중국 모델을 가장 두려워하는 쪽은 Anthropic과 OpenAI의 천문학적 기업가치에 투자한 벤처캐피털임. Anthropic은 1.2조 달러, OpenAI는 8,500억 달러를 목표로 하는데, 이는 고가 API로 막대한 이익을 낼 수 있다는 전제에서 나온 가치임
중국 연구소들이 우수한 공개 모델을 무료 배포해 이 전략을 무너뜨리고 있으며, 선도 연구소까지 토큰 가격 인하 경쟁에 뛰어들면 기존 기업가치는 정당화되기 어렵고 투자자들은 막대한 장부상 손실을 보게 됨

해당 글도 이런 쟁점을 상당 부분 잘 다루고 있음. 범용재 시장의 수익성은 한계생산비로 결정되며, 전통적 소프트웨어와 달리 LLM 추론에는 한계비용이 발생함
모델은 다운로드만 무료일 뿐 실행은 무료가 아니므로 소프트웨어보다 제조업 경제에 가까움. GLM 5.2로 실제 작업을 해보니 GPT 5.6보다 비쌌고, 미국 연구소들은 과제당 추론 비용에서 앞서 있음
에이전트 작업으로 추론 비중이 커지면 학습비 비중은 감소하며, 토큰 효율은 증류하기 어려워 중국 LLM이 비효율적인 듯함. 대규모 추론 수요에 최적화된 모델은 낮은 과제당 비용을 달성할 수 있으며, OpenAI는 효율적인 토큰화와 짧은 응답 덕분에 Anthropic보다 과제당 비용이 절반 이하이고 최전선 작업에서는 중국 모델보다 저렴하면서 우수함

그렇다면 비공개 시장에서 OpenAI 주식을 사려 해서는 안 될 듯함

모델이 결국 범용재가 된다는 점은 모두 이해하고 있을 것임. 일반 소비자 시장에서는 광고·상향판매가 가능한 사용자 기반과 독점적인 부가 계층이 돈을 벌게 됨
기업도 토큰에 큰돈을 쓰지는 않을 것임. 연구소가 학습비를 보조할 필요가 없어지면 토큰 비용이 10분의 1로, 모델이 칩에 새겨지는 단계에서는 다시 10분의 1로 줄어들어 의도하지 않는 한 유의미하게 많은 토큰을 소모하기조차 어려워질 수 있음

중국 연구소들은 모델 자체가 해자일 수 없음을 입증했고, 안전 우려도 규제 포획을 위한 시도였을 뿐임. OpenAI와 Anthropic이 기업가치를 의심받기 전에 출구를 찾으려 서두르는 이유도 여기에 있음

반대로 SaaS 기업에 투자한 벤처캐피털은 토큰이 저렴한 범용재가 되어 SaaS·앱 계층에 가치가 쌓이길 원함

Claude Code와 Codex가 끈끈하다는 주장과 달리, 겨울과 봄에는 Claude Code를 거의 독점적으로 쓰다가 여름 초 Codex로 아무 어려움 없이 전환했음. 그전에는 Cursor를 썼고 전환 과정은 마찬가지였으며, 잠시 Conductor도 사용했지만 기본적으로 Claude/Codex 실행 환경을 제공하는 정도로 보였음

개인 용도에서는 맞지만, 기업의 구매 결정은 전환 비용이 매우 큼. 구매와 승인에 많은 절차가 필요해 한번 자리 잡은 제품은 오래 유지됨
몇 년 후 영업 담당자가 비용 절감을 내세워 임원을 설득하면 더 나은 제품보다는 가격 때문에 다시 전환함. 아내의 회사도 모두가 새 도구에 익숙해질 때쯤 1~2년마다 다른 회사 제품군으로 바꾸고 있음

ChatGPT 웹사이트에서 Anthropic 웹사이트, Cursor, Windsurf!, Claude, opencode, ohmypi, Codex를 거쳐 다시 Cursor로 돌아왔음. grok 4.5 fast와 Cursor 사용성의 조합이 매우 뛰어나며, 모델과 실행 환경을 옮기는 비용은 사실상 0이었음

형태와 기능이 거의 수렴해 가끔 하나를 열고도 다른 제품으로 착각할 정도임

비개발자의 AI 작업 흐름을 구성하려면 MCP 커넥터와 특정 기능을 설치하고, 모델·실행 환경의 특이점을 우회하며, 보안 경계까지 설정해야 함. 상당한 작업이 필요하므로 일단 제대로 작동하면 대부분은 구성을 바꾸고 싶어 하지 않게 됨

둘 다 사용할 수 있는 지인들은 기술자 여부와 관계없이 번갈아 쓰는 경우가 많음. 성능 차이가 작고 상황에 따라 한쪽이 원하는 작업을 더 잘하기 때문임

