7,500억 개를 그냥 풀어버렸다

7월 31일, 허깅페이스에 파일 하나가 올라왔어. 이름은 LGAI-EXAONE/K-EXAONE-2.0-750B-A37B. 이름만 봐도 대충 감이 오지. 총 파라미터 7,500억 개, 토큰 하나 생성할 때 실제로 켜지는 건 370억 개. 국내에서 지금까지 공개된 AI 파운데이션 모델 중 가장 크고, 그걸 아파치 2.0 라이선스로 던졌어. 다운로드해서 뜯어보고, 파인튜닝하고, 그걸로 돈 벌어도 LG에 한 푼도 안 줘도 돼. 이게 그날 벌어진 일이야.

솔직히 말하면 이게 얼마나 이상한 일인지부터 짚고 가야 해. 몇 달 전만 해도 LG AI연구원의 1차수 모델 K-엑사원은 'K-EXAONE AI Model License Agreement'라는 자체 라이선스를 달고 나왔거든. 회사가 만든 라이선스라는 건 결국 "우리가 정한 조건 안에서만 써라"는 뜻이야. 그런데 규모를 3배 이상 키운 2차수 모델에 와서는 그 조건을 통째로 지워버렸어. 아파치 2.0은 오픈소스 라이선스 중에서도 제약이 거의 없는 축에 속해. 특허 조항까지 붙어 있어서 기업 법무팀이 제일 안심하는 라이선스이기도 하고.

이걸 왜 지금 했을까. 답은 캘린더에 있어. 이 모델은 과학기술정보통신부가 굴리는 '독자 AI 파운데이션 모델 프로젝트'의 2차수 결과물이야. 흔히 '독파모'라고 줄여 부르는 그 국가 프로젝트 말이야. 그리고 8월 초에 2차 평가가 예정돼 있어. 이번 평가에서 한 팀이 또 떨어져. 즉 K-엑사원 2.0은 순수한 기술 릴리스가 아니라, 심사대 위에 올라가기 직전에 제출한 답안지에 가까워. 답안지를 공개적으로 채점받겠다고 허깅페이스에 올려버린 셈이지.

임우형 LG AI연구원 공동원장은 공개 직후 이렇게 말했어. "K-엑사원 2.0의 의미는 단순히 파라미터 수가 큰 모델을 만들었다는 데 있지 않다. 국내 연구진이 모델 아키텍처 설계부터 데이터 준비, 대규모 분산 학습까지 전 과정을 독자적으로 완수했다는 것"이라고. 이 문장에 이번 사건의 정치적 무게가 다 들어 있어. 성능 자랑이 아니라 '우리가 직접 다 했다'는 주장이거든. 국가 프로젝트에서 심사받는 팀이 강조할 만한 포인트가 정확히 그거야.

그리고 하나 더. LG만 이런 게 아니야. 이틀 전인 7월 29일에 SK텔레콤이 6,880억 파라미터짜리 'A.X K2'를 역시 허깅페이스에 아파치 2.0으로 올렸어. 그보다 일주일 앞선 7월 23일엔 업스테이지가 2,500억 파라미터 '솔라 오픈 2'를 공개했고. 열흘 사이에 국산 초거대 모델 세 개가 연달아 튀어나온 거야. 우연일 리가 없지. 다들 같은 심사를 앞두고 있으니까.

링 위에 선 선수들 — LG, 과기정통부, 그리고 남은 네 팀

먼저 LG AI연구원부터. 2020년에 만들어진 LG그룹의 AI 전담 조직이고, 엑사원(EXAONE) 시리즈로 국내 LLM 판에서 가장 오래 버틴 곳 중 하나야. 2024년 EXAONE 3.0으로 오픈소스 판에 처음 진입했고, 2025년 EXAONE 4.0에서 하이브리드 어텐션 구조를 들고 나왔어. 지난해 말 공개한 1차수 K-엑사원은 총 2,360억 / 활성 230억 파라미터 MoE 모델이었는데, 공개 당시 Artificial Analysis 인텔리전스 인덱스 기준 오픈웨이트 모델 중 세계 7위, 국내 1위를 기록했다고 LG는 밝혔어. 허깅페이스 트렌딩에서도 잠깐 2위까지 올라갔고. 국내 팀치고는 이례적으로 좋은 데뷔였지.

