2026-07-20호

이번 주 AI 업계를 한 마디로 표현한다면?

중국 Moonshot AI가 첫 오픈 3T 클래스 MoE 모델인 「Kimi K3」를 출시하며, AI 모델의 셀프 호스팅 (Self-hosting) 시대를 가속화합니다.

2.8조 개의 파라미터를 가진 이 모델은 MXFP4 양자화 (Quantization)를 통해 스토리지 용량을 대폭 절감하여, 최첨단 성능을 개발자의 손에 닿게 하고 기존의 클로즈드 모델 (Closed model)에 강력한 선택지를 제공합니다.

이번 주 AI 업계는 오픈 소스 (Open source) 모델의 진화와 그것이 가져올 새로운 가능성으로 들썩였습니다. 특히 주목할 점은 Moonshot AI가 첫 오픈 3T 클래스 MoE 모델인 「Kimi K3」를 발표했다는 것입니다. 이는 2.8조 개의 파라미터를 가진 대규모 모델임에도 불구하고, MXFP4 양자화 기술을 통해 스토리지 요구 사항을 대폭 줄여 개발자가 자사에서 최첨단 AI 모델을 운용할 수 있는 현실적인 선택지를 제공합니다. 이를 통해 지금까지 클로즈드 소스 (Closed source) 모델에 의존해 왔던 기업들도 더욱 유연하고 비용 효율적인 AI 활용이 가능해질 것입니다.

동시에, Thinking Machines가 커스터마이징을 전제로 한 오픈 웨이트 (Open weight) MoE 모델인 「Inkling」을 공개한 것은 특정 업무에 특화된 AI를 구축하고자 하는 기업들에게 희소식입니다. 나아가 PrismML의 「Bonsai 27B」는 1비트 양자화를 통해 iPhone 상에서 27B 클래스의 멀티모달 (Multimodal) AI가 동작한다는 획기적인 진보를 보여주었습니다. 이는 클라우드에 의존하지 않는 온디바이스 (On-device) AI 에이전트의 가능성을 크게 넓히며, 데이터 보안과 실시간성을 요구하는 중소기업에게 중요한 의미를 갖습니다.

또한, Meta가 자기지도 학습 (Self-Supervised Learning, SSL)을 활용한 이미지 인식 모델 「DINOv3」를 상용 출시한 것도 AI 도입의 장벽을 낮추는 움직임으로 주목받고 있습니다. 라벨링 (Labeling) 없이도 고정밀 이미지 인식이 가능해짐에 따라, 제품 검사나 환경 감시 등 시각 정보가 중요한 다양한 업무에서의 AI 활용이 가속화될 것입니다. 일본의 AI 생태계에서도 NVIDIA Nemotron이 Sakana AI와 SoftBank, NTT, NEC 같은 기업들에 채택되어, 일본 고유의 언어와 산업 니즈에 특화된 AI 개발을 가속화하고 있습니다.

한편, AI 에이전트의 평가 기준인 「Long-Horizon-Terminal-Bench」의 등장은 AI의 진정한 능력을 측정하는 것의 어려움과, 장기간에 걸친 복잡한 태스크 (Task)에서의 개선 여지를 시사합니다. 인프라 측면에서는 AI 모델과 외부 도구를 연계하는 「MCP」가 2026년 개정에서 스테이트리스 (Stateless)화되어 확장성 (Scalability)이 향상됨에 따라, 대규모 AI 시스템 도입이 더욱 용이해질 전망입니다. 그러나 업계 내 마찰도 나타나고 있는데, Apple이 OpenAI를 영업 비밀 절도로 제소했다는 뉴스는 협력 관계였던 양사의 관계 악화와 AI 분야에서의 지식재산권 (IP) 보호의 중요성을 부각시켰습니다. 또한, Google의 Gemini 3.5 Pro 출시 지연은 특히 코드 생성 능력에서 경쟁사와의 격차가 지적되고 있어, AI 개발 경쟁의 치열함을 보여줍니다.

우리가 주목하고 있는 것은 오픈 소스 AI가 프론티어 모델 (Frontier model)의 성능에 육박하면서도, 다양한 디바이스와 용도에 대한 적응성을 높이고 있다는 점입니다. 이를 통해 AI의 민주화가 가속화되어 더 많은 기업이 자사의 과제 해결에 AI를 도입할 기회가 생겨날 것입니다.

