OpenAI와 Anthropic의 우위는 몇 개월 정도에 불과해서, 두 회사 입장이 되고 싶지는 않음. 지속 가능한 경쟁 우위라고 보기 어렵고, 앞서 있기 위해 계속 쳇바퀴에서 전력 질주해야 함.
Claude는 제품화에 상당히 공을 들였음. 평소에는 모든 작업에 Codex를 쓰는데, 아내가 Claude를 쓰는 모습을 보니 작동 방식이 아주 달랐음. Claude 웹사이트에서 아티팩트를 수정하면서 데스크톱의 로컬 파일까지 변경하는 걸 보고 놀랐음.
Microsoft가 스프레드시트 시장에서 이긴 이유는 가장 앞선 기술이나 잦은 출시가 아니라, 쓰기 좋은 제품을 만들어 모두에게 보급했기 때문임. 다만 Office의 p-code는 이식성 측면에서 큰 이점이었음.
이들에게 최악은 일반 소비자가 살 만한 가격에 Kimi나 GLM 5.3처럼 충분히 근접한 모델을 실행하는 하드웨어가 나오는 것임. 소비자 수요가 있으니 제조도 늘어날 것이고, 대형 공급자가 범용 상품을 영원히 독점할 수는 없다고 봄.
가장 기대하는 기술은 고대역폭 플래시(HBF) 임. HBM의 대역폭과 플래시의 저장 밀도를 갖추며, 지연 시간은 훨씬 길지만 가중치를 연산 장치에 반복해서 공급하는 작업에서는 결정적인 장애물이 아니라고 봄.
Google과 Microsoft는 AI 없이도 수익을 내고 있어 시간을 벌 수 있다는 이점이 있음. 이번 제품군은 인상적이고 MAI v1부터 써보고 싶었지만, Microsoft가 Copilot 구독을 제한해 놓았음. Claude Max에 견줄 만한 요금제를 내놓으면 고려할 만함.
Claude에 대해서는 어느 정도 동의하지만, 최근 써본 gpt-sol 6.1은 원하는 결과까지 훨씬 많은 반복 작업이 필요했음. Claude Code와 pi에서 실행한 GPT를 비교한 것이기는 하지만, 차이가 에이전트 때문이라면 OpenAI와 Anthropic의 입지는 더 불안해짐. 간단한 시제품용 코드인데도 생성된 코드 구조가 끔찍하게 엉켜 있었음.
로컬 Qwen 3.8 FN을 Ryzen 395의 Halogen에서 실행해 코드를 보여주자 GPT가 만든 기본적인 오류를 여럿 해결했고, 속도도 더 빠르게 느껴짐. 적어도 Sol의 코딩 능력은 로컬 1,800억 매개변수 모델보다 떨어진다고 느낌. Claude는 아직 앞서 보이지만, 그중 얼마나 프레임워크 덕분인지는 확신하기 어려움.
중국 모델은 최첨단 모델을 증류한다는 반론도 가능함. 직접 최첨단 모델을 개발하는 연구소와는 다르거나, 적어도 얼마나 다른지 명확하지 않음. 다만 Microsoft가 옆에서 치고 올라오는 이번 결과가 검증된다면 이야기가 상당히 달라질 수 있음.
벤치마크가 실사용에서도 유지된다면, 눈앞에서 지능 폭발과 지능의 가치 하락이 거듭 벌어지는 셈임. 어떻게 이렇게 빨리 따라잡았는지 배경을 아는 사람이 있는지 궁금함. OpenAI 모델 접근권을 활용한 GPT 증류가 가장 그럴듯해 보이지만, 아마 허용되지 않을 것 같음.
DeepSWE 1.1은 한동안 신뢰하기 어려웠음. Gemini 3.8 Flash가 Astra만큼 좋다고 보는 사람이 있는지 의문임. TB는 훨씬 어려운 4까지 나왔는데 TB2.1을 대표 수치로 내세우고, FrontierCode도 2.0 대신 1.1을 쓰니 신뢰가 크게 생기지는 않음. 물론 이 분야의 경쟁이 늘어나는 것은 언제나 환영함.
GitHub Copilot 구독을 방금 해지했음. 19달러 요금제조차 정당화하기 어려웠음. API 가격 기준의 크레딧은 대부분 며칠, 일부는 몇 시간 만에 소진했고, 맞춤 설정할 수 없는 코드 리뷰와 관리할 서비스 하나만 더 생겼음. GitHub에 AI를 통합하는 발상은 괜찮지만, Microsoft Copilot처럼 아직 충분히 좋지 않음.
