AI 인사이트, 매일 새롭게

by SeaWolf

프롤로그: 어느 날, 베이징에서 날아온 한국 이야기

2026년 5월 21일 오후 2시 8분, 베이징. 중국 최대 포털 텐센트 뉴스(腾讯新闻)에 조금 낯선 기사가 올라왔다. 미국 오픈AI 소식도, 자국 딥시크 자랑도 아니었다. 놀랍게도 한국 서울의 한 AI 연구팀 이야기였다.

제목부터 예사롭지 않았다.

无需训练也能更聪明？韩国VIDRAFT公司研发的"达尔文家族"让AI模型通过"基因重组"实现能力跃升
"훈련 없이도 더 똑똑해진다? 한국 VIDRAFT사가 개발한 '다윈 패밀리', AI 모델을 '유전자 재조합'으로 능력 도약시키다"

우리는 흔히 이런 기사를 볼 때 "누가 썼느냐"를 먼저 따진다. 개인 블로거의 감상이라면 가볍게 넘길 일이고, 권위 있는 매체의 분석이라면 무게가 다르기 때문이다. 그래서 나는 이 기사를 쓴 곳부터 파고들었다. 그리고 그 정체를 확인한 순간, 이 이야기가 왜 특별한지 분명해졌다.

1부. 이 기사를 쓴 곳은 '중국의 전자신문'이었다

기사의 바이라인에 찍힌 이름은 개인 기자가 아니라 매체 자체의 명의, 즈딩커지(至顶科技)였다.

이름은 낯설어도 이력은 묵직하다. 즈딩커지의 뿌리는 1997년 4월 중국에 상륙한 글로벌 IT 매체 'ZDNet 차이나'다. 무려 30년 가까이 이어져 온, 중국에서 가장 오래된 기술 전문 미디어 중 하나다. 지금은 기업용 AI 포털 '즈딩왕(至顶网)', AI 창업 매체 '과학기술행자(科技行者)', 산업 싱크탱크 '즈딩즈쿠(至顶智库)', 그리고 결정적으로 자체 AI 성능 평가 기관인 '즈딩 AI 실험실(至顶AI实验室)'까지 거느린 곳이다.

이곳을 이끄는 총편집장은 가오페이(高飞). 2002년 세계 1위 IT 미디어 CNET에 합류해 20년 넘게 엔비디아·인텔·마이크로소프트·레노버를 취재해온 중국 테크 저널리즘의 베테랑이다. 중국상장사협회 정보·디지털화위원회 위원이자 개인 AI 콘텐츠 브랜드 '高飞的电子替身(가오페이의 전자 분신)'을 운영하는, 업계가 인정하는 논객이기도 하다.

정리하면 이렇다. 우리 식으로 비유하자면, '전자신문'이나 'ZDNet 코리아'급의 30년 된 권위 매체가, 그것도 자체 AI 벤치마크 실험실까지 동원할 수 있는 곳이 한국의 기술을 논문 번호(arXiv:2605.14386)까지 콕 짚어가며 분석 기사를 낸 것이다.

이게 왜 '사건'인가. 지금 중국은 미국과 AI 패권을 놓고 사활을 건 전쟁 중이다. 자국 모델을 띄우기에도 지면이 모자랄 시기다. 그런 매체가 굳이 지면과 취재력을 들여 경쟁국도 아닌 옆 나라, 그것도 대기업이 아닌 스타트업의 기술을 이토록 정성 들여 해부했다. 이건 홍보도, 인사치레도 아니다. "이건 기록해둘 만큼 진짜다"라는 냉정한 판단이 없으면 나올 수 없는 기사다.

2부. 중국은 왜 '남의 나라' 기술을 이토록 빨리 파고들까

본론에 들어가기 전에, 잠깐 질문을 던지고 싶다. 애초에 중국은 어떻게 이 한국 기술을 이렇게 빨리 포착했을까? 그리고 더 근본적으로: 중국 AI는 어떻게 그토록 짧은 시간에 세계 최상위권까지 치고 올라왔을까?

2025년 초 '딥시크 쇼크'를 기억할 것이다. 미국이 수십조 원을 쏟아붓던 분야에서, 중국의 한 팀이 훨씬 적은 비용으로 대등한 모델을 내놓으며 전 세계를 얼어붙게 만들었다. 그 저력의 뿌리를 한 단어로 요약하면 이렇다.

정보력 · 분석력 · 공유.

