이번 주 AI 산업의 화두는 '더 똑똑한 모델'만이 아니라 '같은 성능을 얼마나 싸게 굴리느냐'로 옮겨갔다. 앤트로픽 클로드 오푸스 5는 최상위 모델에 근접한 성능을 절반 수준의 비용에 내놓으며 벤치마크 중심 경쟁에서 ROI 중심 경쟁으로의 이동을 보여줬고, 구글과 메타는 챗봇을 개인 비서·에이전트 방향으로 확장했다. 국내에서는 이재명 대통령이 빅테크 CEO들과 연쇄 회동하며 국가 AI 전략을 글로벌 협력 의제로 제시했다.
해외 뉴스
앤트로픽이 클로드 오푸스 5를 공개했다. 핵심은 최상위 모델 페이블 5에 근접한 성능을 절반 수준의 비용에 제공한다는 점이다. 가격은 전작 오푸스 4.8과 동일한 수준으로 책정됐다. 여기서 읽어야 할 신호는 명확하다. 이제 대부분의 최상위 AI 모델이 기업 실무가 요구하는 성능을 넘어섰고, 벤치마크 2~3%포인트 우위는 실제 생산성으로 그대로 이어지지 않는 경우가 많다. 하루 수백만~수천만 건 API를 호출하는 기업 환경에서는 토큰 비용 10~20% 차이가 연간 수십억~수백억 원의 운영비 격차로 벌어질 수 있기 때문이다. 오푸스 5가 추론 강도(Effort)를 조절해 단순 업무는 싸고 빠르게, 복잡한 작업은 최대 성능으로 처리하도록 설계된 것도 같은 맥락이다. AI 경쟁이 '성능'에서 '추론 경제학', 즉 총소유비용과 ROI 중심으로 재편되고 있음을 상징하는 출시다. 12
오푸스 5는 안전성 측면에서도 주목할 만하다. 앤트로픽은 정부의 사이버보안 우려 이후 오푸스 5에 전작 오푸스 4.8보다 강한 사이버보안 안전장치를 적용했다고 밝혔다. 배경에는 최근의 규제 국면이 있다. 페이블 5는 정부의 사이버보안 우려로 마이토스 5와 함께 몇 주 동안 오프라인됐다가 강화된 사이버 안전장치를 달고 복귀했고, 이후 GPT-5.6도 약 2주간 정부 승인 기관에만 제한 공개되는 시험 기간을 거쳤다. 앤트로픽은 오푸스 5가 사이버 취약점 발견 능력은 개선됐지만, 취약점을 실제 위협으로 전환하는 악용 능력에서는 마이토스 5보다 뒤처지도록 사이버 작업 훈련을 의도적으로 피했다고 설명했다. 규제 리스크가 모델 공개와 안전장치 설계에 직접 영향을 미치는 국면이 나타난 셈이다. 23
중국 오픈웨이트 모델을 둘러싼 미국의 규제 논의도 격화됐다. 허깅페이스·메타·마이크로소프트·미스트랄·엔비디아 등이 공동 서한을 내고 '섣부른 광범위 규제'에 반대했다. 배경에는 트럼프 행정부가 중국 오픈웨이트 모델 금지와 제재를 검토 중이라는 보도, 그리고 문샷 AI가 앤트로픽 페이블 모델을 증류해 키미 K3를 학습시켰다는 백악관의 의혹 제기가 있다. 서한의 핵심 논리는 증류를 정당한 모델 개선 기법과 불법적 가치 탈취로 구분해야 한다는 것이다. 증류는 오픈소스 소프트웨어 시대부터 이어진 기술 개선 전통의 일부이며, 폐쇄형 모델에서 가치를 불법적으로 추출하려는 시도는 광범위한 기술 제한이 아니라 표적화된 법적·상업적 틀로 다뤄야 한다는 주장이다. '중국 오픈 모델 금지는 사실상 오픈 모델 전체 금지와 같다'는 리플릿 CEO의 발언은 업계의 위기감을 압축한다. 4
제품 전선에서는 챗봇의 '비서화' 흐름이 뚜렷했다. 구글은 개인용 AI 에이전트 '제미나이 스파크'를 월 100달러 이상 울트라 가입자 전용에서 미국의 월 20달러 프로 요금제 가입자로 확대했다. 스파크는 태스크·스킬·스케줄이라는 자동화 개념을 도입해 백그라운드에서 24시간 복잡한 작업을 처리하고, 항공편 지연 시 일정을 자동 수정하는 식의 조건부 실행까지 지원한다. 메타 역시 챗봇을 캘린더 연동·일일 브리핑·심층 리서치가 가능한 비서로 개편했는데, 이는 '오락과 친구 연결에 집중하고 생산성에 집착하지 않겠다'던 지난해 전략에서 방향을 바꾼 것이다. 두 소식이 함께 시사하는 바는 분명하다. 단발성 질의응답에서 '위임 가능한 에이전트'로 경쟁 축이 이동했고, 이 기능을 어느 요금제까지 내리느냐가 대중화 속도에 영향을 줄 수 있다. 56
AI 어시스턴트의 '성격'이 경쟁력이 된다는 신호도 나왔다. 코딩 스타트업 코그니션은 친구처럼 문자로 대화하는 AI 비서 '포크(Poke)'를 보유한 회사를 '낮은 9자리' 규모로 평가한 거래를 통해 인수했다. 포크는 슬랭과 유머를 섞어 도구가 아닌 동료처럼 대화하는 방식으로 주목받았다. 코그니션은 이 상호작용 모델과 개성을 코딩 에이전트 데빈에 이식해 '소프트웨어가 아닌 동료'처럼 느껴지게 만들겠다는 구상이다. 모델 성능이 상향 평준화되는 상황에서, 사용자가 계속 곁에 두고 싶어하는 인격·경험이 차별화 요소로 부상하고 있다는 점을 보여준다. 7
