AI 산업의 지형도가 급격히 재편되고 있다. 주요 기업들이 내부 전략의 충돌을 조율하는 동시에 제품 영역을 공격적으로 넓히는 중이다. **속도전의 시대다.**

메타는 Muse Spark 1.2 모델과 터미널 기반의 자율형 코딩 도구(coding agents)를 선보이며 포트폴리오를 다각화했다. 오픈AI 역시 GPT 5.6 Sol과 GPT 5.6 Luna를 투입하며 라인업을 정교화하는 한편, 이용 제한(rate limit)을 활용한 새로운 수익 모델 테스트에 나섰다.

구글은 거대한 전환기를 맞았다. '혁신자의 딜레마'에 빠진 구글은 AI 제품 정책을 수정하는 내부 진통을 겪고 있으며, 제프 딘의 퇴사라는 핵심 리더십의 공백까지 마주했다. **내부 진통이 깊다.**

기업 간 경쟁을 넘어 생태계 자체도 확장 중이다. GenSpark Second Brain Note 같은 새로운 하드웨어가 등장했고, 클로드의 작업 공간(workspace) 통합 기능은 더욱 강화됐다.

사용자의 제어권은 더 세밀해졌다. 시댄스 2.5의 정밀한 타임스탬프 제어 기능과 Flux 3 비디오의 다중 장면 생성 능력은 개발자와 사용자 모두에게 AI 결과물을 더 정교하게 다룰 수 있는 권한을 부여했다.

하지만 장밋빛 미래만 있는 것은 아니다. 제미나이 3.5 Pro의 배포 과정에서 난항이 겪고 있으며, 고성능 오픈 모델의 출시 역시 여전히 변동성이 크고 불확실하다. 이번 리포트에서는 이러한 도구의 진화와 리더십 교체, 전략적 변화가 AI 산업의 현재를 어떻게 바꾸고 있는지 분석한다.

01구글의 딜레마 — 검색 수익 지키려다 AI 혁신을 막는 모순

구글은 현재 기존 수익 보호와 차세대 컴퓨팅 시대의 수용이라는 아슬아슬한 줄타기를 하고 있다. 이는 성공한 기존 사업의 안정성을 우선시하다 정작 내부의 혁신적 돌파구를 외면하는 전형적인 '혁신가의 딜레마(innovator's dilemma)'다. 실제로 구글 경영진은 딥마인드의 언어 모델 제품 출시가 구글 검색 시장을 잠식할 것을 우려해 이를 막아섰다. 막대한 이익을 창출하는 검색과 광고 사업은 구글 매출의 핵심이다. 이 수익원을 위협하는 내부 개발은 곧 제거해야 할 리스크로 간주됐다. 수익이 혁신을 가로막은 셈이다.

구글의 기술적 토대는 매우 탄탄하다. 제프 딘은 분산 시스템(distributed systems)의 핵심 구조인 맵리듀스(MapReduce)를 개발했다. 구글 검색, 광고, 클라우드 TPU가 전 세계 수십억 명의 사용자에게 밀리초 단위의 빠른 응답을 제공할 수 있는 기반이 바로 이 인프라다. 검색 인터페이스의 변화에는 보수적이었지만, 자체 설계 칩 분야에서는 압도적인 우위를 점하고 있다. 고성능 오픈소스 모델을 공개하면 사용자들이 이를 효율적으로 구동하기 위해 TPU 구매를 늘릴 것이고, 이는 곧 하드웨어 매출 증대로 이어진다. 모델 공개가 곧 칩 판매 전략이다.

이러한 기술력은 젬마 4에서 여실히 드러난다. 120억 개의 매개변수를 가진 이 모델은 시각과 청각 데이터를 처리하는 전용 인코더(specialized encoders)를 없앴다. 대신 이미지 조각과 40밀리초 단위의 오디오 덩어리를 모델의 내부 표현으로 직접 투영한다. 인지와 사고의 경계를 허물어 체급 이상의 성능을 끌어낸 결과다. 젬마 4의 설계 방식은 DeepSeek 같은 다른 AI 시스템이 더 효율적으로 시각 정보를 학습하도록 돕는 가이드가 될 수 있다. 구글은 내부 정책과 혁신 속도 사이에서 갈등하면서도, 이러한 설계 비결을 공유함으로써 전체 AI 생태계에 영향력을 행사하고 있다.

