Writer introduces new AI model and upgraded harness to contain token costs

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

라이터는 오픈소스 모델을 후처리한 팔미라 X6와 에이전트 하네스 개선을 결합해 복잡한 작업의 토큰 사용과 기업 고객의 배포 비용을 낮추겠다고 발표했다.

📌 핵심 요약

• 인공지능 업계에서는 배포 비용을 줄이려는 요구가 커지고 있지만, 토큰당 비용이 낮은 오픈소스 모델 중에서 작업에 적합한 모델을 고르는 일이 여전히 어렵다.
• 마케팅 담당자를 위한 인공지능 도구와 에이전트를 제공하는 라이터는 지에이아이의 오픈소스 모델 지엘엠-5.2를 후처리한 새 주력 모델 팔미라 X6를 공개했다.
• 라이터는 팔미라 X6와 하네스 인프라 개선을 함께 적용하면 기본 작업에서 고객 비용을 최대 50% 절감할 수 있다고 추산했다.
• 라이터 연구진의 실험에서는 여러 모델에 적용한 작은 하네스 효율 개선이 모델 선택보다 비용 절감에 더 일관되게 기여한 경우가 많았으며, 시험 전반의 평균 비용 감소율은 40%였다.
• 팔미라 X6는 다른 라이터 모델 및 외부 모델과 함께 사용할 수 있으며, 최고경영자 메이 하비브는 기업들이 벤치마크 경쟁보다 예측 가능한 비용을 원하고 있다고 강조했다.

🧩 주요 포인트

1. 오픈소스 기반 모델의 후처리와 하네스 개선을 결합했다는 점에서, 비용 절감의 초점이 단순한 모델 교체에서 전체 실행 구조의 효율화로 확대됐다.
2. 복잡한 다단계 작업을 더 적은 토큰으로 빠르게 수행하도록 설계함으로써, 토큰 사용량이 누적되는 에이전트 작업의 비용 문제를 직접 겨냥했다.
3. 모델과 독립적으로 작동하는 하네스의 효율은 현재와 미래의 여러 모델에 공통으로 적용될 수 있어, 특정 모델 선택보다 폭넓은 비용 절감 수단이 될 수 있다는 것이 연구진의 판단이다.

🧠 상세 정리

1. 커지는 인공지능 배포 비용 부담

기사는 인공지능 업계의 사용자들이 실제 배포에 드는 비용을 더 분명하게 인식하면서 비용 절감을 서두르고 있다는 상황에서 출발한다. 오픈소스 모델은 일반적으로 토큰당 비용이 더 낮지만, 특정 업무에 적합한 모델을 찾는 과정은 쉽지 않다고 설명한다. 따라서 기업이 직면한 문제는 단순히 가장 저렴한 모델을 선택하는 것이 아니라, 업무 적합성과 실행 비용을 함께 관리하는 데 있다. 라이터의 최고경영자 메이 하비브는 기업들이 새로운 벤치마크를 계속 쫓는 데 지쳤으며, 이제는 비용이 안정되는 결과를 원한다고 말했다. 팔미라 X6와 하네스 개편은 이러한 기업 고객의 요구에 대응하기 위한 비용 중심의 접근으로 제시됐다.

2. 팔미라 X6의 기반과 비용 절감 목표

마케팅 담당자를 위한 인공지능 도구와 에이전트를 제공하는 라이터는 새 주력 모델 팔미라 X6를 공개했다. 이 모델은 지에이아이의 오픈소스 모델 지엘엠-5.2를 기반으로 후처리한 변형이며, 라이터는 이를 실제 배포에 바로 활용할 수 있는 역량을 더 낮은 가격으로 제공하기 위한 모델이라고 설명했다. 회사는 팔미라 X6 자체만이 아니라 하네스 인프라의 변화까지 함께 적용했을 때 기본 작업의 고객 비용을 최대 50% 줄일 수 있다고 추산한다. 새 모델은 기존 제품을 전면 대체하는 방식이 아니라 라이터의 다른 모델 및 고객이 가져온 외부 모델과 함께 제공된다. 모델과 업그레이드된 하네스는 발표 당일부터 라이터 고객이 사용할 수 있도록 공개됐다.

