주간 뉴스 정리 — 2026년 8월 1주차

~ 중국 · 미국 · 국내 · 유럽, 그리고 그 밖

본 글 목적

  • 이번 주 AI 소식을 한 자리에 모아두고, 각 건마다 내가 어떻게 봤는지를 한두 줄로 붙인다. 판단은 뒤에 몰아 두었다.

이번주 한 주의 AI 관련, 혹은 그 외의 SW 관련된 맥락을 짚어보고자 시간을 내어 공부겸 준비해보았다.

이번 주는 계속 이어지던 중국의 공세, 그 공세가 더 거칠게, 사람들의 민감한 지점을 가격했다. 주요 제조사들은 Claude를 성능의 표준처럼 기준을 제시하면서도 비등비등하지만 동시에 가격이 낮다- 라며 자신들을 어필했다. 미국은 그 아래에서 규제와 무료화가 동시에 움직였고, 국내는 국가대표 모델을 국민 200명에게 넘겨 평가받는 중이다. 정리하다 보니 지역마다의 전략이 보이는 것도 재밌지만, 특히나 AI 쪽의 흐름이 정말 흥미진진하다고 느낀다.

중국 — 가성비, 가성비, 가성비…?

이번 주와 살짝 이전까지 합쳐 중국의 AI 모델들을 모아보면 아래와 같다. 출력 100만 토큰 단가 및 지능 지수 성적이다.

모델 출력 지능 지수 공개일
DeepSeek V4-Flash-0731 $0.28 52 2026-07-31
Z.ai GLM-5.2 $4.40 53 2026-06-13
Alibaba Qwen3.8-Max $6.00 58 2026-08-03 발표
Moonshot Kimi K3 $15 60 2026-07-16
(비교) Anthropic Fable 5 $50 62 2026-07-01

Qwen3.8-Max 는 8/3 에 발표만 나왔고 실제 공개는 8/10 전후로 예고됐다. DeepSeek 는 V4 계열 자체가 4/24 출시·7/20 일반 공급이었다. 이번 주는 정식 버전으로 7/31 자 Flash 갱신본이다.

Kimi K3 는 2.8조 파라미터 개방 가중치로 Artificial Analysis 지능 지수 개방 모델 1위고, Qwen3.8-Max 는 총 2.4조 중 활성 950억, 컨텍스트 100만 토큰이다. GLM-5.2 는 MIT 라이선스에 IndexShare 로 100만 토큰 컨텍스트에서 토큰당 연산량을 2.9배 줄였다.

채택 수치가 더 놀랍다. 7월 중순 기준 OpenRouter 상위 10개 모델 중 6개가 중국 것이었고, 한 주 동안 미국 기업이 소비한 토큰의 57%가 중국 모델에서 나왔다. Coinbase 는 직원 사용을 Kimi·GLM 으로 옮겨 AI 지출을 절반으로 줄였다고 밝혔다.

하네스를 외부에서 조달한다는 전제라면, 기업이 내부 툴을 만들 때 이건 거의 무조건 고려 대상이 될 수밖에 없다. 성능과 가격이 압도하니까.

그러나 실사용했을 때, 단순하게 가성비를 기반으로 그 가치를 판단하는 것은 온전해 보이지 않았다. 레이턴시를 공식 API 기준으로 세우면 첫 토큰까지의 시간(TTFT)이 아니라, AI가 사고를 끝내고 실제 답변을 시작하기까지(TTFAT)를 알 수 있고, 그게 유의미한 의미를 제시한다.

모델 TTFAT
Kimi K3 3.13초
DeepSeek V4-Flash 20.19초
Qwen3.8-Max 30.97초 (사고 28.36초)

내부에서 천천히 돌리는 배치 작업에 가까우면 쓸 만하다. 그러나 즉각적인 응답이 필요한 지점이라면 손해 수준이 아니라 못 쓸 수준이 된다.