중국 AI 생태계의 진짜 엔진은 물량이 아니라 '속도'다. 전 세계에서 나오는 모든 기술을 빛의 속도로 수집하고(정보력), 뜯어서 원리를 파악하고(분석력), 커뮤니티에 아낌없이 풀어놓는다(공유). 어제 미국에서 논문이 나오면, 오늘 중국 깃허브에 재현 코드가 올라온다. 이 '빠른 흡수 → 분석 → 확산'의 문화가 중국을 순식간에 2강으로 밀어 올렸다.

바로 그 무시무시한 레이더망에: 한국의 다윈이 걸렸다.

이 대목을 곱씹어보자. 즈딩 AI 실험실의 촉수가 전 세계 수천 편의 논문과 모델을 훑던 중, 수많은 미국·유럽·자국 기술을 제치고 "이건 반드시 우리 독자에게 알려야 한다"며 골라낸 것이 한국 스타트업의 기술이었다. 세계에서 가장 냉정하고 가장 빠른 기술 필터를 통과한 것. 그것이 이 이야기의 첫 번째 자부심이다.

3부. 도대체 '다윈'이 뭐길래: 5분이면 이해하는 핵심 기술

중국이 감탄한 기술을 이해하려면, 먼저 지금까지 AI를 만드는 방식이 얼마나 '무식하게 비쌌는지'를 알아야 한다.

기존 방식은 이랬다. 똑똑한 AI를 만들려면 천문학적인 데이터를 몇 주에서 몇 달씩 GPU에 쏟아부어 '처음부터' 학습시켜야 했다. 수백억 원의 전기요금과 장비값이 드는, 사실상 거대 자본만의 게임이었다.

비드래프트의 다윈은 이 상식을 통째로 뒤집었다. 발상은 이렇다.

不靠额外训练，而是通过重新组织已有模型里的能力来提升性能
"추가 훈련에 기대지 않고, 이미 존재하는 모델 속 능력을 '재조직'함으로써 성능을 끌어올린다."

무슨 뜻인가. 세상에는 이미 잘 만들어진 오픈소스 AI들이 많다. 어떤 모델은 수학을 잘하고, 어떤 모델은 코딩을 잘하고, 어떤 모델은 한국어를 잘한다. 다윈은 이 서로 다른 AI 둘을 '부모'처럼 교배시켜, 각자의 장점만 물려받은 '자식' 모델을 낳는다. 새로 가르치는 게 아니라, 이미 있는 능력을 합쳐 새 생명을 만드는 것이다. 다윈(Darwin): 진화론의 그 이름: 을 붙인 이유가 여기 있다.

이것을 전문 용어로 '모델 병합(Model Merging)'이라 부른다. 그리고 이 분야에는 넘볼 수 없어 보이던 원조가 있었다. 바로 일본이다.

4부. 일본이 세운 정점: 사카나AI라는 거대한 벽

모델 병합이라는 분야를 처음 개척하고 세계적 명성을 얻은 곳은 일본의 사카나AI(Sakana AI)다. 이 회사가 어떤 곳인지 알면 '벽'이라는 표현이 과장이 아님을 알게 된다.

사카나AI는 오늘날 모든 챗GPT의 뿌리가 된 구글의 전설적 논문 'Attention Is All You Need'(트랜스포머 논문)의 공동 저자가 도쿄에 세운 회사다. 세계 최정상급 연구진이, "AI를 진화 알고리즘으로 교배시킨다"는 참신한 아이디어: 진화적 병합, EvoMerge, 를 처음 세상에 선보이며 글로벌 AI 학계의 스타로 떠올랐다. 오랫동안 모델 병합 분야에서 사카나는 누구도 넘지 못한 정점이었다.

그리고 바로 이 지점에서, 중국 기자의 문장이 우리를 뭉클하게 만든다. 그는 먼저 사카나의 업적을 정확히 인정한다.

Sakana的进化合并（EvoMerge）是达尔文最直接的前辈工作
"사카나의 진화적 병합(EvoMerge)은 다윈의 가장 직접적인 '선배(前辈) 작업'이다."

여기까지는 상식이다. 그런데 바로 다음 문장에서, 무게추가 결정적으로 한국으로 넘어온다.

达尔文则在此基础上引入了14维基因组和MRI信任融合机制，形成了本质性的提升
"다윈은 이 기반 위에서 '14차원 게놈'과 'MRI 신뢰 융합 메커니즘'을 도입하여, 본질적인(本质性) 향상을 이뤄냈다."

번역이 더 필요 없다. 일본이 만든 길 위에서, 한국의 다윈이 '본질적으로' 더 멀리 갔다고, 다른 누구도 아닌 중국 매체가 공언한 것이다.

