지난 주의 모델 출시 소식들만 놓고 보면, 보통이라면 2~3개월치 나올 뉴스거리가 한꺼번에 나온 느낌이라고나 할까요?

(사람) 슈퍼모델들이 지난 주 미스 유니버스 대회에서 빛나던 바로 그 때, 수많은 AI 연구소들도 마치 미스 유니버스 후보들이 경쟁하듯이 ‘슈퍼 모델’들을 줄줄이 내놨습니다.

우연일까요? 글쎄요, 어쨌든 두 세계 모두 ‘슈퍼 모델 전쟁’이 벌어진 건 맞는 것 같습니다.

이번 FOD에서는, 지난 주 나온 중요한 모델들이 어떤 건지, 각각 어떤 강점을 가지고 있는지, 그리고 어떤 상황에서 어떤 모델을 선택하면 좋을지 한 번 같이 살펴보겠습니다.

먼저, 요즘 AI 판의 분위기를 제대로 주도하고 있는 ‘오픈소스’ 계열의 모델부터 보죠.

AI2는 지금까지 대형 연구소들이 끝내 하지 않던 일을 해냈습니다: 단순히 모델의 가중치만 공개한 것이 아니라, 전체의 훈련 흐름 — 데이터, 코드, 체크포인트, 평가 파이프라인까지 — 전부 공개했습니다. 프리트레이닝부터 강화학습, 포스트트레이닝 체크포인트까지 모든 단계가 다 공개되어 있어요! 정말, 박수를 받을 만 합니다.

왜 이런 움직임이 중요할까요?

Olmo 3는 추론 능력이 어떻게 어떤 단계를 거치면서 생겨나는지 그 과정을 그대로 볼 수 있다는 점이 가장 큰 특징입니다.

훈련의 모든 단계 — 중간 학습 체크포인트, 강화학습 단계, 후처리·포스트트레이닝 단계 — 까지 모두 공개되어 있어서, 원하는 지점에서 모델을 그대로 가져와(포크) 직접 실험하거나 이어서 훈련시킬 수 있습니다.

특히 32B Think 버전은 수학, 코드, 추론 같은 ‘하드 리즈닝(Hard Reasoning)’ 영역에서 Qwen 등의 상위급 오픈 모델들과 견줘도 충분히 경쟁력 있는 성능을 보여줍니다.

이렇게 보면, Olmo 3는 단순히 “모델을 공개합니다”가 아니라, “직접 강화학습 기반의 추론 모델을 만들고 싶다면 이 흐름을 그대로 따라해 보세요”라는 초대장에 가깝습니다.

수많은 연구소들이 LLM 리더보드에서 상위를 차지하기 위해서 힘겨루기를 하는 동안, 마이크로소프트에서는 조용히 Fara-7B를 공개했습니다 - 이 7B 오픈 웨이트 모델은, 웹 브라우저를 사람처럼 조작합니다.

이 모델은:

벤치마크 결과를 살펴보면:

Computer-Use 에이전트, 이렇게 더 이상 ’클라우드에서 실험하는 기술’이 아니라, ‘내 노트북에서 조용히 치과 예약도 해주는 모델’로 진화하고 있네요.

P1은, 실제의 물리 올림피아드 문제에서 톱티어 모델과 어깨를 나란히 하는 최초의 오픈 모델입니다.

IPhO 2025에서 금메달급 성능을 냈고, 보다 엄밀한 검증 가능한 물리 문제들로 강화학습을 했습니다.

이 모델이 잘하는 영역은 아주 분명합니다. 올림피아드 수준의 물리·수학·코딩 문제를 안정적으로 풀어내고, 숫자 하나만 틀려도 바로 오류가 나는 과학 계산에서도 믿을 만한 결과를 제공합니다. 내부 추론 과정을 감사·검증해야 하는 에이전트 시스템의 ‘신뢰 가능한 두뇌’ 역할도 충분히 수행할 수 있습니다. 보통 오픈 모델을 만든 사람들이 “이 모델은 물리를 잘합니다”라고 말하면 정말 그런지 꼼꼼히 의심해 보게 되지만, 이번 모델은 그런 의심을 굳이 할 필요가 없을 만큼 성능이 확실하게 드러납니다.

