두 달 만에 자기 모델을 자기가 갈아치웠어

8월 11일 마이크로소프트가 코딩 모델 'MAI-Code-1.1-Flash'를 공개했어. 이름에 붙은 소수점이 말해주듯 완전히 새로운 세대는 아니야. 6월 2일에 내놓은 MAI-Code-1-Flash의 후속 버전이거든. 그런데 이 마이너 버전 업이 남긴 숫자가 좀 셌어. 토큰 가격을 73% 내렸고, 터미널 벤치 2.1 점수를 51.7에서 62.9로 올렸어.

같은 날 깃허브는 또 하나의 공지를 같이 올렸어. MAI-Code-1-Flash를 9월 10일에 모든 깃허브 코파일럿 환경에서 종료한다는 내용이야. 6월 2일에 출시해서 9월 10일에 접는 거니까 수명이 딱 100일이야. 자기가 만든 모델을 자기가 세 달 만에 사형선고 내린 셈이지.

이게 이번 발표에서 가장 눈에 띄는 대목이야. 보통 모델 회사는 구버전을 오래 붙잡아 둬. 기업 고객이 프롬프트와 파이프라인을 특정 모델에 맞춰 튜닝해 놨기 때문에, 갑자기 없애면 원성을 사거든. 그런데 마이크로소프트는 후속 모델을 내놓자마자 30일 뒤 종료를 예고했어. 모델을 '자산'이 아니라 '갈아 끼우는 부품'으로 취급하겠다는 태도야.

그리고 이 발표의 본질은 성능이 아니라 가격이야. 뒤에서 표로 보겠지만, 순수 코딩 능력 지표인 SWE-Bench Verified 점수는 71.6에서 72.6으로 딱 1점 올랐어. 반면 가격은 4분의 1이 됐어. 마이크로소프트가 던진 메시지는 "더 똑똑해졌다"보다 "더 싸졌다"에 가까워. 그리고 지금 AI 코딩 시장에서 가격은 성능보다 훨씬 무서운 무기야.

MAI 슈퍼인텔리전스 팀은 누구고, 어쩌다 여기까지 왔나

MAI-Code를 만든 조직은 마이크로소프트 AI(MAI)의 슈퍼인텔리전스 팀이야. 2025년 11월에 꾸려졌고, 무스타파 술레이만(Mustafa Suleyman)이 직접 이끌고 있어. 딥마인드 공동창업자였다가 인플렉션 AI를 세웠고, 2024년 마이크로소프트가 인플렉션 인력을 대거 흡수하면서 마이크로소프트 AI CEO로 들어온 인물이야.

이 팀의 존재 이유는 단순해. 마이크로소프트는 지난 3년간 워드·엑셀·팀즈·깃허브에 오픈AI의 GPT를 얹어 파는 회사였어. 제품 유통망은 마이크로소프트 것이었지만 모델은 남의 것이었지. 술레이만은 인터뷰에서 오픈AI와의 계약을 재협상한 게 마이크로소프트가 자기 AI 운명을 스스로 결정할 수 있게 된 결정적 순간이었다고 말했어. 그 재협상 이후 마이크로소프트는 자체 모델을 대규모로 학습시킬 수 있게 됐어.

결과가 나온 게 2026년 6월 2일 빌드(Build) 콘퍼런스야. 마이크로소프트는 하루에 일곱 개 모델을 한꺼번에 공개했어. 추론 모델 MAI-Thinking-1, 코딩 모델 MAI-Code-1-Flash, 이미지 생성 MAI-Image-2.5와 그 플래시 버전, 음성 인식 MAI-Transcribe-1.5, 음성 합성 MAI-Voice-2와 플래시 버전. 이미지·음성·전사·추론·코딩까지 한 번에 라인업을 깐 거야. 발표문에서 마이크로소프트는 "우리는 다른 연구소에서 증류하지 않고, 불투명한 데이터에 의존하지 않는다. 우리 데이터셋은 깨끗하고 추적 가능하며 엔터프라이즈급"이라고 명시했어. 다른 회사 모델의 출력을 베껴서 학습시키지 않았다는 주장이고, 기업 고객의 법무팀을 향한 문장이야.

