검색

문샷AI가 오늘 1조 파라미터 규모의 오픈소스 코딩 에이전트 모델 Kimi K2.7 Code를 허깅페이스에 공개했어요. API 출력 가격이 백만 토큰당 $4.00으로, GPT-5.5 대비 7.5배, Claude Fable 5 대비 최대 12배 저렴해요. 에이전트 벤치마크 MCPMark Verified에선 81.1점으로 Claude Opus 4.8의 76.4점을 넘어섰어요.

솔직히 이 숫자를 처음 봤을 때 오타인 줄 알았어요. GPT-5.5 출력 토큰 가격이 백만 토큰에 30달러, Claude Opus 4.8이 25달러인데, Kimi K2.7 Code는 단 4달러예요. 게다가 총 1조(1 trillion) 파라미터짜리 모델이에요. 중국 AI 스타트업 문샷AI(Moonshot AI)가 오늘 허깅페이스에 그냥 올려버렸어요. 라이선스는 Modified MIT라서, 월 1억 명 미만 사용자 서비스거나 월 매출 2천만 달러 미만이면 상업적으로도 자유롭게 사용할 수 있어요. 모델 ID는 kimi-k2.7-code고, Moonshot AI API에서 바로 호출하거나 허깅페이스에서 가중치를 받아서 직접 돌릴 수 있어요.

모델 아키텍처를 보면, 파라미터는 총 1조 개지만 토큰 하나를 처리할 때 실제로 활성화되는 건 320억 개예요. 384개의 전문가 모듈로 구성된 MoE(Mixture-of-Experts) 방식 덕분이에요. 컨텍스트 윈도우는 256,000 토큰이고, 자체 개발한 MoonViT 비전 인코더(4억 파라미터)도 내장돼 있어서 이미지 같은 멀티모달 입력도 처리해요. 전작 K2.6과 비교하면 추론 토큰을 30% 줄이면서 Kimi Code Bench v2에서 21.8% 개선, Program Bench에서 11.0%, 다국어 벤치마크 MLS Bench Lite에선 31.5% 향상을 기록했어요. 📈

성능은 솔직히 복잡한 그림이에요. 순수 코딩 벤치마크에서는 GPT-5.5에 밀려요. Kimi Code Bench v2 기준으로 K2.7이 62.0점, GPT-5.5가 69.0점이고, Program Bench에서는 53.6 대 69.1로 차이가 꽤 나요. 근데 MCP 도구 호출과 멀티스텝 에이전트 작업을 측정하는 MCPMark Verified 벤치마크에서는 Kimi K2.7이 81.1점으로 Claude Opus 4.8의 76.4점을 넘어서요. "실제 에이전트로 업무를 시켰을 때"는 더 비싼 모델들을 이기고 있

구글 딥마인드가 텍스트 확산 기법을 활용한 오픈소스 AI 모델 DiffusionGemma를 오늘 공개했어요. 26B MoE 구조로 H100 한 장에서 초당 1,000토큰 이상을 처리하며, 기존 대비 최대 4배 빠릅니다. Apache 2.0 라이선스로 Hugging Face에서 즉시 무료로 내려받을 수 있어요.

구글 딥마인드가 오늘(6월 10일) 꽤 흥미로운 모델을 내놨어요. 이름은 DiffusionGemma, 텍스트 생성 방식 자체를 바꾼 오픈소스 AI 모델이에요. 이미지 생성에서 익숙한 "확산(Diffusion)" 기법을 텍스트에 그대로 적용했고, 그 결과 속도가 기존 자기회귀 방식 대비 최대 4배 빨라졌어요. 📊

기존 LLM들은 전부 자기회귀(Autoregressive) 방식이에요. "안녕하세요" 같은 문장을 생성할 때 "안", "녕", "하" 이런 식으로 토큰을 하나씩 순서대로 뽑아내요. 이전 토큰이 확정돼야 다음 토큰을 생성할 수 있어서, GPU가 놀게 되는 시간이 꽤 생겨요. 근데 DiffusionGemma는 달라요. 256개 토큰을 통째로 블록으로 잡고, 처음엔 랜덤 노이즈 토큰들을 깔아놓은 다음 여러 패스(pass)를 거쳐 전체를 동시에 정제해 나가는 방식이에요. 구글은 이걸 "한 글자씩 치는 타자기" vs "전체 페이지를 한 번에 찍는 인쇄기"로 비유했는데, 꽤 정확한 비유인 것 같아요.