현재 AI의 서비스 적용, 협업 적용 여러 일들에 쓰이는 건 사실이지만, 근본적으로 기업 내에 가장 도입하기 쉬운건 서비스와 맞닿아 있는 ‘개발’의 영역이다. 그리고 이 지점에서 개발의 가장 큰 병목이 다음과 같은 부분에서 발생한다.

1) 인간의 병목(의사결정) 2) AI의 병목(토큰 산출량)

여기서 TTFT 로만 본다면 무난해보인다. 하지만 막상 기본 20초 정도이고 맥락이 길면 1~2분씩 걸릴 수 있고 이런 행동이 중첩되면 작은 1-2분의 대기가 아니라 토탈 시간의 격차가 월등히 나타날 수 있다. TTFAT 를 보고 판단해야 하는 이유가 여기에 있는 것이다.

중국 모델들의 실제 사용을 해보면, DeepSeek 는 언어 차원에서 동양권 언어 이해도가 확실히 높았고 표현력도 우수했다. Kimi K3 는 OpenCode 에서 돌려보니 opus 급으로 맥락 파악과 수준이 월등했다. GLM-5.2 와 Qwen3.8-Max 는 써볼 예정이다.

하지만 Deepseek v4만 하더라도 수천 토큰 단위 정도의 작업에서 reasoning effort high 상태로 사용 시 대략 1분에서 2분 사이가 되어야 출력이 끝이 났다. 특히 토해낸 내용도 장황하였다. 실 서비스에 붙여보고 싶은 마음도 들었고, 특히 kimi k3 만 하더라도 open code 와 같은 개방형 하네스 툴을 쓰면 claude급의 맥락 파악력, 문제 해결력을 보여주었지만, 그 시간이 아무리 못잡아도 claude의 2배 ~ 최대 3배까지도 오래 걸렸다. 이 지점에서 중국 모델들의 한계가 어디에 있는지는 명료해 보였다.

미국 — 정부는 쥐고, 기업은 겸손해져간다

OpenAI Astra(8/1) — 미공개 내부 모델이 10년 이상 미해결이던 수학·이론 전산학 난제 10개를 풀었다고 발표했다. 발표 형식이 특이한데, 제품 발표가 아니라 「Ten advances in mathematics and theoretical computer science」라는 수학 블로그 글의 세 번째 문단에 끼워 넣었다. 연산 비용이 총 약 $2,000 이고, 249쪽 원고와 함께 모든 결과에 Lean 4 기계 검증 인증서를 Apache 2.0 으로 GitHub 에 올렸다. 비소픽 군(non-sofic group)의 최초 명시적 구성이 대표 결과인데, Gromov 가 1999년 개념을 낸 이후 미해결이던 문제다. 필즈상 수상자 Timothy Gowers 가 그중 하나를 최상위 저널 게재로 추천했다.

격리 이탈 — 8/3 Hugging Face 가 OpenAI 평가에 연관된 에이전트가 통제 환경을 탈출해 자사 시스템에 접근했다고 공개했다. 8/5 영국 AISI 는 GPT-5.6-Sol 과 Mythos 5 를 상대로 122회 중 19회의 무단 행동을 문서화했고, 8/6 에는 Meta 까지 같은 사례를 내놨다.

이건 안전 문제이기 이전에 그 모델의 수준을 말해주는 지표 아닐까 싶다. OpenAI 자신이 새로 만드는 모든 모델이 사이버보안 ‘high’ 등급에 도달할 수 있다고 가정한다고 밝혔으니, 능력을 먼저 정의하고 그 위에 안전을 얹는게 보이지만 이런 지점에서 모델의 완성도가 보안, 권한으로 넘어가는 시점에서 경쟁력의 핵심 키가 이렇게 무너지는건 좋은 시그널은 아니라고 본다.

백악관 프레임워크(8/4~8/5) — NIST 산하 CAISI 가 운영하고, 폐쇄형 프론티어 모델은 공개 전 30일 자발 검토를 받는다. 개방 가중치는 능력 수준과 무관하게 전면 면제다. 중국 개방 가중치 모델도 그래서 미국 테스트 대상이 아니게 됐다.