새 모델 두 개는 직접 시험해 보겠지만, 저렴하더라도 하위 모델을 쓸 때 거의 무제한처럼 느껴지는 Claude Code와 Codex에는 못 미침.
발표된 요율대로 Copilot 사용 한도에서 차감한다면 도움이 안 될 것 같음. Microsoft도 Devin처럼 자체 모델에 별도 사용 한도를 제공해야 함.
지금 GitHub Copilot의 핵심 가치는 여러 공급자의 모델을 데이터 무보관(ZDR) 설정이 완료된 상태로 쓸 수 있다는 것임. ZDR이 필요 없다면 쓸 이유가 없음.
Copilot Code Review는 OpenAI 모델을 쓰는 것 아닌가? 지금 품질이 부족하다면 이번 모델 두 개가 나와도 별 영향이 없지 않을까?
이런 기능을 독점 모델과 API에 묶을 이유가 전혀 없음. openapi 호환 엔드포인트와 API 키만 추가하면 쓸 수 있어야 함. GitLab마저 AI 통합을 유료 기업용 라이선스에 묶는 것은 더 나쁨.
모델 성능이 좋아져도 기술 보고서를 계속 공개해 주길 바람. MAI-Thinking-1 보고서는 최근 찾아본 다른 자료보다 훨씬 깊이 있고, 연구소 밖에 있는 이들에게도 매우 유용함.
이번에는 기술 보고서 링크가 없어서 실망스러웠음.
MAI Code 2가 GPT-6.1 Sol 성능의 98%를 비용 40%로, Claude Opus 5.5 성능의 96%를 비용 5%로 제공한다니 흥미로움. 코딩에 특화한 작은 모델이라는 뜻일까? OpenAI도 예전에 그런 접근을 시험하다가 곧 하나의 모델로 모든 것을 해결하는 전략으로 바꾼 것으로 기억함.
그런데 그래프에서 Sol이 Opus보다 열 배나 저렴한 이유가 궁금함. Microsoft의 OpenAI 지분 때문에 유리한 수치를 골랐나 싶었는데, 확인해 보니 AA에서도 비율이 비슷함.
토큰당 가격 차이는 캐싱을 포함해 정확히 두 배임. 캐싱 방식은 다를 수 있지만, 결국 Sol이 훨씬 적은 토큰을 쓰는 것으로 보임. AA 기준 약 네 배 차이니 계산도 맞음. Claude와 Codex를 둘 다 쓰는 사람은 실제 사용에서 어떻게 다른지 궁금함.
비용 차이는 벤치마크마다 크게 달라 일반화하기 어려움. 대체로 Opus는 가장 잘하는 벤치마크에서도 Sol보다 상당히 비싸지만, 성능은 조금 더 좋음.
구독에서는 Anthropic의 할인 폭이 훨씬 커서 차이가 일부 또는 전부 상쇄됨. 나는 둘 다 월 20달러 구독을 쓰는데, 양쪽에서 시험한 작업들의 5시간 사용 한도 소모율은 평균적으로 비슷했음. 작업별 편차는 상당하며 내 작업에만 해당하는 결과임. OpenAI는 100·200달러 요금제에서 할인 폭이 더 크므로, 20달러 요금제는 OpenAI에 가장 불리한 비교이기도 함.
예를 들어 한 작업에서는 Sol만 구현을 검증하려고 광범위한 퍼징을 수행해서 사용량이 더 늘어났음.
중국 모델들도 쓰지 않은 수법인 구버전 벤치마크 비교를 사용했음. 거의 같은 벤치마크에서 Qwen4 Max는 Opus 5.2 수준이므로, 이번 모델보다 조금 뒤처지는 정도일 것임.
회의적이기는 하지만, 최상위 모델들과 정면으로 벤치마크를 비교한 것은 마음에 듦.
DeepSeek, GLM, Qwen과 가격까지 포함한 비교도 보고 싶음.
다만 MAI Code 2에는 50% 프로모션 할인을 적용하고, Opus 5.5와 6.1 Sol은 추론 강도를 Max로 설정해 비교하고 있음.
이 모델들의 기반이 궁금함. Microsoft 자체 모델인가, 아니면 공개 모델에 강화학습을 적용한 것인가?