속도를 구체적으로 보면, NVIDIA H100 한 장으로 초당 1,000토큰 이상을 처리해요. RTX 5090 같은 고급 소비자용 GPU에서도 700토큰 이상이 나와요. 무엇보다 이 모델의 핵심은 로컬 추론이에요. 클라우드 API가 아니라 본인 컴퓨터에서 고속 처리가 가능하다는 게 포인트예요.

기술 스펙을 보면, Gemma 4 패밀리 기반의 26B Mixture of Experts 모델이고 실제 추론 때는 3.8B 파라미터만 활성화돼요. 컨텍스트 창은 256K 토큰이고, 140개 이상 언어를 지원해요. 양자화를 하면 18GB VRAM 안에 들어가서 최신 소비자용 GPU로도 돌릴 수 있는 수준이에요. Hugging Face에서 가중치를 무료로 내려받을 수 있고, vLLM, Hugging Face Transformers, MLX를 지원해요. llama.cpp 지원도 곧 추가될 예정이고요. 라이선스는 Apache 2.0이라 상업적 사용과 수정·배포도 자유로워요. 🚀

물론 제

메타가 인도 최대 재벌 릴라이언스와 손잡고 168MW 규모 AI 데이터센터 계약을 맺었어요. 구자라트주 잠나가르에 건설되며 해수 담수화로 냉각하는 재생에너지 기반 시설이에요. 별도로 인도에서 약 1GW 규모의 태양광·풍력 에너지 계약도 함께 체결했습니다.

이번 발표 보고 솔직히 '드디어 왔다'는 생각이 들었어요. 메타가 인도에 첫 AI 전용 데이터센터를 짓기로 했거든요. 파트너는 다름 아닌 릴라이언스 인더스트리즈 — 인도 최대 민간 재벌이자 Jio 플랫폼의 모기업이에요. 6월 9일 공식 발표됐고, 메타 CEO 마크 저커버그가 직접 이번 협약의 전략적 의미를 강조했어요.

데이터센터는 구자라트주 **잠나가르(Jamnagar)**에 지어질 예정이고 초기 용량은 168MW예요. 릴라이언스가 건설하고 메타가 임차하는 방식인데, 향후 확장 옵션도 포함돼 있어요. 특이한 점은 냉각 방식이에요. 해수 담수화 시스템을 활용해 데이터센터를 식히는 구조로, 에너지와 물 비용은 메타가 전부 부담하기로 했습니다.

재생에너지 부분도 눈에 띄어요. 메타는 이번 계약과 별개로 인도 내 태양광·풍력 업체들과 약 1GW 규모의 청정에너지 계약을 체결했는데, CleanMax가 라자스탄·카르나타카에서 837MW, Fourth Partner Energy가 타밀나두·카르나타카·마하라슈트라 등지에서 88MW를 공급하기로 했어요. 사실상 인도 전역에 깔리는 재생에너지 네트워크를 AI 인프라와 연결하는 거죠.

사실 메타와 릴라이언스는 이번이 처음 손잡는 게 아니에요. 2020년에 메타가 Jio 플랫폼에 **57억 달러(약 7.8조 원)**를 투자하면서 관계가 시작됐고, 이후 오픈소스 AI 모델 공동 도입 협력도 진행했죠. 이번 데이터센터 계약은 그 파트너십을 물리적 인프라 차원으로 한 단계 끌어올린 거예요.