Fable 사태 때도 그렇지만, 여러 정치적 이유가 있겠지만 핵심은 AI가 얼마나 전략자산으로 통용되고 있는지가 보인다.

Anthropic 자체 칩 — 반도체 엔지니어를 $320,000~$485,000 에 채용해 Claude 용 프로세서를 설계한다. Nvidia·AMD·Google·Amazon 칩은 계속 병행한다고 이야기했다.

Meta Muse Code(8/5) — 첫 터미널 코딩 에이전트 베타다. Terminal-Bench 2.1 에서 82.9% 로 Claude Code(Opus 5) 86.7% 에 못 미치지만, 표준 $1.25/$4.25 에 기여자 티어는 $0.10/$0.20 이다. 12.5배 싼 대신 입력과 출력이 전부 Meta 학습에 쓰인다고 밝혔다.

NVIDIA NOOA — 이번 주 관심은 별로 못 받았겠지만(..) 굉장히 중요한 공개라 생각했다. 에이전트를 파이썬 클래스 하나로 해결하는 도구인데 에이전틱 AI 구현에 핵심을 래핑했다고 봐도 될 것 같다. 그것도 파이썬 클래스 하나로. 메서드가 행동, 필드가 상태, 독스트링이 프롬프트, 타입 어노테이션이 런타임 강제 계약이고, 본문이 ... 인 메서드는 런타임에 LLM 루프가 채운다.

이것을 중요하게 본 이유는 하나다. 기존의 기술들은 파편화된 데다가 로우하여서 누구나 만들기 좋은 구조라고 보기엔 어려웠다. 하물며 그 구조에서 어떤 루프철학이 최선인가는 또 다른 문제로 남은 상태였고, 이 지점이 상당히 설계시의 어려운 부분이었다. 그러나 이건 준 프레임워크가 되어주고, 그건 에이전틱 AI 개발이 더 쉬워지고 빨라짐을 의미한다.

성과 면에선 SWE-bench Verified 에서 GPT-5.5 로 82.2% 인데 과제당 토큰이 약 110만이다. 비교 하네스가 78.2% 수준에 220만 토큰을 쓴 것과 견주면 래핑된 구조를 기반으로 정확도는 위고 토큰은 절반이란 성과를 보여주었다. Apache 2.0 에 모델 불가지(model-agnostic)라 Claude·GPT·Ollama·vLLM 어디에든 붙는다.

성숙도도 저 정도면 충분하다고 본다. 권한을 전부 주는 부분이야 어떻게 설계하냐의 이슈지, 프레임워크의 결함은 아니다. 에이전틱 구축을 위해 로우한 영역을 래핑한 것으로 보면 되겠다.

ChatGPT 무료 무제한(8/6~8/7) — Free·Go 계정의 텍스트 대화 제한이 사라졌다. 이전에는 3~5시간당 10~40개였다. 기본 모델이 GPT-5.6 Luna 로 바뀌었고 ‘Think’ 버튼이 붙었다. 주간 이용자 10억 명 돌파 직후다.

GPT 가 Anthropic의 약진, 그리고 중국산 모델들의 공격에 대한 대응으로 보인다. 최적화를 한 만큼 충분히 커버가 된다고 본게 아닐까? AI의 최적화, 고도화. 이 지점은 미지의 영역인데 배울 가치는 충분하다고 판단된다.

국내 — 소버린 AI, 다음 단계로

독파모 2차 평가가 오늘부터 8/11 까지 진행 중이다. 국민평가단 200명이 자유 공모와 무작위 추첨으로 뽑혔고, 4일간 모델을 직접 써본 뒤 절대평가로 점수를 매긴다. 결과는 이르면 8/12 나온다고 한다.

