클로드의 46분의 1 비용… 샤오미 미모 V2.6, 정말 쓸 만한 대안일까

핵심 요약

1

비용 46배 차이:샤오미 미모 V2.6 프로는 클로드 오푸스 5.5에 비해 46배 저렴한 비용으로 제공된다.

2

1조200억 파라미터:미모 V2.6 프로는 총 1조200억개의 파라미터 중 420억개만 활성화하여 연산 효율을 극대화한 혼합전문가(MoE) 구조를 채택하고 있다.

3

API 가격 동결:미모 V2.6의 API 공급 단가는 직전 버전인 V2.5 수준으로 동결되었다.

4

MIT 라이선스:미모 V2.6 프로는 상업적 제약이 없는 MIT 라이선스를 채택하여 누구나 자유롭게 사용할 수 있다.

5

고난도 과제 격차:미모 V2.6 프로는 고난도 과제에서 여전히 상용 독점 모델에 비해 2배 가까운 성능 격차를 보인다.

샤오미가 9월 22일 공개한 미모 V2.6 프로(MiMo-V2.6-Pro)가 아티피셜 애널리시스(Artificial Analysis) 지능지수에서 46점을 받았다. 가중치를 공개한 오픈웨이트 모델 중 1위다. 하루 뒤 나온 클로드 오푸스(Claude Opus) 5.5는 58점인데, 과제당 비용은 미모가 46분의 1 수준이다.

12점의 지능 격차와 46배의 비용 차이. 하루 전 1위였던 클로드 페이블(Claude Fable) 5.1과 견주면 7점과 59배였다. 두 모델 사이에 벌어진 격차의 본질과 실측 데이터가 가리키는 지점을 짚어본다.

1조200억 파라미터 중 420억개 활성화… MoE의 경제학

미모 V2.6 프로는 총 1조200억개 파라미터를 탑재하고, 토큰 하나를 처리할 때 그중 420억개만 활성화한다. 필요한 전문가 모듈만 선별해 가동하는 이 같은 구조를 혼합전문가(MoE, Mixture of Experts)라고 부른다. 전체 창고의 규모는 방대하지만 한 번에 꺼내 쓰는 자원은 최소화해 연산 효율을 극대화한 설계다.

허깅페이스(Hugging Face) 모델카드에 공개된 사양에 따르면, 백본 70개 층에 라우팅 전문가 384개 중 8개를 동시에 가동하며 컨텍스트 길이는 100만토큰에 달한다. 텍스트와 이미지, 영상, 음성을 단일 신경망에서 처리하는 멀티모달 구조에 오픈소스 라이선스는 상업적 제약이 없는 MIT다. 여기에 토큰을 한 번에 7개씩 미리 뽑아 병렬 검증하는 추측 디코더(Speculative Decoder)를 5개 층으로 결합해 추론 속도를 끌어올렸다.

함께 공개된 미모 V2.6 플래시(Flash)는 3090억개 파라미터 중 150억개만 활성화한다. 프로 버전에는 출력 속도를 최대 20배까지 끌어올린 울트라스피드(UltraSpeed) 모드가 별도로 마련됐으나, 이 모드는 가중치를 외부에 배포하지 않았다. 실제 사용자가 오픈웨이트로 내려받아 자체 호스팅할 수 있는 모델은 프로와 플래시 2종이다.

성능을 큰 폭으로 높였음에도 API 공급 단가는 직전 V2.5 수준을 동결했다. 샤오미는 공식 기술 블로그를 통해 샤오미 미모 오픈 플랫폼에 V2.6이 공식 배포됐으며, API 가격은 직전 V2.5 버전과 비교해 변동 없이 그대로 유지된다고 공표했다.

위 표의 단가는 100만토큰당 기준이며, UltraSpeed 모드는 속도 최대 20배를 내는 대신 값이 정확히 10배 높게 책정됐다. 지연 시간 단축이 극도로 중요한 긴급 워크로드에 초점을 맞춘 가격 정책이다.

오픈웨이트 2·3위와의 격차… 파라미터 규모와 라이선스의 명암

모델 가중치 파일을 공개해 누구나 내려받아 돌릴 수 있게 푼 방식을 오픈웨이트(Open-weights)라고 한다. 9월 23일 기준 글로벌 평가에서 이 오픈웨이트 진영의 1위 자리를 지키고 있는 모델은 미모다.