MAI-Code-1-Flash는 그날 나와서 6월 18일에 더 많은 코파일럿 화면으로 확대됐고, 6월 26일에는 코파일럿 비즈니스·엔터프라이즈까지 열렸어. 즉 6월 한 달 동안 마이크로소프트는 자기 모델을 코파일럿 전체에 밀어 넣는 작업을 했어. 그리고 두 달 만에 그 자리를 1.1 버전으로 교체하는 거야.

여기서 놓치면 안 되는 게 하드웨어 얘기야. 6월 발표문에서 마이크로소프트는 자체 실리콘 마이아 200(Maia 200)과의 공동 설계로 1.4배 효율 향상을 얻었고, 차세대 GB200 클러스터가 MAI에서 가동 중이라고 밝혔어. 이번 1.1 버전의 73% 가격 인하가 어디서 나왔는지 짐작하게 하는 대목이야. 모델을 만들고, 그 모델을 돌릴 칩을 만들고, 그 칩이 들어갈 데이터센터를 소유하고, 그 위에서 파는 제품(코파일럿)까지 가진 회사는 중간 마진을 아무한테도 안 줘도 돼.

실제로 뭐가 좋아졌나 — 모델 카드 표를 열어보면

먼저 스펙. 모델 카드에 따르면 MAI-Code-1.1-Flash는 희소 전문가 혼합(sparse MoE) 구조의 트랜스포머고, 총 파라미터 1380억 개에 활성 파라미터는 50억 개야. 컨텍스트 길이는 25만 6천 토큰. 입력은 텍스트와 이미지 둘 다 받고, 출력은 텍스트야. 학습 기간은 2026년 3월부터 8월까지, 사전학습 데이터 컷오프는 2025년 12월이야.

계보가 재밌어. 이 모델은 MAI-Thinking-1의 '5B 활성 파라미터로 압축된 중간 학습 체크포인트'에서 출발했어. 즉 마이크로소프트의 대형 추론 모델을 압축한 걸 씨앗으로 삼아, 지시 따르기 미세조정을 얹고, 약 200만 개의 합성 에이전트 과제로 2차 중간학습을 돌리고, 15만 개 이상의 환경에서 대규모 강화학습을 돌렸다는 거야. 다른 회사 모델을 증류한 게 아니라 자기 대형 모델을 증류했다는 점이 앞서 말한 "우리는 증류하지 않는다"는 주장과 앞뒤가 맞아.

핵심 벤치마크 표는 이래. 모델 카드에 실린 원문 수치고, 통과율(Pass rate)과 함께 과제당 평균 토큰 사용량이 같이 적혀 있어. 점수가 비슷하면 토큰을 적게 쓰는 쪽이 좋은 모델이라는 게 마이크로소프트의 논리야.

벤치마크 MAI-Code-1.1-Flash MAI-Code-1-Flash Claude Haiku 4.5 GPT-5.4 mini
SWE-Bench Verified (통과율) 72.6 71.6 69.8 69.2
↳ 토큰 사용량 8.6K 10.8K 20.9K 9.4K
Terminal Bench 2.1 (통과율) 62.9 51.7 49.4 60.7
↳ 토큰 사용량 17.0K 14.2K 25.5K 21.9K
Text2WebApp (내부) 74.1 — 11.5 58.3
ScreenShot2WebApp (내부) 42.1 — 10.0 39.3
Vision2Web Level3 11.5 — 13.7 10.1

가격표는 이렇게 바뀌었어. 100만 토큰 기준이야.

항목 MAI-Code-1.1-Flash MAI-Code-1-Flash Claude Haiku 4.5
입력 $0.20 $0.75 $1.00
캐시된 입력 $0.02 $0.075 —
출력 $1.20 $4.50 $5.00
코파일럿 프리미엄 요청 배수 0.25× — —

입력과 출력 모두 정확히 73%씩 내려갔어. 깃허브 체인지로그가 "MAI-Code-1-Flash 대비 73% 낮은 정가"라고 쓴 것과 정확히 맞아떨어져. 연간 구독 코파일럿 사용자에게는 프리미엄 요청 배수 0.25배가 적용돼. 요청 한 번이 4분의 1로 계산된다는 뜻이라 사실상 같은 할당량으로 네 배 더 쓸 수 있어.

