🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

오픈AI 출신 연구진이 세운 씽킹 머신스 랩이 오디오·비디오·텍스트를 처리하고 자체 개선에도 활용된 9750억 매개변수의 오픈웨이트 모델 ‘잉클링’을 첫 모델로 공개했다.

📌 핵심 요약

• 씽킹 머신스 랩은 연구자와 스타트업이 내려받아 수정할 수 있는 첫 오픈웨이트 모델 ‘잉클링’을 공개했다.
• 잉클링은 처음부터 훈련됐으며 텍스트뿐 아니라 오디오와 비디오 입력을 이해하고, 회사 설명에 따르면 고급 추론과 코딩을 수행한다.
• 매개변수가 9750억 개에 달해 실행하려면 특수 칩으로 구성된 클러스터가 필요하며, 주요 벤치마크에서 최고 성능을 내는 모델은 아니다.
• 연구소는 잉클링으로 잉클링 자체를 미세조정했으며, 이 과정에서 추론 설명은 이해 가능성과 최종 답변을 유지한 채 점차 간결해졌다.
• 회사는 잉클링 공개를 인공지능 기술의 분산이라는 비전과 연결했고, 중국의 선도적인 오픈웨이트 모델들과 비슷한 성능을 제공한다고 주장했다.

🧩 주요 포인트

1. 가중치 공개로 다운로드와 수정은 가능해졌지만 대규모 칩 클러스터가 필요해, 모델 접근성과 실제 운용 조건은 구분된다.
2. 자체 모델을 자체 미세조정에 사용한 훈련은 인공지능이 인공지능 개발에 투입되는 흐름과 추론 설명의 효율화 과정을 함께 보여준다.
3. 첫 모델 출시는 분산형 인공지능이라는 회사의 철학을 제품으로 구현하는 동시에, 대규모 경쟁 시장에서 실질적인 기술 역량을 제시한 사건이다.

🧠 상세 정리

1. 첫 모델 잉클링의 공개

씽킹 머신스 랩은 오픈AI 출신 인사들이 세운 인공지능 스타트업으로, 첫 자체 모델인 ‘잉클링’을 공개했다. 잉클링은 오픈웨이트 모델이어서 연구자와 스타트업이 가중치를 내려받고 필요에 맞게 수정할 수 있다. 회사는 다른 모델을 가져와 단순 조정한 것이 아니라 잉클링을 처음부터 훈련했다고 설명했다. 또한 텍스트에 더해 오디오와 비디오 입력까지 이해하도록 학습시켜, 첫 출시부터 여러 입력 형식을 다루는 모델로 제시했다. 성능과 훈련 특성에 관한 구체적인 설명은 회사가 공개한 블로그 내용을 토대로 기사에 소개됐다.

2. 성능과 대규모 연산 조건

회사 설명에 따르면 잉클링은 널리 쓰이는 벤치마크에서 최고 성적을 내는 모델은 아니지만, 다양한 과제에서 좋은 성능을 보이며 고급 추론과 코딩도 수행할 수 있다. 회사는 현재 선도적인 중국산 오픈웨이트 모델들과 비슷한 수준의 성능을 제공한다고 주장했다. 다만 잉클링은 매개변수 9750억 개의 대형 모델로, 실행하려면 특수 칩 여러 개로 구성된 클러스터가 필요하다. 즉 가중치를 내려받아 바꿀 수 있다는 배포상의 개방성과 실제 운용에 상당한 연산 기반이 필요하다는 기술적 조건이 동시에 존재한다. 기사는 이러한 규모와 실행 조건을 많은 오픈웨이트 대형 모델이 지닌 특성과 연결해 설명한다.

3. 자체 미세조정과 추론 설명의 변화

연구소는 잉클링의 훈련 과정에서 잉클링 자체를 이용해 모델을 미세조정하고 개선했다. 이는 인공지능 모델이 다른 인공지능을 만드는 데 사용되는 흐름을 보여주는 사례로 기사에 제시됐다. 이 과정에서 잉클링은 복잡한 추론을 자연어로 설명하는 사고 과정의 표현을 계속 제공했지만, 시간이 흐르면서 그 설명이 더 간결해졌다. 회사에 따르면 문법적 군더더기는 줄었어도 설명은 이해 가능한 상태를 유지했고 최종 응답에도 영향을 주지 않았다. 기사는 이를 효율성을 높이는 과정에서 관찰된 훈련상의 특징으로 소개했으며, 해당 인용문의 의미를 명확히 하기 위해 보도 내용을 이후 수정했다고 덧붙였다.

