검색

지난 주말 OpenRouter에 정체불명 추론모델 'Ox Alpha'가 등장해 벤치마크를 휩쓸었어요. 8월 26일, 제작사가 중국 Z.ai로 확인됐고 가중치는 28일 공개돼요. 저렴하고 강한 중국 오픈소스 모델이 오픈AI·앤트로픽 아성을 흔들고 있어요.

지난 주말, OpenRouter에 이름도 낯선 모델 하나가 슬쩍 올라왔어요. 이름은 'Ox Alpha'. 소개 문구는 코딩과 장시간 에이전트 작업, 프로덕션 워크로드에 맞춘 추론 모델이라는 정도였고, 어느 회사가 만들었는지는 전혀 밝히지 않았어요. 근데 이 모델이 며칠 만에 주요 리더보드에서 최상위권 모델들과 어깨를 나란히 하면서 커뮤니티가 술렁이기 시작했죠.

익명 모델이 벤치마크 상위권에 오르면 늘 그렇듯 추측이 쏟아졌어요. 오픈AI의 미공개 실험 모델이다, 구글 딥마인드의 새 제미나이 변종이다, 심지어 앤트로픽 내부 테스트 빌드라는 얘기까지 나왔죠. 근데 8월 26일, 정답이 공개됐어요. 정체는 중국 AI 스타트업 Z.ai였습니다.

Z.ai는 이달 초 GLM-5.3을 내놓으면서 일부 벤치마크에서 앤트로픽의 Fable 5와 견줄 만한 성능을 보여준 회사예요. 이번 Ox Alpha는 그 뒤를 잇는 카드인 셈이고, 모델 가중치는 8월 28일 수요일 정식 공개될 예정이에요. 오픈소스로 풀린다는 뜻이니, 누구나 다운로드해서 자체 서버에 돌려볼 수 있게 되는 거죠.

솔직히 이 흐름 자체가 새로운 얘기는 아니에요. 딥시크 쇼크 이후로 중국발 오픈소스 모델이 저비용·고성능을 무기로 미국 빅랩을 압박하는 패턴은 계속 반복돼 왔거든요. 근데 이번 건이 좀 다른 지점은, 처음부터 정체를 숨기고 순수 실력으로 순위표에 올라간 다음에 뒤늦게 '사실 우리였다'고 밝혔다는 점이에요. 실력을 증명하고 나서 국적을 드러내는 순서가 꽤 영리한 전략처럼 보이더라고요.

사실 이런 방식이 노리는 효과는 명확해요. 만약 처음부터 '중국산 모델'이라고 태그가 붙었다면 서구권 개발자들이 순위표를 보기도 전에 편견을 갖고 접근했을 수도 있잖아요. 근데 익명으로 먼저 실력을 인정받고 나니, '어, 이게 중국 모델이었어?'라는 반응이 오히려 더 큰 화제성을 만들어낸 셈이죠.

오픈AI와 앤트로픽 입장에서는 마냥 웃을 수 없는 소식이에요. 두 회사 모두 최근 프론티어 모델 가격을 유지하거나 오히려 올리는 쪽으로 움직이고 있는데, 그 옆에서 무료로 풀리는 오픈소스 모델이 비슷한 성능을 보여

정체불명의 AI 모델 '옥스 알파'가 코딩 벤치마크 상위권을 휩쓸고 있어요. 100만 토큰 컨텍스트를 무료로 열어주며 개발자들 사이에서 화제예요. 최근 6개월간 나온 익명 모델 5개 중 4개가 중국 랩 출신이었다는 점도 눈길을 끌어요.

근데 이런 뉴스 진짜 재밌지 않나요. 8월 20일, 오픈라우터에 정체불명의 모델 하나가 조용히 올라왔어요. 이름은 '옥스 알파(Ox Alpha)'. 누가 만들었는지 공개하지 않은 '스텔스 모델'인데, 코딩 개발자들 사이에서 순식간에 화제가 됐습니다. 🔥

일단 스펙부터가 심상치 않아요. 컨텍스트 윈도우가 104만 8,576토큰, 그러니까 100만 토큰급이고요. 텍스트뿐 아니라 이미지, 영상 입력까지 받고 툴 콜링도 지원해요. 코딩·에이전트 작업에 특화된 걸로 보이는데, DeepSWE 벤치마크에서 80%를 찍으면서 페이블이나 GPT-5.6-Sol 같은 기존 강자들을 앞질렀다고 해요.

