독파모 2차 평가 임박…4社 채비 마무리 “규모 경쟁 끝…사용성이 판 가른다” 작성일 07-31 28 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">모델 덩치값 증명 과제 ‘LG·SKT’, 비용 효율 성과 초점 맞춘 ‘업스테이지·모티프’</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="249huvlwTh"> <figure class="figure_frm origin_fig" contents-hash="1584da806810241a3c22c9e3886543e3ff0ef59d029bde2bba85264d2c0784d5" dmcf-pid="V82l7TSrTC" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114313221pwhz.jpg" data-org-width="640" dmcf-mid="1RSrtOmjyF" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114313221pwhz.jpg" width="658"></p> </figure> <p contents-hash="94fee2114979672b5fd708696870863f3db86ad78d64ceeb22e758086b63a5c0" dmcf-pid="f6VSzyvmCI" dmcf-ptype="general">[디지털데일리 오병훈기자] 정부 주도로 국가대표 AI 모델을 선발하는 ‘독자 AI 파운데이션 모델(독파모)’ 2차 평가 결과 공개가 임박했다. 현재 LG AI 연구원, 업스테이지, SK텔레콤(SKT), 모티프테크놀로지스 4개사가 현재 모델 경쟁을 벌이고 있는 가운데 2차 평가 결과에 따라 3개 팀만이 3차 평가에 진출하게 된다. 평가 결과는 8월11일까지 진행되는 국민 평가단 결과가 마무리 된 이후 발표될 예정이다.</p> <p contents-hash="f22a7567d9f0f2503390166ad6644426749c8d9691a08a9b4aa53e165bc6526c" dmcf-pid="4PfvqWTslO" dmcf-ptype="general">정부는 독파모 프로젝트를 기반으로 ‘의료’ ‘보안’ 등 다양한 핵심 분야 특화 모델 개발까지 계획 중이다. 향후 국가 AI 기술 중심축이 될 기업 및 모델을 겨루는 평가인 만큼 업계 관심도 크게 쏠려 있다.</p> <p contents-hash="c58d679c37532f1c721c41b5482dcbde1a74035e29c357517de0a4c5b030bcf3" dmcf-pid="8Q4TBYyOys" dmcf-ptype="general">1차 평가 당시 정부에서는 기존 평가 틀을 유지하면서도 모델의 ‘실용성’에 초점을 맞추겠다는 구상을 밝혔다. AI 시장에서도 모델이 단순히 모델 규모 등으로만 성능이 정의되지 않으며 연산 효율 및 실제 사용성 등에 따라 모델의 수준이 갈린다는 평가가 이어지고 있다.</p> <p contents-hash="e28780c787c3e6700cbc57e3b3aa354e5594360f83da65526bb020732de1fe68" dmcf-pid="6Q4TBYyOCm" dmcf-ptype="general">평가의 무게중심도 ‘얼마나 큰 모델인가’에서 ‘얼마나 잘 쓸 수 있는가’로 옮겨가고 있다. 파라미터 규모는 모델이 담을 수 있는 지식과 잠재력을 보여주는 지표다. 하지만 실제 경쟁력은 추론 비용과 속도, 장문 처리, 도구 사용, 안전성, 산업 배포 난도까지 종합해 결정된다. 네팀 모두 모델 체급을 키우면서도 서로 다른 방식으로 실용성을 입증하는 데 집중한 이유다.</p> <p contents-hash="63074f820de96c3d0eda2d91bccf36eb8292074fe23672c3e52f153de24e8885" dmcf-pid="Px8ybGWIyr" dmcf-ptype="general">정부는 이번 2차 평가에 벤치마크와 전문가 심사에 더해 일반 국민의 실제 사용 경험도 반영한다. 과학기술정보통신부와 정보통신산업진흥원은 성별·연령별 대표성을 고려해 국민 평가단 200명을 선정한다.