AI 코딩 에이전트를 한동안 사용하다 보면, 점점 청구 금액이 신경 쓰이지 않으십니까? 저는 Devin의 ACU 소비량을 볼 때마다 그렇게 느꼈습니다.

이유는 명확합니다. 똑똑한 모델일수록 비싸기 때문입니다. Fable 5나 Opus 4.8 같은 프론티어 모델 (Frontier Model, 최상위 고성능 모델)은 모호한 지시에서도 의도를 파악하고, 규모가 큰 리팩토링 (Refactoring)도 망가뜨리지 않고 완수해 줍니다. 하지만 그 똑똑한 모델이 「README를 대충 읽기」, 「grep 결과 살펴보기」와 같은 잡무까지 전부 수행하는 것을 보면, 솔직히 「그 부분은 저렴한 모델로도 충분하지 않을까」라는 생각이 듭니다.

그렇다고 태스크마다 저렴한 모델로 배분하는 「모델 라우팅 (Model Routing)」을 도입하면, 이번에는 나오는 코드의 질이 떨어집니다. 벤치마크 수치는 나쁘지 않은데, 실제로 머지 (Merge)하고 싶다고 느낄 만한 결과물이 줄어듭니다. 이 딜레마에 Cognition이 정면으로 답을 내놓았습니다. 2026년 6월 29일에 발표된 Devin Fusion입니다.

공식 블로그의 서두는 꽤나 강렬하게 시작합니다.

Conventional model routing sucks. (기존의 모델 라우팅은 형편없다)

자사를 포함한 기존의 접근 방식을 통째로 버리는 시작입니다. 이 기사에서는 공식 발표를 바탕으로, Fusion이 무엇을 하고 있는지, 왜 비용이 낮아지는지, 그리고 현재 어디까지 사용 가능한지를 정리합니다.

먼저 3줄 요약

• Fusion은 똑똑한 「메인 (Main)」과 저렴한 「사이드킥 (Sidekick)」이라는 2개의 에이전트를 병렬로 실행하는 하이브리드 구성
• 벤치마크 (FrontierCode Extended)에서는 Fable 5 단독 사용 시와 동등한 스코어를 유지하면서도, 비용은 41% 절감
• 현재는 프리뷰 단계이며, 공식 문서에는 미게재. 1차 정보는 공식 블로그뿐

Fusion 이야기에는 Devin (Cognition)이 독자적으로 붙인 명칭과 AI 업계에서 일반적으로 사용하는 용어가 섞여 있습니다. 읽기 편하도록 먼저 정리해 두겠습니다. 어렵게 생각하지 말고, 헷갈리면 여기로 돌아오면 됩니다.

고유명사 (Devin 독자)는 「Devin의 세계에서만 통하는 말」, 일반 용어는 「다른 AI 도구의 기사에서도 나오는 말」이라고 생각하시면 됩니다.

아주 거칠게 말하자면, Fusion은 「똑똑한 모델 1개로 열심히 하기」를 그만두고, 「똑똑한 모델 + 저렴한 모델의 2체 편성」으로 태스크를 진행하는 메커니즘입니다.

역할 분담은 다음과 같습니다.

여기서 흥미로운 점은 사이드킥이 단순한 「보조 도구」가 아니라는 점입니다. 독자적인 툴셋을 가지고 스스로 컨텍스트 (Context)를 수집하여 움직일 수 있는 일인분의 에이전트로 설계되어 있습니다. 메인은 태스크의 진행 상황을 보고 「이것은 사이드킥에게 맡긴다」, 「이것은 직접 한다」를 매번 판단합니다.

공식 블로그에 따르면, 메인의 동작 방침은 「자신은 최소한으로만 움직이고, 정말 필요한 것만 읽는다. 기본은 위임과 감시에 철저한다」는 것입니다.

이 설계는 인간의 팀으로 치환하면 이해가 쉽습니다. 우수한 테크 리드 (Tech Lead)가 직접 모든 코드를 쓰는 것을 그만두고, 리뷰와 의사 결정에 집중하는 체제와 비슷합니다. 직접 손을 움직이는 양을 줄이고, 판단의 질에 리소스를 집중하는 것입니다.

공식 블로그에는 이를 뒷받침하는 흥미로운 지적이 있습니다. 뛰어난 모델일수록 이 2체 구성에서의 비용 개선 효과가 크다는 것입니다. Fable 5와 같은 강력한 모델은 「무엇을 맡기고 무엇을 직접 할지」를 잘 판단하기 때문에, 멀티 에이전트 (Multi-agent) 구성이 이례적일 정도로 효과적으로 작동한다고 표현되어 있습니다.

똑똑한 모델은 직접 작업하게 하는 것보다 매니저를 시키는 것이 가성비가 좋다. 왠지 인간의 조직론 같아서, 저는 이 발상이 가장 납득이 갔습니다. 실제로 사내 테스트에서는 Cognition에서 머지된 PR의 88%가, 사람의 모델 지정 없이 자동 Fusion 라우터만으로 작동했다고 보고되었습니다. 데모용 숫자가 아니라 사내 실무에서 이미 돌아가고 있다는 점은 안심할 수 있는 요소입니다.

저렴한 모델과 똑똑한 모델을 구분해서 사용하는 발상 그 자체는 새로운 것이 아닙니다. Devin에도 「Adaptive」라는 기존의 모델 라우터 (Model Router)가 있습니다. 그렇다면 Fusion은 무엇이 다를까요? Cognition은 기존 접근 방식의 약점을 두 가지로 꼽았습니다.

즉, 「배분하는 것」도 「상담하는 것」도 아니라, 두 모델을 처음부터 병렬로 실행시키며 각각이 독립적인 영속 캐시 (Persistent Cache)를 갖는 것. 이것이 Fusion의 해답입니다.