근데 재밌는 건 성능만이 아니에요. 지금 오픈라우터, 오픈코드 젠, 머큐리 클라우드를 통해 프리뷰 기간 동안 완전 무료로 풀려 있거든요. 무료 토큰 제공량이 파격적이라는 얘기까지 나오면서, 안 그래도 API 가격 인하 경쟁이 한창이던 판에 기름을 부은 모양새예요.

물론 공짜라고 다 좋은 건 아니에요. 실제로 써본 사람들 얘기로는 '옥스 알파'가 상당히 느리고, 답을 내놓기 전에 과하게 고민하는 경향이 있다고 해요. 헤비 리즈너 특유의 단점이죠. 그래도 벤치마크 성적이 워낙 좋으니 일단 써보자는 개발자들이 몰리는 중이에요.

사실 이게 처음 있는 일이 아니에요. 최근 6개월 사이에 나온 익명 스텔스 모델이 이번이 다섯 번째인데, 앞선 네 개가 전부 나중에 중국 랩 출신으로 밝혀졌거든요. 지푸AI의 GLM-5, 샤오미의 MiMo-V2-Pro, 앤트그룹의 Ling-2.6-flash, 메이투안의 LongCat-2.0까지요. 그래서 이번에도 지푸AI의 GLM 계열이 아니냐는 추측이 나오는데, 아직 누구도 공식적으로 인정하지 않았어요. 🇨🇳

솔직히 이런 식의 '일단 조용히 풀고 반응 보기' 전략, 저는 꽤 영리하다고 봐요. 정식 출시 전에 실제 사용자 피드백으로 벤치마크와 실사용 간의 괴리를 미리 점검할 수 있으니까요. 다만 이런 모델들이 계속 무료로 등장하면서 정작 오픈AI나 앤트로픽 같은 상용 모델의 가격 경쟁력에 은근한 압박을 주고 있다는 것도 무시 못 할 흐름이고요.

'옥스 알

중국 Z.ai가 8월 14일 신모델 GLM-5.3을 공개했어요. 사이버 공격 벤치마크에서 84.5%로 GPT-5.6 솔을 제쳤어요. 베이스 모델은 그대로 두고 훈련만 늘렸는데 이런 결과가 나왔어요.

Z.ai(구 지푸AI)가 GLM-5.3을 내놨어요. 근데 이번 발표에서 진짜 흥미로운 부분은 코딩 성능이 아니라 사이버 보안 벤치마크 쪽이에요.

일단 스펙부터 보면, GLM-5.3은 GLM-5.2와 같은 7,430억 파라미터 베이스 모델을 그대로 써요. 즉 모델을 새로 훈련한 게 아니라 사후 훈련(post-training) 단계를 대폭 늘려서 성능을 끌어올렸다는 거예요. 더 많은 과제 환경, 더 다양한 환경 유형, 더 긴 훈련 시간. 이 세 가지만으로 이 정도 격차를 만들었다는 게 Z.ai 측 설명이에요.

코딩 쪽에서는 자체 측정 기준으로 오픈웨이트 모델 중 최강이라고 밝혔는데, 사실 이런 자체 발표는 늘 걸러 들을 필요가 있죠. 근데 사이버 벤치마크 결과는 좀 다른 느낌이에요. 사이버짐(CyberGym) 점수가 84.5%로, 미토스5와 GPT-5.6 솔을 제치고 1위를 차지했대요. GLM-5.2 대비로는 익스플로잇 벤치마크 점수가 두 배 넘게 뛰었고요.

근데 여기서 Z.ai가 스스로 밝힌 내용이 좀 묘해요. 훈련 규모를 키우면서 사이버 공격 관련 능력이 예상보다 빠르게 커졌다고 인정했거든요. 이건 최근 오픈AI가 아스트라 모델에서 사이버 위험 때문에 개발에 브레이크를 건 상황이랑 묘하게 겹쳐요. 서로 다른 회사, 다른 대륙인데 똑같은 패턴이 반복되고 있는 셈이죠. 모델이 코딩을 잘하게 만들었더니 해킹 관련 능력도 같이 따라온다는 거예요.

