일을 끝내는 층에 붙이시기 바랍니다. 그 층은 누가 대신 사줄 수 없고, 무료로 풀리지도 않습니다.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

태그: ai-frontier, llmops, paxis, thakicloud

카테고리:

업데이트:

참고

생성 파이프라인에서 원인을 잘못 짚는 방법

 

이미지 모델은 같은 입력에 같은 출력을 주지 않습니다. 그래서 실패를 한 번 보고 원인을 지목하면 대개 틀립니다. 캐릭터 턴어라운드를 만들다 원인을 두 개 찾았는데, 여섯 번 더 돌려보니 하나는 존재하지 않는 원인이었습니다.