인도 시장 맥락에서 이 뉴스가 왜 중요하냐면, 인도는 이미 세계에서 가장 빠르게 성장하는 AI 사용자 기반 중 하나예요. 인터넷 사용 인구 8억 명이 넘고, 메타 앱들(WhatsApp, Instagram, Facebook)을 가장 많이 쓰는 국가 중 하나이기도 하고요. 저커버그 본인도 이번 협약이 "인도 디지털 경제에 대한 장기 투자"라고 명시했어요.

개인적으로는 이번 움직임이 단순 인프라 계약을 넘어 의미가 크다고 봐요. AI 시대에 '현지 인프라 소유'가 데이터 주권이나 규제 대응력에서 점점 더 중

Microsoft GitHub에서 AI 개발 도구 70개 이상의 레포지토리에 악성코드가 주입됐어요. 피해 도구에는 Azure, VS Code, Claude Code 연동 도구, Gemini CLI 등이 포함됐어요. 5월에 이어 두 번째 침해로, Microsoft는 73개 레포를 105초 만에 일괄 비공개 처리했어요.

어젯밤(6월 8일) 보안 업계가 꽤 시끄러웠어요. Microsoft의 GitHub 오픈소스 프로젝트 70개 이상에서 악성코드가 발견된 거예요. 그냥 악성코드도 아니고, AI 개발자들이 매일 열어두는 도구 안에 숨어서 비밀번호를 빼내는 종류였습니다.

피해 레포는 주로 Microsoft의 Azure 클라우드 서비스와 연관된 개발 도구들이에요. 근데 더 직접적으로 충격을 준 건 Claude Code, Gemini CLI, VS Code와 함께 쓰이는 도구들도 포함됐다는 점이에요. 요즘 AI 코딩 에이전트를 쓰는 개발자라면 이 도구들을 터미널에 상시 열어놓는 경우가 많잖아요. 바로 거기서 공격자가 비밀번호와 각종 크리덴셜을 훔쳐갔습니다.

공격 방식은 공급망 공격(supply chain attack)이에요. 개발자를 직접 노리는 게 아니라 개발자가 이미 신뢰하는 도구를 노린 거죠. 오픈소스 레포에 악성코드를 심어두면, 그 도구를 사용하는 모든 개발자가 자동으로 피해자가 됩니다. 보안 연구 기관 Cloudsmith와 OpenSourceMalware 커뮤니티가 이를 발견했는데, 악성코드는 사용자가 해당 도구를 AI 코딩 앱에서 열 때 비밀번호와 크리덴셜을 훔쳐가는 방식이에요.

사실 이번이 첫 번째가 아니에요. 5월 중순에 Microsoft의 오픈소스 프로젝트 Durable Task가 이미 한 번 침해를 당했어요. 그때 조사하고 정리했다고 발표했는데, 이번 6월 사건은 같은 경로를 통한 '재침해'로 보인다는 게 보안 연구자들의 분석이에요. 즉, 1차 때 공격자를 완전히 제거하지 못했을 가능성이 높다는 뜻이고요.

Microsoft 측 대응은 빨랐어요. 73개 레포를 단 105초 만에 일괄 비공개로 전환하고, 영향받은 고객에게 개별 통지를 보냈다고 해요. 일부 레포는 검토 후 복구됐고, 일부는 아직 오프라인 상태입니다.

근데 솔직히 이 사건이 불편한 이유는, AI 코딩 도구가 일상화된 지금 상황과 맞물려 있어서예요. Claude Code, GitHub Copilot, Cursor 같은 도구들

AI 에이전트와 바이브 코딩 붐이 Supabase를 기업가치 14조 원 스타트업으로 만들었어요. 6월 4일 5억 달러 시리즈 F 투자 유치에 성공했고, Claude Code가 올해 최대 DB 배포 원천이 됐습니다. 전년 대비 데이터베이스 배포 600% 성장 — AI 에이전트가 인프라 시장을 통째로 바꾸고 있어요.