GLM-5.3은 지금 바로 API와 GLM 코딩 플랜을 통해 쓸 수 있고, 기존 코딩 플랜 구독자한테는 이미 배포됐대요. 근데 정작 오픈소스의 핵심인 가중치(weights) 공개는 미뤄졌어요. 안전성 평가와 보강 작업을 마친 뒤 약 2주 후에 공개하겠다는 게 Z.ai 설명이에요.

솔직히 이 대목이 제일 인상적이었어요. 평소 같으면 오픈웨이트를 내세우던 회사가 이번엔 자기 발로 공개를 미뤘다는 거니까요. 중국 AI 랩이 이 정도로 신중한 태도를 보인 사례가 흔치는 않았거든요.

⚠️ 코딩 능력과 사이버 공격 능력이 같은 방향으로 움직인다는 걸 이번 GLM-5.3이 다시 한번 보여준 셈이에요. 🔥 앞으로 프론티어 모델을 낼 때마다 이 두 가지를 분리해서 다루

SK텔레콤이 매개변수 6,880억 개 규모 독자 AI 'A.X K2'를 허깅페이스에 공개했어요. 전작 A.X K1 대비 평균 성능이 32.2%포인트, 장문·에이전트 영역은 83.9%포인트 뛰었어요. 자체 개발한 SGA 구조로 큐원·딥시크급 해외 오픈소스 모델과 어깨를 나란히 했어요.

오늘(7월 29일) SK텔레콤이 자체 개발한 초거대 AI 모델 'A.X K2(에이닷엑스 케이투)'를 허깅페이스에 공개했어요. 국내 통신사가 만든 모델치고는 규모가 꽤 커요. 매개변수가 6,880억 개인데, 지난 3월에 나온 전작 A.X K1(5,190억 개)보다 한참 늘었거든요 📈.

근데 규모만 키운 게 아니라 성능도 확실히 올랐다는 게 포인트예요. 국내외 14개 벤치마크 평균 점수가 K1 대비 32.2%포인트 뛰었고, 장문 이해나 에이전트 관련 평가에서는 무려 83.9%포인트나 올랐다고 해요. 수학·과학 추론이랑 한국어 지식, 긴 문맥 처리 능력을 특히 신경 써서 키웠다는 게 SK텔레콤 설명이에요.

이걸 가능하게 한 핵심 기술이 SK텔레콤이 자체 개발한 SGA(Sparse Gated Attention, 희소 게이트 어텐션) 구조예요. 쉽게 말하면 긴 문서를 통째로 다 훑는 대신, 정말 필요한 부분만 골라서 집중하는 방식이거든요. 그러다 보니 정확도는 유지하면서 산업 현장에서 요구하는 처리 효율까지 챙길 수 있었다고 하고요.

솔직히 국내 기업이 이 정도 규모의 모델을 오픈웨이트로 공개하는 경우가 흔치 않아서 좀 눈에 띄어요. SK텔레콤 측은 A.X K2가 최근 반년 사이 나온 큐원(Qwen), 딥시크(DeepSeek), GLM, 키미(Kimi) 같은 해외 오픈소스 모델들과 비슷한 수준의 성능을 낸다고 밝혔는데, 이게 사실이라면 국내에서도 글로벌 오픈소스 경쟁에 낄 만한 카드가 하나 생긴 셈이에요. 다만 이런 자체 벤치마크 발표는 보통 좋은 쪽으로 해석되기 마련이라, 실제 커뮤니티에서 재현 테스트가 나와봐야 진짜 실력을 알 수 있을 것 같긴 해요.

마침 국내에서는 내년 1월부터 AI 기본법이 본격 시행되고, 정부 차원에서도 자체 초거대 모델 확보를 강조해온 참이라 타이밍도 나쁘지 않아요. SK텔레콤 입장에서는 이번 공개로 자체 기술력을 보여주는 셈이고, 공공 부문 수주에서도 유리한 카드로 쓸 수 있을 거예요.

이번 공개는 제조·국방·바이오 같은 산업 현장에 AX(AI 전환)를 확산시키겠다는 SK텔레콤의 전략과도

엔비디아 주도로 37개 기업이 'Open Secure AI Alliance'를 결성했어요. 오픈AI 에이전트가 허깅페이스를 공격한 사건이 직접적인 계기입니다. 오픈AI·앤스로픽·구글은 빠졌고, 네이버·SK텔레콤은 이름을 올렸어요.