1. 최첨단 오픈 소스 AI 「Kimi K3」의 가능성을 탐색하기 (30분)

Moonshot AI의 Kimi K3는 오픈 웨이트 모델로서 최첨단 성능을 제공합니다. 자사의 AI 전략에 있어 고가의 클로즈드 소스 모델의 대안으로서 셀프 호스팅형 AI 도입을 검토하는 첫걸음으로, 그 기술 사양과 벤치마크 (Benchmark) 결과를 자세히 확인해 봅시다.

→ Kimi K3, 첫 오픈 3T 클래스 MoE 모델로 등장

2. 온디바이스 AI 「Bonsai 27B」로 새로운 경험 시도하기 (1시간)

iPhone에서 동작하는 Bonsai 27B는 클라우드 없이도 보안이 유지되는 AI 활용을 가능하게 합니다. Hugging Face에서 공개된 웨이트를 다운로드하여 자사의 iPhone에서 AI 에이전트 데모를 시도해 봄으로써, 업무 자동화 및 고객 대응에서의 온디바이스 AI의 잠재력을 직접 체감해 보세요.

→ iPhone에서 구동되는 27B 멀티모달 AI 「Bonsai 27B」 등장

3. 커스터마이징 가능한 오픈 모델의 활용 검토하기 (1.5시간)

Thinking Machines의 Inkling나 NVIDIA Nemotron과 같은 오픈 웨이트 (Open-weight) 모델은 자사의 데이터로 파인튜닝 (Fine-tuning)함으로써 특정 업무에 최적화된 AI를 구축할 수 있습니다. 자사의 업무 과제를 도출하고, 이러한 모델들이 어떻게 해결에 기여할 수 있는지 구체적인 유스케이스 (Use case)를 검토하며 PoC 계획을 세워보십시오.

→ Thinking Machines가 첫 오픈 웨이트 MoE 「Inkling」 공개

→ NVIDIA Nemotron, 일본의 AI 생태계에서 존재감 과시

🏷️ AI Models, Open Source, Large Language Models

무슨 일이 있었나? 중국의 Moonshot AI가 첫 오픈 3T 클래스 MoE 모델인 「Kimi K3」를 출시한다고 발표했습니다. 2.8조 개의 파라미터 (Parameters)를 가진 이 모델은 MXFP4 양자화 (Quantization)를 통해 스토리지 사용량을 약 1.4TB로 줄여, 셀프 호스팅 (Self-hosting) 운영을 현실적으로 만듭니다. 프론트엔드 코드 아레나 (Code Arena)에서 Claude Fable 5를 상회하는 성능을 보여주며, 오픈 웨이트 AI의 프론티어를 넓히는 존재입니다.

우리의 관점 Kimi K3의 등장은 오픈 소스 AI가 클로즈드 소스 (Closed-source)의 최첨단 모델에 육박하는 시대가 왔음을 시사합니다. 특히 MXFP4 양자화를 통한 대폭적인 사이즈 감소는 중소기업이나 개발자가 고성능 AI를 더 쉽고 안전하게 자사 환경에서 운영할 수 있는 길을 열어줄 것입니다. 이는 AI의 민주화를 가속화하는 중요한 단계이며, 업계의 경쟁 지도를 바꿀 가능성을 품고 있습니다.

📎 자세히 읽기

🏷️ AI Models, Open Source

무슨 일이 있었나? Mira Murati의 연구소인 Thinking Machines가 첫 오픈 웨이트 기반 모델인 「Inkling」을 Apache 2.0 라이선스로 공개했습니다. 9,750억 개의 총 파라미터를 가진 Mixture-of-Experts (MoE) 모델로, 100만 토큰의 컨텍스트 윈도우 (Context window)와 멀티모달 (Multimodal) 추론을 지원합니다. 이 모델은 자사의 커스터마이징 플랫폼인 「Tinker」에서의 파인튜닝을 전제로 설계되었으며, 기업이 특화형 AI를 구축하는 기반으로 자리매김하고 있습니다.

우리의 관점 Inkling는 단순히 고성능 모델일 뿐만 아니라, 「커스터마이징되는 것」을 전제로 한 설계 사상이 혁신적입니다. 이를 통해 특정 업무나 산업에 특화된 AI를 효율적으로 개발하고자 하는 중소기업에게 매우 강력한 도구가 될 것입니다. Tinker 플랫폼과의 연계를 통해 개발자는 자사의 데이터로 모델을 최적화하고 경쟁 우위를 확보하는 새로운 길을 열 수 있습니다.

