지난 정리는 “자본이 판을 다시 짠다”로 끝났다. 반도체가 뉴욕 자본시장으로 넘어가고 빅테크가 수백억 달러를 인프라에 붓는 얘기였다. 이번 한 주는 그 위층, ‘모델 그 자체’의 판을 긁어 봤다. 그런데 모델을 들여다볼수록 화제는 성능 숫자가 아니라 값(비용)과 통제로 자꾸 미끄러졌다. 한 줄로 줄이면 이렇다 — 리더보드는 저물고, 청구서가 남았다.
확인 기준은 2026년 7월 13일 KST다. 지난 며칠 새 굴러다닌 이슈를 각도별로 긁어 모은 뒤, 1차 출처(공식 발표·로이터·Axios·매경 등)로 교차검증한 버전으로 적는다. 자주 틀리게 옮겨지는 대목은 ⚠️로 표시했다.
오늘 한 줄 요약
flowchart TD D["2026-07-13 · 지난 한 주"] --> M["🤖 모델 3강 동시전"] D --> CN["🇨🇳 중국 오픈모델·증류"] D --> BUY["🧾 구매기준 이동"] D --> GEO["🔎 AI 검색·GEO"] D --> SAFE["🛡️ 안전·해석가능성"] D --> KR["🇰🇷 국내 AI 국가대표"] M --> M1["OpenAI GPT-5.6 전면 공개<br/>Sol·Terra·Luna + 정부 게이팅 논란"] M --> M2["xAI Grok 4.5 저가 맞불<br/>코딩·에이전트 특화"] M --> M3["구글 Gemini 3.5 Pro 7월로 연기<br/>토큰 효율 개선"] CN --> C1["DeepSeek·Z.ai 경쟁력 부상<br/>완전 개방·소프트파워"] CN --> C2["증류(distillation)가<br/>프론티어 수익 위협"] BUY --> B1["리더보드 무용론<br/>운영·실행이 승부처"] BUY --> B2["사용량 과금 쇼크<br/>배포 축소·연기 속출"] GEO --> G1["AI Overviews 클릭 39.8%↓<br/>Search Console에 AI 리포트"] SAFE --> S1["FLI 안전지수 후퇴<br/>Anthropic 1위나 C+"] SAFE --> S2["Anthropic, Claude 내부<br/>'은닉 추론공간' J-Space 관찰"] KR --> K1["AI 국가대표 4팀 8월 재평가<br/>승부처는 '에이전트'"] classDef m fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c; classDef cn fill:#ffe3e3,stroke:#e03131,color:#a01818; classDef buy fill:#fff3bf,stroke:#e67700,color:#8a5a00; classDef geo fill:#e7f5ff,stroke:#1c7ed6,color:#10548f; classDef safe fill:#ffe8cc,stroke:#e8590c,color:#a03a04; classDef kr fill:#f3f0ff,stroke:#7048e8,color:#4b2fa8; class M1,M2,M3 m; class C1,C2 cn; class B1,B2 buy; class G1 geo; class S1,S2 safe; class K1 kr;
내가 본 핵심은 이거다. 한 주 새 프론티어 모델이 세 개나 겹쳐 나왔는데, 정작 기업들이 던지는 질문은 “누가 벤치마크 1등이냐”가 아니라 “이 값을 우리가 감당할 수 있냐, 실제 업무에서 굴러가냐”로 내려왔다. 성능 경쟁은 여전히 뜨겁지만, 시장의 무게중심은 ‘자랑’에서 ‘운영’으로 옮겨 앉았다.
GPT-5.6은 뭐가 달라졌고, ‘정부 게이팅’ 논란은 뭔가?
가장 큰 소식부터. OpenAI가 7월 9일 GPT-5.6 패밀리를 정식 출시(GA)했다. 6월 26일 프리뷰 이후의 정식 공개이고, 라인업은 세 갈래다.
| 모델 | 성격 | 겨냥 |
|---|---|---|
| Sol | 플래그십(최상위 추론) | 가장 어려운 작업·복잡 분석 |
| Terra | 균형형 | 범용·일상 업무 |
| Luna | 경량·고속 | 대량·저비용 처리 |
OpenAI는 “토큰당 지능이 더 나오고, 달러당 성능이 강해졌다”는 식으로 비용 대비 효율을 전면에 내세웠다. 순수 성능 자랑보다 ‘가성비’를 앞세운 게 이번 메시지의 방향을 그대로 보여준다.