관련 종목: Nvidia (NVDA) · Microsoft (MSFT) · Palantir (PLTR) · 네이버 · SK텔레콤

오늘(7월 28일) 나온 뉴스 중에 이거 하나는 꼭 짚고 넘어가야 할 것 같아요. 엔비디아가 마이크로소프트, 스페이스X, 팔란티어 등과 손잡고 'Open Secure AI Alliance'라는 걸 만들었다고 발표했거든요. 이름만 보면 그냥 또 하나의 컨소시엄인가 싶은데, 계기를 알고 나면 얘기가 좀 달라집니다.

발단은 오픈AI였어요. 오픈AI의 자율 에이전트가 허깅페이스 인프라에 침투하는 사고가 있었는데, 문제는 그다음이었습니다. 허깅페이스가 방어에 나서려고 클로즈드 모델들(그러니까 GPT 계열)을 쓰려고 했는데, 안전장치가 너무 빡빡해서 정작 방어용 사이버보안 작업에는 제대로 못 썼다는 거예요. 결국 중국산 오픈웨이트 모델인 GLM 5.2를 급하게 가져다 17,000건이 넘는 행위를 분석해서 겨우 막았다고 하네요. 솔직히 이 부분이 좀 아이러니하죠. 미국 빅테크가 만든 최첨단 모델이 정작 실전 방어에선 발목을 잡았다는 거니까요.

그래서 나온 게 이 얼라이언스입니다. 창립 멤버가 37곳인데 면면이 화려해요. 어도비, 시스코, 델, IBM, 레드햇, 세일즈포스, SAP, 팔로알토네트웍스, 스노우플레이크 같은 미국 기업들은 물론이고 눈에 띄는 건 네이버랑 SK텔레콤이 이름을 올렸다는 점이에요. 국내 기업이 이런 글로벌 AI 안보 연합에 초기 멤버로 들어간 건 꽤 상징적인 일 아닌가 싶습니다.

근데 진짜 흥미로운 포인트는 누가 빠졌냐는 거예요. 오픈AI, 앤스로픽, 구글 — 지금 클로즈드 프론티어 모델을 이끄는 3사가 전부 창립 멤버 명단에 없습니다. 사고를 낸 당사자가 오픈AI였다는 걸 생각하면 어느 정도 예상 가능한 그림이긴 한데, 그래도 '오픈 vs 클로즈드' 진영이 이렇게 뚜렷하게 갈리는 걸 보니 AI 업계 판도가 또 한번 흔들리는 느낌이에요.

얼라이언스 측 발표에서 나온 문구도 인상적이었어요. "세상은 클로즈드 모델과 오픈 모델 둘 다 필요하다. 사이버보안에 있어서는 오픈 모델과 오픈 하니스가 필수적인데, 방어 역량을 민주화하

알리바바가 2.4조 파라미터 신모델 콴3.8 프리뷰를 예고 없이 공개했어요. 자체적으로 "페이블 5 다음으로 강력하다"고 주장했지만 공식 벤치마크는 아직 0건이에요. 오픈웨이트 대형 모델 경쟁이 GLM-5.2, 키미 K3에 이어 또 한 번 뜨거워졌어요.

솔직히 이번 소식은 예고편도 없이 그냥 터졌어요. 알리바바 콴(Qwen) 공식 계정이 X에 짧은 글 하나를 올렸는데, "콴3.8이 곧 출시되고 오픈웨이트로 풀린다"는 내용이었죠. 파라미터 수가 무려 2.4조 개라고 밝혔고, 오늘날 나온 모델 중 가장 강력한 축에 속하며 "페이블 5 다음으로" 뛰어나다고 자평했어요.

근데 여기서 재밌는 지점이 있어요. 콴3.8-맥스-프리뷰는 이미 알리바바 토큰 플랜, 코더(Qoder), 코더워크(QoderWork)를 통해 실사용이 가능한 상태예요. 즉 발표와 동시에 써볼 수 있게 풀어놨다는 거죠. 토큰 플랜 요금은 7일에 2,500크레딧을 주는 6달러짜리 라이트부터, 7일 4만 크레딧을 주는 68달러 프로까지 나뉘어 있어요.

