획일적인 AI 시대는 끝났다? 당신의 비즈니스에 최적화된 AI, 잉클링이 온다!
Published Jul 16, 2026
그동안 AI는 우리에게 놀라운 편리함을 선사했지만, 때로는 답답함을 안겨주기도 했습니다. 마치 세상 모든 사람에게 똑같은 사이즈의 옷을 파는 기성복 매장처럼 말이죠. 특정 산업의 전문가에게는 턱없이 부족하거나, 우리 회사의 고유한 데이터와 문화에는 전혀 맞지 않는 답변을 내놓는 AI를 보며 ‘이게 정말 최선일까?’ 하는 의문을 품어본 적 없으신가요? 이 지점에서, 전 OpenAI의 CTO였던 미라 무라티가 이끄는 스타트업 ‘씽킹 머신스 랩(Thinking Machines Lab)‘이 드디어 베일을 걷고 첫 번째 자체 AI 모델 **잉클링(Inkling)**을 공개했습니다. 그리고 이 모델은 기존의 거대 AI 플레이어들과는 사뭇 다른, 흥미로운 철학을 담고 있어 업계의 시선이 집중되고 있습니다. 이 새로운 움직임이 앞으로 우리의 AI 사용 방식은 물론, 비즈니스 환경에 어떤 변화를 가져올지 함께 살펴보겠습니다.
AI, 이제 내 옷처럼 맞춰 입는다? 👔
씽킹 머신스 랩이 선보인 잉클링 모델의 가장 눈에 띄는 특징은 바로 ‘오픈 웨이트(open-weight)’ 모델이라는 점입니다. OpenAI의 ChatGPT, 앤트로픽(Anthropic)의 Claude, 구글의 Gemini 같은 대표적인 모델들이 기본적으로 접근과 수정이 제한된 클로즈드(closed) 모델인 것과 대조적이죠. 오픈 웨이트 모델이라는 것은 외부 개발자와 기업들이 이 모델을 자유롭게 다운로드하여 직접 수정하고 자신들의 필요에 맞춰 커스터마이징(customizing) 할 수 있다는 의미입니다. 솔직히 말해서, 이 점 하나만으로도 많은 개발자와 기업들의 이목을 끌기에 충분하다고 생각합니다.
잉클링은 총 9,750억 개의 파라미터(parameter)를 가진 전문가 혼합(Mixture-of-Experts, MoE) 시스템으로 설계되었습니다. 비록 전체 파라미터의 극히 일부인 약 410억 개만을 특정 작업에 사용하지만, 이 설계 덕분에 매우 거대한 모델임에도 불구하고 더 빠르고 저렴하게 실행될 수 있다는 장점이 있습니다. 게다가 텍스트, 이미지, 오디오, 비디오 등 45조 개에 달하는 방대한 토큰(token) 데이터로 학습되어 이 모든 양식을 기본적으로 추론할 수 있습니다. 현재 출력은 텍스트에 한정되어 있지만, 코드 생성, 스타일이 적용된 아티팩트(artifacts), 구조화된 데이터 등 다양한 텍스트 기반 작업을 수행할 수 있습니다.
씽킹 머신스 랩은 지난 1년 반 동안 대중의 시선에서 벗어나 AI 인프라 구축에 몰두해왔습니다. 그리고 이번 잉클링의 공개는 그들의 핵심적인 가설, 즉 **‘조직이 스스로 AI를 맞춤화할 수 있다면, 현재 가장 큰 연구소들이 판매하는 획일적인 모델보다 더 뛰어난 성능을 발휘할 것’**이라는 주장에 대한 첫 번째 공개적인 증거입니다. 이 부분에서 주목할 점은, 거대 모델 경쟁에서 벗어나 실제 사용자, 특히 기업 고객들이 자신의 도메인 전문 지식을 AI에 녹여낼 수 있도록 돕는 데 초점을 맞췄다는 점입니다. 이는 단순히 성능 경쟁을 넘어, AI의 활용 방식 자체를 근본적으로 바꾸려는 시도로 볼 수 있습니다.
‘똑똑하지만 겸손한’ AI의 등장: 잉클링이 그리는 미래 💡
잉클링은 단순히 답변을 내놓는 데 그치지 않습니다. 불확실성을 명확히 표시하며 **‘측정된 답변(calibrated answers)‘**을 제공하도록 설계되었습니다. 또한, 사용자가 속도와 정확성 사이에서 균형을 맞추고 싶을 때 **‘사고 노력(thinking effort)‘**을 조절할 수 있게 합니다. 회사는 벤치마크 테스트에서 잉클링이 엔비디아의 최신 오픈 웨이트 모델인 네모트론 3 울트라(Nemotron 3 Ultra)와 동일한 코딩 성능을 내면서도 3분의 1 수준의 토큰만을 사용했다고 밝혔습니다. 이는 놀라운 효율성 지표가 아닐 수 없습니다.
하지만 씽킹 머신스는 잉클링이 ‘최고 성능의 모델’이라고 주장하지 않습니다. 오히려 최신 블로그 게시물에서 잉클링이 “오늘날 사용할 수 있는 가장 강력한 전체 모델은 아니다”라고 명시했습니다. 대신 그들이 추구하는 것은 **‘다재다능한 성능(well-rounded performance)‘**입니다. 이는 잉클링이 기업 시장의 어떤 고객을 위한 것인지에 대한 질문으로 이어집니다. 씽킹 머신스는 잉클링을 완제품이라기보다는, 조직이 자사의 모델 커스터마이징 플랫폼인 **틴커(Tinker)**를 통해 스스로 미세 조정(fine-tuning)할 수 있는 **‘시작점(starting point)‘**으로 마케팅하고 있습니다. 물론 이는 고객이 커스터마이징의 안전성을 스스로 책임져야 한다는 의미이기도 합니다. (미세 조정에는 상당한 머신러닝 전문 지식이 필요하다는 점을 잊지 말아야 합니다.)