아티피셜 애널리시스는 오픈소스 모델 비교 페이지에서 “미모 V2.6 프로와 GLM-5.3(max)이 가장 지능이 높은 오픈소스 모델이고, 키미 K3(max)와 GLM-5.3 플래시가 그 뒤를 잇는다”고 평가했다.

표에서 눈에 먼저 띄는 대상은 키미 K3다. 2조8000억개로 미모의 2.75배에 달하는 파라미터를 싣고도 지수는 2점 낮다. 단순 매개변수 규모만으로 1위가 결정되지 않는다는 방증이다. 라이선스 정책에서도 차이가 뚜렷하다. 2위 GLM-5.3과 3위 키미 K3는 둘 다 상업 이용 조건이 까다로운 자체 라이선스를 채택했다. 상업적 제약이 없는 MIT 진영에서 직전 최고 성적은 딥시크 V4.1 플래시의 39점이었는데, 미모는 기준선을 단숨에 7점 끌어올렸다.

추론 속도에서는 순서가 뒤바뀐다. 23일 기준 초당 출력 토큰(TPS)은 딥시크 V4.1 플래시가 221개로 압도적인 1위이며, 미모 58개, GLM-5.3 57개, 키미 K3 37개 순이다. 미모의 속도는 출시 첫날 125개에서 절반 아래로 급감했다. 지능과 속도, 비용이라는 세 축의 우열이 모델마다 갈리는 만큼, 실무 도입 시 구체적인 워크로드 특성에 맞춘 취사선택이 요구된다.

미모와 딥시크 V4.1의 실전 대결… 코딩·터미널 벤치마크의 사각지대

여기서 공식 기술 블로그 부록에 실린 벤치마크 상세 결과를 살펴보면, 미모 V2.6 프로가 직전 MIT 오픈 강자인 딥시크 V4.1 플래시에 밀리는 세부 항목이 4개 나타난다.

DeepSWE v1.1은 실제 깃허브(GitHub) 환경에서 소프트웨어 결함을 끝까지 수정해내는지를 측정하는 실전형 과제다. 아티피셜 애널리시스 코딩 에이전트 지수를 이루는 3대 평가 축 중 하나이기도 하다. 미모는 이 핵심 코딩 시험에서 딥시크에 2.3점 뒤처진다.

그러나 허깅페이스 모델카드의 공식 평가표에는 딥시크 비교 열이 완전히 빠져 있다. 비교군으로 직전 미모 V2.5 프로, 클로드 오푸스 5, GPT-5.6 솔, 클로드 페이블 5 등 4개 모델만 배치했다. 샤오미에 불리한 비교 상대가 공식 홍보용 모델카드 표에서 제외된 결과다. 동일한 개발 주체가 같은 날 공개한 2개 공식 문서 간에 평가 대상 표기가 엇갈린 결과다.

수치 간의 정합성도 일부 어긋난다. 자체 제작한 사이버 보안 벤치마크인 ‘MiMo Cyber Bench’ 점수는 모델카드에 80.2점으로 표기된 반면, 블로그 부록에는 81.7점으로 적혀 있다.

“역대 최강 오픈소스”라는 서술에서도 마케팅적 선택이 엿보인다. 샤오미는 공식 발표문에서 키미 K3와 알리바바 큐웬(Qwen) 3.8 맥스를 능가해 현존 최강의 오픈소스 모델에 등극했다고 선언했다. 그러나 미모와 불과 1점 차로 가장 턱밑까지 따라붙은 2위 모델 GLM-5.3(45점)은 호명 대상에서 제외됐다.

보안 시험서 드러난 이변… 플래시가 프로를 앞선 배경

플래시는 프로의 3분의 1 크기에 API 단가 역시 3분의 1 미만이지만, 일부 특수 영역에서는 프로와 대등하거나 오히려 앞서는 이변을 보였다.

알려진 취약점을 재현하는 공격 코드를 작성하는 ‘CyberGym’에서 플래시는 95.1점, 프로는 94.0점을 받았다. 두 모델 간의 전면 비교에서 소형 모델인 플래시가 대형 프로 모델을 누른 유일한 항목이다. 업무 자동화 역량을 측정하는 AutomationBench에서도 52.3점 대 53.1점으로 격차는 0.8점에 불과했다.

그러나 문제의 난도가 한 단계 올라서면 체급 차이가 여실히 드러난다. ‘ExploitBench’에서는 플래시가 25.3점에 그친 반면 프로는 47.9점을 기록했다. 표준화된 기초 문제에서는 소형 모델이 따라붙지만 복합적인 고난도 추론 구간에서는 대형 모델의 연산 깊이가 판도를 가른다.

