기술이 좋아도 안 쓰면 떨어진다

8월 18일 과학기술정보통신부와 정보통신산업진흥원이 독자 AI 파운데이션 모델 프로젝트, 줄여서 '독파모'의 2차 단계평가 결과를 내놨어. 다음 단계로 가는 팀은 업스테이지, SK텔레콤, LG AI연구원 세 곳. 떨어진 팀은 모티프테크놀로지스 한 곳이야.

이 결과에서 사람들이 놀란 건 모티프의 탈락이었어. 모티프는 1차에서 한 번 떨어졌다가 패자부활전으로 뒤늦게 합류한 팀인데, 기술적으로는 만만치 않다는 평가를 받아왔거든. 실제로 류제명 과기정통부 2차관은 브리핑에서 이렇게 정리했어. "기술력은 뛰어났지만, 상당한 배점이 주어진 사용성·활용성 측면에서는 다른 기업들보다 다소 낮은 평가를 받았다."

이 한 문장이 이번 평가의 성격을 다 설명해. 2차 평가는 100점 만점에 벤치마크 40점, 전문가 평가 35점, 사용자 평가 25점으로 구성됐어. 순수 성능 점수는 40%뿐이고, 나머지 60%는 전문가와 실제 사용자가 매기는 점수야. 모델이 얼마나 똑똑한지보다 그 모델을 누가 어떻게 쓰고 있는지가 더 큰 비중을 차지하도록 설계된 거지.

정부 주도 AI 사업에서 이 배점은 의미가 있어. 국책 과제가 흔히 빠지는 함정이 벤치마크 점수만 좋고 아무도 안 쓰는 모델을 만드는 거거든. 이번 평가는 그 함정을 배점으로 미리 막았고, 실제로 그 배점 때문에 한 팀이 떨어졌어.

한 가지 더. 이번 평가는 원래 예정대로 다음 단계에서 2곳을 선정하는 계획을 유지하기로 했어. 중간에 팀 수나 일정이 흔들리지 않았다는 뜻인데, 국책 사업에서 이게 생각보다 중요해. 평가 기준이 진행 중에 바뀌면 참여 팀은 목표를 다시 짜야 하고, 그 자체가 개발 속도를 잡아먹거든. 다만 AI 개발 지원책 자체는 재검토 대상으로 올라 있어서, 지원의 형태는 앞으로 조정될 여지가 있어.

남은 세 팀은 각자 뭘로 붙었나

SK텔레콤의 모델은 에이닷엑스(A.X) K2야. 이번 평가에서 SKT가 내세운 건 수학 추론 성능이었어. 2026년 국제수학올림피아드(IMO) 문제 평가에서 금메달 기준에 해당하는 점수를 기록했다고 밝혔지. 수학 올림피아드 문제는 암기로 풀 수 없고 여러 단계의 추론을 요구해서, 모델의 추론 능력을 보는 대리 지표로 자주 쓰여. 통신사가 자체 정예팀으로 여기까지 올린 건 국내 기준으로 눈에 띄는 성과야.

업스테이지의 솔라 오픈2는 다른 축을 밀었어. 최대 100만 토큰 컨텍스트야. 문서 수백 페이지를 한 번에 넣고 처리할 수 있는 규모지. 그런데 업스테이지가 더 높게 평가받은 지점은 성능이 아니라 유통 경로로 보여. 포털 '다음(Daum)'과 'Timely' 플랫폼에 모델을 연계해 국민이 실제로 결과물을 접하게 만드는 계획이 긍정적으로 평가됐다고 알려졌어. 사용자 평가 25점이 걸린 판에서 이건 직접적인 득점 요인이야.

LG AI연구원의 K-엑사원 2.0은 국제 지표에서의 위치로 승부했어. 아티피셜 애널리시스 인텔리전스 인덱스(AAII) 기준 전 세계 9위를 기록했다고 밝혔지. AAII는 에이전트·코딩·일반·과학적 추론 등 4개 영역 9개 지표로 구성된 종합 인덱스야. 세계 9위라는 건 프론티어 랩들 바로 뒤에 붙어 있다는 뜻이고, 한국 모델로는 의미 있는 위치야.