3. 복잡한 다단계 작업과 하네스 최적화

라이터는 팔미라 X6 공개와 동시에 표준 에이전트 하네스도 크게 업그레이드했다. 새 접근법은 특히 복잡한 다단계 작업을 더 빠르게 처리하면서도 사용하는 토큰 수를 줄이는 데 초점을 맞춘다. 회사는 이러한 목표를 달성하는 핵심 수단으로 하네스 최적화를 강조하며, 비용 문제를 모델의 가격이나 성능만으로 해결하려 하지 않는다. 여러 단계가 연속되는 에이전트 작업에서는 각 실행 과정의 토큰 사용이 누적될 수 있으므로, 전체 실행을 담당하는 하네스의 효율이 비용에 직접 연결된다는 관점이다. 이에 따라 팔미라 X6와 하네스 개선은 별개의 발표가 아니라 모델 실행 전반의 비용을 함께 낮추기 위한 결합된 구성으로 소개됐다.

4. 여러 모델을 대상으로 한 연구 결과

라이터 연구진은 최근 논문에서 여러 종류의 모델을 대상으로 하네스 효율을 조금씩 변경했을 때 비용이 어떻게 달라지는지 시험했다. 연구 결과에 따르면 많은 경우 하네스를 개선하는 것이 특정 모델을 고르는 것보다 더 일관된 비용 절감 방법으로 나타났다. 시험 전반에서 측정된 평균 비용 감소율은 40%였으며, 이는 기본 작업에서 최대 50%를 절감할 수 있다는 회사의 제품 추산과는 구분되는 연구 결과다. 연구진은 하네스가 한 조직이 현재 사용하거나 앞으로 도입할 모든 모델에 걸쳐 효율 효과를 확대할 수 있는 구성 요소라고 설명했다. 이 결과는 비용 최적화의 대상을 개별 모델뿐 아니라 여러 모델을 공통으로 실행하는 기반 구조까지 넓혀야 한다는 라이터의 주장을 뒷받침한다.

5. 모델 독립성과 주요 인공지능 연구소에 대한 불신

라이터 고객의 사용 경험은 특정 모델에 종속되지 않으며, 팔미라 X6는 다른 라이터 모델이나 외부에서 가져온 모델과 나란히 선택할 수 있다. 이는 새 모델을 내놓으면서도 고객이 업무별로 여러 모델을 활용하는 기존 방식을 유지한다는 의미다. 하비브는 비용 절감 압력이 커지면서 주요 인공지능 연구소에 대한 기업의 불신도 확대되고 있다고 주장했다. 그는 연구소들이 토큰 사용을 늘릴 재정적 유인을 갖고 있으며, 전례 없는 비용 증가로 인해 최고정보책임자들이 연구소 중심의 접근을 포기하고 있다고 말했다. 또한 주요 연구소들이 기업이 인공지능으로 실질적인 이익을 얻도록 돕는 방법을 충분히 이해하지 못하고 있다는 비판도 제기했다.

🧾 핵심 주장 / 시사점

• 기사에서 제시된 비용 절감의 핵심은 저렴한 모델 하나를 찾는 것이 아니라, 모델 후처리와 하네스 효율 개선을 함께 적용하는 데 있다.
• 평균 40%라는 연구 결과와 기본 작업에서 최대 50%라는 제품 추산은 서로 다른 근거이므로, 측정된 시험 평균과 향후 고객 비용 전망을 구분해 볼 필요가 있다.
• 기업 고객의 관심이 벤치마크 순위에서 비용의 안정성과 실제 업무 효율로 이동하고 있다는 라이터의 판단이 이번 모델 및 하네스 개편의 배경을 이룬다.

✅ 액션 아이템

• 라이터는 팔미라 X6와 지엘엠-5.2 기반 오픈소스 후처리 모델 조합을 기본으로 두고 복잡한 다단계 작업의 토큰 사용량을 정량 점검한다.
• 라이터의 하네스는 모델과 독립적으로 작동하므로 팔미라 X6, 다른 라이터 모델, 외부 모델에서 공통 비용 효율을 비교한다.
• 연구진 실험의 시험 전반 평균 비용 감소율 40%와 기본 작업 최대 50% 절감 추정을 바탕으로 하네스 개선 범위와 모델 선택 우선순위를 조정한다.

❓ 열린 질문

• 팔미라 X6와 하네스 결합 시 기본 작업에서 최대 50% 절감이 실제 배포 비용에 안정적으로 반영되려면 어떤 조건이 필요한가?
• 에이전트 작업의 토큰 사용량이 누적되는 환경에서 하네스 효율 개선이 어디에서 모델 선택보다 비용 절감에 더 크게 기여하는지 어떻게 판별할 것인가?
• 메이 하비브가 벤치마크 경쟁보다 예측 가능한 비용을 강조한 맥락에서, 지엘엠-5.2 기반 팔미라 X6의 비용 신뢰성을 어떤 숫자 기준으로 정의할 것인가?