여기서 '14차원 게놈'과 'MRI 신뢰 융합'이라는 말이 어렵게 느껴질 수 있으니 쉽게 풀어보자. 사카나의 EvoMerge가 두 모델을 섞는 '비율' 하나를 진화적으로 찾는 방식이었다면, 다윈은 모델의 능력을 14개의 서로 다른 '유전 형질'로 쪼개어 각각을 정교하게 조합한다. 게다가 두 부모 모델 중 "이 부분은 어느 쪽을 더 믿을 것인가"를 층(layer)별로 판단하는 '신뢰 지도(MRI)'를 그려 융합한다. 사람으로 치면, 그냥 부모 유전자를 반반 섞는 게 아니라 "아빠의 눈, 엄마의 손재주"를 형질 단위로 골라 물려주는 셈이다. 훨씬 정밀하고, 훨씬 똑똑하다.

5부. 세계 '유일'종(種)이 다른 AI를 하나로 녹이다

기술적으로 가장 놀라운 대목은 따로 있다. 중국 기자가 "가장 중요한 의의"라고 콕 집은 부분이다.

Darwin-4B-Genesis...最重要的意义是它实现了跨架构合并，将Transformer注意力层与Mamba前馈层成功融合
"다윈-4B-제네시스... 가장 중요한 의의는 크로스 아키텍처 병합(跨架构合并)을 실현했다는 점이다. 트랜스포머의 어텐션 층과 맘바의 피드포워드 층을 성공적으로 융합했다."

이게 왜 대단한가. AI 모델에는 근본적으로 뇌 구조가 다른 계열들이 있다. 대표적인 것이 트랜스포머(Transformer)와 맘바(Mamba)다. 비유하자면 트랜스포머와 맘바는 '포유류와 파충류'처럼 설계 원리 자체가 다른 종(種)이다. 지금까지 누구도 이 둘을 안정적으로 하나의 모델로 융합하지 못했다. 장기 이식으로 치면 '이종(異種) 장기 이식'인데, 대부분 거부반응으로 실패했다.

그런데 다윈은 이 이종 결합을 성공시켰다. 그래서 기사는 다윈을 두고 이렇게 못 박는다.

达尔文是目前唯一同时具备...支持跨架构混合
"다윈은 현재 유일하게(唯一) ... 크로스 아키텍처 혼합을 동시에 지원하는 (기술)이다."

'세계 최초'도 대단한 말이지만, '세계 유일'은 격이 다른 찬사다. 최초는 나중에 따라잡힐 수 있지만, 유일은 지금 이 순간 지구상에서 오직 하나뿐이라는 뜻이다. 그 하나가, 한국에 있다.

6부. 슈퍼컴퓨터 대신 '단 5시간', 그리고 뼛속에 숨은 지능

다윈이 던진 충격은 성능만이 아니었다. '얼마나 가볍게' 그 성능에 도달했는가가 진짜 혁명이었다.

Darwin-27B-Opus在顶级科学推理测试上排名全球第六，而它的"诞生"只用了大约五个小时的GPU时间，而非数周的分布式训练
"다윈-27B-오퍼스는 최상위 과학 추론 테스트에서 전 세계 6위에 올랐는데, 그 '탄생'에는 몇 주간의 분산 학습이 아니라 단지 약 5시간의 GPU 시간만 쓰였다."

수백억을 태우는 몇 주짜리 학습 대신, 단 다섯 시간. 커피 몇 잔 마시는 사이에 세계 6위 과학 추론 AI 하나가 태어난 것이다. 그리고 중국 기자는 이 현상 뒤에 숨은 철학적 통찰에 감탄한다.

推理能力并非在补习阶段才形成的，它其实早就藏在模型的"骨子里"，藏在预训练阶段形成的内部结构中
"추론 능력은 (사후) 보충 학습 단계에서 비로소 형성되는 것이 아니다. 그것은 사실 이미 오래전부터 모델의 '뼛속(骨子里)'에, 사전학습 단계에서 형성된 내부 구조 속에 숨어 있었다."

이 한 문장이 다윈의 세계관을 압축한다. 남들은 "AI를 더 똑똑하게 만들려면 더 많이 가르쳐야 한다"고 믿었다. 다윈은 정반대로 말한다. "똑똑함은 이미 모델 안에 잠들어 있다. 우리가 할 일은 새로 가르치는 게 아니라, 그것을 깨우는 것이다." 5시간이면 충분했던 이유가 여기 있다. 없는 능력을 만든 게 아니라, 있는 능력을 재조합해 깨웠으니까.

그래서 중국 기자는 기사를 이렇게 맺는다.