다음은 과기정통부. 이 프로젝트의 설계자야. 목표는 명확해. GPT나 제미나이 같은 해외 모델에 대한 기술·경제·안보 의존을 줄이자는 것. 그래서 정예팀을 뽑고, 국가가 GPU를 대주고, 단계별로 평가해서 떨어뜨리는 서바이벌 구조를 짰어. 실제로 모티프테크놀로지스는 정부가 제공한 GPU 약 700장으로 선정 후 5개월 만에 프리뷰 모델을 완성했다고 알려졌어. 개별 기업이 감당하기 힘든 컴퓨트를 국가가 대신 태워주는 방식이야.

서바이벌은 이미 한 번 돌았어. 처음 5개 정예팀으로 출발했는데, 1차 평가에서 네이버클라우드 컨소시엄과 NC AI가 떨어졌어. 네이버가 떨어졌다는 건 당시에도 꽤 충격이었지. 하이퍼클로바X로 국내 LLM을 사실상 개척한 회사였으니까. 그 자리를 채우려고 정부는 추가 공모를 열었고, 모티프테크놀로지스와 트릴리온랩스가 들어왔어. 지금 남은 건 LG AI연구원, SK텔레콤, 업스테이지, 모티프테크놀로지스 네 팀이야.

그리고 8월 초, 그 네 팀 중 한 팀이 또 탈락해. 최종 2팀은 내년 2월에 확정될 예정이고. 그러니까 지금 벌어지는 국산 대형 모델 러시는 기술 경쟁이면서 동시에 생존 경쟁이야. 이 구조를 모르고 "왜 갑자기 다 같이 모델을 내지?"라고 물으면 답이 안 나와. 다들 다음 라운드 티켓을 걸고 링에 올라와 있는 거야.

마지막으로 이 판의 진짜 상대. K-엑사원 2.0의 모델 카드에 비교군으로 올라온 이름들을 보면 미국 모델이 없어. Qwen 3.5, GLM-5.1, DeepSeek V4 Pro Max. 전부 중국 오픈웨이트 모델이야. 이게 현재 오픈소스 LLM 판의 지형을 그대로 보여줘. 최상위 클로즈드 모델은 미국이 잡고 있고, 무료로 풀리는 오픈웨이트 최전선은 중국이 장악했어. 한국이 도전장을 내미는 자리는 후자야. 그래서 비교 대상도 자연스럽게 중국 모델이 된 거고.

뜯어보면 이런 모델이야

구조부터 보자. K-엑사원 2.0은 하이브리드 어텐션 MoE야. 총 78개 레이어인데 구성이 좀 특이해. 앞쪽 2개는 dense 레이어, 그 뒤 76개가 sparse 메인 레이어, 마지막에 MTP(멀티 토큰 예측) 레이어 1개가 붙어. 전문가는 총 256개가 있고 토큰당 8개가 활성화돼. 여기에 모든 토큰이 공유하는 전문가 1개가 항상 켜져 있어. 어텐션은 글로벌 어텐션(NoPE) 1개 + 슬라이딩 윈도우 4096짜리 1개로 시작해서, 그 뒤로 [128 슬라이딩 윈도우 3개 + 글로벌 1개] 블록이 19번 반복되는 구조야. 슬라이딩 윈도우를 촘촘하게 깔고 글로벌 어텐션은 아껴 쓰는 전형적인 긴 컨텍스트 최적화 설계지.

숫자를 더 깔면, Q 헤드 64개 / KV 헤드 8개에 헤드 차원 128, 히든 차원 6,144, 인터미디어트 18,432, 전문가 차원 2,048, 어휘 크기 153,600. 컨텍스트는 262,144 토큰. 지식 컷오프는 2025년 2분기야. 이 컷오프가 중요한 이유가 있어. 2026년 상반기 정보는 모델 안에 없다는 뜻이거든. 검색이나 툴 없이 최신 질문을 던지면 당연히 헛소리를 해. 학습 방식은 1차수 모델을 업사이클링으로 3배 이상 키운 뒤 지속 사전학습(continual pretraining), 난이도 중심 중간학습(difficulty-focused mid-training), 그리고 사후학습을 얹는 순서로 진행됐다고 모델 카드에 적혀 있어. 밑바닥부터 새로 태운 게 아니라 기존 모델을 키운 거라는 점은 짚어둘 만해.