02구글 AI 리더십 교체 — 상업적 압박보다 과학적 발견을 택했다

구글이 AI 리더십의 대대적인 재편에 나섰다. 30번째 직원으로 입사해 27년간 몸담은 산증인 제프 딘이 회사를 떠난 것이 신호탄이다. 그는 과학과 공학의 발전을 가속화하기 위해 '발견의 자동화'를 추구하는 Discovery Loop를 설립했다. 구체적으로는 과학적 돌파구를 마련하기 위한 머신러닝 연구 자동화에 집중한다. 구글은 사실상 무제한의 예산과 컴퓨팅 자원을 제공할 수 있는 곳이다. 하지만 제프 딘은 내부 기업 문화가 자신의 비전을 실현하는 데 걸림돌이 된다고 판단했다. 결국 그는 완전히 독립하는 길을 택했다.

데미스 하사비스의 역할도 바뀐다. 구글 딥마인드 CEO에서 물러나 구글 딥마인드 의장과 알파벳의 최고 과학자(Chief Scientist)를 맡는다. 이는 단기적인 성과와 분기별 수익 목표에 매몰되어 장기적 비전을 놓치는 '혁신가의 딜레마(innovator's dilemma)'를 피하기 위한 전략적 선택이다. 이제 하사비스는 CEO라는 행정적 부담에서 벗어나 장기 전략과 과학적 성과에만 집중할 수 있게 됐다. 특히 질병 치료를 목표로 하는 Isomorphic에서의 연구에 더 많은 에너지를 쏟을 계획이다. 행정의 굴레를 벗고 연구로 돌아간 셈이다.

이번 변화는 2023년 제프 딘이 이끌던 구글 브레인(구글 Brain)이 딥마인드에 흡수되어 '구글 딥마인드'로 통합된 이후 나온 후속 조치다. 하사비스가 상징적인 수장 역할을 맡으면서, 구글 딥마인드의 실무 운영은 전 딥마인드 CTO인 Ko가 책임진다. 구글은 지금 갈림길에 서 있다. 기존의 검색과 광고라는 상업적 수익 모델을 지키면서도, 근본적인 과학적 발견이라는 원대한 목표를 동시에 달성하려는 승부수다. 수익과 혁신, 두 마리 토끼를 잡으려는 재배치다.

03여러 앱을 넘나드는 클로드, 이제 AI가 내 업무의 지휘자가 될까?

직장인들은 이제 클로드를 '디지털 비서실장'처럼 활용해 여러 소프트웨어를 오가는 번거로움을 없앨 수 있다. 마이크로소프트 365와 직접 연동되어 아웃룩 일정과 읽지 않은 이메일을 분석하고, 즉시 처리해야 할 일들을 한 화면에 요약해 보여준다. 단순한 챗봇을 넘어 복잡한 업무 흐름(workflow)을 조율하는 지휘자로 진화한 것이다. 정보 수집부터 우선순위 정리까지 AI가 전담한다.

단순 요약을 넘어 특정 명령어와 동적 시각화를 통한 깊은 수준의 자동화도 지원한다. 예를 들어 "심층 조사(Deep research)"라고 입력하면 AI가 조사를 수행하고 그 결과를 노션(Notion) 위키에 가이드북 형태로 자동 기록한다. '클로드 코워크(클로드 Cowork)' 사용자라면 실시간으로 업데이트되는 미니 웹 앱인 '라이브 아티팩트(live artifacts)'를 통해 회의 요약과 실행 항목을 참가자별로 시각화해 볼 수 있다. 퀵북스(QuickBooks)에서 재무 데이터를 가져와 트렐로(Trello) 할 일 목록에 우선순위를 배치하는 식의 다중 앱 연동 작업이 가능해진다. 업무의 경계가 사라진다.