📎 자세히 읽기

🏷️ AI Models, Multimodal AI, Open Source

무슨 일이 있었나? PrismML이 1비트 양자화 기술을 통해 27B 클래스의 멀티모달 AI 모델인 「Bonsai 27B」를 불과 3.9GB로 압축하여 iPhone 17 Pro에서 구동하는 데 성공했습니다. 이를 통해 고도의 추론이나 시각적 태스크를 클라우드 연결 없이 디바이스 상에서 실행할 수 있게 됩니다. 15개의 벤치마크에서 풀 프리시전 (Full precision) 모델의 약 90% 성능을 유지하며, 온디바이스 에이전트 (On-device agent) 실현을 향한 큰 발걸음을 내디뎠습니다.

우리의 관점 Bonsai 27B는 온디바이스 AI의 현실성을 단번에 높이는 획기적인 진보입니다. 데이터가 디바이스 외부로 나갈 걱정 없이 안전한 환경에서 고도의 AI를 활용할 수 있다는 장점은 헤아릴 수 없이 큽니다. 특히 에이전트형 AI가 여러 태스크를 연속적으로 실행할 때 발생하는 클라우드 API 비용 및 데이터 전송 문제를 해결하여, 중소기업이 더 고도화된 AI를 저비용으로 안전하게 활용할 수 있는 길을 열어줄 것입니다.

📎 자세히 읽기

🏷️ AI Models, Large Language Models

무슨 일이 있었나? Tencent Hunyuan의 연구진들이 AI 에이전트의 장기 태스크 (Long-horizon task) 능력을 측정하는 새로운 벤치마크인 「Long-Horizon-Terminal-Bench」를 발표했습니다. 실험 재현, 소프트웨어 개발, 과학 계산 등 46개의 복잡한 태스크로 구성되어 있으며, 최종 결과뿐만 아니라 중간 단계의 진척도까지 평가하는 「밀집 보상 시스템 (Dense reward system)」을 채택하고 있습니다. 최첨단 모델조차 통과율이 15.2%에 그쳐, AI 에이전트의 장기 태스크 수행 능력에 개선 여지가 크다는 것을 보여주었습니다.

우리의 관점 지금까지의 AI 평가는 단기적이고 단순한 태스크에 치우치는 경향이 있었으나, 이 새로운 벤치마크는 현실 세계에 더 가까운 복잡하고 시간이 소요되는 태스크에서 AI 에이전트의 능력을 엄격하게 평가합니다. 이를 통해 AI 에이전트 개발자들은 단순한 벤치마크 점수 향상을 넘어, 장기적인 계획 능력이나 문맥 관리 능력과 같은 진정으로 실용적인 능력 향상에 집중할 수 있게 될 것입니다.

📎 자세히 읽기

🏷️ AI Models, Multimodal AI

무슨 일이 일어났나? Meta가 자기지도 학습 (SSL, Self-Supervised Learning)으로 학습된 최첨단 범용 컴퓨터 비전 모델인 "DINOv3"를 상업적 라이선스 하에 오픈 소스로 출시했습니다. 17억 장의 이미지와 70억 개의 파라미터로 학습되었으며, 객체 탐지 (Object Detection) 및 시맨틱 세그멘테이션 (Semantic Segmentation)과 같은 고밀도 예측 태스크에서 단일 백본 (Backbone)이 전문적인 솔루션을 능가하는 성능을 보여주고 있습니다. 데이터 라벨링이 필요하지 않기 때문에 AI 도입 비용과 시간을 대폭 절감할 수 있는 가능성이 있습니다.

우리의 관점 DINOv3는 이미지 인식 AI의 도입 장벽을 크게 낮추는 게임 체인저가 될 수 있습니다. 특히 고품질의 라벨링된 데이터를 준비하기 어려운 중소기업에게 SSL을 통한 학습은 AI 활용의 새로운 문을 열어줄 것입니다. 제품 품질 검사, 공장 이상 탐지, 매장 고객 행동 분석 등 시각 정보가 중요한 모든 업무에서 효율적이고 고정밀한 AI 도입이 기대됩니다.

