어젯밤, 실리콘밸리는 AI 신들의 전쟁을 겪었다

저자: Max, 01 Founder

편집: Max

어젯밤 실리콘밸리에서는 세 가지 큰 사건이 있었다.

Google은 Gemini 3.8 Flash를, Meta는 Muse Spark 1.3을 발표했고, 이전에는 아무도 논의하지 않았던 스타트업 Mostik은 권위 있는 매체 WIRED의 단독 인터뷰에 올랐다.

앞의 두 가지만 본다면, 이는 또 하나의 평범한 AI 벤치마크 경쟁의 밤처럼 보인다.

Google이 Gemini를 DeepSWE 1위에 올려놓은 지 몇 시간 만에 Meta가 더 높은 점수를 발표했고, 세계 1위 타이틀은 불과 몇 시간밖에 유지되지 못했다.

2026년이 되면 이런 일은 이미 무감각해질 정도다.

모델 출시, 벤치마크 갱신, X에서 몇 시간 동안 축하한 뒤 다음 회사가 다시 갱신하기를 기다리는 것.

하지만 어젯밤의 세 가지 사건을 연결해서 보면, 진정으로 주목할 만한 것은 그 순위표에 전혀 없다고 생각한다.

AI의 경제학이 급변하고 있다.

지난 몇 년간 AI 비용을 논할 때 가장 자주 보던 숫자는 백만 토큰당 가격이었다.

하지만 에이전트가 등장한 이후, 이 측정 방식은 점점 부족해지고 있다.

미래에 진정으로 중요한 질문은 "백만 토큰에 얼마인가"가 아니라, 버그 하나를 고치는 데 얼마인지, 연구 하나를 완성하는 데 얼마인지, 에이전트가 3시간 연속으로 일하는 데 도대체 얼마인지일 것이다.

그리고 어젯밤, 추론 비용이 완전히 다른 여러 방향에서 동시에 하락하고 있다.

Google은 프런티어급 능력을 점점 더 저렴한 모델에 담아내고 있고, Meta는 에이전트가 더 적은 토큰과 도구 호출로 동일한 작업을 완수하게 하고 있으며, Mostik은 한 걸음 더 나아가 다음과 같은 질문을 던지기 시작했다.

통신하는 양쪽이 모두 AI라면, 모델 간에 왜 인간을 위해 설계된 언어로 소통해야 하는가?

PART.01, Gemini가 돌아왔다

먼저 Google부터 보자.

Google은 새로운 플래그십 모델 Gemini 3.8 Flash를 발표했으며, 공식적으로 이를 지금까지 가장 강력한 추론 및 코드 모델이라고 밝혔다.

이는 Google이 6주 만에 Flash 시리즈에 대한 세 번째 업데이트로, 3.6에서 3.7, 그리고 지금의 3.8까지 이어졌다.

과거 Flash에 대한 인상은 매우 단순했다. 더 빠르고 저렴하지만, 최상위 모델보다 능력이 다소 떨어진다.

Google은 이제 이 정의를 조금씩 바꾸고 있다.

이번 3.8 Flash의 핵심 개선 사항은 장기적 코딩(long-horizon coding)과 에이전트 워크플로(agentic workflow)에 집중되어 있다.

AI의 장기 소프트웨어 엔지니어링 능력을 측정하는 DeepSWE v1.1에서 약 74%의 점수를 기록했다.

DeepSWE와 기존 코드 벤치마크의 가장 큰 차이점은 모델에 알고리즘 문제 하나를 던지는 것이 아니라, 실제로 에이전트를 코드 저장소에 투입한다는 점이다.

모델은 문제를 이해하고, 코드를 검색하고, 파일을 수정하고, 도구를 호출하고, 테스트를 실행하며, 실패 후에도 계속 원인을 찾아야 한다.

하나의 완전한 작업은 수십에서 수백 단계까지 지속될 수 있다.

이러한 테스트에서 Gemini 3.8 Flash는 한때 세계 1위에 올랐다.

Claude Opus 5 역시 약 74%, GPT-5.6 Sol은 약 73%, 이전에 선두였던 Fable 5는 약 70%다.

능력만 본다면, 이 최상위 모델들 사이에는 더 이상 큰 격차가 없다.

정말 무서운 것은 다른 숫자, 즉 비용이다.

Gemini 3.8 Flash의 API 출시 가격은 입력 0.75달러/1M 토큰, 출력 3.75달러/1M 토큰으로 유지된다.

DeepSWE에서 완전한 작업 하나를 완료하는 평균 비용은 2.36달러에 불과하다.