세 팀이 내세운 축이 서로 다르다는 게 이번 평가의 흥미로운 지점이야. SKT는 추론 성능, 업스테이지는 컨텍스트 길이와 유통, LG는 종합 지표 순위. 같은 사업에 참여하면서도 서로 다른 강점을 밀고 있다는 건 국내 파운데이션 모델 개발이 아직 한 가지 정답으로 수렴하지 않았다는 뜻이기도 해. 평가자 입장에서는 서로 다른 축을 하나의 점수표로 비교해야 하는 어려움이 생기고, 이게 전문가 평가 35점의 비중이 큰 이유이기도 해.

벤치마크 구성도 살펴볼 만해. 40점짜리 벤치마크 평가에는 AAII와 함께 한국지능정보사회진흥원(NIA)의 자체 벤치마크가 쓰였어. NIA 쪽은 수학, 지식, 장문이해, 지시이행, 한국어, 안전성, 신뢰성으로 구성돼 있어. 국제 지표 하나만 쓰지 않고 한국어와 안전성을 별도 축으로 세운 게 이 사업의 목적과 맞아떨어져.

평가 구조를 정리하면

항목 내용
발표 2026년 8월 18일, 과기정통부·NIPA
통과 업스테이지(솔라 오픈2), SK텔레콤(A.X K2), LG AI연구원(K-엑사원 2.0)
탈락 모티프테크놀로지스
배점 벤치마크 40점 + 전문가 35점 + 사용자 25점 = 100점
벤치마크 구성 AAII(4개 영역 9개 지표) + NIA 자체(수학·지식·장문이해·지시이행·한국어·안전성·신뢰성)
GPU 지원 B200 상반기 768장 → 하반기 1,000장
다음 단계 내년 초 3차 평가, 최종 2개 팀 확정

GPU 지원 규모가 늘어난 것도 짚고 넘어가야 해. B200을 상반기 768장에서 하반기 1,000장 수준으로 확대한다는 계획이야. 팀이 넷에서 셋으로 줄었는데 지원 물량은 늘었으니, 팀당 배분은 꽤 두터워져. 국내에서 이 정도 규모의 최신 GPU를 안정적으로 확보할 수 있는 경로가 많지 않다는 걸 감안하면 이건 상당한 인센티브야.

그리고 다음 관문이 마지막이 아니야. 내년 초 3차 평가를 거쳐 최종 2개 팀이 확정돼. 지금 셋 중 하나는 또 떨어진다는 뜻이야.

각자가 챙기는 것

통과한 세 팀이 얻는 건 시간과 연산이야. 파운데이션 모델 개발에서 가장 비싼 자원 두 개거든. B200 1,000장 수준의 지원과 국책 과제라는 안정적 자금줄은 민간에서 같은 조건을 구하기 어려워. 여기에 '국가대표'라는 레이블이 붙으면 공공 조달과 대기업 도입에서 유리한 위치가 생겨.

여기에 브랜딩 효과도 붙어. 2차 평가 결과가 언론에 크게 보도되면서 세 모델의 이름이 함께 노출됐거든. 국내 기업이 AI 도입을 검토할 때 이름을 들어본 모델과 처음 듣는 모델의 출발선은 다르고, 국책 과제 통과는 그 자체로 검증 절차를 한 번 거쳤다는 신호로 읽혀.

정부가 얻는 건 선택지야. 소버린 AI 논의의 핵심은 결국 위기 상황에서 외국 모델에 의존하지 않고 쓸 수 있는 대안이 국내에 있느냐인데, 그 대안을 한 곳에 몰아주면 그 팀이 실패했을 때 대안이 없어져. 단계평가로 좁혀가면서 마지막에 두 곳을 남기는 설계는 이 위험을 관리하는 방식이야.

모티프에게 남는 것도 아주 없지는 않아. 패자부활전으로 합류해 2차까지 왔다는 건 기술적으로는 인정받았다는 뜻이고, 실제로 2차관의 코멘트도 기술력은 인정했어. 다만 이 사업의 지원 없이 자체 자금으로 파운데이션 모델 경쟁을 계속하는 건 다른 난이도의 문제야. 모티프가 앞으로 어떤 경로를 잡는지는 국내 AI 스타트업 생태계에서 눈여겨볼 지점이야.