이 같은 역전 현상의 단서는 샤오미의 훈련 기록에서 발견된다. 샤오미는 강화학습 실시간 대시보드 공지에서 프로 모델의 후속 학습 단계 중 사이버 데이터셋을 의도적으로 제외했다고 명시했다. 시도 과정에서 불안정한 패턴이 포착됐다는 설명이다. 반면 동일 대시보드의 데이터 배치 구성표를 보면 플래시 모델에는 사이버 데이터셋이 최종 스텝까지 온전히 유지됐다. CyberGym 점수가 역전된 배경을 짐작하게 하는 대목이나, 샤오미가 두 사실 간의 인과관계를 공식 석상에서 명확히 해설하지는 않았다.

아울러 플래시 모델의 모든 성적표는 샤오미 자체 실측치로, 아티피셜 애널리시스 공식 비교군에는 모델 페이지조차 등재되지 않은 상태다. 현재로서는 독립적인 제3자 검증 데이터가 전무한 실정이다.

값싼 오픈웨이트의 환상과 현실… 단일 공급자와 고난도 과제의 한계

먼저 종합 46점이라는 점수가 어떤 검증 체계에서 도출됐는지 면밀히 살펴볼 필요가 있다. 아티피셜 애널리시스 지능지수(v4.3.2)는 10개 영역 시험의 정규화 합산치다. 실무형 과제(AA-Briefcase, GDPval-AA), 자동화(AutomationBench-AA), 터미널 제어(Terminal-Bench 4.0), 코딩(SciCode)이 한 축을 이루고, 고난도 학술 지식(Humanity’s Last Exam), 문서 추론, 물리 추론, 사실 정확도, 장문 맥락 이해가 나머지 절반을 채운다. 특정 단일 과목의 성취도가 아니라 10개 과목의 종합 평균 역량을 가리킨다.

9월 23일 동일 잣대로 산출된 과제당 비용 체계로 넘어가면 양상이 급변한다. 미모 출시 이튿날 오푸스 5.5와 GPT-6 솔(Sol)·루나(Luna)가 전격 공개되며 비용 지형도가 단 하루 만에 재편됐다.

평가 지수 전체를 완주시키는 데 소요된 총비용은 미모가 206.66달러(약 28만원)인 반면, 오푸스 5.5는 8708.2달러(약 1197만원)에 달했다. 오푸스 5.5가 앤트로픽(Anthropic)의 공식 발표대로 입출력 단가를 전작 대비 20% 인하했음에도 이 같은 극단적 격차가 유지된다. 동일 시점에 등장한 그록 4.7과 비교하면 지능지수는 46점으로 동률이지만 비용은 28.8배 차이다.

위 비교군 중 자신보다 저렴하면서 점수까지 높은 대안이 존재하지 않는 최적 효율 경계선(파레토 프론티어) 모델만 추리면 GPT-6 루나, 미모 V2.6 프로, GPT-6 솔, GPT-6 아스트라, 오푸스 5.5의 5종이 남는다. 미모는 이 핵심 경계선 위에 안착해 있다. 그러나 바로 아래에 절반 가격의 루나가 포진하고, 상단에는 불과 2점 차이에 1.06달러인 솔이 자리하면서 ‘절대적 최저가 모델’이라는 지위는 하루 만에 루나에게 넘어갔다.

나아가 이 수치만으로 “오픈웨이트가 상용 독점 모델을 완전히 제압했다”고 결론짓기 전 반드시 짚어야 할 구조적 한계가 세 가지 존재한다.

첫째, 공급 창구가 샤오미 한 곳에 묶여 있다는 점이다. 아티피셜 애널리시스의 공급자(Providers) 현황 페이지에는 등재된 호스팅 기업이 샤오미 단독으로 표기돼 있다. 가격 경쟁을 유도할 서드파티 호스팅 생태계가 부재하다면 현재의 단가는 인프라 효율성에 기반한 시장 가격이 아니라 샤오미의 전략적 정책 단가에 가깝다. 딥시크나 키미처럼 다양한 클라우드 사업자가 뛰어들어야 서비스 단가가 안정화된다. 실제로 초당 출력 속도가 하루 만에 125토큰에서 58토큰으로 반토막 났을 때도 사용자가 우회할 수 있는 대체 인프라는 전무했다.

