구글이 제미나이 셋을 한 번에 냈어요 — 3.6 플래시는 100만 토큰당 $1.50이고 보안용은 정부와 파트너만 씁니다

키미 K3 가중치 공개가 예고됐어요 — 성능은 2위인데 3조급이라 개인 장비로는 어렵답니다

문샷 AI (Moonshot AI) 의 키미 K3 (Kimi K3) 가중치 저장소는 지금 "공개 예정" 상태입니다. 파일은 아직 올라오지 않았고, 회사는 그 페이지에서 바로 배포하겠다고 적어 두었어요. "공개 가중치는 바로 이 페이지에서 배포됩니다." (원문: "Open weights, released right here on this page")

받을 값어치가 있는 모델인지부터 보겠습니다. 같은 주에 나온 풀사이드 (poolside) 의 비교표를 보면 K3는 Terminal-Bench 2.1에서 88.3%로 GPT-5.6 Sol (88.8%) 다음 2위이고, 가중치 공개를 예고한 모델 가운데는 가장 높습니다. 다만 이 표는 풀사이드가 각 벤더의 자체 발표치와 리더보드 값 중 최댓값을 모아 만든 것이라 독립 재현이 아니에요. 그리고 K3는 지금도 API와 앱으로는 쓸 수 있습니다 — 공개를 기다리는 것은 "내 장비에 올릴 파일"이지 "쓸 수 있느냐"가 아니랍니다.

회사가 페이지에 적어 둔 소개 문구도 그대로 옮겨 둘게요.

"K3는 문샷 AI의 차세대 공개 프런티어 모델입니다. 세계 최초의 3조 파라미터급 공개(open) 모델이며, 긴 호흡의 코딩과 지식 노동, 추론 전반에서 프런티어 수준의 지능을 목표로 설계됐습니다." (원문: "K3 is the next generation of open frontier models from Moonshot AI. It is the world's first open 3T-class model, designed for frontier intelligence across long-horizon coding, knowledge work, and reasoning.")

문샷이 고른 단어는 open이고 open-source가 아니에요. 두 말은 뜻이 다릅니다. 가중치 파일을 내려받을 수 있다는 것과, 학습에 쓴 자료와 코드까지 공개하고 오픈소스 라이선스를 붙였다는 것은 별개니까요. 회사가 조심해서 고른 표현이니 저희도 그대로 쓰지요.

구조에 관해서는 "키미 델타 어텐션과 어텐션 레지듀얼 위에 세운 새 아키텍처" (원문: "New architecture built on Kimi Delta Attention and Attention Residuals") 라고 적었고, 도구 호출과 웹 탐색, 여러 단계 계획을 모델 자체가 수행한다고 덧붙였습니다.

받으실 생각이라면 미리 정리해 두실 것이 있어요. 3조 파라미터급은 개인 장비에서 돌아가는 크기가 아닙니다. 직전 호에서 다뤘듯 회사 권장 사양은 가속기 64장 이상 구성이었어요. 그러니 "받아서 다음 회의에서 시연"은 어렵고, 현실적으로는 양자화 (quantization) 판본이 커뮤니티에서 나오기를 기다렸다가 시험해 보시는 흐름이 됩니다. 라이선스도 아직 공개되지 않았으니, 상용 적용을 검토하신다면 파일보다 라이선스 문서를 먼저 여시는 편이 좋겠지요.

1. 지금 실제로 열린 경로는 무엇인가
   앱 / API / 가중치 파일 내려받기 — 셋 중 어디까지 열렸나
2. 가중치가 정말 공개됐나
   "공개 예정"인가 "공개됨"인가. 예정이면 저장소에 파일이 실제로 올라왔는지 확인한다
3. 라이선스가 무엇인가
   상용 가능한가. 재배포·파인튜닝 조건이 붙어 있나
4. 우리 장비에서 돌아가나
   회사 권장 사양 / 활성 파라미터 수 / 양자화 판본 유무
5. 한국에서 되나
   앱스토어 등재 여부, 지역 제한 여부 — 발표에 없으면 "확인 안 됨"으로 남긴다

구글이 제미나이 세 종류를 한 번에 냈어요 — 보안용은 정부와 파트너만 씁니다

구글이 7월 21일에 제미나이 (Gemini) 세 가지를 한 발표로 공개했어요. 이름이 비슷해서 헷갈리기 쉬우니 하나씩 나눠 볼게요.