국내 GPU·인프라 사업자도 간접적인 수혜를 봐. B200 1,000장 수준을 국내에서 운용하려면 전력, 냉각, 네트워크까지 갖춘 데이터센터 공간이 필요하고 그 수요는 국내 사업자에게 돌아가. 파운데이션 모델 사업이 모델 하나만 남기는 게 아니라 그걸 돌릴 수 있는 물리적 기반과 운영 경험을 함께 남긴다는 점은 이 사업의 덜 알려진 성과야.

국내 AI 서비스 기업들은 이 결과로 선택지가 명확해졌어. 국산 파운데이션 모델을 도입하려 할 때 어느 모델이 정부 지원과 지속적 업데이트를 받을지가 좁혀졌거든. 도입 결정에서 모델 성능만큼 중요한 게 3년 뒤에도 그 모델이 유지·개선되고 있느냐인데, 국책 과제 통과 여부는 그 예측에 쓸 수 있는 신호야.

한 가지 더 확인해둘 게 있어. 이번 발표에서 각 팀이 내세운 벤치마크 수치는 대체로 팀이 직접 밝힌 것들이야. IMO 문제 금메달 수준, 100만 토큰 컨텍스트, AAII 세계 9위 모두 자체 발표에 근거해. 평가 자체는 정부와 NIA가 별도 기준으로 수행했지만, 언론에 나온 개별 수치는 참여사 발표를 인용한 형태가 많아. 이런 종류의 숫자는 측정 조건에 따라 크게 달라질 수 있어서, 도입을 검토하는 입장이라면 같은 조건에서 직접 재보는 절차가 따로 필요해.

비슷한 시도들 — 성공과 실패

프랑스의 미스트랄은 유럽형 소버린 AI의 성공 사례로 자주 인용돼. 정부가 직접 개발하지 않고, 민간 스타트업이 유럽 자본과 공공 조달 수요를 등에 업고 성장한 구조야. 핵심은 미스트랄이 처음부터 오픈웨이트 전략으로 개발자 생태계를 확보했고, 그 생태계가 유럽 기업의 도입을 끌어냈다는 점이야. 정부의 역할은 자금과 수요였지 개발이 아니었어.

일본의 사례는 결이 달라. 정부와 대기업이 컨소시엄을 짜서 대규모 일본어 모델을 만드는 시도가 여러 차례 있었는데, 결과물의 성능이 글로벌 프론티어와 벌어지면서 실제 산업 채택이 기대만큼 나오지 않은 국면이 있었어. 원인 진단은 여러 가지지만, 흔히 지적되는 건 개발과 사용 사이의 거리야. 만드는 조직과 쓰는 조직이 분리돼 있으면 피드백 루프가 느려져.

아랍에미리트의 팰컨은 자금과 인재를 대규모로 투입해 초기 오픈모델 경쟁에서 존재감을 만든 케이스야. 다만 이후 오픈모델 경쟁이 중국 모델 중심으로 재편되면서 상대적 위치가 밀렸어. 여기서 얻을 교훈은 한 번의 좋은 모델보다 지속적 업데이트 능력이 더 중요하다는 거야.

중국의 접근은 또 다른 참고점이야. 정부가 특정 팀을 고르는 대신 여러 기업이 오픈모델을 쏟아내도록 두고, 그중 살아남은 것이 생태계를 가져가는 구조에 가까웠어. Qwen이 다운로드 기준으로 세계 1위가 된 배경에는 이 물량전이 있어. 다만 이 방식은 국내 시장 규모가 충분히 커야 성립해서, 한국이 그대로 따라 하기는 어려운 조건이야.

독파모의 배점 설계는 이 사례들의 교훈을 반영한 것처럼 보여. 사용자 평가 25점을 별도로 떼어둔 건 '만들고 끝'을 막으려는 장치고, 다음(Daum) 연계 같은 유통 계획이 가점 요인이 된 것도 같은 맥락이야. 다만 이 설계가 실제로 작동하는지는 3차 평가와 그 이후에 확인될 문제야.