비교를 위해, 동일하게 약 74%인 Claude Opus 5는 작업당 평균 비용이 11.84달러에 달하고, GPT-5.6 Sol은 약 73%로 평균 비용도 6.46달러다.

즉, 동일한 수준의 소프트웨어 엔지니어링 능력이라도 실행 비용이 몇 배나 차이 날 수 있다.

이는 에이전트 시대에 매우 중요해질 것이다.

챗봇 시대에는 답변 하나가 몇 센트 비싸거나 싸더라도 일반 사용자는 거의 체감하지 못한다.

하지만 에이전트는 완전히 다르다. 코딩 에이전트는 100단계를 연속으로 실행할 수 있고, 리서치 에이전트는 수십 개의 웹페이지를 검색하고 수백 페이지의 자료를 읽을 수 있으며, 미래에는 기업 내 에이전트가 몇 시간 동안 연속으로 작업할 수도 있다.

Google 공식 측은 3.8 Flash가 복잡한 작업을 만나면 능동적으로 더 열심히 일하며(work harder), 더 많은 추론과 도구 호출을 수행한다고 언급하기도 했다.

Google은 비용을 아끼기 위해 모델이 "덜 생각하도록" 한 것이 아니라, 토큰이 이미 충분히 저렴해졌기 때문에 더 긴 루프를 실행하도록 허용한 것이다.

그래서 3.8 Flash에서 진정으로 중요한 것은 또 한 번 세계 1위를 차지했다는 사실이 아니라고 생각한다.

오히려 과거에는 가장 비싼 프런티어 모델만 제공할 수 있었던 능력을 억지로 Flash 가격대에 밀어 넣고 있다는 점이다.

PART.02, 세 시간 반 만에 Meta가 반격했다

Google 관계자들이 Gemini 3.8 Flash 출시를 축하하고 있을 때, Meta가 갑자기 반격에 나섰다.

Meta가 갑자기 Muse Spark 1.3 모델을 발표했다.

Meta가 공개한 평가에 따르면, Muse Spark 1.3은 DeepSWE v1.1에서 75.4%를 기록했다.

이 수치는 Gemini 3.8 Flash, Claude Opus 5, GPT-5.6 Sol을 모두 넘어선다.

더 놀라운 것은 Muse Spark 1.2의 이 테스트 점수가 약 55%에 불과했다는 점이다.

1.2에서 1.3으로의 마이너 버전 업데이트만으로 약 20%포인트가 상승한 것이다.

하지만 이번 Meta 발표에서 진정으로 주목할 만한 것은 75.4%가 아니라고 생각한다.

또 다른 두 숫자가 있다. 도구 호출 약 20% 감소, 토큰 소비 약 25% 감소.

이는 쉽게 간과되지만, 에이전트가 실제로 상용화된 이후 가장 중요한 문제에 매우 가깝다.

에이전트가 돈을 가장 낭비하는 경우는 정상적인 사고가 아니라 길을 잘못 드는 경우가 많다.

예를 들어 코딩 에이전트가 20번째 단계에서 요구사항을 잘못 이해하면, 파일 다섯 개를 계속 수정하고, 테스트를 세 차례 실행하고, 대량의 코드를 검색한 끝에 경로가 잘못되었다는 것을 깨닫고 전부 다시 시작할 수 있다.

수십 번의 도구 호출과 수만 토큰이 그렇게 낭비된다.

따라서 모델이 작업의 모호성을 더 일찍 발견하고, 스스로 해결할 수 없다는 것을 더 일찍 알고, 사용자에게 더 일찍 질문할 수 있다면, 이는 사실상 비용을 직접 절감하는 것이다.

Muse Spark 1.3이 이번에 강화한 많은 능력이 바로 이러한 부류에 속한다. 긴 스레드에서 여러 워크플로를 동시에 유지하고, 모호한 작업을 만나면 능동적으로 질문하며, 해결할 수 없는 문제는 능동적으로 도움을 요청하고, 되돌릴 수 없는 작업은 먼저 확인하며, 장기 작업을 여러 라운드 실행한 후에도 처음의 제약 조건을 잊지 않을 가능성이 높다.

Meta는 심지어 모델이 자신의 능력 경계를 인식하는 것을 강조하기 시작했다. 자신이 무엇을 할 수 있는지 알고, 무엇을 할 수 없는지도 안다.

이러한 능력은 챗봇 시대에는 벤치마크 점수가 20점 오르는 것만큼 매력적이지 않을 수 있지만, 에이전트 시대에는 모두 직접적으로 비용으로 환산될 수 있다.

에이전트가 실수를 한 번 줄이는 것 자체가 추론 최적화다.

