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

오픈 모델을 온프렘에 올리거나 다음 분기 GPU 예산을 짜는 분이라면, 오늘 다이제스트에서 챙길 신호는 하나로 압축됩니다. 돈이 붙는 자리가 사전학습에서 실행 계층으로 옮겨 가는 중입니다. 모델을 더 크게 만드는 쪽에서는 브레이크 소리가 났고, 그 모델을 유통하고 돌리는 쪽에서는 액셀 소리가 났습니다.

학습은 멈추고 자본은 커졌습니다: 오늘 두 곡선이 갈라진 이유 개념을 형상화한 이미지 글의 핵심 개념을 형상화했습니다.

브레이크: 학습을 멈춘 쪽

OpenAI가 창사 이래 처음으로 트레이닝을 중단했습니다. 8월 19일 직원 대상 업데이트에서 이 중단 이후 몇 주 안에 아스트라(Astra) 모델을 공개하겠다고 밝혔고, 공개 데뷔에는 아스트라가 실제 작업을 수행하는 내부 시연이 함께 붙습니다.

여기서 눈여겨볼 단어는 아스트라가 아니라 중단입니다. 학습을 계속 돌리는 것이 언제나 정답이던 조직에서 처음으로 멈춤이 선택지가 됐다는 뜻이니까요. 대규모 사전학습 잡을 멈추는 결정은 기술적으로도 정치적으로도 비쌉니다. 클러스터는 예약돼 있고 일정은 공표돼 있으며 중간 체크포인트는 아직 목표에 도달하지 않은 상태일 텐데, 그럼에도 멈추는 편이 낫다고 판단했다는 이야기입니다. 그 판단을 뒷받침하는 근거가 무엇이었는지는 공개되지 않았습니다. 다만 공개 시연의 성격이 힌트를 줍니다. 벤치마크 점수가 아니라 실제 작업 수행을 전면에 세우기로 했다면, 조직이 무엇을 개선 지표로 삼고 있는지가 드러납니다.

같은 방향의 신호가 중국에서도 나왔습니다. Z AI는 GLM-5.3을 통제된 실험이라고 명시하며 내놨습니다. 목적은 순위표 등정이 아니라 명제 하나를 증명하는 것이었습니다. 파라미터를 조 단위로 늘리지 않고도 사후학습과 강화학습을 확장하면 지능이 올라간다는 명제입니다. 회사 스스로 이 결정을 조 단위 파라미터 우회로에서의 선회라고 표현했습니다. 자기가 지나온 길을 우회로라고 부르는 발표는 흔치 않습니다.

그리고 그 실험은 숫자로 뒷받침됐습니다. GLM-5.3은 자율 소프트웨어 엔지니어링 평가에서 딥스웨(DeepSWE) 69점을 기록했고, 터미널벤치 3.0 결과는 이 모델이 페이블 5와 겨룰 만한 위치에 올라섰음을 시사합니다. 파라미터를 안 늘리고 도달한 자리라는 점이 이 점수의 진짜 의미입니다.

멈춤이 선택지가 되는 변화는 GPU를 빌려 쓰는 쪽에도 영향을 줍니다. 초대형 사전학습 잡이 무한정 이어지지 않는다면 클러스터 점유의 성격도 달라집니다. 수개월짜리 단일 잡이 자리를 통째로 차지하는 대신, 수일에서 수주짜리 사후학습과 평가 잡이 자주 들어왔다 나가는 패턴이 늘어납니다. 스케줄러와 큐 정책이 견뎌야 하는 부하의 모양이 바뀐다는 뜻입니다.

이 선회가 현장에 주는 함의는 분명합니다. 성능 개선의 병목이 클러스터 크기에서 데이터와 보상 설계로 옮겨 간다면, 필요한 조직 역량도 바뀝니다. 대형 사전학습은 자본과 전력을 가진 소수만 할 수 있지만, 사후학습과 강화학습은 도메인 데이터와 평가 기준을 가진 쪽이 유리합니다. 후자는 자본의 게임이라기보다 규율의 게임에 가깝습니다.

액셀: 자본을 키운 쪽

같은 하루 동안 자본시장 쪽 뉴스는 정반대 방향으로 달렸습니다.

주체 규모 목적
앤스로픽 862억 달러 목표 IPO 8월 말 신청 준비
마벨 122억 달러 스톡워런트 1200억 달러 커스텀 칩 계약
스트라이프 80억 달러 인수 오픈라우터 확보
네비우스 45억 달러 전환사채 기술 스케일링

앤스로픽은 8월 말까지 기업공개 신청을 준비 중이고, 목표 조달 규모는 스페이스X가 세운 862억 달러 기록에 맞먹거나 이를 넘어서는 수준입니다. 비상장 상태로 버티던 회사가 공모 시장으로 나온다는 것은 자금 수요의 크기와 주기가 사모 라운드로 감당되지 않는 구간에 들어섰다는 뜻이기도 합니다.