4. 오픈웨이트 전략과 분산형 인공지능 비전

기사는 첫 모델 공개가 씽킹 머신스 랩이 막대한 자금이 투입되는 빠른 인공지능 경쟁에서 실질적인 참여자로 자리매김하는 데 도움이 될 수 있다고 평가한다. 오픈소스 모델은 일반적으로 유료 접근만 허용되는 폐쇄형 모델보다 실행 비용이 낮고, 서로 다른 과제에 맞게 더 쉽게 수정할 수 있어 인기를 얻었다고 설명한다. 현재 최고 수준의 오픈웨이트 모델들은 중국에서 나오고 있으며, 씽킹 머신스 랩은 잉클링이 이들과 비슷한 성능을 낸다고 밝혔다. 잉클링의 공개 방식은 인공지능이 소수 기업에만 통제되어서는 안 된다는 회사의 최근 입장과도 맞닿아 있다. 회사는 기술을 분산해 더 많은 사람이 자신의 데이터로 자신의 모델을 만들 수 있어야 한다는 비전을 제시했다.

5. 창립진과 대규모 초기 투자

씽킹 머신스 랩은 2025년 2월 오픈AI의 주요 임원과 연구자 여러 명이 설립했다. 창립진에는 오픈AI 최고기술책임자와 잠시 최고경영자를 지낸 미라 무라티, 오픈AI 공동 창립자이자 챗GPT 개발에 핵심 역할을 한 존 슐먼, 안전과 로봇 연구를 이끈 전 부사장 릴리안 웽이 포함된다. 이 스타트업은 역사상 최대 규모의 시드 투자를 유치했고, 출범 당시 기업가치를 120억 달러로 평가받았다. 잉클링 이전에는 모델 미세조정 도구 ‘팅커’를 공개하고 자연스러운 음성 상호작용을 지원하는 도구를 시연했으며, 기계학습 연구도 발표했다. 첫 모델 출시는 유명 창립진과 대규모 자금 조달, 앞선 도구 및 연구 활동에 이어 나온 회사의 첫 본격 모델 공개다.

6. 오픈AI 출신 기업들의 경쟁 구도

기사는 오픈AI가 챗GPT로 인공지능 붐의 출발을 이끌었지만, 그곳을 떠난 인사들이 세운 회사들도 시장에서 존재감을 키우고 있다고 설명한다. 씽킹 머신스 랩과 함께 대표 사례로 언급된 앤스로픽은 최근 기업공개를 신청했으며, 평가액이 1조 달러를 넘을 가능성이 제시됐다. 앤스로픽의 모델 클로드는 특히 코딩 능력 때문에 많은 기업에서 인기를 얻었다고 기사는 전한다. 이러한 경쟁 구도에서 잉클링은 씽킹 머신스 랩이 대규모 투자와 유명 창립진을 넘어 실제 모델과 공개 철학을 제시한 첫 결과물이다. 다만 기사는 잉클링을 주요 벤치마크의 최상위 모델이라고 단정하지 않으며, 중국의 선도적 오픈웨이트 모델과 유사하다는 평가는 회사의 주장으로 구분한다.

🧾 핵심 주장 / 시사점

• 오픈웨이트 배포는 모델의 다운로드와 수정을 허용하지만, 9750억 개 매개변수와 특수 칩 클러스터 요구는 공개 여부와 실제 활용 가능성이 동일하지 않음을 보여준다.
• 잉클링이 자체 미세조정에 사용되고 추론 설명을 점차 압축한 사례는 모델 개발 과정에서 인공지능의 역할과 효율화가 함께 확대되고 있음을 드러낸다.
• 씽킹 머신스 랩은 분산과 자체 데이터 활용이라는 원칙을 첫 모델의 공개 방식에 반영했으며, 이를 통해 회사의 기술적 정체성과 시장 내 위치를 동시에 제시했다.

✅ 액션 아이템

• 잉클링의 9750억 매개변수와 특수 칩 클러스터 요구 조건을 기준으로 다운로드 가능성과 실제 운용 가능성을 분리해 판단한다.
• 잉클링의 텍스트·오디오·비디오 이해와 고급 추론·코딩 주장을 주요 벤치마크에서 최고 성능은 아니라는 점까지 포함해 비교한다.
• 잉클링으로 잉클링 자체를 미세조정한 결과, 추론 설명의 간결화와 이해 가능성·최종 답변 유지 여부를 점검한다.

❓ 열린 질문

• 9750억 매개변수의 잉클링을 실행하는 특수 칩 클러스터를 연구자와 스타트업이 실제로 확보할 수 있는가?
• 잉클링의 텍스트·오디오·비디오 이해와 고급 추론·코딩 능력은 주요 벤치마크에서 어느 수준으로 확인되는가?
• 잉클링 자체 미세조정으로 간결해진 추론 설명이 이해 가능성과 최종 답변을 유지하는지는 어떻게 판단할 것인가?