근래 AI 소식들 중에 개발자라면 눈여겨볼 만한 게 하나 나왔어요. Supabase가 6월 4일 5억 달러 규모의 시리즈 F 투자 유치를 마쳤다는 소식인데요. 기업가치는 10.5억... 아, 정정하면 105억 달러, 즉 한화로 약 14.5조 원이에요. 지난 시리즈 E 때(2025년 10월)의 기업가치가 52억 달러였는데, 불과 8개월 만에 딱 2배가 됐습니다. 📈

Supabase가 뭔지 모르는 분들을 위해 간단히 설명하면, PostgreSQL 기반의 오픈소스 Backend-as-a-Service예요. 개발자가 인증·데이터베이스·스토리지·엣지 함수를 한꺼번에 쓸 수 있는 플랫폼인데, AI 에이전트들이 앱을 만들 때 즐겨 쓰는 인프라로 자리 잡았어요. 특히 올해 들어서 이게 폭발적으로 커졌어요.

이번 성장의 핵심 키워드는 두 가지예요 — 바이브 코딩(vibe coding)과 AI 에이전트. 바이브 코딩은 비개발자가 Cursor, Claude Code 같은 도구로 자연어만으로 앱을 뚝딱 만드는 현상인데, 이 앱들이 백엔드로 Supabase를 선택하는 경우가 압도적으로 많아요. 더 놀라운 건 Supabase의 CEO Paul Copplestone이 밝힌 수치 하나예요. 올해 들어 Claude Code가 플랫폼의 최대 단일 데이터베이스 배포 원천이 됐다는 거예요. Anthropic 측에서 발표한 게 아니라 Supabase에서 직접 확인된 수치라는 점에서 더 의미가 있어요. AI 에이전트가 얼마나 실질적으로 인프라를 사용하는지 보여주는 사례죠.

근데 이게 개발자 입장에서 좀 묘한 감정이에요. 내가 수동으로 쓰던 서비스가 AI가 대신 쓰고 있다는 거잖아요. Supabase에 배포되는 데이터베이스의 과반이 이제 사람 손이 아니라 AI 에이전트가 만들었다고 해요. 사람이 쓰는 도구가 AI가 쓰는 인프라로 전환되는 시점을 지금 목격하고 있는 것 같아요. 🤖

이번 라운드 투자자 구성도 흥미로워요. GIC(싱가포르 국부 펀드)가 리드를 맡았고, Accel·Y Combinator·Craf

OpenAI가 오늘 GPT-Rosalind의 업데이트 버전을 공개하면서, 동시에 Rosalind Biodefense라는 새 프로그램도 함께 가동했다. 🔬 생명과학 연구자와 바이오시큐리티 기관을 위해 설계된 전용 모델인 GPT-Rosalind는, 이번 버전부터 GPT-5.5의 에이전틱 코딩·툴 사용 능력과 의약화학, 유전체학 특화 성능을 합쳤다.

숫자로 먼저 보면 — 📊 의약화학 벤치마크 MedChemBench에서 GPT-5.5가 25.1%인 데 비해 GPT-Rosalind는 27.5%를 기록하면서도, 토큰 사용량은 오히려 7.2% 적다. 유전체학 벤치마크 GeneBench에서도 GPT-5.5 대비 31% 적은 토큰으로 더 높은 정확도를 냈다. 모델이 더 강해지면서 더 효율적으로 됐다는 건 의미 있는 지표다.

Rosalind Biodefense는 심사를 거친 개발사와 일부 공공기관에 GPT-Rosalind 접근권을 주는 프로그램이다. 전염병 모델링, 조기 탐지, 스크리닝, 공중보건 관련 AI 도구 개발이 목적이다. 참여 기관 면면이 흥미롭다. Fourth Eon Biosecurity(AI 기반 바이오시큐리티 스크리닝 시스템), SecureDNA(DNA 시퀀스 스크리닝), CEPI(전염병 예방혁신 연합), 미 로렌스 리버모어 국립연구소, 존스홉킨스 응용물리연구소, 그리고 일부 미 정부 기관들.