</p> <div contents-hash="33ee5edb0834d16b4795ae23cb9fadc94d0bfe833eb73782533aacc25cbc0ed7" dmcf-pid="QM6WKHYCvw" dmcf-ptype="general"> 기술 점수뿐 아니라 이용자가 체감하는 응답 품질과 사용성까지 평가 변수로 들어가는 셈이다. 4개 컨소시엄은 모델 규모 확대, 에이전트 수행 능력, 산업 적용처 확보, 추론 효율 등 서로 다른 강점을 전면에 내세우며 막판 준비에 힘을 쏟고 있다. </div> <figure class="figure_frm origin_fig" contents-hash="69d33ed22cccec395972cedbddfe71df083fed32611a689a1a20302104f9c07f" dmcf-pid="xRPY9XGhWD" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114314581ttmc.png" data-org-width="640" dmcf-mid="BptovNgRvT" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114314581ttmc.png" width="658"></p> </figure> <p contents-hash="31f011765da8bd3b211eeddf73f9570db9b634e81e1357a3504765a4476f9016" dmcf-pid="yYvRsJe4SE" dmcf-ptype="general"><strong>◆LG AI연구원, 750B로 프런티어 체급 확보…관건은 ‘잠재력 현실화’</strong></p> <p contents-hash="26906b045752f73c9575791106bffecf1baa987431345fe6e0b7c76e8b36a95a" dmcf-pid="WGTeOid8vk" dmcf-ptype="general">LG AI연구원이 공개한 ‘K-엑사원 2.0’은 7500억개(750B) 파라미터로 4개 컨소시엄이 공개한 모델 가운데 최대 규모다. 1차 모델 236B보다 3배 이상 키우며 국내 연구진이 초거대 모델의 설계와 데이터 학습, 분산학습, 평가·추론 환경 구축을 독자적으로 수행할 수 있음을 보여주는 데 초점을 맞췄다.</p> <p contents-hash="001c0e203a952379c11b3e720e584c5ea669042c39b0a0eb51480cad0c31f3e3" dmcf-pid="YHydInJ6vc" dmcf-ptype="general">LG AI 연구원은 단순한 몸집 확대보다 프런티어급 모델 개발에 필요한 기반 역량을 확보했다는 점에 초점을 맞췄다. 대규모 모델 학습은 데이터와 알고리즘뿐 아니라 수백·수천개의 가속기를 안정적으로 연결하는 시스템 기술이 필요하다.</p> <p contents-hash="73957a8ac30f3c0a6e3e820e2a07f0e123978842a360eade56e45c30c29bbc3d" dmcf-pid="GXWJCLiPWA" dmcf-ptype="general">성능은 장문 문맥 이해와 에이전틱 도구 사용, 안전성을 중심으로 보강했다. 자체 평가한 9개 영역 24개 벤치마크 평균은 70.1점으로 1차 모델보다 10% 이상 높아졌다. 코딩·에이전틱 코딩 주요 지표 평균은 30% 상승했다. 한국적·지정학적 맥락을 반영한 안전성 지표를 별도로 내세운 점은 공공·금융·바이오 등 오류 비용이 큰 영역을 겨냥한 선택으로 풀이된다.</p> <p contents-hash="1ceecfd5491cb18f503ccd95fabdfb090eb0596421840d2c350f074370f12000" dmcf-pid="HZYihonQWj" dmcf-ptype="general">아파치 2.0 라이선스와 10개 언어 지원은 개발 성과를 외부 생태계와 글로벌 시장으로 확산하기 위한 장치로 풀이된다.</p> <div contents-hash="7b6e304b4eb840d9fb4047f065f4d1444a7307e3e4b25c472af5ae22a49f51bd" dmcf-pid="X5GnlgLxWN" dmcf-ptype="general"> 다만 750B라는 대형 모델의 잠재력이 국민평가단이 체감할 응답 품질로 곧바로 이어지는 것은 아니다. 