- 3.6 플래시 — 회사 표현으로 "코딩과 지식 노동, 멀티모달 성능이 개선된 주력 모델" (원문: "Our workhorse model that delivers better coding, knowledge work, and multimodal performance.") - 3.5 플래시 라이트 — "가장 빠르고 비용 효율이 높은 3.5급 모델로, 아티피셜 애널리시스 인덱스 기준 초당 350개의 출력 토큰을 내며, 에이전트 작업 흐름에서도 이전 플래시 라이트 세대들을 크게 앞섭니다." (원문: "Our fastest, most cost-effective 3.5-class model, delivering 350 output tokens per second according to the Artificial Analysis Index, also significantly outperforming prior Flash-Lite generations in agentic workflows.") - 3.5 플래시 사이버 — 보안 취약점을 찾고 고치는 데 맞춰 미세조정한 모델이랍니다.

값부터 보겠습니다. 3.6 플래시는 100만 토큰당 입력 $1.50 · 출력 $7.50, 3.5 플래시 라이트는 입력 $0.3 · 출력 $2.5예요. 지난 주말 호외에서 다룬 클로드 오푸스 5가 입력 $5 · 출력 $25였으니, 같은 기본 단가 축에서 3.6 플래시가 3분의 1 아래에 놓입니다. 다만 값만 보고 고르시면 안 되는 이유는 아래에 이어 적을게요.

세 번째 모델부터 확인하셔야 하네요. 플래시 사이버는 지금 아무나 쓸 수 없습니다.

"코드멘더를 통해 정부와 신뢰할 수 있는 파트너에게만 한정 접근 시범 프로그램의 일부로 곧 제공될 예정입니다." (원문: "will be exclusively available to governments and trusted partners via CodeMender soon as part of a limited-access pilot program.")

보안 담당자분들이 이 소식을 보고 도입 검토를 시작하실 수 있는데, 이 발표만으로는 오늘 일반 사용자가 쓸 수 없다는 것까지만 확인됩니다. 신청 창구가 따로 열려 있는지는 이 글에 나오지 않아요. 구글은 제한을 둔 이유를 함께 적었습니다. "이 기술의 이중 용도 성격을 감안해, 3.5 플래시 사이버 배포에는 의도적으로 신중한 방식을 택했습니다." (원문: "Given the dual-use nature of this technology, we have taken an intentional approach to deploying 3.5 Flash Cyber.") 취약점을 찾아내는 능력은 고치는 쪽으로도 공격하는 쪽으로도 쓰이니까요.

성능 수치를 읽으실 때는 조심하실 것이 있어요. 비교 기준선이 하나가 아니라 셋입니다.

발표문에는 각 나열 바로 앞에 기준이 적혀 있어요. "3.6 플래시는 여러 용도에서 3.5 플래시 대비 성능이 향상됐습니다" (원문: "3.6 Flash sees performance gains compared to 3.5 Flash across use cases"), "이 모델은 3.1 플래시 라이트를 크게 앞섭니다" (원문: "the model significantly outperforms 3.1 Flash-Lite") 하는 식이지요. 숫자만 한 줄로 뽑아 놓으면 전부 같은 상대와 겨룬 것처럼 보이는데, 실제로는 세 상대와 각각 붙은 결과랍니다.

출처가 다른 수치도 섞여 있네요. 출력 토큰을 17% 덜 쓴다는 값과 초당 350토큰이라는 속도는 구글이 잰 것이 아니라 외부 측정기관에 귀속시킨 값이에요. "아티피셜 애널리시스 인덱스에 따르면, 3.5 플래시 대비 출력 토큰 사용량을 17% 줄입니다." (원문: "According to the Artificial Analysis Index, it reduces output token usage by 17% compared to 3.5 Flash") / "아티피셜 애널리시스 측정 기준으로 초당 350개의 출력 토큰을 냅니다." (원문: "As measured by Artificial Analysis, it runs at 350 output tokens/s.") 나머지 벤치마크는 회사가 스스로 측정해 발표한 값이고, 저희는 이번 주에 독립 재현 결과를 확인하지 못했어요.

값 이야기를 조금 더 해 둘게요. 3.6 플래시는 직전 세대인 3.5 플래시보다 단가 자체가 내려갔습니다. 구글은 "이 효율 개선이 3.5 플래시보다 낮은 값과 결합됩니다"(원문: "This enhanced efficiency is also combined with a lower price than 3.5 Flash.")라고 적었어요. 토큰을 덜 쓰는 폭도 작업에 따라 달라서, "데이터커브의 DeepSWE 같은 일부 벤치마크에서는 최대 65%까지 관측된다"(원문: "in some benchmarks like DeepSWE by Datacurve, we observe up to 65%")고 밝혔습니다. 값이 내려가는데 쓰는 양까지 줄면 실제 청구서는 두 번 줄어드는 셈이지요.