이러한 연동 기능은 AI 에이전트 전용 메신저인 Base와 같은 자율형 다중 에이전트 환경에서 더욱 빛을 발한다. 클로드는 사용자의 개입 없이도 Codex나 Hermes 같은 다른 에이전트들과 협력해 결과물을 다듬는다. 사용자가 목표만 설정하면 에이전트들이 서로 상의하고, 최종 결과가 나왔을 때만 사람을 호출한다. Base(또는 Baz)는 코드 브랜치를 별도의 소통 채널로 취급해 패치와 의견을 대화와 함께 관리함으로써 깃허브(GitHub) 같은 기존 코드 호스팅 사이트를 대체하는 것을 목표로 한다. 여기에 Buzz AI의 '컴퓨팅 자원 공유(Share Compute)' 기능을 더하면 고성능 하드웨어를 가진 사용자가 팀을 위해 로컬 모델을 호스팅할 수 있어, 클로드 코드(클로드 코드) 같은 서비스의 개별 유료 구독 부담을 줄일 수 있다.

04메타 Muse Code, 단순 챗봇을 넘어 코딩 전담 에이전트로

메타가 AI 생태계를 공격적으로 확장하고 있다. 단순한 챗봇의 수준을 넘어 개발자와 파워 유저를 위한 유기적인 환경을 구축하는 중이다. 그 중심에는 터미널 기반의 자율형 AI(agent)인 Muse Code와 고성능 모델 Muse Spark 1.2가 있다. 이 도구들은 서로 다른 소프트웨어 환경 간의 원활한 소통을 우선시하는 인프라 위에서 작동하도록 설계됐다. 메타는 전문화된 에이전트를 통해 소프트웨어 개발의 고된 작업(heavy lifting)을 처리하려 한다. 이제 인간 엔지니어의 전유물이었던 복잡한 업무 흐름(workflow)을 AI가 관리하는 시대가 왔다.

다양한 도구들이 서로 소통하기 위해 업계는 에이전트 클라이언트 프로토콜(Agent Client Protocol, ACP)에 주목하고 있다. ACP는 일종의 '범용 통역기'다. 사람이 일일이 개입하지 않아도 서로 다른 애플리케이션의 에이전트들이 대화할 수 있게 돕는다. 이 표준을 채택하면 Base 같은 플랫폼은 Codex, 클로드 코드, Hermes 등 다양한 전문 에이전트를 손쉽게 통합할 수 있다. 서로 다른 AI 기능을 사슬처럼 엮어 복잡한 프로젝트를 완수하는 상호운용성의 도약이다. 사용자는 최종 결과물만 받으면 된다. 여러 단계의 기술적 작업 흐름에서 발생하던 마찰이 완전히 사라진다.

이러한 자율형 AI 간의 협업은 AI가 일상 디지털 도구에 깊숙이 스며드는 거대한 흐름의 일부다. 구글은 검색과 크롬, 문서(Docs), 포토 등 모든 제품군에 하나의 모델 가족을 통합했다. 애플 역시 자체 비서를 구동하기 위해 막대한 비용을 들여 맞춤형 모델을 도입했다. 목표는 하나다. AI를 모든 작업의 보이지 않는 유능한 파트너로 만드는 것이다. 시스템이 자율성을 갖추면서 브라우저 탭 이동부터 복잡한 보고서 작성까지 스스로 처리하기 시작했다. 결제와 같은 민감한 작업에는 안전 장치를 두어 리스크를 관리한다. 소프트웨어가 사용자의 니즈를 예측하고 실행해 결과물을 가져다주는 '능동적 엔진'으로 변모하고 있다. 인간은 이제 더 높은 차원의 전략에만 집중하면 된다.

05출시 지연과 성능 저하, 구글 제미나이 3.5 프로의 위기

구글의 최신 AI 업그레이드 시도가 큰 암초를 만났다. 제미나이 3.5 프로의 출시가 다시 밀렸다. 보통 구글은 안정성을 확보하기 위해 공식 출시 하루 전 배포를 마치지만, 내부적으로 'Gem Delta'라 불리는 이번 버전의 배포 과정에서 치명적인 실수가 발생했다. 결국 출시 일정은 다음 주로 밀려났다. 사용자들은 약속된 성능 향상을 더 기다려야 하는 상황이다.