마이크로소프트가 직접 내세운 실사용 개선치도 있어. 토큰 스트리밍이 25% 빨라졌고, 같은 작업에 25% 적은 토큰을 쓰고, 깃허브 코파일럿 CLI에서 터미널벤치 2.1이 22% 개선됐고, .NET 과제에서 15% 개선됐대. 그리고 흥미로운 지표 두 개를 덧붙였어. 생성된 코드가 커밋까지 살아남는 비율이 4% 늘었고, 사용자 재방문이 9% 늘었다는 거야. 벤치마크가 아니라 실제 텔레메트리에서 뽑은 숫자라는 점에서 눈여겨볼 만해.

이제 이 표를 비판적으로 읽어보자. 세 가지 걸리는 게 있어.

첫째, 순수 코딩 실력의 개선폭은 생각보다 작아. SWE-Bench Verified는 71.6에서 72.6으로 1.0점 올랐을 뿐이야. 큰 폭으로 오른 건 터미널 벤치 2.1(51.7→62.9)인데, 이건 에이전트가 터미널에서 명령을 조합해 과제를 끝내는 능력이라 코드 작성 능력과는 결이 좀 달라. 그러니까 "더 좋아졌다"의 실체는 대체로 에이전트 운영 능력과 토큰 효율이고, 코드 자체를 더 잘 쓰게 된 폭은 크지 않아.

둘째, 비교의 공정성 문제가 있어. 모델 카드는 모든 평가를 "프로덕션 깃허브 코파일럿 워크플로를 평가하는 데 쓰는 것과 동일한 VS Code 기반 하네스"에서 돌렸다고 밝히고 있어. 모든 모델을 같은 하네스, 같은 설정으로 돌렸다고도 적어놨고. 정직한 서술이긴 한데, 이건 곧 "코파일럿 하네스에서의 성능"이지 모델의 절대 능력이 아니야. MAI-Code는 애초에 그 하네스로 직접 학습된 모델이거든. 표에서 Claude Haiku 4.5가 Text2WebApp 11.5점, ScreenShot2WebApp 10.0점을 받은 게 그 증거로 보여. 하이쿠 4.5가 웹앱을 그 정도로 못 만드는 모델은 아니야. 남의 하네스에 안 맞으면 점수는 이렇게 무너져. 내부 벤치마크(internal)라고 표기된 항목은 특히 조심해서 읽어야 해.

셋째, 이번에 새로 붙인 비전 기능이 아직 약해. Vision2Web Level3에서 MAI-Code-1.1-Flash는 11.5점으로 하이쿠 4.5의 13.7점에 졌어. 자기 하네스에서 돌린 자기 평가에서도 진 유일한 항목이야. 스크린샷을 웹앱으로 바꾸는 쉬운 과제(42.1점)는 잘하는데, 난이도가 올라간 비전 과제는 아직 안 된다는 뜻으로 읽혀.

덧붙여 실무자가 알아야 할 제약이 몇 개 더 있어. 지원 언어가 영어 단일이야. 사전학습 컷오프가 2025년 12월이라 그 이후 나온 프레임워크나 API 변경은 모르는 상태야. 그리고 모델 카드의 가격 항목은 "확정 예정(To be finalized)"으로 비어 있어. 깃허브 쪽 공지와 실제 과금은 이미 돌아가는데 모델 문서상 가격은 아직 확정 표기가 아니라는 뜻이라, 정가가 더 움직일 여지가 남아 있어. 마지막으로 모델 카드는 코파일럿 CLI 지원이 "추후 롤아웃 예정"이라고 적어놨는데 발표문은 CLI 개선치를 자랑하고 체인지로그는 CLI를 지원 목록에 넣었어. 문서 간에 손발이 안 맞는 부분이야.