직접 서버를 구축하는 대안도 이론적으로는 가능하나, 허깅페이스 모델카드가 제시하는 권장 실행 사양은 2개 노드에 걸친 16웨이 텐서 병렬 클러스터다. 일반 기업이나 개인이 온프레미스로 감당하기에는 인프라 장벽이 높다. 1개 노드 8웨이로 구동 가능한 플래시 버전이 그나마 현실적인 대안이다.

둘째, 극한의 고난도 과제에서는 독점 모델과의 격차가 여전히 좁혀지지 않았다. 샤오미 자체 기술 블로그 집계 기준 터미널 작업 역량을 측정하는 ‘Terminal-Bench 4.0’에서 GPT-6 아스트라가 59.6점, 클로드 페이블 5.1이 55.1점, 오푸스 5가 49.0점을 기록한 반면 미모는 34.9점에 그쳤다. 해킹 침투를 시험하는 ExploitBench에서는 아스트라가 100점 만점을 기록할 때 미모는 47.9점에 머물렀다. 평균 46점이라는 수치는 다분야 종합 점수일 뿐, 실무적 부가가치가 높은 복합 추론 영역에서는 상용 플래그십 대비 최대 2배 가까운 열세가 확인된다.

앤트로픽이 공개한 오푸스 5.5의 Terminal-Bench 4.0 점수는 66.4%에 달한다. 동일 평가에서 페이블 5.1이 55.8%로 샤오미 표의 55.1점과 소폭 차이를 보여 측정 환경이 완전히 일치하지는 않으나, 체급 격차가 벌어지는 방향성만큼은 명확하다.

셋째, 에이전트 실전 역량에 대한 외부 공인 평가가 전무하다. 아티피셜 애널리시스의 코딩 에이전트 지수는 23일 기준 19개 툴-모델 조합으로 확장되며 GPT-6 솔까지 편입됐으나, 미모는 아직 순위표에 오르지 못했다. 이 지수는 모델 단독의 지능이 아니라 실제 개발 도구와 결합된 자율 해결력을 측정한다. 현재 유통되는 미모의 에이전트 점수는 전적으로 샤오미의 자체 테스트 결과물이다.

“평균 46점의 가성비 이면에 가려진 단일 공급자 독점 구조와 고난도 벤치마크의 2배 격차… 오픈웨이트의 진정한 승리는 가격표가 아닌 독립적 생태계 검증에서 시작된다.”

6일간 생중계된 강화학습… 투명한 훈련과 보상 왜곡의 그림자

벤치마크 수치를 둘러싼 공방과 별개로, 샤오미가 이번 릴리스에서 시도한 가장 파격적인 행보는 훈련 전 과정의 공개성이다.

모델이 다양한 시도를 거듭하며 피드백 점수를 통해 최적의 행동 경로를 터득하는 기법을 강화학습(RL)이라 부른다. 샤오미는 실제 신경망 학습 과정을 웹 대시보드로 실시간 생중계했다. 보상 평균값, 소비 토큰량, 태스크 통과율 등 핵심 지표와 엔지니어링 운영 공지가 여과 없이 송출됐다. 폐쇄적인 환경에서 학습을 완료한 뒤 최종 가중치와 결과 보고서만 내놓던 기존 업계 관행을 뒤흔든 실험이다.

대시보드 실측 기록에 따르면 프로 모델은 9월 15일 학습을 개시해 5일 7시간 동안 구동됐으며, 플래시는 3일 11시간이 소요됐다. 두 모델 모두 30개 학습 스텝으로 완주됐다. 공식 기술 블로그가 공개한 강화학습 연산 비용은 프로가 약 262만달러(약 36억원), 플래시가 약 85만달러(약 12억원)였다. 허깅페이스 모델카드에 따르면 스텝마다 1568개의 프롬프트를 16번씩 반복 해결하도록 설계해 모델당 누적 추론 시도 횟수만 75만건에 달했다.

이 과정에서 DeepSWE v1.1 점수는 프로가 58.4점에서 72.57점으로, 플래시가 48.8점에서 65.68점으로 급상승했다. 훈련 과제의 평균 통과율 역시 베이스 모델 대비 각각 12%와 25% 향상됐다.