팀 모델 규모
LG AI연구원 K-EXAONE 2.0 750B
SK텔레콤 A.X K2 688B
모티프테크놀로지스 Motif 3 314B (MoE)
업스테이지 Solar Open 2 250B

4팀 중 1팀이 탈락한다. 정부 방침이 “비전문가 입장에서 자유롭게 써보고 이 모델이 써볼 만하다는 평가를 내리는 게 중요하다”인 걸 보면, 이번 회차는 벤치마크가 아니라 추론 비용·한국어·현장 적용성 쪽에 무게를 두었다. 독자 모델이니만큼, 그런 지점에서의 강세가 더 의미 있다고 판단한 것으로 보인다.

FMS 2026(8/4~8/5)에서 삼성과 SK하이닉스가 서로 다른 답을 냈다. 삼성 zHBM 은 AI 가속기 위에 메모리를 수직 적층해 HBM5 대비 성능 8배, 전성비 3배를 내세웠지만 아직 목업이다. SK하이닉스 HBF 는 샌디스크와 공동 개발한 첫 표준 규격으로, 단일 패키지 512GB 에 대역폭 0.4~3.0TB/s, 인터페이스는 UCIe 이고 구글·텐스토렌트가 컨소시엄에 붙었다.

삼성은 파운드리 주도성 강화 전략이고, SK하이닉스는 표준 구도로 업계의 표준이 되는 전형적 전략에 가까워 보인다. 한쪽은 목업을 냈고 한쪽은 규격을 냈다는 게 그대로 드러난다.

유럽과 그 밖 — 소버린 AI 라는 같은 말, 다른 방법

EU — 8/2부터 AI Act 집행이 시작됐다. AI Office 가 범용 AI 공급자에게 기술 문서를 요구하고, 모델을 평가하고, 학습에 쓴 저작권 콘텐츠 공개까지 요구할 수 있다. 벌금은 최대 1,500만 유로 또는 전 세계 매출 3%다. 챗봇은 자신이 AI 임을 밝혀야 하고 딥페이크는 라벨을 달아야 한다. 행동강령에 180개 넘는 조직이 서명했는데 Meta 는 빠졌다.

일본 — Noetra 가 5년간 최대 1조 엔(약 62억 달러)으로 세계 최초 국영 AI 팩토리를 짓는다. 44개 기업이 주주고 소프트뱅크·소니·NEC·혼다가 핵심이다. 140MW 데이터센터에 Rubin GPU 27,500개가 들어가는데 가동은 2028년 6월이다.

싱가포르 — 세계 최초 에이전틱 AI 거버넌스 프레임워크를 1월 다보스에서 내놨고 5월에 v1.5 로 확장했다. 총리가 직접 의장인 National AI Council 을 만들었고, ASEAN 5개국이 함께 가는 책임 AI 로드맵으로 이어진다.

대만 — Wistron 이 AI 연산 240만 시간을 제공하고 대만 최초 오픈소스 언어 모델을 3년간 지원한다. 같은 해 TSMC 설비투자는 최대 560억 달러다.

정리하며

중국의 진보는 명료하고, 확실히 인정할 만한 성과를 보여주었다. 어차피 AI 에서 가중치 추정을 역으로 시키든 뭘 하든, 결국 웹상에서 쓰이고 또 그걸로 새로운 부를 창출하려고 하는 순간부터 서로 배우고 흡수하며 성장하는 구조는 자명한 부분이다. (ChatGPT가 결국 Google의 논문에서 시작된 걸 생각하면…) 하지만 실사용의 갭은 여전히 존재한다. 중국 모델들을 써보면 설명에 비해 과장되거나, 무리한 마케팅적 수사들이 존재한다.

우선 속도다. 첫 토큰이 언제 나오냐가 중요한 게 아니라, 지문을 받고 추론을 하고 유의미한 토큰을 쏟아내는 것이 핵심인데, 현재 미국의 프론티어 모델들이 딱히 빠른 편이 아닌 점(Gemini 3.5 flash 는 Pro 는 아니니 매우 빠르긴 하지만 비교군이 아니다.)을 감안해도 중국모델들은 너무 느리다. 실 서비스에 붙이기는 성격에 따라 매우 불리하다.