마벨은 구글에 주당 206.58달러로 5,897만 주를 살 수 있는 워런트를 부여했습니다. 약 122억 달러어치이고, 1200억 달러 규모 커스텀 반도체 확장 계약의 일부이며, 겨냥하는 상대는 브로드컴입니다. 워런트를 고객에게 주는 구조는 단순한 납품 계약과 성격이 다릅니다. 공급사의 주가 상승분을 고객이 나눠 갖게 만들어 양쪽을 같은 배에 태우는 장치이고, 그만큼 이 관계를 오래 끌고 가겠다는 신호입니다. 커스텀 가속기가 실험이 아니라 조달 축의 한 축으로 자리를 잡았다는 이야기이기도 합니다.

네비우스는 2030년 만기 27.5억 달러와 2034년 만기 17.5억 달러를 합쳐 45억 달러 전환사채를 발행합니다. 투자자 옵션이 행사되면 총액은 더 늘어납니다. 만기를 2030년과 2034년으로 나눠 사다리를 만든 구성이 눈에 띕니다. 상환 부담을 한 시점에 몰지 않겠다는 설계이고, 데이터센터 투자 회수 기간을 그만큼 길게 잡고 있다는 뜻으로 읽힙니다.

이 네 건이 향하는 곳을 보면 방향이 선명합니다. 칩을 만드는 회사, 칩을 사는 회사, 토큰을 유통하는 회사, 그리고 그 토큰이 돌아갈 데이터센터를 짓는 회사입니다. 하루 10조 개 토큰을 처리하던 오픈라우터가 결제 네트워크 안으로 들어간 것도 같은 계열입니다. 새 파운데이션 모델을 한 번 더 사전학습시키겠다며 45억 달러를 빌리는 회사는 오늘 목록에 없었습니다.

두 곡선이 만나는 자리

학습 곡선이 완만해지면 무슨 일이 생길까요. 모델 간 격차가 좁아집니다.

오르니스(Ornith) 팀이 90억에서 3970억 파라미터에 이르는 Ornith-1.5 패밀리를 MIT 라이선스로 공개했고, 오픈 코딩 벤치마크에서 상위권에 올랐습니다. MIT는 조건이 거의 없는 라이선스라 사내 배포와 상업적 변형에 걸림돌이 적습니다. 가중치를 받아 도메인에 맞게 다시 학습시키고 그 결과를 제품에 넣는 경로가 법무 검토 단계에서 막히지 않는다는 뜻입니다. 90억부터 3970억까지 폭이 넓다는 점도 실무에서는 중요합니다. 같은 계열 안에서 작업 난이도에 따라 크기를 갈아 끼울 수 있으면 비용 곡선을 직접 설계할 수 있습니다.

크기 사다리가 갖춰지면 선택의 문법도 달라집니다. 지금까지는 가장 좋은 모델 하나를 골라 모든 작업에 붙이는 방식이 편했습니다. 같은 계열에서 90억과 3970억이 함께 제공되면, 분류와 추출처럼 단순한 작업은 작은 쪽으로 내리고 설계와 디버깅처럼 어려운 작업만 큰 쪽으로 올리는 배치가 가능해집니다. 모델을 바꾸는 것이 아니라 크기를 바꾸는 것이라 품질 특성이 크게 흔들리지 않는다는 점도 실무에서는 이득입니다.

여기에 GLM-5.3까지 놓고 보면, 폐쇄 모델과 오픈 모델의 코딩 능력 차이는 이번 주에 또 한 번 줄었습니다. 그리고 이런 소식이 반복되면 사내 기준선도 같이 올라갑니다. 반년 전 평가셋으로 오늘 모델을 재면 대부분 만점에 가깝게 나오고, 그러면 그 평가셋은 더 이상 선택을 도와주지 못합니다. 모델이 좋아지는 속도만큼 평가 하네스를 다시 세우는 일이 필요해집니다.

능력이 비슷해지면 경쟁의 무게는 능력 자체에서 운영으로 옮겨 갑니다. 어느 작업에 어느 모델을 붙일지, 그 모델을 어디에서 돌릴지, 실행 결과를 누가 승인하고 무엇으로 남길지가 남은 변수입니다. 오늘 자본이 유통과 인프라 쪽으로 몰린 이유도 여기 있다고 봅니다. 모델 자체보다 모델을 쓰는 방식이 더 오래 가는 자산이 됐습니다.

세 번째 변수는 어디서 돌리느냐입니다

엔비디아는 중국 전용 LPU(Language Processing Unit)를 로드맵에 두고 있지 않으며 중국 시장에서 판매하고 있지도 않다고 밝혔습니다. 앞서 나온 컴백 보도를 뒤집는 발표입니다.

이런 소식은 성능표에는 안 잡히지만 예산표에는 바로 잡힙니다. 조달 계획이 정치 일정에 묶여 있다는 사실을 매번 상기시키니까요. 어제까지 가능하다고 보도된 공급이 오늘 부인되면, 그 공급을 전제로 짜둔 용량 계획은 하루 만에 다시 써야 합니다. 특정 벤더와 특정 지역에 얹혀 있는 계획일수록 이런 뒤집힘에 취약합니다.