쓸모 있는 변화도 하나 있어요. 컴퓨터를 직접 조작하는 기능이 이제 제미나이 API와 제미나이 엔터프라이즈에서 기본 제공 도구로 들어갔습니다(원문: "Computer use is now a built-in client side tool"). 다만 도구 규격이 기본으로 제공된다는 뜻이고, 화면을 실제로 조작하는 클라이언트 쪽 코드는 여전히 만드셔야 해요. 구글은 헤비아(Hebbia)와 하비(Harvey) 같은 고객사가 문서 파싱과 차트·데이터 분석, 보고서 초안 작성 같은 일에서 특히 쓸 만하다고 평가했다고 덧붙였습니다.

값이 3분의 1이라는 사실은 그 자체로 큽니다. 다만 우리 팀이 쓰는 작업이 위 벤치마크 어디에도 안 닮았다면 그 수치는 우리 이야기가 아니지요. 지금 쓰시는 모델로 지난달에 실제로 돌린 요청 열 개쯤을 뽑아 두었다가 새 모델에 똑같이 넣어 보시는 편이 훨씬 정확하답니다.

              현재 모델      후보 모델
입력 단가      $___/1M       $___/1M     ← 기본 단가인가 배치 단가인가 적을 것
출력 단가      $___/1M       $___/1M
같은 작업 실측  ___원         ___원       ← 지난달 실제 요청 10개를 양쪽에 넣어 본 값
품질 판정      ___/10        ___/10      ← 사람이 눈으로 채점
오늘 쓸 수 있나  예/아니오     예/아니오   ← 파일럿·대기명단이면 '아니오'

풀사이드가 라구나 S 2.1을 공개했어요 — 자기가 밀리는 수치도 같이 적었습니다

풀사이드 (poolside) 가 7월 21일에 코딩용 모델 라구나 S 2.1 (Laguna S 2.1) 을 냈어요. 가중치까지 함께 공개했고, 허깅페이스에 OpenMDW-1.1 라이선스로 올렸습니다. BF16·FP8·INT4·NVFP4 형식에 GGUF와 MLX 변환본까지 회사가 직접 제공해요. 총 118B 파라미터의 전문가 혼합 (MoE) 구조이고, 토큰 하나를 처리할 때 실제로 켜지는 활성 파라미터는 8B예요. 여기서 오해하기 쉬운 대목을 짚어 둘게요. 활성 8B는 계산량 이야기이지 메모리 이야기가 아닙니다. 전문가 혼합 구조라도 어느 전문가가 호출될지 미리 알 수 없어서 가중치는 118B 전체를 올려 두어야 하거든요. 그러니 장비를 가늠하실 때는 활성 파라미터가 아니라 총 파라미터와 양자화 형식으로 계산하셔야 합니다. 앞서 본 3조급보다 작은 것은 맞지만, 8B 모델을 돌리는 감각으로 접근하시면 안 된다는 뜻이지요. 컨텍스트는 최대 100만 토큰까지 받아요.

이 발표에서 눈여겨보실 부분은 성능 자랑이 아니에요. 회사가 자기 모델이 밀리는 숫자를 같은 표에 적어 두었다는 점입니다.

원표에는 더 많은 모델이 실려 있고 위는 그중 일부를 뽑은 것이에요. 앞의 두 항목은 자기가 진 수치인데, 회사가 굳이 안 적어도 됐을 값이지요.

읽는 방법에는 주의가 필요해요. 이 표의 숫자가 전부 풀사이드가 직접 잰 값은 아닙니다. 회사가 표 아래에 이렇게 밝혀 두었어요.

"모든 벤치마크에 대해 저희는 벤더 자체 발표 점수, 벤치마크 저자 리더보드, 제3자 리더보드(아티피셜 애널리시스) 중 최댓값을 취합니다. 다만 SWE 아틀라스(코드베이스 QnA)는 예외로, 제3자 리더보드 수치를 쓰지 않습니다." (원문: "For all benchmarks we take the maximum of the vendor self-reported score, benchmark author leaderboard or third-party leaderboard (Artificial Analysis), except SWE Atlas (Codebase QnA) where we do not use third-party leaderboard figures.")