성능은 9개 영역 24개 지표 평균 70.1점. 1차수 모델의 63.3점보다 10% 넘게 올랐어. 코딩과 에이전틱 코딩 쪽은 평균 30% 개선. 근데 평균 점수만 보면 그림이 안 보여. 항목별로 뜯어야 진짜가 나와. 아래 표는 LG가 모델 카드에 직접 올린 숫자들이야. 전부 LG가 자체 측정해 발표한 값이라는 점을 먼저 밝혀둘게. 제3자 검증 결과가 아니야.

영역 벤치마크 K-엑사원 2.0 K-엑사원 1.0 Qwen3.5 GLM-5.1 DeepSeek V4 Pro
세계 지식 MMLU-Pro 83.5 83.8 89.8 86.0 87.5
세계 지식 GPQA-Diamond 82.2 79.1 88.4 86.2 90.1
세계 지식 Humanity's Last Exam 18.3 13.6 28.7 31.0 37.7
수학 AIME 2026 92.3 92.2 91.3 95.3 95.2
수학 HMMT Feb 2026 78.4 80.7 84.6 82.6 95.2
코딩 SWE-Bench Verified 68.2 49.4 76.4 73.6 80.6
코딩 Terminal-Bench 2.1 43.8 30.3 51.3 61.8 64.0
툴 사용 τ³-Banking 14.2 14.2 13.4 11.5 25.8
지시 이행 IFEval 92.4 89.7 92.6 93.9 94.0
장문 이해 OpenAI-MRCR 94.4 52.3 93.0 71.5 92.9
장문 이해 Ko-LongBench 89.6 86.8 91.3 83.6 91.4
한국어 KMMLU-Pro 69.1 67.3 77.4 75.8 80.5
안전성 KGC-Safety 99.8 96.1 92.0 69.3 82.8
안전성 ROK-Fortress 89.5 60.9 86.1 73.2 47.6

표를 보면 이야기가 확 달라지지. LG가 보도자료에서 밀었던 OpenAI-MRCR 94.4점은 진짜 인상적이야. 1차수 모델이 52.3점이었으니까 거의 두 배로 뛴 거고, Qwen3.5(93.0)와 DeepSeek V4 Pro(92.9)를 실제로 넘었어. GLM-5.1은 71.5점이라 아예 상대가 안 되고. 안전성 항목도 압도적이야. KGC-Safety 99.8점, ROK-Fortress 89.5점인데 DeepSeek V4 Pro는 ROK-Fortress에서 47.6점밖에 못 받았어. 한국 맥락의 안전성·규범 준수를 정면으로 겨냥해 튜닝했다는 게 숫자에 그대로 드러나.

그런데 나머지를 봐. MMLU-Pro는 83.5점으로 1차수(83.8)보다 오히려 살짝 내려갔어. 파라미터를 3배 키웠는데 세계 지식 벤치마크 하나는 제자리이거나 미세하게 후퇴한 거야. HMMT도 80.7 → 78.4로 떨어졌고. Humanity's Last Exam은 18.3점인데 DeepSeek V4 Pro가 37.7점이니까 두 배 넘게 벌어져. SWE-Bench Verified는 49.4 → 68.2로 크게 뛰었지만 여전히 Qwen3.5(76.4)와 DeepSeek(80.6)에 밀려. Terminal-Bench 2.1은 43.8점으로 GLM-5.1(61.8)에 한참 뒤처지고. 즉 K-엑사원 2.0은 '전방위로 프론티어를 따라잡은 모델'이 아니라 장문 이해와 한국형 안전성이라는 두 축에 자원을 몰아넣은 모델에 가까워. 그건 나쁜 전략이 아니야. 다만 발표 문구와 표 사이의 온도차는 알고 봐야 해.