배포 조건도 확인해 둘 필요가 있어. 코파일럿 프리·스튜던트는 자동 모델 선택으로, 프로·프로+·맥스·비즈니스·엔터프라이즈는 수동 또는 자동 선택으로 쓸 수 있어. 다만 비즈니스와 엔터프라이즈는 기본값이 꺼져 있어서 관리자가 정책에서 켜줘야 해. 지원 클라이언트는 VS Code, 비주얼 스튜디오, 젯브레인스, 이클립스, Xcode, 코파일럿 CLI, 클라우드 에이전트, 깃허브 모바일, 깃허브 웹 채팅이야.

각자의 이득

마이크로소프트가 얻는 건 원가 구조 그 자체야. 코파일럿은 지금까지 사용량이 늘수록 앤트로픽과 오픈AI에 지불하는 토큰 비용이 같이 늘어나는 사업이었어. 유통은 마이크로소프트가 갖고 마진의 상당 부분은 모델 공급사가 가져가는 구조였지. 자체 모델의 비중이 커질수록 그 유출이 줄어들어. 게다가 마이아 200 같은 자체 칩으로 서빙하면 엔비디아에 내는 몫도 줄어. 100일 만에 모델을 갈아치우는 공격성은 이 전환을 최대한 빨리 끝내려는 의지로 읽혀.

깃허브는 제품 경쟁력을 얻어. 코파일럿의 약점 중 하나가 "결국 남의 모델을 얹어 파는 껍데기"라는 인식이었어. 자체 모델이 하이쿠 4.5보다 싸고, 같은 하네스에서 더 잘 돌고, 무료·학생 티어에 기본으로 깔린다면 얘기가 달라져. 특히 프리 티어의 원가가 낮아진다는 건 무료 사용자를 더 오래 붙잡아 둘 수 있다는 뜻이고, 그건 그대로 유료 전환 퍼널이야.

코파일럿 유료 사용자는 실질 할당량이 늘어나. 프리미엄 요청 배수가 0.25배라서 같은 월 할당량으로 네 배 많은 요청을 처리할 수 있어. 리팩터링, 레포지토리 질의응답, 잡다한 자동화처럼 굳이 최상위 모델을 쓸 필요 없는 작업을 여기로 몰면 상위 모델 할당량을 아껴 쓸 수 있어.

기업 관리자에게는 협상 카드가 생겨. 앤트로픽이나 오픈AI와 좌석 단가를 협상할 때 "우리는 상당 부분을 사내 정책으로 MAI-Code에 돌릴 수 있다"는 선택지가 실제로 존재하게 됐거든. 다만 반대급부도 있어. 기본값이 꺼져 있으니 켤지 말지를 판단해야 하고, 100일 수명의 모델을 사내 표준으로 삼아도 되는지 고민해야 해.

앤트로픽과 오픈AI는 잃는 쪽이야. 하이쿠 4.5와 GPT-5.4 mini는 정확히 이 자리를 노린 소형 모델인데, 코파일럿이라는 최대 유통 채널 안에서 원가 우위를 가진 경쟁자를 만난 거야. 둘 다 여전히 코파일럿 모델 선택기 안에 남아 있지만, 기본값과 무료 티어를 자체 모델이 가져가는 구조는 장기적으로 아프게 작동해.

커서나 코그니션 같은 응용 계층 회사에게는 양면이야. 값싸고 쓸 만한 소형 코딩 모델이 늘어나는 건 이들의 원가에 도움이 돼. 하지만 MAI-Code는 코파일럿 전용으로 배포된다고 모델 카드에 명시돼 있어서 외부 회사가 갖다 쓸 수 있는 물건이 아니야. 결국 유통 채널을 가진 회사가 원가 우위까지 챙기는 구조라, 응용 계층 입장에서는 경쟁 조건이 나빠지는 쪽에 가까워.

엔비디아는 이번 발표에서 조용히 언급되는 이름이야. 마이크로소프트가 마이아 200 공동 설계로 1.4배 효율을 얻었다고 말하는 순간, 그건 같은 워크로드를 GPU 없이 처리하는 비중이 늘어난다는 뜻이거든. 당장 규모가 크지는 않겠지만 방향은 명확해.