그러니까 라구나 자신의 점수는 자사 하네스 (harness) 에서 잰 값이지만, 다른 회사 모델의 점수는 그 회사가 스스로 발표한 수치일 수 있어요. 각 칸의 출처가 서로 다를 수 있다는 뜻이니, 그대로 순위표로 읽으시면 곤란합니다.

한계도 세 가지를 직접 적었습니다. 조건까지 그대로 옮길게요. 첫째, "일부 사례에서 라구나 S 2.1이 제3자 에이전트 하네스의 도구 스키마 정의를 지키는 데 어려움을 겪는 것을 관측한다" (원문: "in some cases, we observe that Laguna S 2.1 struggles with adhering to tool schema definitions in third-party agent harnesses") 는 것입니다. 둘째, "도구 인수가 JSON 배열을 요구하는 경우(예: Pi의 편집 도구)에는 모델이 잘못 이스케이프되거나 유효하지 않은 JSON을 만들 수 있다" (원문: "In cases where a tool argument expects a JSON array (e.g., Pi's edit tool) the model may generate incorrectly escaped or invalid JSON.") 는 것이고요. 셋째는 "특히 경시대회 수준의 수학 문제를 다룰 때 진전 없이 오래 생각만 이어 갈 수 있다" (원문: "may think for long sequences before making progress, especially when working through competition mathematics problems") 는 점입니다.

세 번째 한계는 지난 호외에서 다룬 이야기와 겹쳐요. 강도를 올리면 오히려 나빠지는 현상을 다른 회사도 자기 문서에 적어 둔 셈이지요.

사내에 직접 올릴 코딩 모델을 찾으신다면 라이선스가 상용에 열려 있다는 점이 먼저 눈에 들어옵니다. 장비는 활성 8B가 아니라 총 118B 가중치와 양자화 형식으로 계산하셔야 하고요. 다만 이미 쓰시는 에이전트 도구가 있다면 첫 번째 한계가 걸릴 수 있으니 — 회사도 "일부 사례"라고 범위를 한정했지만 — 도입 전에 그 도구에서 도구 호출이 제대로 되는지부터 확인해 보셔야겠지요.

딥시크가 구 모델 이름의 폐기 시각을 지났어요 — 코드에 적어 두셨다면 확인해 보실 때입니다

딥시크 (DeepSeek) 공식 API 문서에는 이런 문장이 적혀 있었어요. 저희가 오늘 오전에 열었을 때 확인한 것이고, 웹 아카이브의 7월 25일 스냅숏에도 같은 문장이 남아 있습니다.

"deepseek-chat과 deepseek-reasoner라는 모델 이름은 2026년 7월 24일 15시 59분 UTC에 폐기될 예정입니다." (원문: "The model names deepseek-chat and deepseek-reasoner will be deprecated on 2026/07/24 15:59 UTC.")

15시 59분 UTC는 한국 시간 7월 25일 토요일 0시 59분이에요. 주말 새벽에 걸쳐 있던 시각이네요. 지금 쓰이는 이름은 deepseek-v4-flash와 deepseek-v4-pro이고, 문서는 옛 이름 두 개가 각각 v4-flash의 비사고 모드와 사고 모드에 대응한다고 밝혀 두었습니다.

옮겨 타실 때 도움이 될 사실도 같은 문서에 있어요. "딥시크 API는 OpenAI·Anthropic과 호환되는 API 형식을 씁니다."(원문: "The DeepSeek API uses an API format compatible with OpenAI/Anthropic.") 두 회사의 SDK를 쓰고 계시다면 접속 주소와 모델 이름만 바꿔서 시험해 보실 수 있다는 뜻이지요.

여기서 저희가 확인하지 못한 것을 분명히 적어 둘게요. 문서에 적힌 시각은 지났지만, 실제로 그 이름을 부른 요청이 지금 막히는지는 확인하지 못했습니다. 저희가 인증된 요청을 직접 넣어 보지 않았거든요. 그리고 같은 문서를 오후에 다시 열었을 때는 그 고지 문장이 보이지 않았습니다. 각주 번호가 다시 매겨진 흔적이 있어 지워진 것으로 보이지만, 그렇다고 단정하지는 않을게요. 회사가 폐기를 취소했다는 안내는 어디에도 없었습니다. 그러니 "이미 멈췄다"고 읽지는 말아 주세요. 대신 그 이름을 코드에 적어 두신 곳이 있다면 오늘 한 번 직접 불러 보시는 편이 확실합니다.