마지막으로 실행 조건. 이게 제일 현실적인 대목이야. 모델 카드에 적힌 서빙 예시는 H200 8장짜리 노드 2대, 즉 GPU 16장이야. SGLang이나 vLLM 둘 다 지원하는데, 표준 배포판이 아니라 LG 연구원이 올린 커스텀 포크를 설치해야 해. 텐서 병렬은 저지연 세팅이 tp=16, 처리량 세팅이 tp=8 + dp=2. EAGLE/MTP 기반 추측 디코딩을 켜면 3~5배 속도가 나온다고 적혀 있어. 권장 샘플링은 temperature 1.0, top_p 0.95이고 추론 모드(enable_thinking)가 기본값 켜짐이야. 그리고 하나 더 — 모델 카드의 인용 정보에 arXiv 번호가 아직 XXXX.XXXXX로 비어 있어. 테크니컬 리포트가 아직 안 나왔다는 뜻이야. 벤치마크의 상세 조건은 그 리포트에 있다고 안내돼 있는데, 리포트가 없으니 지금 시점에 평가 세팅을 검증할 방법이 없어.

각자 뭘 얻는가

LG가 얻는 건 세 겹이야. 첫째는 당장의 심사 점수. 8월 초 2차 평가를 코앞에 두고 국내 최대 규모, 최다 언어 지원, 최상위 안전성 점수를 한꺼번에 들이밀었어. 심사위원 입장에서 반박하기 어려운 카드들이지. 둘째는 라이선스 전환으로 얻는 정치적 명분. 국가 예산과 국가 GPU가 들어간 모델을 자체 라이선스로 묶어두면 "그거 국민 세금으로 만든 거 아니냐"는 질문을 계속 받아야 해. 아파치 2.0은 그 질문을 한 번에 지워버려. 셋째는 생태계. 누구든 상업적으로 써도 되는 모델은 파인튜닝 파생 모델, 양자화 버전, 벤치마크 리포트가 알아서 쌓여. 그게 다시 LG의 레퍼런스가 돼.

과기정통부가 얻는 건 프로젝트의 정당성이야. 독파모는 시작할 때부터 "국가가 왜 LLM에 돈을 쓰냐"는 비판을 달고 다녔어. 1차 평가에서 네이버가 떨어졌을 때는 심사 기준 논란까지 붙었고. 그런데 이제 열흘 사이에 750B, 688B, 250B짜리 국산 오픈웨이트 모델이 줄줄이 나왔어. 전부 허깅페이스에 공개돼 있고 대부분 아파치 2.0이야. 프로젝트가 실물을 뽑아냈다는 증거로는 충분히 강해. 물론 '실물이 나왔다'와 '그 실물이 쓸모 있다'는 다른 문제지만, 정책 방어용으로는 전자만으로도 꽤 유효해.

국내 기업과 개발자가 얻는 건 조금 더 미묘해. 이론적으로는 세계 최상위권 오픈웨이트 모델을 공짜로, 한국어에 특화된 상태로, 법적 리스크 없이 쓸 수 있게 된 거야. 특히 금융·의료·공공처럼 데이터를 밖으로 못 내보내는 분야에서는 온프레미스 모델의 가치가 절대적이지. 해외 API를 못 쓰는 조직에 750B급 선택지가 생겼다는 건 진짜 의미가 있어. 근데 현실은 GPU 16장이야. 이건 뒤에서 다시 짚을게.

연구자 입장에서는 다른 종류의 선물이 있어. 하이브리드 어텐션 MoE의 실물 가중치가 열렸다는 것. 글로벌 1개 + SWA 4096 1개로 시작해 [SWA 128 × 3 + 글로벌 1]을 19번 반복하는 이 배치는 논문으로만 보던 설계를 실제 대규모 모델에서 검증할 기회를 줘. 업사이클링으로 236B를 750B로 키우는 과정도 마찬가지야. MoE 스케일업 레시피는 프론티어 랩들이 잘 안 푸는 영역인데, 여기 실물이 있어. 다만 테크니컬 리포트가 아직 안 나왔으니 레시피의 디테일까지는 아직 못 봐.