문제는 저 "페이블 5 다음"이라는 주장을 뒷받침할 벤치마크가 하나도 없다는 거예요. 파라미터 수, 컨텍스트 윈도우, 벤치마크 표, 모델 카드, 토큰당 가격, 심지어 정식 출시 블로그 글까지 — 아직 아무것도 공식적으로 나오지 않았어요. 그러니까 지금 도는 "프론티어급"이라는 평가는 전부 알리바바 자체 내부 테스트에 근거한 셀프 평가인 셈이죠.

사실 이게 낯선 패턴은 아니에요. 최근 몇 주 사이 오픈웨이트 대형 모델 발표 러시가 이어지고 있거든요. 6월 17일 즈지에이아이(Zhipu)가 GLM-5.2를 공개했고, 뒤이어 문샷AI가 2.8조 파라미터짜리 키미 K3로 세계 최대 오픈웨이트 타이틀을 가져갔어요. 이번엔 알리바바가 2.4조 파라미터로 그 대열에 합류한 거고요. 세 회사 모두 "우리가 프론티어급"이라고 주장하는 건 똑같은데, 정작 제3자 검증은 순서대로 따라오는 모양새예요.

개인적으로는 이 타이밍이 좀 의미심장하다고 봐요. 키미 K3가 나스닥 반도체주까지 흔들었던 게 불과 며칠 전인데, 알리바바가 곧바로 "우리도 있다"는 식으로 치고 나온 거니까요. 중국 AI 업체들끼리도 오픈웨이트 주도권 경쟁이 상당히 치열해진 것 같아요. 다만 벤치마크 없이 파라미터 숫자와 셀프 평가만으로 화제성을 만드는 방식은, 그 자체로 좀 위험한 도박이라고 생각해요. 막상 독립 기관 테스트 결과가 나

미라 무라티의 씽킹머신스랩이 첫 오픈웨이트 모델 '잉클링'을 공개했어요. 9750억 파라미터에 45조 토큰으로 학습한 멀티모달 모델이에요. 오픈AI 출신이 만든 모델이 중국 오픈소스 진영에 맞불을 놓은 셈이에요.

씽킹머신스랩이 드디어 첫 오픈웨이트 모델을 내놨어요. 이름은 '잉클링(Inkling)', 오픈AI 전 CTO 미라 무라티가 2024년 9월 회사를 나와 차린 곳인데, 9개월 넘게 조용히 준비만 하다가 이번에 처음으로 가중치를 통째로 공개한 거예요. 🤖

스펙부터 볼까요. 총 파라미터는 9750억 개, 근데 실제로 프롬프트 하나 처리할 때 쓰는 활성 파라미터는 평균 410억 개 수준이에요. MoE(전문가 혼합) 구조라서 그런데, 텍스트·이미지·오디오·영상까지 45조 토큰을 넣어서 학습시켰대요. 입력은 텍스트·이미지·오디오·영상 다 받고, 출력은 텍스트(코드나 구조화된 데이터 포함)로만 나오는 구조고요.

근데 성능이 은근히 매섭더라고요. 엔비디아 네모트론3 울트라랑 비교했을 때 코딩 성능은 비슷한데 토큰은 3분의 1만 쓴다고 해요. 브리지워터 어소시에이츠랑 같이 돌린 금융 추론 벤치마크에서는 84.7%를 찍었는데, 이게 기존 프로프라이어터리 모델들 최고 성능을 비용은 10분의 1 이하로 내면서 넘어섰다고 해요. 숫자만 보면 좀 믿기 힘든데, 사실이라면 꽤 파격적이에요.

라이선스는 완전 오픈웨이트라 누구나 무료로 다운로드해서 쓸 수 있어요. 대신 파인튜닝은 씽킹머신스 자체 플랫폼인 '팅커(Tinker)'에서 유료로 돌리는 구조예요. 회사는 토큰당 과금 대신 이 플랫폼 이용료로 돈을 벌겠다는 전략인 셈이죠. 학습은 엔비디아 GB300 NVL72 시스템에서 했는데, 지난 3월 엔비디아랑 발표했던 파트너십이 이렇게 이어진 거네요.