그래서 실행 위치는 취향 문제가 아니라 리스크 관리 문제입니다. 같은 워크로드를 퍼블릭 클라우드에서도, 자체 데이터센터에서도, 폐쇄망에서도 돌릴 수 있어야 공급망 뉴스 한 줄에 로드맵이 흔들리지 않습니다. 오늘 마벨과 구글이 커스텀 실리콘에 1200억 달러를 걸어둔 것도 같은 동기의 다른 표현이라고 봅니다. 조달선을 하나로 두지 않겠다는 선택입니다.

그래서 무엇을 준비해야 하나

세 흐름을 겹쳐 보면 준비할 것이 정리됩니다. 학습 축은 사후학습과 강화학습으로 무게가 옮겨 가고, 서빙 축은 오픈 가중치가 실용 구간에 들어왔으며, 조달 축은 지정학에 노출돼 있습니다. 세 축 모두 답이 모델 선택 한 번으로 끝나지 않고 운영 구조로 이어집니다.

당장 이번 주에 손댈 만한 것을 꼽자면 두 가지입니다. 하나는 평가셋을 다시 만드는 일입니다. 오늘 나온 오픈 모델이 사내 기준선을 넘겼는지 확인하려면 넘길 수 있는 기준선부터 있어야 합니다. 다른 하나는 모델 교체 비용을 재보는 일입니다. 모델 하나를 바꾸는 데 손대야 할 파일이 몇 개인지 세어 보면, 지금 구조가 이 속도를 감당할 수 있는지 바로 나옵니다.

ThakiCloud가 Paxis를 Agent-Native Cloud로 설계한 이유가 여기에 닿아 있습니다. Paxis는 스킬과 툴, 정책, 감사 로그를 일급 리소스로 다룹니다. 어떤 작업에 어떤 모델을 붙일지는 CostRouter가 작업 단위로 고르고, 에이전트가 어디까지 스스로 결정할지는 L0에서 L3까지의 자율도 등급으로 정하며, 실행은 격리 샌드박스에서 이뤄지고 그 결과는 정책 게이트와 감사 로그를 통과합니다. 실행 위치도 선택지로 남겨뒀습니다. 소버린 요건이나 폐쇄망 요건이 있으면 온프렘 쿠버네티스 위에서 같은 구성을 유지할 수 있습니다. 오늘 나온 신형 오픈 모델을 다음 주에 붙여 보고 싶다면, 바꾸는 것은 라우팅 규칙 한 줄이지 파이프라인 전체가 아니어야 합니다.

한 가지는 덧붙여 둡니다. 오늘의 신호가 사전학습의 종말을 뜻하지는 않습니다. 아스트라는 곧 공개되고, 데이터센터에는 여전히 수십억 달러가 들어가고 있으며, 중단은 취소가 아니라 중단입니다. 다만 몇 년 동안 자동으로 정답이던 선택이 이제는 근거를 요구받는 선택이 됐습니다. 그 변화만으로도 계획의 무게중심은 달라집니다.

오늘 뉴스를 한 문장으로 줄이면 이렇습니다. 모델을 더 크게 만드는 일에 붙던 자본이 모델을 잘 쓰는 일 쪽으로 이동하기 시작했습니다. 사전학습 경쟁에서 이기려는 조직은 이미 소수입니다. 나머지 조직에 남은 질문은 다른 것입니다. 좋아진 모델을 어떤 정책과 어떤 비용 구조로, 어느 나라의 어느 랙에서 돌릴 것인가입니다.

첫 트레이닝 중단이 뉴스가 됐다는 사실 자체가 국면 전환의 표시라고 봅니다. 멈춤이 선택지가 되는 순간부터, 경쟁의 무대는 학습 클러스터 바깥으로 옮겨 갑니다.

참고 자료

이 글은 아래 뉴스를 종합해 작성했습니다.

태그: ai-frontier, llmops, paxis, thakicloud

카테고리:

업데이트:

참고

한자 필터를 언어별로 다시 짜고 다섯 언어에서 재봤습니다

 

한국어용 마스크를 일본어에 그대로 쓰면 상용어 12개 중 11개가 잘립니다. 판정 기준을 레거시 국가 인코딩으로 바꿔 언어별 마스크를 만들고 각 300 프롬프트로 측정했습니다. 번체 중국어는 오염률이 40.0%에서 1.3%로 내려갔고, 아랍어는 애초에 고칠 오염이 없었습니다.

모델을 공개할 때 카드만 검사하면 원장이 새어 나갑니다

 

허깅페이스에 마스크 6종을 공개하면서 카드와 스크립트는 grep으로 확인했는데, 나중에 동봉한 측정 원장 JSON이 내부 레지스트리 호스트와 클러스터 이름, S3 레이아웃을 그대로 싣고 나갔습니다. 검사 대상이 아니라 검사 시점이 문제였고, git 히스토리까지 접어야 끝났습니다.