추론 비용과 응답 속도를 통제하면서 대형 모델의 정확도와 안정성을 얼마나 구현했는지가 실제 경쟁력을 가를 것을 분석된다. </div> <figure class="figure_frm origin_fig" contents-hash="4401a02b36d3b2798750b92dc9b4fc75b2c2d1a7edcf5edbbe1738d87504930d" dmcf-pid="Z1HLSaoMTa" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114315873zxgb.png" data-org-width="640" dmcf-mid="bOIVj8fzTv" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114315873zxgb.png" width="658"></p> </figure> <p contents-hash="38b218f3b00b1ad97a43250a869c5545f0aa1472ed64f307d30cbb527f291ece" dmcf-pid="5ylxreMVyg" dmcf-ptype="general"><strong>◆SKT, 688B 넘어 비전·음성까지…‘모델’보다 ‘운영체계’ 경쟁</strong></p> <p contents-hash="588148ca4ac6c120eda5d5616ec3a306efc3f0efd21551cbce3e8d603c655e24" dmcf-pid="1WSMmdRfCo" dmcf-ptype="general">SKT의 ‘A.X K2’는 6880억개(688B) 파라미터 규모다. 전작 A.X K1보다 모델을 키우고 자체 개발한 ‘희소 게이트 어텐션(SGA)’을 적용해 긴 문맥에서 관련성이 높은 정보만 선별해 참조하도록 했다. SKT에 따르면 14개 벤치마크 평균 성능은 전작보다 32.2%포인트, 장문 이해와 에이전트 관련 평가는 83.9%포인트 향상됐다.</p> <p contents-hash="f0ff6a06cf103d2337423f5719d9951f64bcd3fc6fc617909cf0830ce5e6dd6b" dmcf-pid="tYvRsJe4WL" dmcf-ptype="general">SKT의 승부수는 하나의 초거대 언어모델에 모든 기능을 집중하기보다 용도별 모델군을 갖추는 것이다. 문서와 산업 이미지를 다루는 21B 비전언어 모델, 상담·회의 음성을 이해하는 22B 오디오언어 모델, 크래프톤이 개발한 21B 음성 모델을 함께 배치했다. 기업 현장에서는 텍스트뿐 아니라 도면과 매뉴얼, 통화 녹음 등 비정형 데이터가 함께 사용된다는 점을 겨냥한 셈이다.</p> <p contents-hash="44217b354734d3eda044dc04d29f0ee82cb6628939632ac4808a5406bce80817" dmcf-pid="FGTeOid8hn" dmcf-ptype="general">사용성이 주된 평가 지표로 언급되는 만큼 ‘산업 적용’ 측면을 강조했다. SK AX는 적용 사례 발굴과 실증을, 테크노매트릭스는 모델 운영 최적화를 담당한다. KG스틸·코넥 제조 현장과 국방·바이오·업무도구, 에이닷 서비스까지 활용 경로를 마련했다. 스타트업에는 A.X K1 API를 제공해 쇼핑·마케팅·채권관리 서비스를 검증하고 있다.</p> <p contents-hash="e004b6c32d7970f2444db75681bfbefe3eb3acfbed552fb75947c8f611e837a9" dmcf-pid="3HydInJ6li" dmcf-ptype="general">이는 SKT가 모델의 최고점보다 모델을 산업 현장에 배포하고 지속적으로 관리하는 능력까지 경쟁 요소로 보고 있다는 의미다.</p> <div contents-hash="f0b78769f147f52358de1ba5385d533a30acc7fa5ec957867553bf0de6617070" dmcf-pid="0XWJCLiPyJ" dmcf-ptype="general"> 다만 적용 사례가 다양하다는 사실과 각 서비스에서 높은 품질을 내는 것은 별개 문제다. 2차 평가에서는 폭넓은 포트폴리오가 실제 응답 안정성과 사용 편의성으로 연결되는지를 증명해야 하는 입장이다. </div> <figure class="figure_frm origin_fig" contents-hash="885150f90433c56260f5e9c1d675c9aca0789e8cf5ce2644cd009dbb1086516a" dmcf-pid="pZYihonQSd" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114317141lksb.png" data-org-width="640" dmcf-mid="Ky4huvlwCS" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114317141lksb.png" width="658"></p> </figure> <p