타이밍이 절묘하다. 오늘 Sam Altman, Dario Amodei, Demis Hassabis, Mustafa Suleyman이 합성 DNA 스크리닝 의무화를 의회에 촉구하는 공개서한에 서명했다. 같은 날 OpenAI는 바이오방어 AI 프로그램을 가동했다. 우연이라기엔 메시지가 너무 맞아떨어진다. 업계 전체가 AI와 생물학적 위협이라는 주제를 본격적으로 다루기 시작했다는 신호로 읽힌다.

GPT-Rosalind는 일반 공개가 아니라 심사를 거친 기관에만 제공된다. ⚠️ 강력한 생명과학 AI를 아무나 쓸 수 있게 하지 않겠다는 방침이다. 오픈소스 AI가 대세로 흘러가는 시기에 민감한 도메인에서만큼은 접근 통제를 강화하는 방향을 택한 셈이다.

이 생태계가 실제로 어떤 성과를 낼지는 좀 더 지켜봐야 한다. Fourth Eon이나 SecureDNA 같은 파트너들이 실전에서 유의미한 스크리닝 시스템을 만들어낼 수 있을지, 정부 기관들이 이걸 실제 방어 체계에 편입시킬지. 오늘의 발표는 시작점이고, 결과는 앞으로 몇

지난 6월 3일, Google DeepMind가 Gemma 4 12B를 공개했다. 공지가 조용했는데도 개발자 커뮤니티 반응이 꽤 뜨겁다. 이유는 단순하다. 12B 파라미터짜리 모델이 텍스트, 이미지, 오디오, 영상을 — 별도 인코더 없이 — 한 번에 처리하면서 16GB VRAM 노트북에서도 로컬로 돌아간다. Apache 2.0 라이선스라서 상업적으로도 자유롭게 쓸 수 있다. 🚀

기술적으로 뭐가 다른지 먼저 얘기하면, 기존 멀티모달 모델들은 이미지를 이해하기 위한 별도 비전 인코더, 오디오를 처리하기 위한 별도 오디오 인코더를 따로 붙이는 구조였다. Gemma 4 12B는 이걸 하나로 통합했다. 이미지 입력은 35M 파라미터짜리 가벼운 임베딩 모듈로, 오디오는 40밀리초 단위의 raw 16kHz 프레임을 그대로 LLM의 입력 공간으로 투영하는 방식이다. 인코더가 없으니 멀티모달 처리 레이턴시가 줄고, 전체 메모리 효율도 높아진다.

성능 면에서는 Google의 26B MoE 모델에 근접한다는 게 Google의 주장이다. 📊 파라미터 수는 절반도 안 되는데 비슷한 수준이라면, 단순히 "작은 모델"이 아닌 거다. 특히 눈에 띄는 건 오디오 처리 능력이다. 이 크기의 오픈소스 모델 중 오디오를 네이티브로 처리할 수 있는 건 Gemma 4 12B가 처음이라고 한다.

어디서 쓸 수 있냐면, 지금 바로 Hugging Face에 올라와 있다. Ollama, LM Studio, Google AI Edge Gallery 앱에서도 즉시 사용 가능하다. 개발 프레임워크는 llama.cpp, MLX, vLLM, SGLang 등 익숙한 것들을 다 지원하고, 파인튜닝은 Unsloth를 통해서 할 수 있다. Google Cloud 쪽도 Cloud Run과 GKE로 배포를 지원한다.

클라우드 API로만 접근 가능한 모델이 아니라 내 로컬에서, 내 데이터로 돌릴 수 있다는 게 이 모델의 핵심이다. 기업 입장에선 데이터 프라이버시 걱정 없이 쓸 수 있고, 개인 개발자 입장에선 API 비용 없이 멀티모달 기능을 실험해볼 수 있다.