문제는 단순히 배포 과정의 실수만이 아니다. 모델 자체의 품질이 기대에 못 미친다는 보고가 나오고 있다. 성능 개선을 위해 거치는 중간 단계 버전인 체크포인트(checkpoint)들의 성적이 저조하다. 특히 이번 제미나이 3.5 프로는 최근 메타가 내놓은 Muse Spark 1.2보다 성능이 떨어진다는 평가다. 기술적 실행력뿐만 아니라 경쟁사와의 품질 경쟁에서도 밀리고 있다는 신호다.

배포 실패와 성능 저하가 겹치면서 구글은 곤혹스러운 처지가 됐다. 출시일을 맞추지 못하는 상황에서 경쟁사보다 못한 결과물까지 내놓으면 시장에는 '불안정하다'는 인식이 박힌다. 생산성과 개발 효율을 위해 이 도구를 기다려온 사용자들에게는 뼈아픈 공백이다. 이번 Gem Delta 배포 실패는 거대 AI 모델을 테스트 환경에서 글로벌 서비스로 옮기는 작업이 얼마나 까다로운지를 여실히 보여준다.

06Flux 3 Video: 단일 프롬프트로 구현하는 다중 장면 전환

AI 영상 생성 기술이 단발성 클립을 넘어 실제 영화 같은 역동적인 시퀀스로 진화하고 있다. Flux 3 Video는 이제 단 하나의 텍스트 명령어(프롬프트)만으로 여러 장면과 변화하는 카메라 각도를 생성한다. 제작자가 서사를 만들기 위해 짧은 클립들을 일일이 이어 붙여야 했던 번거로움이 사라졌다. 스토리텔링 과정이 훨씬 매끄러워졌다. 예를 들어 수중 환경을 묘사하면 다이버에서 해파리로, 다시 외계 괴물로 장면이 자연스럽게 전환되며 시점까지 바뀌어 탐험하는 느낌을 구현한다. 이어 붙이는 시대는 끝났다.

영상 길이는 최대 20초까지 늘어나 복잡한 시각적 흐름을 담기에 충분해졌다. 이전 모델보다 물리 법칙과 현실 묘사가 정교해졌지만, 결과물에는 여전히 생성형 예술 특유의 질감이 남아 있다. 가장 큰 숙제는 시각적 일관성(visual coherence)이다. 카메라가 움직일 때 사물의 형태를 일정하게 유지하는 능력이다. 실제 테스트에서 한 각도에서 보던 해파리가 각도가 바뀌자 갑자기 결정체로 변하는 모습이 포착됐다. 장면 전환은 가능해졌지만, AI가 대상의 정체성을 끝까지 유지하지는 못한다는 증거다. 껍데기는 바뀌어도 알맹이는 놓치고 있다.

이미지 기반의 명령어 입력 방식도 유연해졌다. 특정 사진을 기초로 장면을 구성할 수 있다. 이미지에 태그를 달고 명령어를 입력하면 정적인 공간을 완전히 다른 곳으로 바꿀 수 있다. 평범한 방을 나이트클럽으로 바꾸고 사진 속 인물이 춤을 추게 만드는 식이다. 런웨이(런웨이) 같은 도구와 결합하면 사용자의 역할이 바뀐다. 단순히 명령어를 잘 쓰는 프롬프트 엔지니어에서 환경과 동작을 모두 제어하는 감독으로 진화하는 것이다. 이제는 명령어 입력자가 아닌 감독의 시대다.

07시댄스 2.5, 1초 단위 정밀 제어로 잡은 영상 편집권

이제 창작자들은 AI 생성 미디어를 훨씬 더 세밀하게 다룰 수 있게 됐다. 초기 생성형 비디오의 고질적 문제였던 '운에 맡기는' 방식에서 벗어난 것이다. 운에 맡기던 시대는 끝났다. 시댄스 2.5는 타임스탬프 수준의 제어 기능을 도입해 사용자가 오디오와 비디오 콘텐츠 내의 특정 시점을 정확히 지정해 편집할 수 있도록 했다. 이제 프롬프트를 통해 특정 초에 어떤 일이 벌어져야 하는지 정의할 수 있으며, 사실상 디지털 타임라인을 통해 장면의 동작과 타이밍을 정교하게 조절하는 셈이다.