국내 뉴스
이재명 대통령이 샌프란시스코에서 앤트로픽·오픈AI·엔비디아·브로드컴 CEO와 하루 동안 연쇄 회동을 가졌다. 'AI 네이티브 국가' 전략과 국가 AI 3대 메가 프로젝트를 앞세워 글로벌 빅테크와의 협력 체계를 다지는 자리였다. 올트먼은 한국을 '가장 중요한 협력국 가운데 하나'로 꼽으며 내년 1분기 출시 예정 차세대 AI 기기의 한국 테스트베드 활용에 기대를 나타냈고, 젠슨 황은 'AI는 수입할 수 있지만 국가의 지능은 외주화할 수 없다'며 GPU 접근성만 확보되면 한국이 독자 AI 경쟁력을 세울 수 있다고 평가했다. 혹 탄은 AI 인프라 투자가 최소 2029년까지 확대될 것이라고 밝혔다. 이번 회동은 국가 AI 전략이 글로벌 기업과의 협력 논의로 이어지고 있음을 보여준다. 8
각 CEO의 발언을 뜯어보면 한국의 과제도 드러난다. 올트먼은 AI 시대의 부를 현금 지원보다 '지분 기반 공유 모델'로 나누는 편이 낫다는 견해를 밝혔고, 황은 SK·삼성·네이버·현대차·LG와의 협력 및 KAIST 공동 AI 연구소 설립 계획을 소개했다. 혹 탄은 브로드컴이 한국 AI 생태계 발전에 협력해 온 점과 향후 협력 필요성을 논의했다. 즉 한국의 기반은 우수한 인재와 탄탄한 산업 기반, GPU 접근성에 있으며, 자체 AI 역량 확보가 중요하다는 메시지가 강조됐다. 'AI는 수입할 수 있지만 국가의 지능은 외주화할 수 없다'는 황의 말은 한국 입장에서도 자체 모델·인프라 역량을 키워야 한다는 과제로 읽힌다. 8
알리바바는 차세대 이미지 생성 모델 '큐웬 이미지 3.0'을 공개했다. 최대 4,500토큰 프롬프트를 이해해 3×3 인포그래픽이나 신문·시험지·스토리보드를 이어붙이기가 아닌 한 번의 생성으로 완성하고, 10픽셀 크기 글자와 LaTeX 수식까지 선명하게 표현한다. 한국어를 포함한 12개 언어와 100종 이상 예술 스타일을 지원하며, 웹·게임 UI까지 재현한다. 주목할 점은 회사가 내건 방향이 '보기 좋은 이미지'가 아니라 '실무에 투입 가능한 생산성 도구'라는 것이다. 이미지 생성 AI의 경쟁 축이 심미성에서 문서·교육·전자상거래 같은 실용 영역으로 이동하고 있음을 보여주며, 이는 앞서 짚은 '성능에서 실용·ROI로'라는 흐름과 맞물린다. 한국어를 기본 지원한다는 점에서 국내 콘텐츠·이커머스 현장에서도 주목할 만한 사안이다. 19
커뮤니티 화제
오푸스 5를 둘러싼 개발자 커뮤니티의 반응은 벤치마크 점수보다 다른 지점에도 쏠렸다. 앤트로픽의 보리스 체르니는 '여러 평가 점수보다 흥미로운 건 오푸스 5가 지금껏 가장 프롬프트 인젝션에 강한 모델이라는 점'이라고 강조했다. 시스템 카드에 묻혀 있지만 프롬프트 인젝션 평가와 레드팀 전반에서 오푸스 5는 프롬프트 인젝션에 성공하기 매우 어렵다는 것이다. 성능 점수뿐 아니라 '뚫기 어렵다'는 특성이 화제가 됐다는 점이 눈에 띈다. 10
블로거 사이먼 윌리슨은 오푸스 5를 두고 '집요하게 능동적(relentlessly proactive)'이라는 인상을 전했다. 프론티어 벤치 과제에서 도면을 직접 볼 수 없도록 설정했음에도, 오푸스 5는 스스로 컴퓨터 비전 파이프라인을 짜 원시 픽셀에서 형상을 추출해 3D 모델을 복원했다는 일화가 대표적이다. 또 모델이 사이버 취약점 발견에는 강하지만 악용 훈련은 의도적으로 배제됐다는 점, 앤트로픽이 오푸스 5용 프롬프팅 가이드를 공개한 점도 함께 짚었다. 능동성이 오푸스 5의 주요 특징 중 하나로 언급된 셈이다. 2
한편 로컬 워크로드를 돌리려는 개인 사용자들의 현실적 고민도 이어졌다. 한 사용자는 여러 도커 컨테이너와 데이터베이스를 띄우고, 여러 모델로 시장 틱 데이터를 실시간 처리하는 워크로드를 위해 맥북 프로 M5 프로 64GB와 M5 맥스 36/48GB 사이에서 저울질하는 질문을 올렸다. 그는 대규모 데이터셋으로 모델을 학습하고, 필요하다면 일부 LLM도 로컬에서 실행하는 가능성을 언급했다. 개인 개발자에게도 손에 쥔 장비로 무엇을 얼마나 돌릴 수 있느냐가 여전히 중요한 고민거리임을 보여준다. 11