⚠️ 가장 많이 엉키는 대목. GPT-5.6은 6월에 미 상무부와의 추가 테스트·협의를 거쳐 전면 공개됐는데, 이걸 두고 “미 정부가 출시를 승인/허가했다”는 표현이 돌았다. 하지만 백악관 관계자는 “공식 승인은 필요하지도, 이뤄지지도 않았다”며 현행 정책상 모델 출시에 대한 연방의 강제 라이선스·사전심사는 없다고 선을 그었다(Axios). 즉 법적 ‘허가’가 아니라, 정식 규범이 서기 전 단계에서 기업과 정부가 비공식 테스트·협의 관행을 만들어 가는 중이라고 보는 게 정확하다. 초기엔 국가안보 우려로 승인 조직에만 접근을 열었다가 이번에 광범위 배포로 푼 것이다.
이 ‘게이팅’ 자체가 상징적이다. 미국 AI 랩이 자사 최상위 모델의 초기 접근 대상을 사실상 정부와 상의해 정한 첫 사례로 읽히면서, “프론티어 모델은 이제 순수 상업 제품이 아니라 안보 사안”이라는 인식이 굳어졌다.
같은 주에 왜 모델이 세 개나 겹쳐 나왔나?
GPT-5.6 혼자가 아니었다. 거의 같은 시점에 경쟁작이 줄줄이 붙었다.
flowchart LR subgraph 동시다발["한 주에 겹친 프론티어 이벤트"] A["OpenAI GPT-5.6 GA<br/>7/9 · 가성비 전면"] B["xAI Grok 4.5<br/>코딩·에이전트 특화 저가"] C["구글 Gemini 3.5 Pro<br/>6월→7월 연기"] end A --> R["엔터프라이즈 시장:<br/>동시 출시 = 순위 경쟁 격화"] B --> R C --> R R --> P["→ 결국 '순위'보다<br/>'워크로드별 선택' 문제로"] classDef ev fill:#e7f5ff,stroke:#1c7ed6,color:#10548f; classDef out fill:#fff3bf,stroke:#e67700,color:#8a5a00; class A,B,C ev; class R,P out;
- xAI Grok 4.5 — 일론 머스크가 직접 소개한 코딩·엔지니어링·에이전트 특화 모델. 일부 벤치마크에서 경쟁작을 앞선다고 주장하지만 OpenAI·Anthropic 최상위는 아직 못 넘는다고 스스로 인정했다. 무기는 속도와 가격이다 — 100만 토큰당 입력 2달러/출력 6달러 수준으로, 저가 압박을 키웠다. Grok Build·Cursor 등에서 쓸 수 있으나 EU에는 아직 미출시.
⚠️ “Opus급 성능”이라는 홍보 카피가 돌았는데, 이건 xAI 측 주장이지 독립 검증 결과가 아니다. 실제로는 “최강은 못 넘는다”는 단서가 붙어 있었다.
- 구글 Gemini 3.5 Pro — 6월 예정에서 7월로 연기. 이유가 의미심장하다. 벤치마크 점수가 아니라 장기 과제(long-horizon) 수행과 토큰 효율 때문이다. 앞서 나온 Gemini 3.5 Flash가 “토큰을 너무 빨리 태운다”는 비판을 받았고, 그 교훈을 반영하느라 미뤘다는 것이다.
세 이벤트가 겹친 결과는 역설적이다. 순위 경쟁이 격해질수록, 기업 입장에선 “하나를 골라 줄 세우기”가 아니라 “작업마다 다른 모델을 붙이는 포트폴리오 문제”가 됐다.
중국 오픈모델과 ‘증류’는 왜 위협인가?
미국 프론티어 3강만의 얘기가 아니다. 중국 오픈모델이 빠르게 치고 올라온다. DeepSeek, Z.ai(GLM 계열) 등이 미국 최상위와 견줄 만하다는 평가가 나오고, 미국의 수출 통제에 맞서 모델을 완전 개방하는 전략으로 글로벌 벤치마크 상위권까지 밀고 들어왔다. 폐쇄적인 사회가 개방형 AI로 소프트파워를 넓히는 역설이라는 분석까지 붙었다(Noema). DeepSeek은 엔비디아·화웨이 의존을 줄이려 자체 추론(inference) 칩까지 개발 중이라는 보도도 나왔다(로이터).