이러한 정밀함은 AI의 상상력을 현실에 고정하는 강력한 입력 기능이 뒷받침한다. 최대 30초 길이의 비디오 시퀀스를 생성할 수 있으며, 한 번에 방대한 양의 참조 자료를 처리한다. 사용자는 최대 30장의 이미지, 10개의 비디오 클립, 10개의 오디오 클립을 제공해 결과물을 가이드할 수 있다. 다양한 시각·청각 참조 자료와 정밀한 타이밍 제어를 결합하는 이 방식은 전문적인 작업 흐름(workflow)으로의 진화를 의미한다. 사용자가 최종 결과물에 대해 과거보다 훨씬 강력한 통제권을 갖게 됐다.

하지만 동작이 일어나는 시점을 조절할 수 있다고 해서, 그 동작이 일관되게 보인다는 보장은 없다. 시댄스 2.5는 여전히 시각적 일관성(visual coherence), 즉 시점이 변해도 객체와 환경이 동일하게 유지되는 능력에서 한계를 보인다. 이러한 공간적 일관성 부족은 카메라 각도가 바뀔 때 극명하게 드러난다. 한 사례에서는 특정 각도에서 분명히 해파리로 보였던 물체가 카메라 뷰가 바뀌자마자 결정체로 변했다. 타이밍 제어는 마스터했지만, 카메라 움직임 속에서 물체의 물리적 정체성을 유지하는 근본적인 숙제는 여전하다. 실사 수준의 매끄러운 영상을 구현하는 데 있어 여전히 치명적인 장벽이다.

08GenSpark Second Brain Note — 스마트폰에 붙이는 AI 기록 카드

AI 기업들이 소프트웨어를 넘어 물리적 도구로 영역을 확장하며 아이디어와 전문적인 대화를 포착하는 과정이 더 간결해지고 있다. GenSpark는 AI 기반 정보 수집 전용 기기인 Second Brain Note를 출시하며 이러한 변화를 시도한다. 회의나 통화, 갑작스러운 영감 같은 현실의 상호작용을 디지털 정리 시스템으로 연결하는 가교 역할을 목표로 한다. 이제 사용자는 수동으로 메모해야 한다는 정신적 부담을 덜고, 대화의 세세한 디테일을 놓치지 않는 전용 도구에 이를 맡길 수 있다. 기록의 주도권이 인간에서 도구로 넘어간다.

디자인의 핵심은 극강의 휴대성과 기존 업무 흐름(workflow)에 자연스럽게 스며드는 통합성이다. 기기는 일반 신용카드 크기에 두께 3mm 미만으로 매우 얇다. 특히 MagSafe 기능을 탑재해 스마트폰 뒷면에 자석 지갑처럼 밀착된다. 스마트폰이라는 주 소통 도구의 영구적인 확장판이 된 셈이다. 결정적인 순간에 별도의 녹음기를 찾아 헤매는 번거로움이 완전히 사라졌다.

전문적인 업무 환경을 고려한 내구성도 갖췄다. 배터리 수명은 35시간으로, 잦은 충전 없이도 며칠간의 회의나 장시간의 브레인스토밍 세션을 충분히 소화한다. 이런 컴팩트한 형태와 긴 배터리 성능은 원천 데이터를 다루는 방식을 바꾼다. 통화 중에 메모를 타이핑하거나 복잡한 앱 메뉴를 조작할 필요가 없다. 하드웨어가 AI 생태계로 정보를 보내는 최단 경로가 되기 때문이다. 말소리가 디지털 기록으로 변환되는 과정이 즉각적이고 효율적인 '포착' 중심으로 재편됐다.

09하드웨어 지갑이 뚫렸다? AI 모델 Kimmy K3가 만든 보안 구멍의 정체는?