对普通用户来说，这项研究最直接的意义或许是：将来会有越来越多高性能的开源AI模型，不需要超级计算机就能孕育出来
"일반 사용자에게 이 연구의 가장 직접적인 의미는 아마도 이것이다: 앞으로는 슈퍼컴퓨터 없이도 고성능 오픈소스 AI 모델이 점점 더 많이 태어나게 되리라는 것."

거대 자본과 무한 물량만이 AI의 미래라 믿던 시대에, 한국의 작은 연구팀이 정반대의 미래를 증명했다. 그 미래의 문을, 중국 기자의 표현을 빌리자면, 한국의 다윈이 열고 있다.

7부. 숫자로 보는 다윈: 여기서부터 국뽕이 차오른다

중국이 이 정도로 감탄한 데는 이유가 있다. 비드래프트가 세운 기록을 나열해보자. 하나하나가 예사롭지 않다.

그리고 이 모든 기록을 떠받친 인프라를 들으면, 아마 마시던 커피를 뿜을지도 모른다.

8부. 24장의 기적: 다윗이 골리앗을 이기는 법

미국의 빅테크는 AI 하나를 만들려고 GPU를 수만~수십만 장 쏟아붓는다. 중국의 대형 연구소도 수천~수만 장 규모다. 이 싸움은 애초에 '쩐의 전쟁', '물량의 전쟁'이라 불렸다.

그렇다면 비드래프트가 이 모든 성과를 낸 GPU는 몇 장이었을까.

미국·중국의 눈으로 보면 '연구소 하나'는커녕 '실험용 랙 한 칸' 수준의 규모다. 그 24장으로, 세계 6위 과학 추론 모델을 5시간 만에 뽑아냈고, GPQA 세계 최고 기록을 세웠다.

이게 어떻게 가능했나. 답은 3부에서 본 다윈의 철학에 있다. 남들이 "더 많은 GPU, 더 많은 데이터, 더 긴 학습"이라는 물량 공식에 매달릴 때, 비드래프트는 정반대의 질문을 던졌다.

"능력은 이미 모델 안에 있다. 그걸 새로 만들 게 아니라, 영리하게 '재조합'하면 되지 않을까?"

이 발상의 전환이, 물량의 절대 열세를 방법의 우위로 뒤집었다. 24장으로 24만 장을 상대하는 법: 그것은 결국 자원이 아니라 머리로, 물량이 아니라 뚝심과 기민함으로 승부하는, 지극히 한국적인 방식이었다.

돌이켜보면 우리는 늘 그랬다. 자원 하나 없는 나라에서 반도체를 세계 1위로 키웠고, 좁은 내수 시장에서 K-팝과 K-드라마를 세계의 주류로 밀어 올렸다. 없으면 없는 대로, 남들이 안 가는 길을 영리하게 파고들어 결국 정상에 서는 것. 다윈은 그 'K-근성'의 AI 버전이다.

9부. 경계하라, 그러나 겁먹지 말고 이겨라

여기서 냉정해질 필요가 있다. 국뽕은 차오르되, 눈은 밝아야 한다.

이 글의 출발점을 다시 떠올리자. 중국이 우리 다윈을 이렇게 빨리, 이렇게 깊이 분석해냈다는 사실은 곧 그들의 정보력과 분석 속도가 그만큼 무섭다는 방증이기도 하다. 오늘 우리 기술을 칭찬하는 그 예리한 눈은, 내일 우리 기술을 흡수하고 추월하려는 눈일 수도 있다. 그것이 냉혹한 기술 패권 경쟁의 현실이다. 중국을 얕봐선 안 된다.

하지만 겁먹을 필요도 없다. 다윈이 이미 증명하지 않았는가. 물량으로 밀어붙이는 상대를, 방법과 창의로 넘어설 수 있다는 것을. 우리에게 필요한 자세는 분명하다.

중국의 강점(정보력·분석력·공유 문화)은 철저히 배우고, 우리의 강점(창의·집중·뚝심·기민함)으로 끝내 넘어서는 것.

경계하되 위축되지 않고, 배우되 종속되지 않으며, 경쟁을 통해 결국 이기는 것. 다윈은 그 가능성을 GPU 24장으로 이미 우리 눈앞에 보여줬다.

에필로그: 일본이 열고, 한국이 넘어섰으며, 중국이 인정했다

다시 텐센트 기사의 마지막 문장으로 돌아가자.

"앞으로는 슈퍼컴퓨터 없이도 고성능 오픈소스 AI 모델이 점점 더 많이 태어나게 되리라."