고객 백엔드 데이터를 받는 대형 B2B 분석 사이트를 운영하는데, 중국 북서부 신장 지역에서 Shenzhen Tencent Computer Systems Company Limited를 출발지로 하는 트래픽이 대량 관측됨. 다른 중국 기업 대여섯 곳도 고객 웹사이트를 지속해서 두드리고 있음
위성사진에서는 저렴한 태양광 에너지를 활용하는 대규모 데이터센터 건설이 확인됨. 몇 달 전부터 해당 IP의 지리 정보가 Shanghai나 Shenzhen으로 표시되기 시작했지만, 지연시간 측정으로는 여전히 신장 지역에서 동작하는 것으로 보임
참고 자료는 ‘You Can't Cheat Time: Finding foes and yourself with latency trilateration’

, HN 사용자 lopoc이 제공했음. Shenzhen과 신장을 구분하기는 어렵지만 Shanghai와 신장은 차이가 드러남
중국이 증류만 한다고 가정하면 큰 오산임. ByteDance와 Xiaomi에서 보듯 중국은 더 이상 저부가가치 복제만 하는 뒤처진 곳이 아님
중국 기업도 미국 기업처럼 사람에게 비용을 지급하고 웹을 크롤링해 데이터를 확보함. 일부 대기업이 빠르게 웹을 수집해 말뭉치를 구축한 뒤 중국 내 전략 기업에 제공하도록 정부가 유도하는 것으로 이해하고 있음
앱·웹사이트·서비스 데이터를 구매하는 집계업체도 있고, OpenRouter나 Cursor 같은 시스템을 통해 코딩 에이전트와 대화의 실행 흔적을 학습할 수도 있음. 덕분에 DeepSeek 같은 작은 회사는 직접 수백 개 사이트와 코딩 에이전트에서 데이터를 확보할 필요가 없어 비용이 크게 줄어듦
미국 LLM API를 구매해 중국 기업에 중계하는 회사도 있음. 미국 AI 제품을 쓰는 기업이 1만 곳을 넘더라도 중국이 사용 방식과 실행 흔적을 기록해 학습에 활용할 가능성이 있음

“Anthropic과 OpenAI가 최전선급 지능의 단위당 비용이 가장 낮을 가능성이 크다”는 핵심 전제가 충분히 입증되지 않았음. 동일 조건에서 답변 하나를 얻는 데 필요한 토큰을 비교한 벤치마크도 없고, 미국 모델이 더 토큰 효율적이라는 모호한 암시만 있음
중국과 미국의 평균 전력 가격도 비교하지 않았는데 이 부분은 중국이 우세해 보임. 코딩 벤치마크 등이 매출원가를 간과한다는 데는 동의하지만, “최전선 연구소는 괜찮을 것”이라는 결론은 큰 가정에 기대고 있음

중국 모델을 미국 데이터센터에서 실행한다면 중국 전력 가격이 무슨 차이를 만드는지 의문임. Kimi가 주는 위협은 Claude 최신판에는 못 미쳐도 이전 버전과 비슷한 모델을 자체 하드웨어에서 실행해 Claude가 필요 없어지는 데 있음

인터넷의 공개 지식을 긁어 LLM로 만드는 것이 허용된다면, 그 모델을 다시 증류하는 것도 허용하는 편이 타당함. 학습 데이터 수집을 공정 이용으로 명시하고 증류를 금지하는 이용약관을 막자는 제안은 자업자득에 가까움

LLM이 저작권 데이터를 학습할 수 있다면 저작권으로 보호할 수 없는 다른 LLM의 출력도 학습할 수 있어야 공정함. 다만 이용약관에서 증류 금지를 못 하게 하는 것은 설득하기 어려우며, OpenAI가 원하는 고객 유형을 선택할 자유까지 금지해야 하는지는 의문임

증류 금지는 컴파일러를 사용해 더 낫고 효율적인 새 컴파일러를 만드는 일을 금지하는 것과 비슷함

그렇지 않으면 최전선 연구소들이 즐겨 적용하는 “남에게만 적용되는 규칙”에 불과함

원시 데이터로 LLM을 만드는 것은 가치를 더하지만, 증류는 가치를 추출하기만 한다는 차이가 있음. 경계가 모호하고 해답도 확실하지 않지만 우선 이 차이를 인정해야 함
인터넷을 공공재로 보고 연구소에 세금을 부과할 수는 있어도, 이는 증류와 다른 사안임