최근 비트코인 하드웨어 지갑에서 1억 달러 이상의 자산이 탈취되는 대규모 보안 사고가 발생했다. 하드웨어 지갑은 디지털 자산을 오프라인에 보관해 해킹을 원천 차단하는 가장 안전한 저장 수단이다. 하지만 이번 공격으로 약 1만 개의 주소가 무너졌다. 피해자들은 보안 수칙을 철저히 준수한 숙련된 이용자들이었다. 기존의 방어 체계가 완전히 무력화됐다.

이번 사태의 배후에는 'Kimmy K3'라는 오픈소스 AI 모델이 있다. 전문가들은 Kimmy K3가 Fable 모델의 지식 증류(distillation)를 통해 만들어졌다고 분석한다. 지식 증류란 거대 모델의 지식과 출력값을 학습시켜, 더 작고 효율적인 모델이 유사한 성능을 내게 만드는 과정이다. 성능은 유지하면서 접근성은 높였지만, 배포 방식이 치명적인 보안 구멍을 만들었다.

핵심 문제는 Kimmy K3가 원본인 Fable 모델의 안전장치(guardrails) 없이 공개됐다는 점이다. 안전장치는 AI가 금융 소프트웨어의 취약점을 찾는 등 불법 활동을 돕거나 유해한 콘텐츠를 생성하지 못하게 막는 필터다. 오픈소스 버전에서 이 제약이 사라지자 AI는 공격자의 강력한 무기가 됐다. 결국 안전장치가 제거된 AI가 하드웨어 지갑의 특정 취약점을 찾아냈고, 이는 곧바로 막대한 금전적 피해로 이어졌다. AI 안전 프로토콜의 부재가 현실 세계의 재앙이 된 셈이다.

10ChatGPT, 흩어진 정보를 한 장의 기획안으로 압축: 수집에서 실행까지

복잡한 주제를 연구하려면 공식 발표, 사용자 토론, 기술 문서 등 여기저기 흩어진 정보를 일일이 찾아 헤매야 한다. 음성 인터페이스를 '연구 기록원(research scribe)'으로 활용하면 이 지루한 수집 과정이 자동화된 정보 종합 과정으로 바뀐다. 수십 개의 소스에서 내용을 복사해 붙여넣을 필요가 없다. AI에게 흩어진 데이터를 모아 체계적인 전문 결과물로 정리하라고 명령하면 된다. 단순 수집에서 자동 종합의 시대로 넘어갔다.

실제로 ChatGPT는 정보의 우선순위를 엄격하게 구분하며 다양한 콘텐츠 흐름을 분석할 수 있다. 예를 들어, 공식 출시 게시물은 사실 관계를 확인하는 1차 자료로 쓰고, 댓글 창은 검증된 증거가 아닌 사용자 반응이나 잠재적 단서를 찾는 용도로만 제한하도록 설정하는 식이다. 이렇게 입력값의 성격을 구분하면 정확도를 유지하면서도 핵심 세부 사항과 커뮤니티 피드백을 동시에 엮어낼 수 있다. 여러 소스에서 소음(noise)을 걸러내고 신호(signal)만 남기는 정교한 필터 역할을 수행하는 셈이다.

이 과정의 결과물은 콘텐츠 제작의 설계도 역할을 하는 '구조화된 녹화 브리프(recording brief)'다. 단순한 요약본이 아니다. 검증된 헤드라인과 해당 주제가 왜 중요한지에 대한 명확한 설명이 담긴 종합 문서다. 여기에 근거가 확실한 세 가지 주장, 화면 구성 제안, 가장 강력한 반론까지 포함한다. 완성도를 높이기 위해 제작자가 절대 말해서는 안 될 주의 사항을 짚어주고, 시선을 끌 수 있는 20초 분량의 짧은 도입부(hook)까지 초안을 짠다. 일하는 방식(workflow) 자체가 바뀌었다. 이제 사용자는 방대한 리서치 단계에서 구조화된 실행 단계로 마찰 없이 곧바로 진입한다.