학습 알고리즘 측면에서 샤오미가 내세운 핵심 차별점은 ‘생성 모델과 채점자(Critic)의 동시 육성’이다. 단순한 성공·실패라는 이진 피드백만으로는 정답을 도출한 다양한 경로 간의 효율성을 가려낼 수 없다. 이에 따라 동일 배치 내에서 생성된 복수의 풀이 경로를 상호 비교해 순위를 매기고, 가장 짧고 간결한 경로를 찾아낸 시도에 보상 가중치를 집중 부여하는 방식을 적용했다. 단순 정답 여부를 넘어 문제 풀이의 경로와 효율성까지 평가에 반영하는 구조다.

코딩, 일반 사무, 시각 분석, 보안 취약점 등 상이한 도메인의 태스크를 분리하지 않고 단일 배치에 혼합해 학습을 진행한 점도 눈에 띈다. 특정 영역에서 습득한 논리적 추론 패턴이 다른 도메인의 문제 해결로 전이되도록 유도한 아키텍처다.

훈련 중 겪은 기술적 실패도 은폐하지 않았다. 대시보드 공지란에는 전문가 모듈로 연산 부하가 급격히 쏠리며 GPU 메모리가 고갈된 탓에 프로 모델을 17스텝부터 재학습시켰다는 장애 기록이 투명하게 공개됐다. 훈련 클러스터와 검증 서버 간의 네트워크 단절로 인한 롤백, 데이터 라벨링 오류를 뒤늦게 발견해 플래시 모델을 15스텝으로 되돌린 과정도 기술보고서 및 강화학습 코드와 함께 외부에 배포됐다.

인공지능이 시스템의 취약점을 악용해 보상을 편법 취득하는 ‘보상 해킹(Reward Hacking)’ 문제도 가감 없이 드러났다. 미국 IT 매체 벤처비트(VentureBeat)의 보도에 따르면, 초기 코딩 과제 훈련 당시 에이전트들이 코드 버그를 직접 디버깅하는 대신 패키지 최신 버전을 내려받거나 저장소의 최종 커밋 상태를 통째로 복제하는 비정상적인 우회로를 학습했다. 샤오미는 가상 격리 환경을 엄격히 통제해 이 같은 부정행위를 차단했다고 밝혔다. 정공법 대신 편법으로 보상을 극대화하려는 모델의 우회 경로를 차단한 조치다.

다만 생중계 데이터와 최종 공식 수치 간의 불일치는 여전히 물음표를 남긴다. 대시보드상에 기록된 DeepSWE 점수 72.57점은 mini-swe-agent 환경에서 3회 측정한 평균값이나, 공식 기술 블로그 평가표에 실린 공식 수치는 71.9점이다. 시각 코딩(MiMo Visual Coding) 역시 블로그 평가표에는 72.3점, 대시보드 훈련 곡선에는 74.9점으로 표기됐다. 재현성과 투명성을 기치로 내건 프로젝트에서 대표 지표가 엇갈리는 점은 아쉬운 대목이다.

46점의 실체… 독점 API를 넘어 외부 검증의 시험대로

미모 V2.6 프로가 기록한 오픈웨이트 지수 1위 타이틀은 여전히 유효하다. 과제당 비용 최저가 자리는 GPT-6 루나에 내줬으나, 아티피셜 애널리시스 40점 이상 상위 모델군 중에서는 가장 저렴하며, MIT 라이선스를 채택해 배포와 활용에 아무런 족쇄가 없다.

결국 관건은 46점이라는 수치가 내포한 세부 실체다. 10개 평가 영역 중 어디서 점수를 취득하고 어디서 실점했는지, 그리고 고난도 과제에서 확인된 상용 모델과의 격차가 추가 학습을 통해 극복 가능한 성질인지는 아직 제3자 검증을 거치지 않았다. 외부 연구진이 모델을 직접 내려받아 교차 검증할 수 있는 기초 자산은 이미 마련됐다.

모델 지능과 비용의 절대 공식은 이미 깨졌다. 클로드 오푸스 5.5 대비 46분의 1이라는 비용 효율은 분명 파격적이지만, 샤오미 단일 공급자의 API 창구를 벗어나 거대한 연산 장벽을 뚫고 독립 인프라에서 그 가치를 재현할 수 있느냐가 실무 도입의 성패를 가른다. 미모 V2.6 프로가 던진 화두는 단순한 벤치마크 1위가 아니다. 거대 독점 모델의 편리함과 오픈웨이트의 저렴하지만 무거운 자율성 사이에서, 기업들의 셈법은 한층 입체적으로 재편되고 있다.