개인적으로 가장 인상적인 건 오디오 처리 부분이다. GPT-4o 수준의 음성+이미지 멀티모달을 로컬 오픈소스로 구현할 수 있는 시대가 오고 있다는 게 실감나는 릴리즈다. 아직 GPT-5.5나 Claude Opus 4.8을 넘는다거나 하는 건 아니지만, 클라우드 없이 이 정도면 충분히 쓸 수 있는 시나리

마이크로소프트가 오늘(6월 2일) Build 2026 컨퍼런스에서 자체 개발 AI 모델 7종을 동시에 공개했습니다. 이번 발표의 핵심은 MAI(Microsoft AI) 패밀리인데, 그 중 가장 눈길을 끄는 건 MAI-Thinking-1이에요. 마이크로소프트가 처음으로 내놓는 추론 특화 모델(reasoning model)입니다. 35억 개 활성 파라미터, 256K 컨텍스트 윈도우. 중요한 건 OpenAI 데이터나 모델 증류(distillation) 없이 자체적으로 처음부터 훈련됐다는 점이에요.

성능 면에서는 SWE Bench Pro 코딩 벤치마크에서 Anthropic Claude Opus 4.6과 동급이라고 발표됐고, 블라인드 평가에서 Claude Sonnet 4.6보다 평가자 선호도가 높았다는 결과도 제시됐습니다. 근데 솔직히, 이런 벤치마크 비교는 항상 자사에 유리하게 나오는 경향이 있잖아요. 실제로 써봐야 알겠지만, 적어도 마이크로소프트가 이제 "우리 모델도 경쟁력 있다"고 당당하게 말할 수 있는 수준엔 온 것 같습니다.

MAI 패밀리엔 다른 모델들도 있어요. MAI-Image-2.5는 텍스트-이미지 생성 모델로 Google 경쟁 모델을 ELO 벤치마크에서 앞선다고 했고, MAI-Transcribe-1.5는 43개 언어에서 최상위 수준의 음성 인식 정확도를 제공합니다. MAI-Voice-2는 15개 이상의 새 언어를 추가했고, MAI-Code-1은 이미 GitHub Copilot과 VS Code에 탑재됐어요. 일곱 개 모델을 한 번에 공개하는 건 꽤 공격적인 행보입니다.

그리고 사실 오늘 발표 중에 개발자들한테 가장 직접적인 영향을 줄 소식이 따로 있어요. Project Polaris 얘기예요. 오는 8월부터 GitHub Copilot에서 GPT-4 Turbo를 Project Polaris로 교체한다는 건데, 마이크로소프트가 자사 서비스 내에서 OpenAI 모델을 자체 모델로 대체하는 거잖아요. Mixture-of-Experts 아키텍처 기반이고, Rust나 Haskell 같은 비주류 언어에서 특히 성능 향상이 두드러진다고 했습니다. 팀 구독자들은 자동으로 전환되고, 원한다면 3개월간 GPT-4로 롤백도 가능합니다.

Windows Agent Framework 1.0도 오늘 MIT 라이선스로 오픈소스 공개됐어요. 로컬 Windows 기기, Windows 365 클라우드 PC, Azure Arc

Build 2026이 오늘(6월 2일) 샌프란시스코 포트 메이슨 센터에서 막을 올렸습니다. 사티아 나델라가 오전 9시 30분(PT)에 키노트 무대에 서자마자 발표가 쏟아졌는데, 한마디로 요약하자면 마이크로소프트가 OpenAI 의존도를 줄이고 자체 AI 스택을 본격 가동하겠다는 선언이었어요. 그냥 말뿐인 로드맵이 아니라 실제 제품들이 뒤를 받쳐주고 있어서, 이번엔 진짜 구체적인 변화가 시작된 것 같습니다.