따라서 Google과 Meta를 함께 놓고 보면, 대형 모델 경쟁의 측정 단위가 조용히 변화하고 있다.

앞으로는 "백만 토큰에 얼마인가"에 대한 관심이 점점 줄어들고, 다른 숫자에 대한 관심이 커질 것이다.

실제 작업 하나를 처음부터 끝까지 실행하는 데 도대체 얼마가 드는가.

PART.03, Mostik, 파괴적인 돌파구

Google과 Meta가 더 저렴하고 더 적은 토큰으로 작업을 완료하는 방법을 연구하고 있다면, Mostik은 더 근본적인 문제를 건드리기 시작했다.

이 토큰들이 왜 반드시 존재해야 하는가?

Mostik은 러시아어로 "다리"를 의미한다.

CEO Sasha Malysheva가 이 방법의 주요 개발자이며, 최고 과학 책임자는 제네바 대학교 교수이자 2010년 필즈상 수상자인 Stanislav Smirnov다.

그들은 듣기에는 매우 간단하지만 실제로는 극도로 어려운 일을 시도하고 있다. 두 AI 모델이 더 이상 자연어를 통해 서로 소통하지 않도록 하는 것이다.

오늘날 대부분의 멀티 에이전트 시스템은 다음과 같이 작동한다.

모델 A가 정보를 얻은 후, 먼저 수백에서 수천 개의 토큰을 생성하여 자신의 결론을 자연어로 표현한다. 모델 B는 이 텍스트를 전부 읽어 들여 다시 이해하고 자신의 내부 표현을 구축한 다음 추론을 계속한다.

하지만 문제는 대형 모델 내부에서 실제로 계산되는 것이 원래 중국어나 영어가 아니라,

고차원 연속 수학적 표현이라는 점이다.

이는 두 대의 컴퓨터가 직접 데이터를 전송할 수 있는데도, 컴퓨터 A가 먼저 파일을 수백 페이지로 인쇄한 다음 컴퓨터 B가 카메라로 한 페이지씩 OCR로 다시 읽어 들이는 것과 같다.

사람들은 지금까지 인쇄 비용을 낮추는 방법을 연구해 왔지만, Mostik은 차라리 프린터를 버리려고 한다.

그들은 서로 다른 모델의 내부 표현 사이에 다리(Bridge)를 구축하여, 모델이 자연어를 먼저 생성하는 대신 잠재 표현(latent representation)을 직접 교환하도록 시도하고 있다.

실리콘밸리의 권위 있는 매체 WIRED가 공개한 한 실험은 매우 흥미롭다.

Mostik은 풀 버전 GLM-5.2 753B와 모바일 기기에서 실행 가능한 4B Qwen 3.5를 브리징했다.

그 결과 얻은 하이브리드 시스템의 능력은 두 모델 사이에 위치했지만, 추론 비용은 풀 버전 GLM-5.2의 1/20에 불과했다.

물론 Mostik이 모델 통신 문제를 이미 해결했다고 말하기에는 너무 이르다.

잠재 통신(Latent communication) 자체도 어제 처음 등장한 것은 아니며, 지난 몇 년간 임베딩, 히든 스테이트, KV 캐시 등 내부 표현을 교환하려는 연구가 이미 많이 있었다.

진정으로 어려운 것은 서로 다른 모델의 아키텍처, 파라미터, 훈련 데이터, 내부 좌표계가 모두 다르기 때문에, 두 모델이 서로의 잠재 공간을 진정으로 이해하도록 만드는 것 자체가 매우 어려운 문제라는 점이다.

Smirnov 자신도 현재로서는 서로 다른 모델 간의 공통 표현을 설명할 성숙한 수학적 언어조차 부족하다고 인정했다.

하지만 1/20이라는 숫자는 여전히 나를 매우 흥분하게 만든다.

왜냐하면 그것은 완전히 다른 미래 AI 아키텍처를 진지하게 생각하게 만들기 때문이다.

PART.04, 미래에는 0.xB 모델 하나만 있으면 된다

지난 2년간 온디바이스 AI를 논할 때, 우리는 더 큰 모델을 휴대폰에 집어넣는 방법을 계속 연구해 왔다. 7B, 4B, 3B, 1B로 끊임없이 증류, 양자화, 압축하는 것이다.

하지만 Mostik의 이 노선이 결국 실제로 성공한다면, 미래의 휴대폰에는 "무엇이든 다 하는" 대형 모델이 필요하지 않을 수도 있다고 생각한다.

기기에는 0.xB 또는 몇 B 크기의 소형 모델 하나만 실행하면 될 수 있다.