과거 유사 사례 — 성공한 수직통합과 실패한 자체 모델

플랫폼 회사가 남의 모델 대신 자기 모델을 밀어 넣는 시도는 이번이 처음이 아니야. 결과는 극명하게 갈렸어.

실패 쪽 사례로 가장 자주 인용되는 건 아마존의 타이탄(Titan)이야. 아마존은 베드록이라는 모델 마켓플레이스를 소유하고 있었고, 거기에 자체 개발한 파운데이션 모델 타이탄을 얹었어. 유통 채널을 가진 쪽이 유리하다는 논리가 그대로 적용될 자리였지. 그런데 실제로는 베드록 고객 대다수가 앤트로픽 클로드와 메타 라마를 골랐고, 아마존은 결국 앤트로픽에 80억 달러를 투자하는 쪽으로 방향을 틀었어. 여기서 얻을 교훈은 명확해. 유통 채널을 갖고 있다고 자기 모델이 자동으로 선택되지는 않아. 개발자는 결국 자기 코드가 잘 돌아가는 모델을 고르거든.

또 다른 참고 사례는 마이크로소프트 자신의 파이(Phi) 시리즈야. 소형 모델로 벤치마크에서 인상적인 점수를 냈고 논문도 화제가 됐지만, 실제 프로덕션 워크로드에서의 채택은 벤치마크 성적만큼 크지 않았어. 벤치마크에 최적화된 작은 모델이 현실의 지저분한 컨텍스트를 만나면 무너지는 패턴이 반복됐거든. 이번 MAI-Code가 그 함정을 의식하고 있다는 흔적은 보여. 모델 카드가 "축소된 벤치마크 환경이 아니라 레포지토리 컨텍스트, 도구 호출, 검증까지 포함한 종단 간 평가"라고 굳이 방법론을 설명한 것도, 커밋 생존율과 재방문율 같은 텔레메트리 지표를 내세운 것도 그 맥락이야.

성공 쪽에서는 두 사례가 있어. 하나는 아마존의 그래비톤(Graviton)이야. 자체 ARM 서버 칩을 만들어 EC2 원가를 낮추고, 그 절감분을 고객 가격으로 넘겨서 점유율을 늘렸어. 인텔이나 AMD가 따라오기 어려운 건 아마존이 칩과 클라우드와 고객을 동시에 갖고 있었기 때문이야. 마이크로소프트가 지금 마이아 200과 코파일럿으로 하려는 게 정확히 이 그림이야.

다른 하나는 구글의 제미나이 플래시야. TPU라는 자체 가속기 위에서 소형 모델을 공격적으로 저렴하게 풀어서 저가 구간의 가격 기준선 자체를 끌어내렸어. 경쟁사들이 뒤따라 가격을 내리면서 업계 전체 마진이 눌렸고, 그 압박을 견딜 수 있는 건 자체 실리콘을 가진 회사뿐이었어. 이번 MAI-Code-1.1-Flash의 73% 인하도 같은 종류의 움직임이고, 실제로 깃허브 체인지로그를 보면 이틀 뒤인 8월 13일에 제미나이 3.7 플래시가 코파일럿에 들어왔어. 저가 구간에서 두 회사가 같은 자리를 놓고 붙고 있다는 뜻이야.

경쟁자 카운터 플레이

앤트로픽이 가장 직접적인 타깃이야. 하이쿠 4.5는 100만 토큰당 입력 1달러, 출력 5달러인데 MAI-Code-1.1-Flash는 0.20달러와 1.20달러야. 다섯 배 가까운 차이고, 코파일럿이라는 큰 채널 안에서 벌어지는 일이야. 앤트로픽이 쓸 수 있는 카드는 세 가지야. 하이쿠 급의 가격을 더 내리거나, 클로드 코드처럼 자기 유통 채널을 키우거나, 상위 모델(소넷·오푸스)에서의 품질 격차를 강조해 "싼 건 싼 값을 한다"는 프레임을 세우는 거야. 실제로 앤트로픽은 최근 몇 분기 동안 세 번째 전략에 가장 무게를 실어 왔어.