엔비디아는 ‘마트료시카 인형’ 구조에서 착안한 Matryoshka 아이디어를 Mamba–Transformer 혼합 아키텍처에 적용했습니다. 큰 모델 안에 더 작은 모델들이 자연스럽게 포함되도록 학습하는 방식인데, 이 덕분에 12B 모델을 한 번만 훈련해도 같은 웨이트에서 9B와 6B 모델을 추가 훈련을 하지 않고 바로 꺼내 쓸 수 있습니다. 즉, 처음부터 “잘라도 성능이 유지되는 구조”로 학습시키기 때문에, 전체 모델을 쓰고 싶을 때는 12B로, 더 가볍게 돌리고 싶으면 9B나 6B로 그대로 내려서 사용할 수 있는 일종의 ‘중첩 모델’ 패밀리가 자동으로 만들어지는 셈입니다.

이런 방식은, 당연하게도 모델을 각각 따로 학습시키는 것보다 훈련 비용이 한 단계 낮아지고, 배포할 때 메모리 비용이 일정해지고, 크기가 달라도 수학·코드 추론 성능을 고르게 유지할 수 있다는 장점이 있습니다.

결과적으로 아주 간단히 말하자면, ‘노트북에서부터 서버 클러스터까지’ 하나의 추론 계열을 그대로 넣어서 쓸 수 있는 접근 방식인 거죠.

샤오미의 MiMo-Embodied는 로봇 임베디드 벤치마크와 자율주행 벤치마크 둘 다에서 SOTA를 찍은 첫 오픈 모델입니다.

이 모델이 보여주는 기능들은 꽤 폭이 넓습니다. 로봇이 주변 물체를 어떻게 사용할 수 있는지(어포던스)를 파악하고 그에 맞춰 태스크를 계획하는 능력부터, 자율주행에서 필요한 장면 이해·상황 예측·주행 계획까지 모두 다룹니다. 또 3D 환경, 영상, 언어를 오가면서 공간적 정보를 통합적으로 이해하는 추론 능력도 갖추고 있습니다.

이런 흐름이 의미하는 바는 분명합니다. 지금까지는 로봇용 모델, 자율주행용 모델, 비전·언어 모델을 따로 개발해 왔다면, 이제는 이 모든 것을 하나의 공유된 ‘Embodied Backbone’ — 현실 세계를 이해하고 행동할 줄 아는 공통 기반 — 으로 통합하려는 조짐이 나타나고 있다는 겁니다. 기술의 방향 자체가 바뀌는 이런 순간, 꽤 흥미롭습니다.

자, 그럼 이제 대형 연구소들 차례로 넘어가 볼까요?

Opus 4.5는 실제 업무 환경에서 바로 쓸 수 있도록, 툴 사용·긴 컨텍스트 처리·스프레드시트 작업 같은 상황에 맞춰 튜닝된 모델입니다.

이번 업데이트로 적은 토큰으로도 더 높은 SWE-Bench 성능을 내고, Claude Code 생태계에서는 멀티에이전트 오케스트레이션 능력이 강화됐습니다. 또, 프롬프트 인젝션 공격에도 더 강해졌습니다.

그래서 몇 시간 동안 오피스 스타일의 작업을 수행하는 에이전트를 만든다면, Opus 4.5는 그 요구를 충분히 만족시킬 만큼 경쟁력 있는 모델입니다.

Opus 4.5에 대한 첫인상 몇 개를 뽑아보면 이렇네요:

Codex-Max는 오픈AI가 새로 공개한 ‘에이전트형 코딩 모델’로, 대규모의 복잡한 소프트웨어 개발이라든가 유지보수 작업에 최적화돼 있습니다.

이 모델의 핵심 능력은 컴팩션(Compaction)인데, 여러 컨텍스트 창을 하나의 긴 맥락처럼 넘나들면서 수백만 토큰 규모의 작업도 흐름을 잘 유지한 채 처리합니다.

이 모델이 특히 잘 맞는 영역은 명확합니다. 레포 전체를 오랫동안 분석하고 수정하는 장기 에이전트 작업에 적합하고, 기존 모델들이 중간에 맥락을 잃기 쉬웠던 대규모 리팩토링에서도 안정적인 성능을 보여줍니다. 또 코딩·리서치·테스트·문서 작업이 섞여 있는 실제 엔지니어링 워크플로우에서도 유용하게 쓸 수 있습니다.