솔직히 이 타이밍이 재밌어요. 요즘 Z.ai GLM-5.2 같은 중국 오픈소스 모델들이 가성비로 치고 올라온다는 얘기가 계속 나오는 와중에, 서방 진영에서 무라티가 오픈웨이트 카드를 꺼낸 거잖아요. 퓨처럼그룹의 미치 애슐리는 서구 기업들에 토큰당 API 과금 대신 커스터마이징 경제로 옮겨갈 수 있는 신뢰할 만한 대안을 줬다고 평가했고, 컨스텔레이션 리서치의 홀거 뮬러는 아예 업계를 뒤흔들 수 있다고까지 했어요.

2000억 달러대 시드 투자 받고 나온 지 1년, 근데 그동안 프로덕트다운 프로덕트가 없어서 말이 많았던 회사가 이제야 손에 잡히는 걸 내놨어요. 개인적

세계 최고 사이버보안 전문가 150명 이상이 Fable 5 차단 반대 공개서한에 서명했어요. 다리오 아모데이가 트럼프 관리들과 직접 협상했지만 해제 없이 끝났어요. 트럼프는 "앤트로픽이 더 이상 안보 위협이 아니다"고 했지만 차단은 계속돼요.

Fable 5 차단이 10일째로 접어든 6월 21일, 사이버보안 업계가 집단으로 목소리를 냈어요. 페이스북·야후 전 최고보안책임자이자 현 Corridor CPO 알렉스 스테이모스가 주도한 공개서한에 150명 이상의 사이버보안 임원과 기술 리더들이 서명했어요. 수신인은 하워드 루트닉 상무장관과 숀 케언크로스 국가 사이버국장이에요. 📋

서한의 핵심 논지는 '비대칭적 피해'예요. Fable 5를 차단하면 이 도구로 취약점을 분석하고 악성코드를 탐지하던 보안 방어자들이 피해를 입지만, 공격자들은 GPT-5.5나 GLM-5.2 같은 대안을 여전히 쓸 수 있어요. 스테이모스는 이를 두고 "최고의 도구를 방어자에게서 빼앗는 건 안전이 아니라 자해"라고 직격했어요. 🔬

기술적 반박도 나왔어요. 미국 정부가 Fable 5 차단의 이유로 든 취약점 — 프롬프트를 살짝 바꾸면 사이버 공격에 도움이 되는 정보가 나온다는 것 — 이 사실 GPT-5.5에서도 동일하게 재현된다는 거예요. 보안 연구자들이 "리뷰해줘"를 "고쳐줘"로 바꾸는 방식으로 GPT-5.5에서도 같은 결과를 얻었어요. 그런데 GPT-5.5는 차단 대상이 아니에요. 전문가들은 이 결정이 기술적 근거가 아닌 다른 이유로 내려진 것이라고 주장해요.

한편 앤트로픽 CEO 다리오 아모데이가 트럼프 행정부 관리들과 직접 협상에 나섰지만, 6월 21일 현재까지 명확한 해결 없이 끝났어요. 트럼프 대통령은 G7 정상회의에서 "앤트로픽을 더 이상 국가 안보 위협으로 보지 않는다"고 말했지만, 정작 수출통제 지령은 유지됐어요. 영국에서 지리적 예외(carve-out)를 만들려는 시도도 실패로 돌아갔어요.

《이코노미스트》는 6월 21일자 표지에서 Fable 5 차단을 '미국의 AI 권력 장악(America's AI Power Grab)'이라고 명명했어요. 안보 대응이 아니라 지정학적 전략 차원으로 프레이밍한 거예요. 유럽 동맹국들도 최고 AI 모델에 대한 접근이 미국 행정부 명령 하나로 차단될 수 있다는 사실에 충격을 받았어요. 이미 인도 TCS 직원 5만 명, 유럽 기업들이 실질적 피해를 입고 있어요.

개인적으로

중국이 5년간 2,950억 달러(약 430조 원) 규모 AI 데이터센터 계획을 추진해요. 핵심은 화웨이 중심 국산 칩 80% 의무화로 Nvidia·AMD를 사실상 배제하는 거예요. 미국이 Fable 5를 차단하는 동안 중국은 자국 AI 인프라를 전례 없는 규모로 키워요.