가장 눈에 띈 건 MAI-Thinking-1 공개였어요. 마이크로소프트 AI 수장 무스타파 술레이만이 직접 무대에 올라 발표한 이 모델은 마이크로소프트 최초의 전용 추론(reasoning) 모델입니다. 재밌는 건 증류(distillation) 기법을 쓰지 않았다는 점인데, 다른 AI 모델의 출력 데이터로 학습하지 않았다는 뜻이에요. 요즘 수많은 모델들이 GPT 같은 거대 모델의 결과물을 재활용해 학습하는 것과는 다른 방향이죠. 일단 주로 기업 고객 대상이고 가격은 공개 안 됐지만, 자체 추론 능력을 확보했다는 사실 자체가 의미 있어요.

근데 솔직히 더 충격적인 발표는 따로 있었습니다. Project Polaris예요. GitHub Copilot에 내장된 GPT-4 Turbo를 2026년 8월부터 마이크로소프트가 직접 만든 모델로 교체한다는 건데, Mixture-of-Experts 아키텍처 기반이고 HumanEval, MBPP 벤치마크에서 GPT-4 Turbo를 능가한다고 주장하고 있어요. 특히 Rust, Haskell 같은 언어에서 강점을 보인다고 하는데, 이게 단순한 성능 업그레이드가 아니라 마이크로소프트가 자사 핵심 제품에서 OpenAI 모델을 몰아내겠다는 공개 선언이나 다름없어요.

개발자들이 당장 체감할 수 있는 건 Windows Agent Framework 오픈소스 공개입니다. MIT 라이선스로 풀렸고, YAML로 에이전트를 정의하면 로컬 PC, Windows 365 클라우드 PC, Azure Arc 엣지 장치 어디서든 아키텍처 변경 없이 실행할 수 있어요. 이메일 자동 분류나 설정 이탈 감지 같은 작업을 백그라운드에서 상시 실행하는 "ambient agent"도 지원한다고 합니다.

여기에 Azure Agent Mesh도 함께 공개됐어요. 온프레미스 서버부터 클라우드 PC, 엣지 장치까지 에이전트 실행을 연결하는 컨트롤 플레인인데, 지연시간과 GPU 가용성에 따라

젠슨 황이 오늘 타이베이 뮤직 센터 무대에 올랐을 때, 사람들은 또 새 GPU 얘기가 나오겠구나 했을 겁니다. 근데 Computex 2026 키노트에서 가장 화제를 모은 건 의외로 칩이 아니라 모델이었어요. 엔비디아가 공개한 Nemotron 3 Ultra — 총 5500억(550B) 파라미터짜리 오픈웨이트 AI 모델입니다. 미국산 오픈소스 모델 중 역대 최대 규모라고 하니, 솔직히 좀 놀랍죠.

이 숫자만 들으면 "그냥 크기만 키운 거 아냐?" 싶을 수 있는데, 사실 구조 자체가 흥미롭습니다. MoE(Mixture-of-Experts) 아키텍처를 썼기 때문에, 5500억 개 파라미터가 전부 한꺼번에 돌아가는 게 아니라 토큰당 550억(55B)만 활성화됩니다. 실제 연산 효율은 훨씬 낫다는 거죠. 하이브리드 맘바-트랜스포머 구조도 결합됐고, 특히 에이전틱 AI 워크플로우 — 사람이 지시를 내리면 알아서 계획 세우고 실행하고 반복하는 멀티스텝 태스크 — 에 최적화돼 있다고 강조했어요.

성능 수치도 꽤 인상적입니다. Artificial Analysis 기준 인텔리전스 인덱스 48점으로, 구글 Gemma 4 31B(39점)나 이전 모델인 Nemotron 3 Super(36점)를 훌쩍 뛰어넘어요. 코딩 벤치마크 HumanEval에서 92.1%, 지식 평가 MMLU에서 89.4%를 기록했고, DeepInfra 엔드포인트 기준으로 초당 300 토큰 이상을 뽑아낸다고 합니다.