11소유하는 AI에서 빌려 쓰는 AI로 — 개방형 모델의 위기

개발자와 기업이 고성능 AI를 직접 소유하고 통제하는 권한은 곧 과거의 유산이 될 가능성이 크다. 현재는 모델의 내부 설계도(weights)를 공개하는 '개방형 모델'이 쏟아지고 있지만, 이것이 당연한 자연 법칙은 아니다. AI 성능이 고도화될수록 이런 고급 도구를 무료로 제공하는 관행은 사라질 위험이 높다. 업계가 폐쇄형 시스템으로 회귀한다면, 모델을 직접 소유하며 누리던 자율성은 사라지고 비용을 내고 접근 권한을 빌려 쓰는 구조만 남게 된다. 소유의 시대가 저물고 대여의 시대가 온다.

최근 공개된 젬마 4는 이런 개방성이 얼마나 큰 가치를 갖는지 증명한다. 젬마 4는 체급을 뛰어넘는 성능으로 인식과 추론의 경계를 허물었다. 이미지와 오디오를 동시에 처리하면서도 높은 지능을 유지해, 사용자가 자신의 기기에 직접 설치해 운영할 수 있는 다재다능한 도구가 됐다. 여기에 젬마 4 생태계의 지속적인 개선이 더해지며 시스템의 속도와 효율은 계속 높아지는 추세다.

개방형 모델의 영향력은 단일 모델의 성능에 그치지 않는다. 젬마 4처럼 핵심 기술 방법론(secret sauce)을 공유하면, DeepSeek 같은 다른 시스템도 시각 정보 처리 능력을 더 효과적으로 학습할 수 있다. 개방형 모델이 전체 AI 분야의 촉매제 역할을 하며, 서로 다른 여러 AI 구조의 발전을 동시에 앞당기는 셈이다.

하지만 이런 기여를 업계의 영구적인 규칙이 아닌 일종의 '선물'로 봐야 한다. AI가 강력해질수록 개발사는 가장 뛰어난 모델을 폐쇄적으로 운영해 수익을 극대화하거나 보안을 강화하려는 유혹에 빠지기 쉽다. 지금의 관대함은 일시적인 기회일 뿐이다. 가장 진보한 기술이 수익과 보안이라는 이름 아래 잠기기 전, 우리는 지금의 개방성을 누리고 있는 것이다.

12오픈AI: 이용 한도 초과 시 유료 결제로 '대기 시간' 제거

오픈AI가 AI 서비스의 새로운 수익 모델을 시험하고 있다. 이용 한도(rate limit)에 도달했을 때 추가 비용을 지불하면 즉시 다시 사용할 수 있게 하는 방식이다. 지금까지 ChatGPT나 Codex 사용자들은 정해진 시간 동안 보낼 수 있는 요청 수가 제한되어, 한도를 다 쓰면 리셋될 때까지 무작정 기다려야 했다. 이번 기능이 도입되면 결제 즉시 한도가 초기화되어 작업 중단 없이 서비스를 이어갈 수 있다. 월 구독료 외에 필요할 때마다 결제하는 유연한 과금 체계로의 전환이다.

이러한 움직임은 오픈AI의 공개 체크포인트 가격 설정과 ChatGPT 웹 앱 자산에서 확인됐다. 내부 파일에 따르면 리셋 비용은 사용자의 구독 플랜과 이용 등급에 따라 차등 적용된다. 플러스(Plus) 플랜 사용자는 5~8달러, 프로 라이트(Pro Light) 등급은 25~40달러, 프로(Pro) 플랜 사용자는 한 번의 리셋에 50~80달러를 지불하게 된다. 사용자 등급별 이용 수준에 맞춰 가격을 세분화한 전략이다.

특히 Codex 환경에서 작업하는 개발자들에게 이 기능의 가치는 더 크다. 복잡한 코딩 작업 흐름(workflow) 도중 이용 한도에 걸려 흐름이 끊기는 치명적인 상황을 막을 수 있기 때문이다. 타이머가 끝나길 기다리는 대신, 비용을 지불하고 작업의 연속성을 확보하는 선택지가 생긴다. 아직 공식 출시 전이지만 구체적인 가격 설정이 발견된 만큼, 고사용자를 대상으로 한 과금 체계를 정교하게 다듬는 단계다. 시스템 안정성을 위해 일반 사용자의 한도는 유지하되, 헤비 유저로부터는 최대한의 가치를 회수하겠다는 계산이다.