오픈AI의 처지는 더 복잡해. GPT-5.4 mini는 표에서 나쁘지 않은 성적을 냈어. 터미널 벤치 2.1에서 60.7점으로 MAI-Code의 62.9점에 근접했고, SWE-Bench Verified도 69.2점이야. 문제는 가격이 100만 토큰당 0.75달러와 4.50달러 수준이라 여전히 서너 배 비싸다는 점이야. 게다가 오픈AI는 마이크로소프트의 파트너이면서 동시에 코파일럿 모델 선택기 안의 경쟁자야. 이 어색한 위치가 계약 재협상 이후 계속 깊어지고 있어.

구글이 이 싸움에서 가장 대등한 상대야. TPU를 자체 설계하고, 자체 데이터센터에서 돌리고, 제미나이 플래시로 저가 구간을 이미 장악해 봤거든. 원가 구조가 비슷한 유일한 경쟁자라서, 마이크로소프트가 가격으로 밀면 구글도 가격으로 받을 수 있어. 8월 13일 코파일럿에 제미나이 3.7 플래시가 들어온 게 그 신호야. 아이러니하게도 마이크로소프트는 자기 채널 안에서 구글 모델을 팔면서 동시에 구글과 가격 경쟁을 하고 있어.

중국계 오픈웨이트 진영은 바닥을 눌러. 큐원 코더 계열, GLM, 딥시크, 미니맥스 같은 오픈웨이트 코딩 모델은 자체 인프라에서 돌리면 라이선스 비용이 0이야. 마이크로소프트가 0.20달러까지 내려온 것도 이 압박과 무관하지 않아. 소형 코딩 모델 구간에서 정가는 계속 아래로 밀릴 수밖에 없고, 이 구간의 이익률은 구조적으로 얇아지는 방향이야.

아마존은 다른 길을 갈 가능성이 커. 타이탄에서 배운 게 있다면 자체 모델을 억지로 밀기보다 트레이니엄이라는 칩과 베드록이라는 마켓플레이스로 남의 모델을 싸게 서빙하는 쪽이야. 실제로 앤트로픽과의 관계가 그 방향으로 짜여 있어. 즉 같은 수직통합이라도 마이크로소프트는 '모델까지 내가', 아마존은 '칩까지만 내가'로 갈라지고 있어.

커서·코그니션 같은 에이전트 회사의 카운터는 모델이 아니라 워크플로에 있어. 모델 가격이 계속 떨어지면 모델 자체는 차별화 요소가 못 되고, 레포지토리 이해도·멀티에이전트 오케스트레이션·리뷰 통합 같은 상위 계층이 승부처가 돼. 다만 이들은 코파일럿처럼 IDE와 저장소와 CI를 한 회사가 다 갖고 있는 상대와 붙어야 해서 조건이 유리하진 않아.

그래서 뭐가 달라지는데

개발자에게는 당장 손에 잡히는 변화가 있어. 코파일럿을 쓰고 있다면 모델 선택기에 MAI-Code-1.1-Flash가 보일 거고, 프리미엄 요청 배수가 0.25배라 할당량이 실질적으로 늘어난 셈이야. 다만 전부 여기로 옮길 일은 아니야. 반복적인 리팩터링, 테스트 작성, 레포지토리 질문 같은 작업은 이 모델이 적합하고, 설계 판단이 필요한 작업은 상위 모델을 쓰는 이원 전략이 합리적이야. 영어만 지원한다는 점, 사전학습 컷오프가 2025년 12월이라는 점은 기억해 둬.

엔지니어링 리더에게는 두 가지 결정이 생겼어. 하나는 비즈니스·엔터프라이즈에서 이 모델을 정책으로 켤지 여부야. 기본값이 꺼져 있으니 아무것도 안 하면 조직은 이 모델을 못 써. 다른 하나는 9월 10일이야. MAI-Code-1-Flash를 쓰던 파이프라인이나 자동화가 있다면 한 달 안에 옮겨야 해. 더 중요한 건 이번 일이 남긴 교훈이야. 마이크로소프트는 자체 모델을 100일 주기로 교체할 수 있다는 걸 보여줬어. 특정 모델 이름에 하드코딩된 자동화를 갖고 있다면 지금이 추상화 계층을 넣을 때야.