근데 여기서 재미있는 비교가 하나 있어요. 지능 지표에선 중국 모델 Kimi K2.6가 인덱스 54점으로 여전히 앞서 있거든요. 그런데 속도에서는 이쪽이 훨씬 빠릅니다. 중국 경쟁 모델들이 초당 50~100 토큰 수준인 데 반해, Nemotron 3 Ultra는 300 토큰 이상이라니 3~6배 차이예요. 실제 배포 환경에서 API 비용, 레이턴시, 실시간 에이전트 운영을 생각하면 이 속도 격차가 꽤 의미 있는 변수가 됩니다.

Nemotron 3 Ultra 말고도 이번 키노트엔 볼 게 많았어요. Cosmos 3는 비전 추론, 세계 시뮬레이션, 로봇 액션 생성을 하나로 합친 오픈 옴니모델인데, Physics-IQ, PAI-Bench, RoboLab 등 7개 로보틱스 벤치마크에서 1위를 차지했다고 합니다. Super(32B)와 Nano(8B) 두 사이즈로 나왔고요. 로봇 AI 연구자들한테는 꽤 반가운 소식이겠죠.

**RTX

어제도 없던 모델이 오늘 나왔습니다. 중국 상하이의 AI 스타트업 MiniMax가 6월 1일, 새 플래그십 모델 M3를 정식 출시했어요. 조용히 등장한 것치고는 내용이 꽤 충격적인데요, 소프트웨어 엔지니어링 벤치마크인 SWE-bench Pro에서 OpenAI의 GPT-5.5(58.6%)를 제치고 **59.0%**를 기록했거든요. Gemini 3.1 Pro도 뒤로 밀렸고요.

솔직히 처음엔 "또 중국 회사 자체 발표 아닌가?" 싶었는데, SWE-bench Pro는 제3자 기관 기준이라서 그냥 흘려보내기가 좀 어렵더라고요. BrowseComp(웹 탐색 능력 평가) 에서도 83.5점을 기록하면서 Claude Opus 4.7(79.3점)을 앞섰습니다.

MiniMax는 2022년 초 설립됐습니다. 창업자 옌쥔제(Yan Junjie)는 중국 AI 대기업 SenseTime 부사장 출신이고, 알리바바가 2024년에 6억 달러 투자 라운드를 이끌었어요. 텐센트, HongShan, IDG Capital도 투자자 명단에 있습니다. 올해 초 홍콩 증시에 상장(종목코드 00100.HK)한 이후 주가가 IPO 대비 약 400% 올라서 지금 시가총액은 약 337억 달러(한화 약 46조 원) 수준이에요. 최근엔 상하이 스타마켓(STAR) 이중 상장도 준비 중이라는 소식도 들리고요.

근데 이 정도 규모 회사인데 한국에서는 왜 잘 모르냐고요? 저도 잘 모르겠어요. 중국 AI 회사들이 종종 그렇게 조용히 커있더라고요. 이번엔 그냥 넘어가기 어렵겠다 싶었습니다.

M3의 핵심: Sparse Attention

M3의 가장 특징적인 기술은 MiniMax Sparse Attention(MSA) 아키텍처입니다. 기존 트랜스포머 모델들이 모든 토큰 쌍 간의 관계를 전부 계산하는 Dense Attention 방식을 쓴다면, MSA는 꼭 필요한 관계에만 집중합니다. 그 덕분에 연산량이 이전 모델 대비 약 1/20 수준으로 줄었다고 해요. 성능을 올리면서 비용을 그렇게까지 낮춘 게 이 아키텍처 덕분이라는 거고요.

컨텍스트 창은 최대 100만 토큰(1M)으로, 이전 모델(M2.7)의 무려 5배입니다. 512K 토큰까지는 고품질로 보장되고, 텍스트·이미지·영상 입력을 모두 기본 지원합니다.

12시간 동안 혼자 돌아간 코딩 에이전트

MiniMax가 공개한 데모 중 눈에 띄