100만 토큰 기준 값은 이렇습니다.

앞서 본 제미나이 3.6 플래시가 입력 $1.50 · 출력 $7.50이었으니, 같은 기본 단가 축에서 딥시크 쪽이 한참 아래에 있어요. 다만 값이 낮다고 바로 옮기실 일은 아니고, 데이터가 어디로 가는지와 회사 정책이 그것을 허용하는지를 먼저 확인하셔야 하지요.

이번 일에서 배울 점은 모델 하나의 값이 아니라 이름이 끊기는 사건이 실제로 일어난다는 사실이에요. 공급사가 이름을 정리하는 일은 앞으로도 반복됩니다. 그러니 지금 한 번 정리해 두시면 다음에 편해요.

1. 우리 코드·설정·문서에서 모델 이름 문자열을 전부 찾는다
   폴더 전체에서 모델 이름 후보를 줄 번호까지 찾아 주는 명령을 씁니다
   (환경변수 파일, 배치 스크립트, 노션 문서, 사내 위키까지)

2. 찾은 이름을 목록으로 만든다
   위치 | 모델 이름 | 누가 관리하나 | 공급사 문서의 폐기 예정 표기

3. 공급사 문서에서 각 이름의 상태를 확인한다
   폐기됨 / 언제 폐기 예정 / 표기 없음 — 셋 중 무엇으로 적혀 있나

4. 한 곳에 모은다
   모델 이름을 코드 여기저기가 아니라 설정 한 곳에서 읽게 바꾼다
   다음에 이름이 바뀌면 한 줄만 고치면 된다

카이스트 팀이 ICML 국제 챌린지에서 우승했어요 — 모델 하나가 아니라 여러 개를 토론시켰습니다

카이스트 (KAIST) 는 AX학과 문일철 교수 연구팀이 국제머신러닝학회 (ICML) 2026의 공식 워크숍 'AI4Math Workshop'이 연 국제 챌린지에서 우승했다고 7월 23일 밝혔어요. 대회 이름은 '시각적으로 정의된 물리 문제 풀기 (Visual Grounded Physics Problem Solving)'예요. 그림과 글로 함께 제시된 물리 문제를 이해하고, 물리 법칙을 적용해 정답뿐 아니라 풀이 과정까지 만들어 내는 능력을 겨루는 대회지요.

대회는 5월 1일부터 6월 16일까지 진행됐고, ETH 취리히와 푸단대, 상하이 이노베이션 연구소를 포함해 139개 팀이 참가했습니다. 카이스트 팀이 최종 평가 최고 성적을 냈고, 7월 11일 서울에서 열린 ICML 공식 시상식에서 1등상을 받았어요. 참가자는 산업및시스템공학과 곽지석 박사과정 학생을 비롯한 응용인공지능연구실 (AAILab) 연구진 다섯 명이었습니다.

격을 정확히 적어 두자면, 본회의 논문상이 아니라 워크숍이 연 챌린지예요. 그래도 139개 팀 중 1위라는 사실은 그대로 남습니다.

이 소식을 고른 이유는 순위가 아니라 이긴 방법 때문이에요. 연구팀이 쓴 방식은 이랬답니다.

"여러 AI 파운데이션 모델을 각각 독립적인 에이전틱 AI로 구성한 뒤, 서로 답을 검증하고 토론하는 멀티에이전트 AI 구조를 개발했다."

그렇게 해서 "개별 AI의 오류를 줄이고 추론의 신뢰성을 높여" 최고 성적을 냈다고 학교가 설명했어요. 모델 하나를 잘 고르는 대신, 여러 개를 붙여 서로 틀린 곳을 찾게 한 것이지요.

문일철 교수의 소회가 이 방법의 뜻을 잘 담고 있어요.

"AI 파운데이션 모델을 에이전트로 변환시키며, 다양한 에이전트가 토론과 검증을 통해 올바른 답을 찾아내는 과정을 보고, 하나의 AI 파운데이션 모델이 미래를 독점할 수 없다는 점을 깨달았다."

문 교수는 대회의 성격도 짚었습니다. "이번 대회는 물리 문제를 푸는 시험문제와 같았지만, 사실 보잉 등에서 시험하고 있는 AI 기반 항공기 설계 및 운용과 같이 물리적 상황의 최적 설계 및 운용에 쓰이는 인공지능을 만드는 기술이 본질이다"라는 것이었어요.