직접 에이전트 실행 환경을 만들어 본 결과, AI의 성능은 거의 전적으로 모델 자체에서 나오며 실행 환경은 별로 중요하지 않았음. 벤치마크용 mini-swe-agent처럼 최소한의 구성만 있어도 모델은 작업을 잘 수행함
따라서 실행 환경이 해자라는 주장에는 회의적이며, 특히 Claude Code는 예전부터 버그가 매우 많았음

여기서 실행 환경은 코드만이 아니라 최종 사용자 제품 경험 전체를 뜻하는 듯함. Mac 앱이 더 좋고 자동화 실행 방식에 익숙해져 Codex를 계속 쓰고 있으며, 디자인 도구나 협업 같은 작업 흐름을 더 많이 구축할수록 잠금 효과가 커짐
관련 글은 https://stratechery.com/2026/anthropics-safety-superpower/임. 사용자 접점을 소유하고 모든 작업의 캔버스가 되면 강한 잠금 효과가 생기므로, 소프트웨어의 범용 입력재에 머물기 싫은 최전선 연구소와 기존 소프트웨어 회사는 결국 충돌하게 됨

모델 제공업체가 보조금이 적용된 요금제를 자사 실행 환경에서만 허용하기 때문에 주로 거기에 묶이게 됨. 물론 모델과 실행 환경을 함께 바꾸는 선택지도 있음

실행 환경도 결국 범용재가 되겠지만 지금은, 특히 터미널 기반이 아닌 제품에서는 품질 차이가 매우 중요함

“중국산”과 “신뢰할 수 없음”을 동일시하지만 더 중요한 구분은 공개형과 폐쇄형임. 공개 모델은 감사와 미세조정이 가능하고 자체 하드웨어에서 완전히 실행할 수도 있지만, 폐쇄형 모델은 사실상 “우리를 믿으라”는 방식임

공개 가중치 모델은 폐쇄형보다 감사하기 쉽지만, 사실상 탐지 불가능한 백도어를 숨길 가능성은 여전히 있음

미국을 시작으로 전 세계가 중국의 최전선 연구소를 주시해야 함. 중국이 항상 몇 달 뒤처질 것이라 가정할 수 없으며, 동등하거나 앞설 수도 있음
철강·태양광·전기차에서 얻은 교훈을 정책 입안자들이 배워야 함. 중국 정부가 산업 전체를 장악할 체계를 구축하는 방식은 존중하고 연구할 필요가 있으며, 민주주의 국가는 체계가 바뀌지 않으면 본질적으로 AI 도입이 느릴 수밖에 없음
미국·유럽·인도 같은 민주 정부는 정권 교체와 관계없이 실행할 장기 AI 전략을 세우고 자국 연구소를 철저히 보호해야 함. 단, 자국 연구소의 생산적 과제당 지능 가격이 공개 가중치 모델과 비슷해야 가능한데 현재는 그렇지 않음
보호는 구제금융이 아니라 저렴한 에너지와 데이터센터 승인을 신속하게 제공하는 것임. 또한 공개 가중치 모델을 자국 기업이 국내에서 호스팅할 때만 고객이 쓰도록 최소한의 안전장치를 마련해야 하며, 그렇지 않으면 서서히 경쟁력을 잃을 수 있음

“공개 모델은 본질적으로 감속주의적”이라는 관점을 이해하기 어려움. 그의 논리는 비용이 낮아지면 OpenAI의 개발 투자금이 줄어 AI 발전 속도가 느려진다는 것인데, OpenAI만이 발전을 이끈다는 지나친 예외주의로 보임

중국 연구소에서 “AI 코로나”가 탈출할 것처럼 예측하는 것은 우스꽝스러움

공개 가중치 모델이 “AI 공산주의”와 “디스토피아적 지옥”을 만든다고 하면서 바로 다음에는 미국 연방기관을 만들어 중국 공개 모델 사용을 억제하자고 제안함. 동기에 맞춘 논리 전개가 지나침

해당 글의 여러 표현을 일반인이 이해할 말로 풀어줄 필요가 있음. 중국이 이렇게 우수한 모델을 공개하도록 허용할 때 어떤 위험이 있다는 것인지, 중국 공산당이 AGI 가능성에 무지하고 Yann LeCun과 비슷한 관점을 가졌다는 표현이 무엇을 뜻하는지 불명확함
공개 가중치가 왜 본질적으로 발전을 늦추는지, 공개 모델 중심의 세계가 왜 국가가 AI를 디지털 공공 인프라로 제공하는 완전한 AI 공산주의와 디스토피아로 귀결된다는지도 이해하기 어려움

Anthropic이 Mythos 같은 모델을 보유했다면 러시아와 중국 같은 경쟁국도 이미 비슷하거나 더 나은 것을 개발했거나 크게 뒤처지지 않았을 가능성이 큼