중국 모델들에 대한 실사용 후기에선 스킬이나 가능하다고 표현한 기능이 허상이고 제대로 구동이 안 되는 경우도 관측되었다. DeepSeek V4 는 latest 라우팅 포인트로 라우트된다고 했지만 막상 에러가 뜨며 불안정함도 여전했다. 벤치마크에 대해도 묘한 지점이, 하네스로 클로드 코드 같은 걸 일부러 사용해서, 자체적인 온전한 성능이 아닌 영역을 모델의 성능처럼 표현한 점도 애매하다. 실제로 하네스만 바꿔도 Claude Opus 4.8 도 벤치 스코어가 69.2%와 51.9% 사이를 오간다. 17.3 포인트 차이가 나고, 즉, 모델에 대한 평가인지 하네스를 기반으로 한 평가치인지가 애매한 대목이다.

인프라 쪽은 더 노골적으로 드러났다. DeepSeek 는 가격을 싸다고 홍보했지만 8월 5일 돌연 인상을 예고했다. V4-Flash 가 8월 1일 하루에 8조 토큰을 처리하면서 연산 자원을 압도했고, 7월 중순 피크·오프피크 요율에 이어 한 달도 안 돼 두 번째 가격 변경이다. 기존에 최적화를 통해 가격을 엄청나게 줄였고, 영구 할인하겠다고 한 내용이 무색해진다는 점이 보인다. Kimi 는 공개 48시간 만에 GPU가 한계에 닿아 7/19 신규 구독을 중단했고, 멤버십을 웹·앱용과 코드용으로 쪼개 용도별로 다르게 값을 매기는 전략을 취했다.

미국과 그 격차가 과연 2-3개월인가? 라는 의구심을 들게 만들 수밖에 없는 대목이며, 동시에 실사용 후기에서 나오는 불만들은 일정하게 그들이 이야기한 영역에서 마케팅적인 과장이 들어갔다는 징후들이 보인다.

특히나 모든 모델들이 공통적으로 토큰 사용량이 많다. V4-Flash 는 지능 지수 평가 한 번에 2.1억 토큰을 썼는데 개방 가중치 중앙값이 1억이다. 이 지점에서 퀄리티를 위한 최적화가 다소 빈약한 추론이기 때문인가, 하는 합리적 의심은 할 수 있다.

그러나 오픈웨이트로 나온다는 점에서나, 미국 기업들의 사용 수준을 보면, 중국 모델을 쓰는 건 사실상 AI 활용을 하거나 고도화를 노리는 기업에게는 핵심적일 수 있다고 보인다. 즉, 미국 모델들의 가격적 문제점이 여전히 크다는 점이 보이는 대목이다.

글로벌 경합에선 다들 AI 를 위한 기반과 정책을 다지는 중이지만 결이 다르다. 유럽은 굉장히 기업 생장에 효과적이진 않은 정책들이 보인다. 상위 15개 모델에 유럽 것이 하나도 없는데 규제부터 세운 셈이고, Mistral 의 첫 부채 조달이 7억 2,200만 유로일 때 같은 주 미국에선 SpaceX 한 곳의 분기 자본지출이 184억 달러였다. 계속 미국을 뭐라 할 게 아니라 자기들 쇄국정책으로 산업을 계속 망치고 있는 게 아닌가 싶긴 하다. AI 산업이 얼마나 물을 많이 쓰고, 환경을 파괴하는지는 알지만, 결국 생산성 향상과 새로운 수요와 과학 발전이 기반이 되어서 해결할 수 있는 문제와, 그 가치는 생각하지 못하는걸까 싶기도 하다.

반면 싱가포르의 전략은 확실히 의미 있다고 생각한다. 주변에 영향력을 넓히는 건 이길 수 없는 1, 2등 싸움이 아니라 확실하고 현실적인 면에서 꽤나 유의미하게 주변으로 확대될 것 같다. 글로벌에서 이기진 못해도 주변국보단 자정이나 조건이 좋으니 나오는 선택이며, 이 결과는 현재 성장중인 동아시아의 흐름에서 확고한 영향력이 될 것이리라.