기업 실무자에게는 조달 협상의 재료야. 코딩 도구 벤더와 좌석 단가를 논의할 때 저가 구간의 정가가 73% 내려갔다는 사실은 그 자체로 협상력이야. 다만 계약서에 모델 종료 통지 기간 조항이 있는지는 꼭 확인해. 30일 예고로 모델이 사라지는 게 이제 실제로 일어나는 일이 됐어.

투자자에게는 마진 구조 이야기로 읽혀. 지금까지 AI 코딩 도구의 손익은 "좌석당 매출 - 모델 API 비용"이었고, 뒤쪽이 통제 불가능한 변수였어. 마이크로소프트는 그 변수를 내부화하는 중이야. 확인할 지표는 두 가지야. 코파일럿 전체 요청 중 자체 모델이 처리하는 비중이 얼마나 빨리 올라가는지, 그리고 마이아 계열 칩이 실제 서빙 물량에서 차지하는 비중이 늘어나는지. 이 두 숫자가 오르면 마이크로소프트의 AI 사업 마진 구조가 근본적으로 바뀌어.

일반 사용자에게는 직접적인 영향이 크진 않아. 다만 흐름은 알아둘 만해. AI 모델 가격이 1년 사이 몇 배씩 떨어지는 구간에 들어와 있고, 그 하락은 성능 개선보다 원가 개선에서 오고 있어. 이건 AI 기능이 점점 더 많은 제품에 기본 탑재되는 방향으로 이어져. 별도 요금 없이 붙어 있는 AI 기능이 늘어나는 이유가 여기 있어.

주니어 개발자에게는 시장 신호가 하나 있어. 마이크로소프트가 자랑한 지표 중에 "생성된 코드가 커밋까지 살아남는 비율이 4% 늘었다"는 게 있었어. 뒤집어 말하면 지금도 AI가 쓴 코드의 상당 부분은 커밋 전에 버려진다는 뜻이야. 모델이 잘하는 건 초안을 빠르게 뽑는 일이고, 그 초안을 살릴지 버릴지 판단하는 자리는 아직 사람 몫이야. 그 판단력이 지금 시장에서 값이 매겨지는 능력이야.

🥄 남은 궁금증 세 가지

— 그래서 하이쿠나 GPT보다 좋은 모델이야? "코파일럿 안에서는" 그럴 가능성이 높아. 하지만 표의 모든 숫자는 마이크로소프트의 코파일럿 하네스에서 나왔고, MAI-Code는 그 하네스로 직접 학습된 모델이야. 하이쿠 4.5가 Text2WebApp에서 11.5점을 받은 걸 보면 이 비교가 모델의 절대 능력이 아니라 하네스 적합도를 크게 반영한다는 게 드러나. 다른 환경에서도 같은 순위가 나온다고 단정하긴 일러.

— 지금 쓰던 모델 안 바꾸면 어떻게 돼? MAI-Code-1-Flash를 쓰고 있었다면 9월 10일에 없어져. 깃허브는 그 전에 워크플로와 통합을 새 모델로 옮기라고 안내했고, 엔터프라이즈 관리자는 정책에서 대체 모델 접근을 열어줘야 할 수도 있어. 종료 이후 구모델을 지우려고 따로 할 일은 없어.

— 마이크로소프트가 오픈AI를 버리는 신호인가? 그렇게 읽기엔 아직 일러. 오픈AI 모델은 여전히 코파일럿 안에 있고, 마이크로소프트가 자체 모델을 미는 구간은 지금까지는 저가·소형 티어야. 다만 방향은 분명해. 술레이만이 계약 재협상을 전환점으로 꼽았고, 여섯 달 만에 일곱 개 모델과 자체 칩과 100일짜리 교체 주기를 만들어냈어. 의존도를 줄이는 중인 건 맞고, 어디까지 줄일지는 상위 티어 모델이 나올 때 드러날 거야.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.