contents-hash="68b39436c987f1ed92b892ce3a4904492697d933c4d844e51f2d89be86474d43" dmcf-pid="U5GnlgLxye" dmcf-ptype="general"><strong>◆업스테이지, 총 250B·활성 15B…에이전트 시대 ‘비용 구조’ 겨냥</strong></p> <p contents-hash="7d7bb42d382e9632f083f993b0aef216a15273113781b77e5296b9019188aa4e" dmcf-pid="u1HLSaoMWR" dmcf-ptype="general">업스테이지의 ‘솔라 오픈 2’는 총 2500억개 파라미터 가운데 작업에 필요한 150억개만 활성화하는 전문가혼합(MoE) 구조를 채택했다. 전체 모델이 보유한 지식 용량은 확보하면서 실제 추론에 투입되는 연산량을 줄이는 방식이다.</p> <p contents-hash="a4e0790673bf6afeee4089f2061ba62fb89ecc8645f240834657c67c905b2275" dmcf-pid="7tXovNgRSM" dmcf-ptype="general">MoE 구조에서의 경쟁력은 AI 에이전트가 확산될수록 중요한 요소가 된다. 에이전트는 한번 답변하고 끝나는 챗봇과 달리 문제를 해결하기 위해 추론과 도구 호출을 반복한다. 모델 호출 횟수가 늘어날수록 작은 비용 차이가 전체 서비스 운영비를 크게 바꿀 수 있다. 최대 100만 토큰 문맥 양자화 때(모델 성능 저하를 최소화하면서 메모리 사용량과 연산 비용은 줄이는 기술) 그래픽처리장치(GPU) H200 두 장 구동을 강조한 것도 장시간 업무 수행과 기업 내부 배포를 동시에 겨냥한 설계로 풀이된다.</p> <p contents-hash="db91a495fbe44a9c8aeaa843b2a3807cf436d7dfed179ef38d15475dbca3ca24" dmcf-pid="zFZgTjaehx" dmcf-ptype="general">평가 지표도 종합지식보다 지시 이행, 도구 호출, 에이전트 종합평가에 무게를 뒀다. 모델이 답을 ‘아는가’에 집중하기 보다 사용자 요구를 해석하고 여러 단계를 거쳐 업무를 ‘제대로 마치는 것’에 집중하겠다는 전략이다.</p> <p contents-hash="4a3bb79c1f6918d0a39ac3c0dc76cfe0263ab60e25db784d3657208100e87af8" dmcf-pid="q82l7TSryQ" dmcf-ptype="general">이용자 접점 확보 작업에도 공을 들였다. 포털 ‘다음’ 운영사 다음과 공공·교육기관용 AI 에이전트 플랫폼 운영사 타임리 등을 인수해 실제 서비스와 연결할 수 있는 창구를 마련했다. 모델 개발에만 집중하던 이전 전략에서 나가 소비자 대상 거리(B2C) 및 정부 대상 거래(B2G) 시장 서비스까지 확보하겠다는 전략으로 풀이된다.</p> <div contents-hash="52f0ff3e1c39f75640f6ff16a8145ac369664eab9a30b539e123a5e035293905" dmcf-pid="B6VSzyvmTP" dmcf-ptype="general"> 다만 활성 파라미터가 작다는 장점은 적은 비용으로도 높은 품질을 유지할 때 의미가 있다. 실제 모델을 활용하는 과정에서 비용 효율이 확실히 증명돼야 한다. 또 복잡한 업무에서 도구 호출 오류가 누적되지 않고 100만 토큰 문맥을 안정적으로 활용할 수 있는지가 평가의 관건이 될 것으로 분석된다. </div> <figure class="figure_frm origin_fig" contents-hash="73de125ead0122082afe3d26c0b9eb4edd30a24f5d8d1fb438c84c3237956506" dmcf-pid="bPfvqWTsv6" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114318399deaz.jpg" data-org-width="640" dmcf-mid="96GnlgLxvl" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/31/552796-pzfp7fF/20260731114318399deaz.jpg" width="658"></p> </figure> <p