예전에도 이런 일이 있었어 — 성공과 실패

오픈웨이트 대형 모델 공개가 성공한 사례부터. 메타의 라마 시리즈가 교과서야. 라마 2에서 상업적 사용을 열어준 순간 파인튜닝 생태계가 폭발했고, 한동안 "오픈소스 LLM = 라마"라는 등식이 성립했어. 알리바바의 Qwen은 거기서 한 발 더 나갔지. 크기별 라인업을 촘촘히 깔고 아파치 2.0을 붙여서, 지금 허깅페이스에서 파생 모델이 제일 많은 계열이 됐어. DeepSeek은 또 다른 방식으로 성공했고. 압도적 가성비와 공개된 학습 기법으로 업계 전체의 비용 기준선을 흔들었어. 이 셋의 공통점은 명확해. 가중치만 던진 게 아니라 크기 라인업, 툴 체인, 문서, 후속 릴리스까지 세트로 굴렸다는 것.

실패 사례도 분명해. 아랍에미리트 TII의 팰컨 180B는 공개 당시 최대 규모 오픈 모델이라고 크게 홍보됐지만 생태계가 거의 안 붙었어. 이유는 단순해. 너무 커서 아무도 안 돌렸고, 라이선스에 조건이 붙어 있었고, 후속 지원이 얇았거든. BigScience의 BLOOM 176B도 비슷했어. 학술적으로는 훌륭한 프로젝트였고 다국어 커버리지도 좋았는데, 실사용 채택률은 낮았어. 메타의 OPT-175B 역시 연구용 제한 라이선스 때문에 영향력이 갇혔지. 세 사례가 던지는 교훈은 하나야. 크기는 화제를 만들고, 사용 편의성은 생태계를 만든다.

K-엑사원 2.0은 이 스펙트럼 어디에 있을까. 라이선스는 최상급이야. 아파치 2.0이면 팰컨이나 OPT가 겪은 라이선스 마찰은 없어. 한국어와 안전성이라는 명확한 차별점도 있고, 26만 토큰 컨텍스트에 실제로 좋은 장문 성능이라는 실용적 무기도 있어. 반대로 위험 신호도 있어. 750B라는 크기, 커스텀 포크가 필요한 서빙, 아직 안 나온 테크니컬 리포트, 그리고 무엇보다 작은 사이즈 라인업의 부재. 라마와 Qwen이 이긴 결정적 이유가 7B·32B 같은 실용 사이즈였다는 걸 생각하면 이건 꽤 큰 구멍이야.

1차수 모델의 경험도 참고가 돼. K-엑사원 1.0은 236B/23B였고 커뮤니티에서 Q4_K_M GGUF 양자화가 나왔고, 국내 AI 반도체 기업 퓨리오사AI가 NVFP4+GPTQ 가중치를 올리기도 했어. 즉 236B는 커뮤니티가 손댈 수 있는 크기였다는 거야. 750B는 그 문턱을 확 올려버렸어. 물론 규모를 키우는 결정 자체는 국가 프로젝트의 목표(프론티어급 체급 확보)에 부합해. 다만 '체급 확보'와 '생태계 확보'는 같은 방향이 아닐 수 있다는 점, 그게 이번 릴리스의 핵심 긴장이야.

경쟁자들은 어떻게 받아칠까

가장 직접적인 상대는 같은 링 안에 있어. SK텔레콤의 A.X K2는 7월 29일 공개됐고 688B 총 파라미터에 활성 330억, 컨텍스트도 똑같이 262,144 토큰, 라이선스도 아파치 2.0이야. 직전 모델 A.X K1(519B) 대비 국내외 14개 벤치마크 평균 32.2%p 향상, 장문·에이전트 평가에서 약 83.9%p 개선이라고 SKT는 밝혔어. 향상 폭 수치는 기준선이 뭐냐에 따라 크게 달라지는 지표라 액면 그대로 비교하긴 어려워. 어쨌든 규모·컨텍스트·라이선스가 거의 겹친다는 점이 중요해. 심사에서 둘을 가르는 건 결국 실제 활용 실적과 안정성 쪽이 될 가능성이 커.