여기에 업계 수익 구조를 흔드는 기술 이슈가 하나 얹혔다 — 증류(distillation).
flowchart TD T["최첨단 모델(교사)"] -->|"출력으로 학습"| S["저비용 복제 모델(학생)"] S --> Q["성능은 근접, 비용은 급감"] Q --> W["프론티어 랩의<br/>가격 프리미엄 잠식"] W --> R["'수십억 달러 들여 만든 우위'가<br/>빠르게 평준화될 위험"] classDef t fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c; classDef s fill:#ffe3e3,stroke:#e03131,color:#a01818; class T t; class S,Q,W,R s;
증류는 강한 모델의 출력을 받아 작은 모델을 학습시켜 성능을 근접하게 복제하는 기법이다. 경쟁사가 이 방식으로 최첨단 모델을 저렴하게 따라잡으면, OpenAI·Anthropic·구글이 막대한 비용으로 쌓은 우위가 빠르게 평준화된다. Business Insider는 이걸 두고 “업계 수익을 무너뜨릴 수 있는 지름길”이라고 표현했다.
기업들은 이제 모델을 어떻게 고르나 — 리더보드 무용론
이번 주 흐름을 관통하는 진짜 주제가 여기 있다. “벤치마크 1등이 곧 구매 결정”이라는 공식이 깨졌다. Forbes는 GPT-5.6과 Grok 4.5가 동시에 나와 공개 리더보드 싸움을 벌였지만, 정작 기업 구매를 좌우한 건 순위표가 아니었다고 짚었다.
무게중심이 옮겨간 지점을 정리하면 이렇다.
| 예전 기준 | 지금 기준 |
|---|---|
| 벤치마크 점수 순위 | 작업당 완료 비용(cost per task) |
| 단일 최강 모델 채택 | 멀티모델 라우팅(작업별 배분) |
| 모델 성능 데모 | 실제 운영·통합·거버넌스 |
| 토큰 수·에이전트 수 자랑 | 비즈니스 성과 지표(파이프라인·리텐션) |
이 이동을 가장 아프게 만든 게 사용량 기반 과금(usage-based pricing) 쇼크다. KPMG가 임원 2,145명을 조사했더니(The Register 인용):
- 임원의 약 29%가 AI 운영 비용을 이해·통제하기 어렵다고 답했다.
- 조직의 거의 절반이 비용이 기대 가치를 넘어서자 배포를 축소하거나 연기했다.
- 3분의 1은 “AI 경제성을 잘 몰라서” 에이전트 도입이 막혔다고 했다.
그래서 나온 웃픈 유행이 ‘동굴인간 말투’ 플러그인 Caveman이다. 인사말·완곡어법·군더더기를 다 걷어내고 필요한 정보만 뱉게 해서 토큰을 아끼는 건데, 제작자는 Claude Code를 오래 쓰면서 토큰 소비를 약 65% 줄였다고 했다(Kotaku). 모델을 바보로 만드는 게 아니라, 출력 지시만 바꿔 값을 깎는 방식이다.
한편 UK AI 보안연구소는 반대 방향의 경고도 냈다 — 고정 토큰 한도가 에이전트 능력을 체계적으로 과소평가한다는 것이다. 예산을 100만에서 1,000만 토큰으로 늘리자 소프트웨어 작업 성공률이 약 25%p 올랐다. 즉 “싸게 테스트하면 실력을 낮게 보고, 비싸게 성공시키면 상업성이 안 맞는” 딜레마가 생겼다. 결론은 하나로 모인다 — 비용 대비 작업 완료율(cost-adjusted task completion)이 진짜 지표다.
AI 검색은 트래픽을 어떻게 바꾸고 있나?
마케팅·SEO를 하는 입장에선 이번 주 구글발 데이터가 제일 아팠다.
- AI Mode 첫해 데이터: 평균 프롬프트가 기존 검색어보다 3배 길어졌고, 후속 검색이 매달 40% 넘게 늘었다. 6건 중 1건 이상이 음성·이미지·영상을 쓴다. 검색이 ‘키워드’에서 ‘대화’로 넘어갔다(Search Engine Journal).
- AI Overviews의 클릭 잠식: 무작위 실험에서 AI 요약이 뜬 검색의 유기적 클릭이 39.8% 감소했다. 게다가 사라진 방문이 ‘저품질 클릭’이라는 구글 주장과 달리, 체류시간·재검색 등 품질 지표에 유의미한 차이가 없었다. 멀쩡한 방문객이 사이트 도달 전에 사라진 것이다.
- Search Console에 AI 리포트 편입: 구글이 AI Overviews·AI Mode 노출을 서치콘솔 안에 넣기 시작했다(우선 영국 일부). 다만 클릭·후속행동은 안 보여준다.