contents-hash="8255d586fae6521b7fd723911f8479628231eb1aa3f02c2559ffcb9593e63bea" dmcf-pid="KQ4TBYyOv8" dmcf-ptype="general"><strong>◆모티프, 314B 중 13B만 가동…성능 아닌 ‘자원 대비 성과’ 도전</strong></p> <p contents-hash="e0827a33cdb38e1df56c9b4ef37d0bb48032b1246240e07660d26720e9a622a4" dmcf-pid="9x8ybGWIT4" dmcf-ptype="general">모티프테크놀로지스는 4개 컨소시엄 중 가장 늦게 경쟁에 합류한 팀이다. 이점을 감안해 정부도 한달의 추가 개발기간을 부여 했다. 모티프테크놀로지스는 정식 모델 공개에 앞서 ‘모티프 3’ 사전 모델(프리뷰)을 선보였다. 모티프3 프리뷰는 3140억개(314B) 규모로, 추론 과정에서는 전체의 약 4%인 130억개만 활성화한다. 네팀 가운데 모델 전체 규모와 활성 파라미터를 모두 상대적으로 작게 설계하면서 성능을 끌어올리는 자원 효율 전략이 선명하다.</p> <p contents-hash="5270cf091cc035af75f827ea418541f845191034cef2c4c71a6d3eba2dcafcb9" dmcf-pid="2M6WKHYCWf" dmcf-ptype="general">프리뷰 모델은 아티피셜 애널리시스의 종합 성능지표 AAII에서 44점을 받았다. 회사 측은 미국과 중국을 제외한 국가 모델 가운데 1위이자 글로벌 오픈소스 모델 3위권이라고 설명했다. 특히 더 큰 전체·활성 파라미터를 사용하는 일부 해외 모델과 같은 점수를 기록했다는 점을 설계 효율의 근거로 제시했다.</p> <p contents-hash="f47c4bf56f02eeea6fded1859bba8ffe26936d79dd73dcb08afa3ec9c6ab7456" dmcf-pid="VRPY9XGhyV" dmcf-ptype="general">모티프의 경쟁력은 절대적인 자원 규모보다 한정된 인력과 GPU로 어느 수준까지 도달했는가에 있다. 회사에 따르면 30명 규모 조직이 독파모 선정 후 약 5개월 동안 GPU 700여장으로 프리뷰 모델을 만들었다. 독파모가 대기업뿐 아니라 전문 스타트업의 기술적 실험을 프런티어 경쟁으로 연결할 수 있는지를 보여주는 사례다.</p> <p contents-hash="49e3ce870fb96050b8b308a5c0908da9498564486e6a7fdd3d5e198fee5f3275" dmcf-pid="feQG2ZHll2" dmcf-ptype="general">다만 현재 공개된 결과는 최종 제출 모델이 아닌 프리뷰 모델인 점이다. 국민 대상 서비스와 산업 적용 사례도 다른 팀보다 상대적으로 구체성이 낮다. 8월4일 보고서 제출 직후 공개할 최종 모델에서 성능 개선과 실제 사용 환경을 얼마나 보여주느냐가 성패를 가를 전망이다.</p> <p contents-hash="03a65920083255d16167b9ae9f017baef5c4c2b93ca2df737dbfd7efb31182f8" dmcf-pid="4dxHV5XSS9" dmcf-ptype="general">AI 업계 관계자는 “각 팀이 공개한 벤치마크는 평가 항목과 조건이 달라 단순 수치만으론 우열을 가리기 어렵다”며 “파라미터 수 자체가 아니라 각 팀의 기술적 선택이 실제 이용 과정에서 효과를 내는지 여부를 봐야 한다. 모델 규모 경쟁이 끝났다 하더라도 대형 모델이 불필요해졌다는 뜻은 아니다”라고 말했다.</p> <p contents-hash="2e684c94b5655b8069d6bbf4fca50d8011f41b24bcc8829a7c8f2d915c4b16f2" dmcf-pid="8JMXf1ZvTK" dmcf-ptype="general">이어 “충분한 체급을 갖춘 이후에는 정확도와 비용, 속도, 안정성을 동시에 만족시키는 사용성이 승패를 가를 것”이라고 분석했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 알뜰폰업계 "정부 활성화 대책 환영…요금 경쟁력·혁신 기반 마련" 07-31 다음 AI 수요 자신한 아마존…“서버 투자 3년 안에 손익분기” 07-31 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