이 방법은 연구실 장비가 없어도 오늘 바로 따라 하실 수 있어요. 챗봇 창 두세 개면 충분하니까요. 계약서 검토, 숫자가 들어간 보고서, 번역문처럼 틀리면 곤란한데 혼자서는 검증이 어려운 일에 특히 잘 맞습니다. 반대로 아이디어 브레인스토밍처럼 정답이 없는 일에는 굳이 이렇게 안 하셔도 되고요. 한 가지 주의하실 점은, 같은 회사의 같은 모델 두 개에 물으면 같은 실수를 함께 한다는 것이에요. 되도록 서로 다른 회사의 모델을 쓰셔야 검증이 됩니다.

① 1번 모델에 원래 질문을 그대로 던진다
② 2번 모델(다른 회사 것)에 같은 질문을 그대로 던진다
③ 셋째 호출 — 아무 모델에나 두 답을 붙여 이렇게 묻는다

   아래는 같은 질문에 대한 두 개의 답변입니다.
   1) 두 답이 갈리는 지점을 전부 찾아 목록으로 만들어 주세요.
   2) 각 지점마다 어느 쪽이 맞는지, 아니면 확인이 필요한지 판정해 주세요.
   3) 두 답이 똑같이 근거 없이 단정한 부분이 있으면 따로 표시해 주세요.

   [답변 1]
   ...
   [답변 2]
   ...

④ 갈린 지점만 사람이 원문으로 확인한다
   → 전부 읽지 않아도 되고, 확인할 곳이 어디인지만 알면 된다

지식재산처가 예산 없이 만든 AI 에이전트 셋을 실제 업무에 넣었어요

지식재산처의 지식재산인공지능전환추진단 (IP-AX 추진단) 이 AI 에이전트 세 가지를 만들어 정책 업무에 투입했어요. 추진단은 2026년 5월에 출범했습니다. 만든 방법은 대화하듯 지시해 코드를 만드는 방식이었고, 추진단은 "별도 예산 없이 시범 구축했다"고 밝혔답니다.

세 가지는 이렇습니다.

1. 정책회의 지식위키 (LLM Wiki) — 내부 거대언어모델로 그동안 쌓인 정책회의 문서를 위키 문서로 자동 재생성하고 서로 연결해, 자연어로 물으면 답을 내놓게 했어요. 2. 해외 지식재산기관 보도자료 보관소 — 전 세계 지식재산기관의 보도자료를 실시간으로 검색·분류하고 한국어 요약과 원문 링크를 함께 제공합니다. 3. 입법예고·발의법안 모니터링 에이전트 — 부처별 입법예고와 국회 발의법안을 실시간으로 살피고, 담당 부서를 정하고 법안 검토를 돕습니다.

정연우 지식재산처 차장이 이 사례를 소개했답니다.

여기서 저희가 확인하지 못한 것도 적어 둘게요. 성과 수치와 정확한 투입 시점은 원문에 없습니다. 몇 시간을 아꼈다거나 몇 명이 쓴다는 숫자가 나오지 않았으니, 효과가 어느 정도인지는 아직 판단하실 근거가 없어요.

그래도 이 사례가 값진 이유는 따로 있네요. 세 가지 모두 자료가 이미 쌓여 있고, 매주 반복되고, 사람이 결과를 되돌릴 수 있는 일이라는 공통점이 있거든요. 회의록은 이미 있었고, 해외 기관 보도자료는 매일 나오고, 법안은 계속 올라옵니다. 없는 자료를 만들어 내는 일이 아니라 있는 자료를 정리하는 일입니다. 사내에서 무엇부터 자동화할지 고르실 때 이 기준이 그대로 쓰입니다.

□ 매주(또는 매일) 반복되는 일인가
□ 필요한 자료가 이미 어딘가에 쌓여 있는가
□ AI가 틀려도 사람이 알아채고 되돌릴 수 있는가

셋 다 '예' → 지금 시작해도 되는 일
하나라도 '아니오' → 아직 이르다. 특히 셋째가 '아니오'면 하지 않는다

[첫 후보로 자주 나오는 것들]
- 회의록 → 결정 사항·담당자·기한만 뽑아 정리
- 매주 오는 외부 소식 → 우리와 관련된 것만 골라 3줄 요약
- 반복 문의 → 지난 답변을 모아 초안 자동 작성 (발송은 사람이)

대통령이 앤스로픽 CEO를 만났어요 — 과기정통부와 AI 협력 MOU를 맺게 됐다고 밝혔습니다

이재명 대통령이 현지 시각 7월 24일 미국 샌프란시스코에서 다리오 아모데이 (Dario Amodei) 앤스로픽 (Anthropic) CEO를 만났어요.