탈락한 모티프의 사례를 조금 더 볼 필요가 있어. 이 팀은 1차에서 떨어졌다가 패자부활전으로 돌아왔고, 그만큼 준비 기간이 다른 팀보다 짧았어. 사용자 평가 25점은 하루아침에 만들 수 있는 점수가 아니야. 실제 서비스에 붙이고 사용자가 쌓이는 데는 시간이 걸리니까, 늦게 합류한 팀은 구조적으로 불리했다는 해석도 가능해. 평가 설계가 활용성을 강조한 건 옳은 방향이지만, 그 배점이 참여 시점에 따라 달성 난이도가 크게 달라진다는 점은 다음 사업 설계에서 고려할 만한 부분이야.

경쟁 구도는 어떻게 움직일까

세 팀 사이의 경쟁이 이제 본게임이야. 2차까지는 넷 중 셋이 통과하는 구조였지만 3차는 셋 중 둘이야. 통과율이 75%에서 67%로 내려가는 것 이상의 의미가 있는데, 탈락한 팀이 한 곳뿐일 때와 달리 이제는 서로가 직접적인 경쟁자로 인식되기 때문이야. 하나가 더 떨어져야 하니까 2차보다 훨씬 치열해져. 관건은 각자가 강점으로 내세운 축을 유지하면서 약한 축을 메울 수 있느냐야. SKT는 추론 성능에서 앞섰지만 유통 경로는 업스테이지가 앞서고, 업스테이지는 국제 벤치마크 순위에서 LG에 밀려. 배점이 셋으로 나뉘어 있는 한 한 축만 잘해서는 통과가 보장되지 않아.

글로벌 모델과의 격차는 여전히 이 사업의 근본 과제야. AAII 세계 9위는 좋은 성적이지만, 그 위의 여덟 자리는 프론티어 랩들이고 그들은 몇 달 단위로 모델을 갱신해. 국내 팀들이 지원받는 GPU 1,000장은 국내 기준으로는 크지만 프론티어 랩들의 학습 규모와 비교하면 자릿수가 다르지. 이 조건에서 경쟁하려면 전면전이 아니라 한국어·특정 도메인·비용 효율 같은 좁은 축에서 이기는 전략이 현실적이야.

중국 오픈모델의 압박도 무시할 수 없어. Qwen 계열은 다운로드 기준으로 이미 구글과 메타를 넘어섰고, 성능 대비 가격에서 매력적인 선택지로 자리잡았어. 국내 기업이 국산 모델과 중국 오픈모델을 놓고 비교할 때 성능·가격만 보면 후자가 이길 수 있는 구간이 존재해. 국산 모델의 논거는 결국 데이터 주권과 규제 대응, 그리고 한국어·한국 맥락에서의 실사용 품질에 있어야 해.

오픈웨이트 공개 여부도 앞으로 쟁점이 될 가능성이 높아. 미스트랄이 유럽에서 자리를 잡은 결정적 이유가 가중치를 공개해 개발자 생태계를 먼저 확보한 거였는데, 독파모 참여 팀들이 최종적으로 어떤 공개 정책을 택하느냐가 실제 채택률을 크게 좌우해. 사용자 평가 25점이 걸려 있는 구조에서는 공개 쪽이 유리할 수 있지만, 상업화 계획과는 충돌하는 지점이 있어서 각 팀의 판단이 갈릴 수 있어.

클라우드 3사와 국내 사업자의 관계도 변수야. 국산 모델이 실제로 쓰이려면 어디서 서빙되느냐가 중요한데, 국내 클라우드 사업자가 이들 모델을 얼마나 편하게 배포할 수 있게 만드느냐가 채택률에 직결돼. 모델만 좋고 배포 경험이 나쁘면 개발자는 익숙한 외국 API로 돌아가.

정리하면 이번 2차 평가에서 확인된 건 세 가지야. 국내 파운데이션 모델 개발이 세 개의 서로 다른 강점 축으로 갈라져 있다는 것, 정부가 성능보다 활용을 더 크게 배점하기로 했고 그 기준이 실제로 당락을 갈랐다는 것, 그리고 지원 자원이 팀 수 감소와 반대로 늘어나면서 남은 팀의 개발 여건이 좋아졌다는 것. 이 셋이 내년 초 3차 평가까지 어떻게 이어지는지가 국내 소버린 AI 논의의 다음 장이야.