그것은 매우 저렴하고 지속적으로 실행될 수 있으며, 현재 어떤 앱에 있는지, 방금 무엇을 했는지, 기기 상태가 어떤지 이해하고, 대부분의 간단하고 빈도 높은 작업을 처리한다.

정말 어려운 문제가 생기면 잠재 공간 통신을 통해 원격의 대형 모델을 호출한다.

하지만 핵심적인 차이점은 오늘날처럼 10만 토큰의 컨텍스트를 전부 클라우드로 다시 전송하여 원격 모델이 처음부터 다시 읽게 할 필요가 없다는 것이다.

고도로 압축된 잠재 상태(latent state) 한 조각만 전송하면 될 수 있다.

원격의 대형 모델이 복잡한 추론을 완료한 후에도, 로컬 모델에게 수천 토큰의 자연어 설명을 반드시 생성할 필요 없이 새로운 내부 표현을 직접 돌려보낼 수 있다.

이렇게 하면 로컬의 소형 모델은 고빈도, 저비용, 지속적 실행을 담당하고, 클라우드의 프런티어 모델은 저빈도이지만 정말 어려운 추론만 담당하며, 중간에는 어떤 브리지를 통해 효율적으로 통신한다.

미래에 이것이 실제로 가능해진다면, 추론 비용 하락 폭은 오늘날 모델 API 가격이 30%나 50% 인하되는 수준을 훨씬 넘어설 수 있다.

그것은 AI 컴퓨팅을 조직하는 방식 자체를 바꿀 수도 있다.

PART.05, 맺음말

그래서 어젯밤을 돌아보면, 표면적으로는 완전히 다른 세 가지 뉴스다.

Google은 Gemini 3.8 Flash를 출시하여 프런티어급 능력을 Flash 가격대에 밀어 넣었고,

Meta는 Muse Spark 1.3을 출시하여 에이전트가 더 적은 토큰과 도구 호출로 더 많은 일을 하게 했으며,

Mostik은 한 걸음 더 나아가 모델 간 토큰의 일부를 애초에 생성하지 않도록 시도하기 시작했다.

이들은 모두 같은 변화를 가리킨다.

지능이 매우 과장된 속도로 저렴해지고 있다.

그리고 이러한 가격 하락은 더 이상 API 단가 하락에 그치지 않는다.

모델 가격이 하락하고, 작업 완료에 필요한 계산량이 감소하며, 이제는 모델 간 정보 교환 방식까지 재설계되기 시작했다.

이 일이 궁극적으로 가져올 영향은 벤치마크 점수가 몇 퍼센트 포인트 더 오르는 것보다 훨씬 클 수 있다.

많은 기술이 진정으로 폭발하는 순간은 "처음으로 사용 가능해진 때"가 아니라, "마침내 마음껏 사용할 수 있을 만큼 저렴해진 때"이기 때문이다.

오늘날 에이전트 하나가 평범한 사람의 작은 작업을 수행하는 데 수십 달러를 쓰게 하는 것은 아마도 전혀 가성비가 맞지 않을 것이다.

미래에 몇 센트만 든다면, 지금은 아무도 고려하지 않을 많은 애플리케이션이 갑자기 성립된다.

오늘날 우리는 수십 개의 에이전트가 한 사람을 중심으로 24시간 지속적으로 실행되도록 할 수 없지만, 추론 비용이 한두 자릿수 더 하락한다면 그것이 기본 상태가 될 수도 있다.

지금은 이미 아침 7시이고, 원래 몇 시간 전에 잤어야 했다.

결국 Gemini가 발표되고, 몇 시간 후 Meta가 따라잡았으며, 그다음 Mostik의 1/20 실험을 보게 되었다.

침대에 누운 후에도 머릿속에서 계속 이 일들을 생각했다. 휴대폰 속의 0.xB 모델, 클라우드의 대형 모델, 그리고 그들이 더 이상 자연어로 서로 대화할 필요가 없을지도 모른다는 생각까지.

생각할수록 잠이 오지 않아 결국 다시 일어나 이 글을 끝까지 썼다.

Gemini의 74%, Muse의 75.4%는 며칠 후면 새로운 숫자가 덮어쓸 것이다.

하지만 지금 이 흥분을 가라앉히기는 정말 어렵다.

누가 또 세계 1위를 차지했는지보다, 나는 점점 더 다른 질문에 집중하게 된다.

이렇게 똑똑한 AI가 결국 얼마나 저렴해질 수 있을까?

강력한 지능이 정말로 마음껏 호출할 수 있을 만큼 저렴해진다면, 오늘날에는 여전히 매우 미쳐 보이는 많은 AI 제품이 이제 막 시작될 것이라고 생각한다.