이러한 접근 방식은 마이크로소프트 CEO 사티아 나델라(Satya Nadella)와 허깅 페이스(Hugging Face) CEO 클렘 들랭그(Clem Delangue) 같은 업계 리더들의 주장과도 일맥상통합니다. 나델라 CEO는 독점 AI 모델을 사용하는 기업들이 구독료와 비즈니스 지식을 프롬프트로 제공하며 두 번 비용을 지불하고 있다고 경고했습니다. 들랭그 CEO 또한 최신 프론티어 모델은 실험과 고가치 작업에 주로 사용될 것이며, 대부분의 생산 AI 작업은 프라이빗 또는 오픈 소스 대안으로 전환될 것이라고 예측했는데, 이는 씽킹 머신스가 구축하고 있는 분할과 정확히 일치합니다.
이러한 맞춤형 AI의 강력한 잠재력을 보여준 명확한 사례는 세계 최대 헤지펀드인 브릿지워터 어소시에이츠(Bridgewater Associates)와의 최근 프로젝트에서 드러났습니다. 양사의 연구원들은 기존의 오픈 소스 모델을 브릿지워터의 금융 전문 지식으로 추가 학습시켰습니다. 그 결과, 금융 추론 테스트에서 84.7%의 점수를 기록하며 최고 수준의 독점 AI 모델들을 능가했고, 실행 비용은 14분의 1 수준에 불과했다고 합니다. 물론 이는 양사 자체 평가 결과라는 점을 감안해야 하지만, 맞춤형 AI의 효율성과 성능 향상 가능성을 명백히 보여주는 사례임은 분명합니다. 개인적으로는 이러한 ‘영역 특화’ AI가 앞으로 많은 기업들의 경쟁력 확보에 결정적인 역할을 할 것이라고 생각합니다. 범용 AI가 제공할 수 없는 심도 있는 인사이트와 효율성을 제공하기 때문입니다.
‘초고속 성장’ 뒤에 숨겨진 질문들: 지속 가능할까? 🤔
씽킹 머신스가 이룩한 성과는 특히 속도 측면에서 놀랍습니다. OpenAI가 기술을 시장에 선보이고 수익을 내기까지 약 5년이 걸렸고, 앤트로픽이 약 3년이 걸린 반면, 씽킹 머신스는 약 9개월 만에 같은 과정을 해냈다고 주장합니다. 이는 스타트업의 유연성과 집중력이 얼마나 큰 힘을 발휘하는지 보여주는 대목입니다.
물론, 잉클링이 경쟁사의 모델 출력물로 학습된, 이른바 ‘증류(distillation)’ 방식을 사용했는지에 대한 의문도 제기될 수 있습니다. 회사 측의 답변은 ‘부분적으로 그렇다’입니다. 씽킹 머신스는 잉클링을 처음부터 사전 학습했지만, 대규모 강화 학습이 시작되기 전 초기 후처리 학습 데이터를 생성하는 데 문샷 AI(Moonshot AI)의 Kimi K2.5를 포함한 다른 오픈 웨이트 모델들을 사용했다고 밝혔습니다. 다음 모델에서는 완전히 자체적인 후처리 학습 방식을 사용할 것이라고 강조했으니, 앞으로의 행보를 지켜볼 필요가 있습니다.
비용 측면에서는 씽킹 머신스가 다소 조심스러운 태도를 보이고 있습니다. 지난 3월 엔비디아(Nvidia)와 협력하여 기가와트 규모의 베라 루빈(Vera Rubin) 컴퓨팅 용량을 배포하고 엔비디아의 GB300 NVL72 시스템에서 잉클링을 훈련시켰지만, 이러한 비용을 어떻게 충당할 계획인지는 밝히지 않았습니다. 수익은 아직 최우선 순위가 아니라는 설명입니다. 지난해 11월 보도된 500억 달러 규모의 자금 조달 라운드는 1월까지 교착 상태에 빠졌고, 이후 회사 측은 자금 조달 상황에 대해 언급을 회피하고 있습니다.
이와 관련된 중요한 질문은 씽킹 머신스의 지출이 과연 OpenAI나 앤트로픽의 규모에 도달할 것인가, 아니면 효율성 중심의 접근 방식 덕분에 경제성이 다르게 나타날 것인가 하는 점입니다. 다시 말해, 씽킹 머신스의 핵심적인 베팅은 언젠가 거대 경쟁자들처럼 막대한 비용을 지출하게 될 것이라는 기대보다는, 애초에 그렇게 할 필요가 없을 것이라는 데 있을지도 모릅니다. 이들의 전략이 궁극적으로 AI 산업의 새로운 경제학을 제시할 수 있을지 귀추가 주목됩니다. 씽킹 머신스의 잉클링은 단순히 새로운 AI 모델을 넘어, AI의 미래가 나아갈 방향에 대한 중요한 질문을 던지고 있다고 할 수 있겠습니다.
출처
- 원문 제목: Thinking Machines amps up its bet against one-size-fits-all AI with its first open model, Inkling
- 출처: AI News & Artificial Intelligence | TechCrunch
- 원문 기사 보러가기