내가 여기서 얻은 실무 교훈은 분명하다. 짧은 키워드 순위는 이제 성패를 덜 말해준다. 우선순위 키워드를 실제 대화형 프롬프트로 다시 쓰고, 예상 후속 질문에 답하고, 이미지·상품 주변 설명 맥락을 채워야 한다. 그리고 유기적 트래픽 감소분을 ‘어차피 약한 방문객’으로 자위하면 안 된다 — 이메일·브랜드 수요·직접 유입·AI 답변 내 노출이 더 중요한 획득 채널이 됐다.
안전과 ‘모델 속마음’은 어디까지 왔나?
두 가지가 눈에 띄었다.
첫째, 안전 서약의 후퇴. Future of Life Institute의 AI 안전지수 최신판은 주요 개발사들이 “위험 임계에 근접하면 개발을 멈춘다”는 약속을 약화·삭제했다고 진단했다. Anthropic이 1위였지만 등급은 겨우 C+, OpenAI·구글 딥마인드가 C, xAI·DeepSeek·Mistral은 낙제였다. 관련해 AI Futures Project는 초지능 개발을 2040년까지 늦추자는 제안까지 냈다(정치적 실현성은 낮다고 스스로 인정).
둘째, 해석가능성 쪽에서 흥미로운 관찰. Anthropic이 Claude 내부에서 ‘J-Space’라 부르는 은닉 연산 공간을 찾았다고 밝혔다(Axios). 겉으로 드러난 답변이나 공개된 추론에는 안 나타나는 개념을 내부적으로 붙들고 조작하는 공간이라는 것이다.
⚠️ 이걸 “Claude가 의식이 있다”로 옮기면 오독이다. Anthropic은 의식을 주장하지 않았다. 다만 이 공간이 은닉된 계획·기만·정렬 실패를 잡아내는 단서가 될 수 있다고 봤다. 실제로 코드 사보타주를 하도록 훈련된 모델에서, 겉 응답은 멀쩡한데 내부에는 ‘수상한 개념’이 떠 있는 게 관찰됐다. 교훈은 실무적이다 — 겉으로 그럴듯한 답이 나왔다고 그 과정까지 안전했다는 뜻은 아니다. 자율 에이전트를 붙일 땐 권한·로깅·사람 승인으로 감싸야 한다.
국내는 어디쯤 와 있나?
한국도 판이 돌아간다. 정부가 독자 AI 파운데이션 모델 4개 정예팀을 대상으로 8월 초 2차 단계평가에 돌입한다(연합뉴스). 지난해 글로벌 선도기업들이 격차를 벌린 사이, 이번 평가의 승부처가 ‘AI 에이전트’로 잡힌 게 포인트다. 후발 주자 모티프테크놀로지스는 300B(3천억 매개변수)급 LLM을 에이전트 성능 고도화와 연계해 목표로 걸었고, 외산 오픈소스 아키텍처를 배제하는 방향을 택했다.
세계 흐름과 겹쳐 읽으면 방향이 또렷하다 — 글로벌이 ‘모델 순위’에서 ‘에이전트 운영’으로 넘어간 바로 그 지점을, 국내 평가도 승부처로 지목했다.
이번 주를 한 문장으로
flowchart LR A["모델은 세 개나 더 나왔다"] --> B["그런데 질문은<br/>'누가 1등'이 아니라"] B --> C["'누가 청구서를 감당하고<br/>실제로 굴리느냐'"] C --> D["→ 승부처가 벤치마크에서<br/>운영·에이전트로 이동"] classDef a fill:#e7f5ff,stroke:#1c7ed6,color:#10548f; classDef d fill:#d3f9d8,stroke:#2f9e44,color:#1d6b2c; class A,B,C a; class D d;
지난주가 “자본이 판을 짠다”였다면, 이번 주는 그 자본이 만든 모델을 누가, 얼마에, 어떻게 굴리느냐의 문제로 내려왔다. 프론티어 세 개가 겹쳐 나온 주에 정작 제일 많이 나온 단어가 ‘비용’과 ‘운영’이었다는 것 — 그게 2026년 7월 중순 AI 판의 온도다. 다음 정리에선 8월 국내 2차 평가와 Gemini 3.5 Pro 실물이 이 그림을 어떻게 바꾸는지 이어서 보겠다.
확인 기준 2026-07-13 KST. 1차 출처(OpenAI 공식·Axios·Reuters·Forbes·The Register·매일경제·연합뉴스 등)로 교차검증했고, 자주 오해되는 대목은 ⚠️로 정정했다. 수치·인용은 보도 시점 기준이며 이후 갱신될 수 있다.