중국 AI 모델들이 미국 최상위 모델을 바짝 추격하면서 서방의 기술적 우위가 좁은 영역에만 남았다는 분석이 나왔다. 모델 성능 자체보다 모델을 지속적으로 개선하는 시스템과 생태계가 경쟁력의 핵심이 되고 있다는 진단이다.
더디코더(The Decoder)는 8월 20일 발행한 ‘프런티어 레이더’ 4호에서 문샷AI(Moonshot)의 키미(Kimi) K3와 GLM-5.3 등이 미국 최상위 모델과 격차를 크게 줄였다고 보도했다. 이번 분석은 중국 AI 모델의 추격 과정과 서방 연구소가 차별화할 수 있는 영역, 유럽이 동시에 두 경쟁에서 뒤처지는 이유를 다뤘다.
약 1년 반 전 딥시크(DeepSeek) R1이 오픈AI(OpenAI)의 첫 상용 추론 모델 o1과 경쟁하면서 시장에 충격을 줬을 때만 해도 중국 모델의 강점은 일부 평가에 국한됐다. R1은 AIME 2024 같은 개별 시험에서는 o1을 앞섰지만, 사실 지식을 묻는 SimpleQA에서는 뚜렷하게 뒤졌고 이후 평가에서도 중국 모델은 여러 분야를 통틀어 정상에 오르지 못했다. 그러나 최근 공개된 오픈웨이트(open-weights) 모델인 키미 K3, 알리바바(Alibaba)의 Qwen3.8-Max, GLM-5.3은 광범위하고 난도가 높은 평가 대부분에서 상위권에 올랐다.
아티피셜 애널리시스(Artificial Analysis) 기준 키미 K3는 출시 당시 인텔리전스 지수(Intelligence Index) 57점으로 GPT-5.5와 오푸스(Opus) 4.8에 이어 3위를 기록했다. 특히 기업 활용과 관련된 에이전트형(agentic) 업무에서 개선 폭이 컸으며, AutomationBench-AA에서는 한때 1위로 출발했다. 가상의 소프트웨어 회사를 500일간 운영하는 CEO-Bench에서는 단일 실행 기준 2215만달러의 최고 기록을 냈다. 다만 최신 중국 모델은 서방 모델보다 토큰을 훨씬 많이 사용하는 경우가 있어 작업당 비용 우위가 일부 줄어들 수 있다.
더디코더는 현재 서방의 우위가 세 영역에 남았다고 분석했다. 추상적 패턴 인식을 측정하는 ARC-AGI-2에서는 키미 K3가 60.4%로, 앤트로픽(Anthropic)의 코딩·에이전트 주력 모델 페이블(Fable) 5의 89.2%에 크게 못 미쳤다. 반면 ARC-AGI-1에서는 각각 94.5%와 98.5%로 격차가 작았다. 다만 ARC-AGI는 일상 업무와 거리가 있는 추상 능력을 측정해 실제 경제적 차이로 이어질지는 불분명하다.
신뢰성에서도 차이가 났다. 8월 12일 공개된 AA-AnalystAgent는 실제 표와 문서를 활용한 데이터 분석을 다섯 번 연속 맞혀야 과제를 해결한 것으로 인정한다. 오푸스 5가 54%, GPT-5.5가 50%, 키미 K3가 39%였지만, 다섯 번 중 한 번이라도 성공한 비율은 키미 K3 73%, 오푸스 5 74%로 비슷했다. 반복 실행과 검수 장치로 보완할 수 있지만, 승인된 결과 하나를 얻는 비용은 올라간다. 사이버보안도 서방이 앞선 영역으로 제시됐지만, 원문은 구체적인 수치를 제시하지 않았다.
서방 연구소들은 중국 업체들이 서방 모델을 교사로 활용하는 지식 증류와, 실제 능력보다 벤치마크 점수에 맞춰 조정하는 ‘벤치맥싱’을 했다고 의혹을 제기해왔다. 더디코더는 이런 의혹의 사실 여부와 별개로 모델 성능의 선두를 방어하기 어렵다는 결론은 같다고 지적했다. 모델의 격차가 수개월 뒤 공개 모델에 의해 좁혀지는 상황에서 경쟁력은 개별 모델보다 다음 모델을 계속 만들어내는 전체 시스템으로 이동하고 있다는 설명이다.