먼저 규모를 정확히 적어 둘게요. 이날 면담은 앤스로픽 한 곳만이 아니었습니다. 대통령실 브리핑에 따르면 앤스로픽에 이어 같은 날 오후 젠슨 황 엔비디아 CEO와 혹 탄 브로드컴 대표를 잇달아 만났고, 'AI 선언'도 발표됐어요. 샘 올트먼 오픈AI CEO와의 면담은 여러 매체가 함께 전했는데, 저희가 연 두 건의 브리핑에서는 그 이름을 찾지 못했습니다. 그러니까 이 글은 연쇄 면담 가운데 한 건을 다루는 것이고, 다른 면담에서 나온 내용은 이 호에서 다루지 않았어요.

그리고 밝혀 둘 것이 하나 더 있어요. 이 글을 쓰는 도구도 앤스로픽이 만든 클로드예요. 여러 면담 중 하필 이 건을 본문에 올린 것이 우리 쪽에 유리한 선택으로 읽힐 수 있으니, 확정된 것과 아직 아닌 것을 나눠서 적겠습니다. 같은 주에 이 회사가 받은 불리한 소식은 아래 「이번 주 다른 뉴스」에 함께 실었어요.

확정된 것부터 보겠습니다. 현장을 취재한 뉴시스 보도에 아모데이 CEO의 발언이 이렇게 실렸어요.

"대한민국 과기정통부와 함께 AI 협력에 관한 많은 MOU(업무협약)를 체결하게 됐다. 이를 통해서 AI 보안 그리고 사이버 산업에서의 테스트를 수행하게 됐다."

이번 면담에서 나온 이야기 가운데 형태가 잡힌 것은 이 대목이지요.

투자에 관한 발언은 방향을 잘 보셔야 해요. 같은 보도에서 아모데이 CEO는 이렇게 말했습니다.

"앤트로픽은 많은 분야에서 한국 기업들과 함께하고 있고, 거기에 대한 기대도 매우 높다"

"한국의 메모리 업체들이 앤트로픽에 투자도 많이 해주셨고, 그런 면에서 (AI) 데이터 센터와 그 외 여러 분야에서 함께 협력할 계획"

즉 이미 오간 투자는 한국 기업이 앤스로픽에 한 쪽이고, 데이터센터 협력은 "계획"이에요. 한편 대통령실 브리핑은 이 대목을 "메모리 제조업체와의 협력 및 AI데이터센터 등 많은 분야에서 투자를 진행하는 한편"이라고 요약했는데, 직접 인용과 요약이 가리키는 방향이 같지 않습니다. 저희는 발언 원문 쪽을 따랐어요.

아직 확정되지 않은 것도 분명하네요. 국내 AI 데이터센터 공동 투자에 대해서는 대통령실 브리핑에 "다양한 얘기가 오갔다"는 표현만 있고 계약도, 금액도, 시점도 공개되지 않았어요.

우리 일에 무엇이 달라지느냐를 묻는다면, 오늘 당장은 아무것도 달라지지 않아요. MOU는 협력하겠다는 약속이지 계약이 아니니까요. 다만 과기정통부와의 협력에 사이버보안이 들어가 있다는 점은 기억해 두실 만해요. 공공 부문 보안 사업에 계신 분이라면 앞으로 나올 사업 공고의 배경으로 이 대목이 언급될 수 있거든요.

이런 발표를 읽으실 때는 세 가지만 보시면 됩니다.

① 금액이 나왔나        → 없으면 규모를 짐작하지 않는다
② 시점이 나왔나        → "추진 중"·"검토"는 시점이 없는 것이다
③ 무슨 문서인가
     MOU        = 협력하겠다는 약속. 대개 구속력이 없지만
                  문구·당사자 의도·준거법에 따라 달라지니 내용을 확인한다
     계약·투자확약 = 구속력 있음. 금액·시점이 대개 함께 나온다
     "논의"·"의견 교환" = 아직 문서가 없다

셋 중 하나라도 비어 있으면 → 사내 보고서에 "확정"이라고 쓰지 않는다

카이스트 김재철AI대학원에 엔비디아 공동연구소가 생겼어요 — 초기 5년 3억 달러 규모입니다

엔비디아 (NVIDIA) 와 카이스트가 서울 김재철AI대학원 안에 '엔비디아-카이스트 AI 공동연구소' (NVIDIA-KAIST Joint AI Research Lab) 를 세운다고 7월 24일 발표했어요. 만들려는 것은 "한국어와 국내 산업에 특화된 에이전틱 AI 모델과 AI 에이전트 시스템"이랍니다.