업스테이지는 전혀 다른 각도로 붙었어. 7월 23일 공개한 솔라 오픈 2는 총 2,500억 / 활성 150억으로 훨씬 작아. 대신 컨텍스트가 최대 100만 토큰이고, 양자화하면 H200 2장으로 돌아간다고 밝혔어. 게다가 포털 '다음'에 적용한다는 실사용 시나리오까지 붙였지. 이건 명백히 "우리는 돌아가는 모델을 만든다"는 포지셔닝이야. LG가 체급으로 밀면, 업스테이지는 배포 가능성으로 미는 구도. 심사 기준이 규모냐 실용성이냐에 따라 유불리가 완전히 뒤집힐 수 있는 대비야. 모티프테크놀로지스는 정부 GPU 700장으로 5개월 만에 프리뷰를 뽑아낸 속도가 무기고.

국내를 넘어가면 상황이 훨씬 험해. Qwen3.5, GLM-5.1, DeepSeek V4 Pro Max는 전부 아파치 계열 또는 그에 준하는 개방 라이선스로 풀리고 있고, 표에서 봤듯 다수 항목에서 K-엑사원 2.0보다 위야. 특히 알리바바는 0.5B부터 수백 B까지 사이즈 스펙트럼 전체를 깔아놓는 전략을 쓰고, DeepSeek은 학습 효율 자체를 무기화해서 "같은 성능을 훨씬 싸게"라는 메시지를 반복해. 이들의 카운터 플레이는 별게 없어. 그냥 다음 버전을 더 빨리, 더 싸게 내는 거야. 릴리스 주기 자체가 방어막인 거지.

미국 진영의 카운터도 봐야 해. 프론티어 랩들은 최상위 성능을 클로즈드로 유지하면서, 오픈웨이트 시장에는 중간 크기 모델을 던져 생태계 이탈을 막는 전략을 쓰고 있어. 여기에 클라우드 사업자들이 자사 인프라에 최적화된 배포 경로를 얹지. K-엑사원 2.0이 이 흐름에서 살아남으려면 결국 국내 클라우드·AI 반도체와의 결합이 관건이야. 1차수 때 퓨리오사AI가 양자화 가중치를 올렸던 것처럼, 750B도 국산 하드웨어에서 현실적으로 돌아간다는 걸 보여줘야 해. 그게 없으면 "엔비디아 16장 있는 사람만 쓰는 국산 모델"이라는 어색한 위치에 남게 돼.

마지막으로 네이버. 1차 평가에서 탈락했지만 하이퍼클로바X를 굴려온 축적이 사라진 건 아니야. 국가 프로젝트 밖에서 자체 모델과 서비스로 승부를 볼 수 있고, 오히려 심사 일정에 묶이지 않는다는 자유도가 생겼어. 국산 LLM 판을 프로젝트 안쪽으로만 보면 놓치는 변수야.

그래서 뭐가 달라지는데

개발자라면. 당장 손댈 수 있는지부터 계산해봐. BF16 원본을 서빙하려면 모델 카드 기준 H200 16장이 필요해. 개인은 물론이고 웬만한 스타트업도 감당 못 하는 숫자야. 클라우드에서 빌려도 시간당 비용이 만만치 않고. 현실적인 경로는 두 가지야. 하나는 커뮤니티 양자화가 나오길 기다리는 것 — 1차수 236B 때 Q4_K_M GGUF가 나왔던 전례가 있어. 다른 하나는 국내 클라우드나 LG가 API 형태로 열어주길 기다리는 것. LG는 공개 평가 사이트와 일반 사용자용 서비스를 준비 중이라고 밝혔지만 구체적인 API 정책은 아직 안 나왔어. 지금 당장은 "다운로드 가능하지만 실행은 어려움" 상태로 보는 게 맞아.

기업 담당자라면. 아파치 2.0이 진짜 크게 작용하는 지점이 여기야. 자체 라이선스 모델은 법무 검토에서 매번 막혀. 매출 상한이 있는지, 재배포가 되는지, 파생 모델의 소유권은 누구인지 일일이 따져야 하거든. 아파치 2.0은 그 논의를 거의 없애줘. 특허 부여 조항까지 있어서 소송 리스크 관점에서도 안전한 편이고. 데이터를 외부로 못 내보내는 금융·의료·공공 조직이라면 온프레미스 후보군에 진지하게 올릴 만해. 다만 도입 검토서에는 총소유비용을 정직하게 써야 해. 모델은 공짜지만 GPU 16장은 공짜가 아니야.