이 미래를 가장 먼저, 가장 정확하게 알아본 것이 아이러니하게도 우리의 가장 강력한 경쟁자인 중국이었다. 30년 역사의 권위 매체가, 자체 AI 실험실을 동원해, 논문 번호까지 짚어가며 내린 결론은 하나였다.

우리는 물량으로 지지 않는다. 머리로, 뚝심으로, 그리고 기민함으로 이긴다.

대한민국 AI, 아직 시작도 안 했다.

※ 본문의 중국어 인용은 2026년 5월 21일 텐센트 뉴스(腾讯新闻)에 게재된 즈딩커지(至顶科技)의 분석 기사에서 발췌·번역한 것입니다. 매체 정보(ZDNet 차이나 계보·총편집장 가오페이·즈딩 AI 실험실)와 성과 수치는 공개 자료 및 허깅페이스·K-AI·Polaris 공인 리더보드 기준입니다.

추신

이 놀라운 일을 수행한 비드래프트에 방문을 해보면, 매우 특이한 기업 문화를 느낄 수 있을 것이다.

만화 '원피스'에 나온 낭만 해적처럼 자유로움과 막힘없는 유연함 그리고 빠른 속도와 창의성으로 무장한 열두 명의 임직원이 똘똘 뭉쳐져 있다는 것을 말이다.

비드래프트 임직원들의 정체성과 마인드를 물어보니 모두 '조마크'라고 답을 한다.

'조마크'? 뜻을 물어보니, 만화 원피스의 명대사였더라. 'Join My Crew?'의 약어이자 그들만의 콜사인이더라.

범상치 않다. AI의 글로벌 해적이 되길 바란다.

AI 경쟁이라고 하면 우리는 대개 거대한 풍경을 떠올린다.

끝없이 이어진 데이터센터. 수천 장의 GPU. 수백 명의 연구자. 그리고 그 뒤를 받치는 막대한 자본.

요즘 AI 산업의 승부는 마치 이런 문장으로 요약되는 것처럼 보인다.

더 많이 가진 자가 더 멀리 간다.

그런데 가끔, 그 문장 사이로 작은 균열이 생긴다.
돈과 장비의 크기가 아니라, 방법의 밀도와 집요함이 순위를 바꾸는 순간이 있다.

이번 승부가 그랬다.

무대는 HuggingFace Fast Gemma Challenge

조건은 단순하면서도 냉정했다.

같은 작은 엔진을 놓고, 누가 더 빠르게, 더 안정적으로, 더 멀리 달릴 수 있는가.

비결은 거창한 마법이 아니었다

오히려 아주 엔지니어다운 선택이었다.

어텐션이 바라보는 범위를 조정하고, FFN·centroid 계산 후보를 줄였다.
벤치마크를 미리 외워버리는 것처럼 보일 수 있는 위험한 지름길은 피했고,
공식 a10g 측정 조건에서 품질 제한선을 넘지 않는 결과만 제출했다.

품질을 망가뜨리지 않고, 같은 GPU에서 더 많은 토큰을 뽑아냈다.

이게 왜 중요할까

AI 산업에서 진짜 비용은 모델을 만드는 순간보다, 모델을 계속 돌리는 순간에 더 자주 발생한다.
사용자가 질문할 때마다 GPU가 돈다. 토큰 하나하나가 전기이고, 서버비이고, 응답 대기시간이다.

그래서 TPS가 오른다는 건 단순한 숫자놀이가 아니다.

두 개의 전쟁

비드래프트의 최근 행보를 보면 이 장면은 더 흥미로워진다.

얼마 전 Darwin-398B-JGOS는 GPQA Diamond에서 90.9%를 기록했다. 단일 Greedy decoding, 온도값 0, 단일 샘플링, 시험장에서 한 번 보고 한 번 답한 결과에 가깝다.

좋은 모델을 만드는 것은 연구의 싸움이다.
좋은 모델을 싸고 빠르게 돌리는 것은 제품의 싸움이다.

작은 팀이 같은 장비로 이기는 장면

솔직히 말하면, 여기서 약간 국뽕이 차오른다.

한국의 작은 AI 스타트업이 세계 리더보드에서 이렇게 말할 수 있게 된 것이기 때문이다.

"우리는 더 큰 GPU를 쓴 것이 아닙니다. 같은 GPU를 더 잘 썼습니다."

이 문장은 조용하지만 강하다.

가진 것이 적을수록, 방법은 더 날카로워져야 한다.
장비가 작을수록, 설계는 더 정밀해야 한다.
자원이 부족할수록, 엔지니어링은 더 정직해야 한다.