은근히 효과를 발휘하는 것이 캐시의 설계입니다. LLM API의 프롬프트 캐시 (Prompt Cache)는 많은 경우 5분 정도면 만료됩니다. 에이전트 (Agent)와 같이 긴 컨텍스트를 유지해야 하는 용도에서는 캐시 작동 여부에 따라 비용이 몇 배씩 차이 나는 일이 드물지 않습니다. Fusion에서는 두 에이전트가 각각의 컨텍스트를 계속 캐시하기 때문에, Advisor형처럼 「상담할 때마다 풀 컨텍스트 (Full Context)를 과금」하는 상황이 발생하기 어렵습니다.

나아가 한 단계 더 세밀한 설계로, 모델 전환을 컨텍스트 압축 (Context Compression) 타이밍에 맞물리게 하는 설계도 소개되었습니다. 압축 시에는 어차피 캐시 미스 (Cache Miss)가 발생하므로, 그때 한꺼번에 전환하면 추가 비용을 최소화할 수 있다는 논리입니다. 자체적으로 에이전트 기반을 구축하고 있는 사람들에게는 매우 와닿는 이야기일 것입니다.

여기서부터가 본론인 숫자입니다. Cognition 독자 벤치마크인 「FrontierCode Extended」의 결과를 우선 위치 관계로 살펴보겠습니다. 가로축은 비용, 세로축은 스코어 (Score)이며, 왼쪽 상단에 위치할수록 「똑똑하고 저렴함」을 의미합니다.

주인공은 가장 왼쪽 상단의 초록색, Fusion + Fable 5입니다. 단일 Fable 5 (오른쪽 하단 주황색)와 비슷한 스코어를 유지하면서, 비용만 크게 왼쪽으로 치우쳐 있습니다. 숫자로 나타내면 다음과 같습니다.

Fusion + Fable 5는 단일 Fable 5를 스코어 면에서 미세하게 앞서면서도 (57.6 대 57.0), 비용을 41% 절감했습니다. Opus급 구성에서도 스코어는 거의 동등하면서 비용은 35% 감소했습니다. 「저렴하게 만들면 성능이 떨어진다」는 트레이드오프 (Trade-off)를 정면으로 깨부순 결과입니다.

비용만으로 다시 정렬해 보면 Fusion 구성의 위치가 더욱 명확해집니다.

가장 높은 Fable 5 단일 모델의 $5.12에 비해, Fusion + Fable 5는 $3.00입니다. 비슷한 수준의 지능을 가지면서 이 정도의 차이는 상당히 큽니다. 제가 Devin을 일상적으로 사용한다면 가장 먼저 이것을 시도해보고 싶을 것입니다.

현재 시점(2026년 7월)에서 Fusion은 프리뷰 (Preview) 단계입니다. app.devin.ai 에 가입하면 Devin의 클라우드 에이전트에서 프리뷰로 사용해 볼 수 있습니다. 기존 사용자는 그대로 사용할 수 있습니다.

다만, 도입 판단 전에 짚고 넘어가야 할 주의사항이 몇 가지 있습니다. 이 부분만 미리 알아두시면 괜찮습니다.

먼저, 공식 문서 (docs.devin.ai)에는 아직 기재되어 있지 않습니다. 2026년 6월분 릴리스 노트 (Release Note)를 확인했으나, 집필 시점 기준으로 Fusion 항목은 없었으며 상세한 설정 방법, ACU 소비 반영, 정식 출시 시기에 대해서는 공식 블로그 외에 1차 정보가 없는 상태입니다. 프리뷰 중인 사양은 변하기 쉬우므로, 요금 체계(벤치마크의 41% 절감이 곧바로 청구 금액의 41% 절감으로 이어지지는 않을 수 있음)를 포함하여 최신 공식 정보를 확인하시기 바랍니다.

다음으로, 벤치마크가 자사 제작이라는 점입니다. FrontierCode Extended는 Cognition 자체의 벤치마크이며, 제3자에 의한 재현은 아직 이루어지지 않았습니다. 숫자 자체는 구체적이어서 신뢰가 가지만, 어느 정도 감안해서 읽을 여지는 있습니다.

마지막으로 모델의 가용성입니다. 공식 블로그에는 미국 정부의 지시에 따라 2026년 6월 12일 시점에 Fable 5에 대한 액세스가 일시 중단되었으며, 벤치마크는 중단 전의 측정치라는 주석이 있었습니다. 프론티어 모델의 공급 상황에 따라 Fusion이 탑재하는 모델도 변할 수 있다는 점을 염두에 두는 것이 좋을 것 같습니다.

또한, 기존의 Adaptive 라우터(Adaptive router)와는 입장이 다릅니다. 혼동하기 쉬우므로 정리해 두겠습니다.

Fusion의 가장 큰 발상의 전환은, "똑똑한 모델을 저렴하게 사용하는 것"이 아니라 "똑똑한 모델에는 판단만 맡기고, 작업은 저렴한 모델에게 넘기는 것"이라고 생각합니다. 모델 라우팅(Model routing)도 Advisor형도 아닌, 독립적인 캐시(Cache)를 가진 2개의 병렬 편성이라는 설계는, 자체적으로 에이전트를 구축하고 있는 사람들에게도 충분히 힌트가 될 것입니다.

프론티어 모델(Frontier model)의 요금에 한숨을 내쉬고 있는 분들은, 프리뷰(Preview)의 움직임을 지켜보시기 바랍니다. 저도 제 환경에서 테스트할 수 있게 되면, 실제 ACU 소비가 어떻게 변하는지 측정하여 후속편을 작성할 계획입니다. 그때 이 기사의 수치와 대조해 보겠습니다.