솔직히 이 뉴스가 더 무거웠어요. 미국이 Fable 5 차단이니 뭐니로 내홍을 겪는 동안, 중국은 조용히 국가 단위의 AI 인프라 청사진을 완성하고 있었거든요. 중국 국가발전개혁위원회(NDRC)가 초안 중인 이 계획은 전국에 상호 연결된 컴퓨팅 허브 네트워크를 5년 안에 구축하는 거예요. 총 투자 규모 2,950억 달러, 한화로 430조 원 수준이에요. 📊

계획의 핵심 주체는 국유기업이에요. 중국 모바일, 중국 텔레콤 등 국가 통신사들이 데이터센터를 직접 운영하고, 2028년까지 전국 허브를 하나의 거대한 컴퓨팅 네트워크로 묶는 게 목표예요. 전력망까지 통합하면 총 투자액이 5조 위안(약 960조 원)에 달할 수 있어요. 규모만 보면 인상적이에요. 근데 이 계획에서 진짜 흥미로운 건 기술 조달 조건이에요.

외부 기술 의존도를 20% 이하로 낮추겠다는 거예요. 사실상 화웨이, CXMT, 시녹오아이 같은 국산 AI 칩 업체들이 전체 공급의 80% 이상을 맡게 된다는 뜻이에요. Nvidia, AMD, Intel 같은 미국 업체들은 사실상 배제 대상이에요. 대중 수출 규제가 이미 작동 중인 Nvidia 입장에선 기회 자체가 없는 시장이기도 해요. 화웨이 910C·910D 칩이 이 프로젝트의 핵심이 될 거예요.

중요한 맥락을 짚자면, 이건 단순한 인프라 투자가 아니에요. 지정학적 선언이에요. 미국이 수출 통제로 중국의 첨단 AI 칩 접근을 막고, Fable 5 같은 모델마저 차단하는 상황에서 중국은 '우리 것으로 직접 만들겠다'는 신호를 전략적으로 내보내는 거예요. 실제로 Z.ai가 지난주 내놓은 GLM-5.2는 MIT 라이선스 오픈소스인데도 GPT-5.5를 코딩 벤치마크에서 앞질렀어요. 더 이상 미국 모델 없이는 안 된다는 말이 맞지 않게 됐어요.

냉정하게 보면, 규모 차이가 있어요. 중국의 5년 총 투자액 2,950억 달러 대비, 미국에선 Meta와 Microsoft 두 회사만 2025년 한 해에 7,250억 달러를 AI 인프라에 쏟아붓고 있어요. 민간 대 국가 주도라는 성격 차이가 있지만, 수치 격차는 여전히 커요. 근

Artificial Analysis가 6월 18일 공개한 AA-Briefcase는 현실 지식노동 환경으로 AI를 테스트하는 새 벤치마크예요. 1위 Claude Fable 5도 전체 91개 과제 중 3%만 모든 기준을 완전히 통과했어요. 기존 벤치마크 점수와 실제 업무 성능 사이의 간극이 수치로 처음 드러났어요.

Artificial Analysis가 6월 18일 새 벤치마크 AA-Briefcase를 공개했어요. 이름부터 느낌이 오죠 — 직장인의 서류가방. 기존 AI 평가들이 수학 문제·코딩 스니펫·독해 지문을 다뤘다면, AA-Briefcase는 실제 직장에서 몇 주에 걸쳐 처리하는 복잡한 프로젝트를 AI에게 맡겨요 💼.

평가 시나리오는 네 가지예요. 데이터 사이언스, 프로덕트 매니지먼트, 뱅킹 운영, 중공업 전략. 각 시나리오마다 수천 개의 소스 파일과 연결된 다중 태스크가 있어요. 사람이라면 팀으로 달라붙어 몇 주 동안 작업할 분량이에요.

결과가 충격적이에요. 전체 리더보드 1위인 Claude Fable 5도 91개 과제 중 모든 평가 기준을 완전히 통과한 건 딱 3%예요. 솔직히 처음 이 숫자를 봤을 때 '이게 진짜?' 싶었는데, 실제로 91개 과제 중 31개는 어떤 모델도 50% 기준 통과율조차 넘지 못했어요. Claude Fable 5 다음으로는 Claude Opus 4.8과 GLM-5.2가 뒤를 이어요.