그래서 뭐가 달라지는데

국내에서 AI 서비스를 만드는 개발자라면 당장은 큰 변화가 없지만, 국산 모델을 후보에 넣을 시점을 판단하는 데 이 결과가 도움이 돼. 3차 평가까지 살아남는 팀의 모델이 공공·금융·의료처럼 데이터 반출이 까다로운 영역에서 우선 채택될 가능성이 높아. 그 영역에서 일한다면 지금부터 API 스펙과 라이선스 조건을 확인해둘 만해.

공공기관이나 대기업에서 AI 도입을 검토한다면 확인할 건 벤치마크 순위가 아니라 지속성이야. 3차 평가에서 최종 2팀에 들어가는지가 향후 몇 년간 업데이트가 계속될지를 가르는 신호가 돼. 도입 계약을 지금 맺는다면 모델 교체 조항을 넣어두는 게 안전해.

국내 AI 연구자나 엔지니어라면 이 결과가 인재 이동에도 영향을 줘. 통과한 세 팀은 앞으로 반년간 GPU와 예산을 확보한 상태로 달리고, 그건 대규모 학습을 실제로 돌려보는 경험을 쌓을 수 있는 국내에서 몇 안 되는 자리라는 뜻이야. 파운데이션 모델 학습 경험은 이력에서 대체하기 어려운 자산이라, 이 세 팀의 채용 경쟁력이 당분간 올라갈 거야.

AI 스타트업을 운영한다면 모티프 사례가 시사점을 줘. 기술력만으로는 국책 과제에서 이기기 어려운 구조가 됐어. 사용자 접점과 유통 경로를 함께 설계하지 않으면 배점의 60%를 차지하는 영역에서 불리해져. 이건 국책 과제만의 이야기가 아니라 투자 유치에서도 점점 같은 논리로 작동하고 있어.

AI 정책을 보는 입장이라면 이번 평가의 배점 설계 자체가 관찰 대상이야. 벤치마크 40 대 활용 60이라는 구성은 국내 국책 AI 사업에서 드문 시도고, 이게 좋은 모델을 만들어내는지 아니면 마케팅 잘하는 팀을 뽑는 데 그치는지는 앞으로 몇 년의 결과로 판정될 거야.

일반 사용자 입장에서는 업스테이지의 다음(Daum) 연계처럼 실제로 접할 수 있는 접점이 늘어나는 게 가장 체감되는 변화야. 국산 모델을 쓰는지 모르고 쓰게 되는 경우가 늘어날 텐데, 그게 이 사업이 원래 노린 그림이기도 해.

🥄 남은 궁금증 세 가지

— 국산 모델이 챗GPT보다 나아질 수 있어? 전면적으로는 어렵다고 보는 게 현실적이야. 학습에 투입되는 연산량 자체가 자릿수 차이가 나거든. 다만 '더 낫다'의 기준을 한국어 실사용 품질, 국내 규제 대응, 데이터를 국내에 두는 조건으로 좁히면 이야기가 달라져. 이 사업이 겨냥하는 것도 전면전이 아니라 그 좁은 축이야.

— 세금으로 하는 게 맞아? 찬반이 갈리는 지점이고 단정하긴 어려워. 반대 논거는 명확해. 민간이 훨씬 잘하는 영역에 정부가 돈을 쓴다는 거지. 찬성 논거도 명확해. 외국 모델이 정책적 이유로 막히거나 가격을 크게 올릴 때 쓸 대안이 국내에 있느냐는 보험의 문제라는 거야. 판단은 그 보험료가 적정한지에 달려 있어.

— 최종 2팀에 누가 남을까? 지금 정보로는 예측이 어려워. 배점이 세 축으로 나뉘어 있고 각 팀이 서로 다른 축에서 앞서 있거든. 다만 2차에서 당락을 가른 게 사용성이었다는 사실은 힌트가 돼. 3차까지 실제 사용자 수와 서비스 연계 실적을 얼마나 쌓느냐가 남은 반년의 승부처로 보여.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.