금액 이야기를 먼저 정리하겠습니다. 매체마다 "3억 달러"와 "연간 5천만 달러"가 따로 실려서 어느 쪽이 맞는지 헷갈리기 쉬운데, 카이스트 보도자료를 열어 보니 두 숫자가 함께 적혀 있었어요.

"초기 5년간 총 3억 달러 규모로 추진되며, 매년 5천만 달러 상당의 AI 컴퓨팅 자원이 제공된다."

서로 다른 축이었던 것이지요. 3억 달러는 5년 전체 협력 규모이고, 연 5천만 달러는 그 안에서 현물로 제공되는 컴퓨팅 자원입니다. 어느 매체가 틀린 것이 아니라 각자 한쪽 축을 인용한 것이었어요.

운영 방식도 구체적이네요. 매년 10명 이상의 카이스트 연구자를 지원하고, 지원받는 연구자에게는 엔비디아 인턴십 기회를 함께 줍니다. 연구소장은 김현우 박사가 맡는데, 다음 달 카이스트 김재철AI대학원에 부임해요.

배충식 카이스트 총장은 "이번 협력은 세계 최고 수준의 AI 연구역량과 최첨단 AI 인프라를 결합하는 전략적 파트너십의 출발점"이라고 말했습니다.

한국어와 국내 산업에 특화된 에이전트 모델을 만든다는 대목이 실무자에게는 의미가 있어요. 다만 발표는 연구 방향만 밝혔을 뿐 어떤 문제를 풀겠다는 것인지 구체적으로 적지 않았습니다. 연구소가 이제 출발하는 단계라 결과물이 나오려면 시간이 걸리니, 올해 안에 쓸 수 있는 것을 기대하실 일은 아니랍니다.

구글이 EU 투명성 규약에 서명하면서 우려도 함께 적었어요

구글이 7월 24일 'EU AI법 AI 생성 콘텐츠 투명성 실무규약' (EU AI Act Code of Practice on Transparency of AI-Generated Content) 에 서명했다고 밝혔어요. AI가 만든 콘텐츠를 어떻게 표시할지에 관한 유럽연합의 자율 규약이지요.

구글은 같은 글에서 이 규약에 대한 우려도 함께 적었습니다.

"저희는 투명성을 지지하지만, 기술적 해법이 아직 발전하는 중인 상황에서 규제 복잡성을 더하는 것이 경쟁력과 단순화라는 유럽의 목표와 어긋날 수 있다는 점을 우려합니다." (원문: "While we support transparency, we are concerned that adding more regulatory complexity — as technical solutions are still evolving — could contradict Europe's goals for competitiveness and simplification.")

이유도 덧붙였어요. "온라인 콘텐츠가 중첩된 AI 라벨과 법적 고지로 넘쳐나면, 사람들이 필요한 맥락을 명확히 얻기가 오히려 어려워집니다." (원문: "If online content is flooded with overlapping AI labels and legal disclosures, it becomes harder for people to get the clear context they need.") 표시가 많아질수록 아무도 안 읽게 된다는 이야기랍니다. 구글이 워터마킹 기술로 개발해 온 신스ID (SynthID) 도 이 글에 언급됐습니다.

저희가 확인하지 못한 것을 적어 둘게요. 이 글에는 시행 시점도, 구체적으로 어떤 의무가 생기는지도 나오지 않습니다. 규약 원문을 저희가 직접 대조하지 않았으니, 무엇을 언제부터 해야 하는지는 이 글만으로는 알 수 없어요.

한국에서 일하시는 분께 이 소식이 닿는 지점은 두 군데예요. 하나는 유럽에 서비스나 콘텐츠를 내보내시는 경우이고, 다른 하나는 한국 AI 기본법에도 생성물 표시에 관한 조항이 있다는 점입니다. 다만 두 규정의 조문을 저희가 나란히 놓고 대조하지는 않았으니, 같다고도 다르다고도 말씀드리지 않을게요.