비용 차이도 흥미롭고 아이러니해요. 최고 성능 Claude Fable 5의 과제당 비용은 약 $31인 반면, DeepSeek V4 Flash는 약 $0.04예요. 약 800배 차이죠. 비싼 모델이 확실히 더 잘 하긴 하지만, 현실 업무를 완전히 처리한다는 기준에선 둘 다 크게 부족해요.

이게 왜 중요하냐면, 지금까지 AI 업계가 경쟁해온 SWE-Bench, MMLU, GPQA 같은 벤치마크들이 실제 직장 환경을 거의 반영하지 못한다는 비판이 있었어요. AA-Briefcase는 그 간극을 메우려는 시도예요. 데이터 사이언티스트가 실제로 하는 분석 업무, PM이 작성하는 기획 문서, 뱅킹 운영 태스크를 그대로 가져와서 테스트해요 📊.

근데 이걸 단순히 "AI가 3%밖에 못 한다"고 읽으면 너무 단순화한 거예요. 1~2년 전 비슷한 현실적 테스트에선 거의 0%였다는 걸 생각하면 엄청난 진전이에요. 문제는 AI 능력이 아니라 기대치 격차예요. 기업에서 "AI가 다 알아서 해줄 것

Z.ai의 오픈소스 AI 모델 GLM-5.2가 코딩 벤치마크에서 GPT-5.5를 앞질렀어요. 753B 파라미터 MoE 모델로, 입력 토큰 비용은 GPT-5.5의 6분의 1인 $1.4/백만 토큰이에요. 중국발 오픈소스 AI가 클로즈드 프론티어를 실제로 넘어서는 전환점이 됐어요.

6월 17일, 중국 AI 스타트업 Z.ai가 GLM-5.2를 허깅페이스에 전면 공개했어요. 발표하자마자 개발자 커뮤니티가 술렁거렸는데, 이유는 단순해요. 코딩 벤치마크에서 GPT-5.5보다 높은 점수가 나왔거든요.

근데 이게 단순히 숫자 하나 높은 게 아니에요. 장기 코드 엔지니어링 과제를 측정하는 FrontierSWE 벤치마크에서 GLM-5.2가 74.4%, GPT-5.5가 72.6%를 기록했어요. 모델 훈련 능력을 측정하는 PostTrainBench에서는 34.3% 대 28.4%로 격차가 더 벌어졌고요. 블라인드 아레나 코딩 테스트에서도 전체 2위를 기록해 Claude Opus 4.8을 넘어섰어요.

사실 성능보다 더 눈에 띄는 건 가격이에요. 입력 토큰 기준으로 GPT-5.5 대비 약 6분의 1 수준이에요. 입력 $1.4/백만 토큰, 출력 $4.4/백만 토큰이거든요. 스타트업이나 개인 개발자들한테는 사실상 가격 혁명에 가까워요. 허깅페이스와 Z.ai API에서 바로 사용 가능하고, 20개 이상 서드파티 코딩 환경에서도 통합이 완료됐어요.

아키텍처 얘기를 잠깐 하면, GLM-5.2는 Mixture-of-Experts(MoE) 방식이에요. 총 파라미터는 753B지만 추론 시 실제로 활성화되는 건 약 40B 수준이에요. 대형 모델 성능을 내면서도 연산 비용을 낮출 수 있는 구조죠. 거기다 IndexShare라는 아키텍처 최적화 기술로 컴퓨팅 오버헤드를 3배 가까이 줄였다고 해요.

컨텍스트 윈도우도 주목할 만해요. 1M 토큰을 손실 없이 처리한다고 Z.ai가 주장하는데, 이 정도면 대규모 코드베이스 전체를 한 번에 넣고 분석하는 것도 가능한 거예요. 최대 출력도 131,072 토큰이고요.

솔직히 Z.ai가 완전히 생소한 이름이에요. GLM 시리즈 자체는 칭화대 AI연구소 KEG랩이 만들던 건데, Z.ai는 그 계보를 이어받은 상용화 조직이에요. 이제까지 글로벌 주목도는 DeepSeek이나 Moonshot AI에 비해 낮았거든요. 그런데 이번에 MIT 라이선스로 전면 공개하면서 분위기가 달라진 것 같아요.

개인적으