Claude Opus 4.5보다 먼저 출시되었지만, 상대적으로 덜 주목받았다는 점이 조금 아쉬울 정도네요.

Gemini 3는 구글의 새로운 플래그십 모델입니다.

아주 인상적인 모델이고, Pro도 강력하지만, Deep Think 모드가 진짜 포인트인 것 같습니다. 더 높은 GPQA와 ARC-AGI-2 성능, 더 긴 추론 체인, 더 탄탄한 도구 사용 능력까지 강화되어 있습니다.

Gemini 3를 사용하면 좋은 상황은:

Nano Banana Pro는 이미지 모델의 업그레이드인데, 드디어 이미지 속 텍스트를 진짜 ‘1급 시민’으로 다루는 모델입니다 - 제대로 텍스트 처리를 원하는 대로 해 준다는 이야기죠.

포스터, UI 목업, 패키지 디자인, 브랜드 일관성 있는 비주얼 제작 등, “이 개념을 시각적으로 잘 설명해 달라”는 식의 니즈가 있을 때 적합합니다.

Google Antigravity도 아주 많은 관심을 받고 있죠. 이건 모델은 아니지만, 에이전트 시대의 IDE란 어떤 것일까 하는 질문에 대한 현재 기준 구글의 답이 아닐까 싶습니다.

Google Antigravity는 개발자를 위한 코드 에디터 기능과 더불어서, 브라우저나 터미널 등에서 여러 AI 에이전트가 동시에 작업하는 상황을 한눈에 지휘할 수 있는 관리 기능을 제공합니다. 무엇보다 가장 혁신적인 점은 AI의 작업 과정을 낱낱이 기록하는 '아티팩트(Artifact)' 기능입니다. 기존 도구들이 단순히 결과 코드(Diff)만 보여줘서 AI가 어떤 과정을 거쳤는지 알기 어려웠던 반면, 안티그래비티는 AI가 수립한 계획부터 실제 참조한 화면, 실행한 명령어 기록까지 모든 작업 로그를 투명하게 남겨줍니다. 덕분에 개발자는 결과물뿐만 아니라 과정까지 완벽하게 검증할 수 있죠. 이 기능이 기대만큼 작동한다면 '커서(Cursor)' 같은 기존 인기 도구들을 강력하게 위협할 게임 체인저가 될 것입니다.

다만 출시 직후 바로 몇 가지 한계에 부딪혀서, 구글 팀이 거의 밤을 새 가면서 개선 중입니다.

Grok 4.1은 감정 지능(EQ)과 추론의 안정성을 동시에 강화했습니다.

EQ-Bench 점수 상승, 창작·글쓰기 능력 개선, 정보성 프롬프트에서 낮은 환각률을 보여줍니다.

Grok 4.1은 아래와 같은 영역에 니즈가 크다면 적합한 모델이 아닌가 싶어요:

저는 Grok 4.1의 사용자는 아니지만, 관심 있으시면 블로그에서 더 자세한 내용을 보시면 좋겠습니다.

AI 섹터에서 특히 요즘 다시 많이 언급되고 있는 공간 지능(Spatial Intelligence)이란, 쉽게 말해서 모델이 가지고 있는 ‘공간 감각’ 정도로 표현할 수 있을 것 같습니다. 사물이 어디에 있는지, 서로 어떻게 연결되는지, 어떻게 움직이는지를 이해하는 능력이죠. 이 능력이 있어야 AI 모델이 방 안을 돌아다니고, 보이는 장면을 해석하고, 여러 개의 물체들이 어떻게 맞물리는지 파악할 수 있습니다. 말 그대로, 머릿 속에 하나의 ‘지도’가 들어있는 셈인 거죠. 예를 들어, 월드 모델은 이 공간 지능이 없다면 제대로 작동할 수 없습니다.

오늘은, 공간 지능이 무엇인지, 그리고 어떻게 발전하고 있는지 살펴볼 수 있는 6가지 읽을거리를 추천합니다:

‘주목할 만한 최신의 AI 모델’을 먼저 소개하고, 각 영역별로 ‘Top Pick’은 해당 논문 앞에 별표(🌟)로 표시했습니다!

*리뷰를 남기시려면 로그인하시거나 구독해 주세요. 감사합니다!

읽어주셔서 감사합니다. 프리미엄 구독자가 되어주시면 튜링 포스트 코리아의 제작에 큰 도움이 됩니다!