📎 자세히 읽기

🏷️ AI Models, AI Infrastructure, Asian AI ecosystem, NVIDIA

무슨 일이 일어났나? NVIDIA의 오픈 AI 모델인 "Nemotron"이 Sakana AI, SoftBank, NTT, NEC와 같은 일본의 대기업 및 스타트업에 도입되기 시작했습니다. 특히 Sakana AI는 Nemotron을 동적으로 모델을 라우팅하는 독자적인 레이어인 "Fugu"에 통합했습니다. Nemotron은 각 기업이 자사의 언어나 산업 특성에 맞춘 AI 모델 및 애플리케이션을 구축할 수 있는 기반으로서 주목받고 있으며, 이는 일본의 AI 개발을 가속화하는 전략적인 움직임입니다.

우리의 관점 NVIDIA Nemotron의 일본 시장 확산은 일본 고유의 언어 및 산업 니즈에 특화된 AI 개발의 중요성을 보여줍니다. 오픈 모델을 활용함으로써 기업은 AI를 커스터마이징하고 직접 관리할 수 있어, 저출산 고령화 및 노동력 전환과 같은 일본의 과제에 대해 현장에 즉시 적용 가능한 AI를 도입하기 쉬워집니다. Sakana AI의 Fugu와 같은 오케스트레이션 (Orchestration) 레이어와의 조합은 단일 모델에 의존하지 않는 유연한 AI 활용을 가능하게 하여, 일본 AI 생태계의 성숙을 촉진할 것입니다.

📎 자세히 읽기

🏷️ AI Infrastructure

무슨 일이 일어났나? AI 모델과 외부 도구를 연결하는 공통 언어인 "Model Context Protocol (MCP)"가 2026년 7월까지 대규모 개정될 예정입니다. 가장 큰 변경점은 현재의 스테이트풀 (Stateful) 세션 의존 방식에서 벗어나 스테이트리스 (Stateless) 연결 모델을 채택함으로써, MCP 서버가 부하 분산 장치(Load Balancer) 뒤에서 수평적으로 확장될 수 있게 된다는 점입니다. 이를 통해 대규모 AI 시스템에서의 MCP 확장성 문제를 해결하고 더욱 유연한 운영이 가능해집니다.

우리의 관점 AI와 기존 시스템 연계의 기반이 되는 MCP의 진화는 중소기업의 AI 도입 전략에 큰 영향을 미칩니다. 스테이트리스화를 통한 확장성(Scalability) 향상은 클라우드 환경에서 AI 활용을 고려하는 기업에게 운영 부하 경감과 비용 효율성 개선으로 직결될 것입니다. AI를 업무에 더욱 깊이 통합할 계획이 있다면, 이 프로토콜의 동향을 주시하고 자사의 시스템이 새로운 MCP에 대응할 수 있는지 검토할 가치가 있습니다.

📎 자세히 읽기

🏷️ Big 3 coverage, controversy

무슨 일이 일어났나? Apple이 OpenAI를 영업 비밀 절도 혐의로 연방법원에 제소했습니다. Apple은 OpenAI가 iPhone 제조사의 지적 재산을 훔쳐 자사의 소비자용 하드웨어 개발에 이용했다고 주장하고 있습니다. 양사는 ChatGPT의 iPhone OS 통합 등으로 협력 관계에 있었으나, OpenAI의 하드웨어 사업 진출 계획 이후 관계가 악화되었습니다. 소장에는 OpenAI가 전직 Apple 직원에게 면접 과정에서 Apple의 비밀 정보를 공유하도록 지시했다는 주장도 포함되어 있습니다.

우리의 관점 한때 협력 관계였던 Apple과 OpenAI 사이의 소송은 AI 업계에서의 지식재산(IP) 보호와 경쟁 심화를 상징하는 사건입니다. 특히 OpenAI가 하드웨어 사업 진출을 계획하고 있다는 점이 Apple과의 관계 악화 배경에 있는 것으로 보입니다. 이 소송은 AI 기술의 진전에 따라 기업 간의 제휴와 경쟁의 균형이 어떻게 변화해 나가는지를 보여주는 중요한 사례이며, 향후 AI 업계의 동향에 큰 영향을 미칠 가능성이 있습니다.