투자자라면. 이번 발표를 LG 주가와 직결시키는 건 성급해. 오픈소스 모델은 그 자체로 매출을 만들지 않아. 봐야 할 건 세 가지야. 8월 초 2차 평가 결과, 즉 LG가 다음 라운드에 남는지. 그리고 실제 산업 적용 사례 — LG는 EXAONE 4.5 비전-언어 모델이 행정안전부의 하루 3만 9,000건 넘는 안전신문고 신고 분석과 식약처 의약품 심사 지원에 쓰인다고 밝혔는데, 이런 공공·산업 레퍼런스가 계속 쌓이는지가 실질 지표야. 마지막으로 국산 AI 반도체 진영과의 결합. 국산 모델이 국산 칩에서 돌아가는 조합이 완성되면 그건 별도의 산업 스토리가 돼. 반대로 벤치마크 점수만으로 밸류를 논하는 건 위험해. 자체 발표 수치니까.

일반 사용자라면. 지금 당장은 바뀌는 게 거의 없어. K-엑사원 2.0은 앱도 아니고 챗봇도 아니야. 허깅페이스에 올라온 가중치 파일 덩어리야. LG가 준비 중이라는 일반 사용자용 서비스가 나오면 그때 체감이 생길 거고, 그전까지는 뉴스 속 숫자로만 존재해. 다만 간접적인 영향은 있어. 국내 서비스들이 이 모델을 백엔드에 얹기 시작하면 한국어 응답 품질과 한국 맥락 이해도가 올라가고, 해외 API 비용이 국내 인프라 비용으로 대체되면서 서비스 가격 구조도 달라질 수 있어. 그건 몇 달 단위의 이야기야.

연구자라면. 지금이 제일 재밌는 시기야. 750B급 하이브리드 어텐션 MoE의 실물 가중치가 아파치 2.0으로 열려 있어. 어텐션 배치가 장문 성능에 실제로 얼마나 기여하는지, OpenAI-MRCR 52.3 → 94.4라는 점프가 어디서 왔는지를 직접 어블레이션해볼 수 있어. 다만 지금은 테크니컬 리포트가 없어서 학습 데이터 구성과 평가 세팅을 확인할 수 없다는 제약이 있어. 리포트가 나오면 그때가 진짜 검증 라운드야.

🥄 남은 궁금증 세 가지

— 그래서 나랑 무슨 상관이야? 당장은 별 상관 없어. 다운로드 버튼은 열려 있지만 H200 16장이 필요한 모델을 개인이 돌릴 방법은 없거든. 다만 몇 달 안에 국내 서비스들이 이걸 백엔드로 쓰기 시작하면, 네가 쓰는 한국어 서비스의 응답 품질이나 가격이 조용히 바뀔 수 있어.

— 벤치마크 점수, 믿어도 돼? 반반이라고 보는 게 맞아. 숫자 자체는 LG가 모델 카드에 자기 이름을 걸고 올린 거라 조작 가능성은 낮아. 문제는 평가 조건이야. 상세 세팅은 테크니컬 리포트에 있다고 안내돼 있는데 그 리포트가 아직 안 나왔고, 모델 카드의 arXiv 번호도 비어 있어. 제3자 검증 전까진 "LG 기준으로는 이렇다" 정도로 읽는 게 안전해.

— 8월 평가에서 LG가 살아남을까? 단정하긴 일러. 규모·언어 수·안전성 점수만 보면 유리해 보이지만, 심사 기준이 실사용 가능성이나 배포 효율 쪽에 무게를 두면 H200 16장이라는 조건이 오히려 감점 요인이 될 수도 있어. 게다가 SK텔레콤의 688B는 스펙이 거의 겹치고, 업스테이지는 "돌아가는 모델"로 정면 대비를 걸었어. 심사 기준이 공개되기 전엔 누구도 못 맞혀.

참고 자료

숫자와 기준은 발표 시점 기준이라 바뀔 수 있어. 투자 판단은 각자의 몫!