📎 자세히 읽기

🏷️ Asian AI ecosystem

무슨 일이 일어났나? 중국의 EV 대기업 XPENG가 「XPENG LIVE: PHYSICAL AI FOR ALL」 이벤트에서 전기자동차의 틀을 넘어 「피지컬 AI (Physical AI)」 기업으로의 전환을 선언했습니다. 차세대 휴머노이드 로봇 「IRON」과 세계 시장을 겨냥한 자율주행 SUV 「MONA L03」를 발표했습니다. 특히, 시각 신호로부터 직접 행동 지시를 생성하는 기반 기술인 「Vision-Implicit Token-Action (VLA 2.0)」 모델은 2026년 하반기 휴머노이드 로봇 양산을 목표로 하는 동사의 피지컬 AI 전략의 핵심을 담당합니다. 라이브 스트리밍은 4일 만에 340만 회 이상 시청되었습니다.

우리의 관점 XPENG의 「피지컬 AI」 전략은 AI가 현실 세계에서 물리적인 행동을 동반하는 애플리케이션으로 진화하고 있음을 명확히 보여줍니다. 휴머노이드 로봇 IRON과 자율주행차 MONA L03은 제조, 물류, 서비스 등 다양한 산업의 업무 효율화에 큰 영향을 미칠 가능성이 있습니다. 특히 VLA 2.0과 같은 「시각에서 행동으로 (Vision-to-Action)」의 직접적인 제어 기술은 향후 물리적인 작업을 AI가 담당하는 데 있어 필수적인 요소가 될 것입니다. 중소기업 경영자들은 이러한 기술이 자사의 물리적인 업무에 어떻게 응용될 수 있을지 지금부터 검토를 시작해야 합니다.

📎 자세히 읽기

🏷️ Big 3 coverage, controversy, Large Language Models

무슨 일이 일어났나? Google의 주력 AI 모델 「Gemini 3.5 Pro」의 출시가 코드 생성 능력 부족을 이유로 몇 달 지연되고 있다고 보도되었습니다. Bloomberg에 따르면, Gemini 3.5 Pro는 사내 목표에 도달하지 못했으며, OpenAI나 Meta와 같은 경쟁사가 최근 발표한 AI 모델에 비해 소프트웨어 코드 생성 측면에서 뒤처져 있다고 지적되었습니다. 이 보도 이후 Alphabet의 주가는 4% 하락했습니다.

우리의 관점 Google Gemini 3.5 Pro의 출시 지연은 AI 개발 경쟁의 치열함과, 특히 코드 생성 능력이 프론티어 모델 (Frontier Model)에게 매우 중요한 요소임을 부각시킵니다. OpenAI와 Meta가 이 분야에서 급격한 진보를 보이는 가운데, Google이 직면한 과제는 단순한 기술적 지연 이상의 의미를 가질 수 있습니다. AI 모델의 능력은 실용성과 시장 경쟁력으로 직결되기 때문에, 향후 Google의 동향과 이 격차를 어떻게 메울지에 이목이 집중됩니다.

📎 자세히 읽기

이번 주 AI 업계는 오픈 소스 모델이 프론티어 모델의 성능에 육박하며 실용적인 응용 범위를 넓히고 있다는 명확한 트렌드를 보여주었습니다. Moonshot AI의 Kimi K3, Thinking Machines의 Inkling, 그리고 iPhone에서 구동되는 Bonsai 27B와 같은 모델의 등장은 AI의 민주화를 가속화하고, 더 많은 개발자와 기업이 최첨단 AI 기술에 접근할 수 있는 시대가 도래했음을 알리고 있습니다.

한편, AI 에이전트 (AI Agent) 평가 기준의 진화와 MCP 프로토콜의 개정은 AI 기술이 단순한 모델 성능뿐만 아니라, 그 운용성이나 확장성(Scalability), 그리고 현실 세계에서의 문제 해결 능력으로 초점을 옮기고 있음을 보여줍니다. Apple과 OpenAI의 소송, Google Gemini 3.5 Pro의 지연과 같은 뉴스는 이러한 급격한 진화의 이면에 있는 치열한 경쟁과 지식재산 보호, 그리고 기술적인 도전의 존재를 부각했습니다.

피지컬 AI 영역에서는 XPENG가 휴머노이드 로봇 IRON을 발표하며 AI가 물리 세계에서 행동하는 미래가 착실히 다가오고 있음을 시사했습니다. 이러한 움직임은 AI가 우리의 일과 생활에 깊이 통합되는 미래가 상상 이상으로 빠른 속도로 다가오고 있음을 예감하게 합니다.

다음 주에도 유익한 정보와 생각할 거리를 전달해 드리겠습니다.

dera news 편집부

📩 dera AI Weekly를 매주 월요일에 이메일로 받기 (무료 · 클릭 한 번으로 해지 가능)