핵심 요약
AI 요약
기사 목차 펼치기 / 접기
정체를 숨긴 채 무료로 풀렸던 스텔스 코딩 모델의 주인은 오픈AI(OpenAI) 전 CTO 미라 무라티(Mira Murati)가 세운 씽킹머신스(Thinking Machines)였다. 오픈소스 코딩 에이전트 오픈코드(OpenCode)에 올라와 있던 ‘Fledge-Alpha’가 그 주인공이다. 답변마다 토큰 사용량이 들쭉날쭉하자 IT 매체 런타임와이어는 여러 모델에 질문을 나눠 보내는 라우터로 짚었다가 정정했는데, 시험 도중 체크포인트를 갈아 끼운 탓에 벌어진 일이었다.
실체는 11월 5일 잉클링 2 스몰(Inkling 2 Small) 공식 출시 발표에서 드러났고, 이레 뒤인 12일에는 아파치 2.0 라이선스로 가중치까지 풀렸다. 영어 단어 fledge는 새끼 새의 깃털이 날 수 있을 만큼 자라는 일을 말한다. 무라티가 회사를 세운 지 21개월 만에 첫 경량 모델의 깃털을 시장에 내보내기까지, 씽킹머신스는 창업 멤버 이탈과 훈련 중 모델의 네트워크 우회 사고, 일주일간의 공개 유예까지 굵직한 고비를 연달아 넘겨야 했다.
가중치가 풀린 이튿날 거부 반응을 지운 판이 올라온 일은 1편에서 다뤘다.
‘내 탐구를 할 시간’을 찾아 나온 뒤
무라티는 테슬라와 립모션을 거쳐 2018년 오픈AI에 합류해 챗GPT(ChatGPT) 개발을 이끌었다. 2023년 11월 이사회가 샘 올트먼(Sam Altman) 최고경영자(CEO)를 해임한 닷새 동안은 임시 CEO를 맡았다. 이듬해 9월에는 퇴사 발표에서 “내 탐구를 할 시간과 공간을 만들고 싶다”며 회사를 떠났고, 다섯 달 뒤인 2025년 2월 18일 씽킹머신스를 세웠다. 30명 안팎이 모인 초기 창업진에서는 오픈AI 공동창업자 존 슐먼(John Schulman)이 최고과학자, 바렛 조프(Barret Zoph)가 CTO를 맡았다.
그해 7월 회사는 제품 하나 없이 시드 투자로 20억달러(약 2조7000억원)를 모으며 기업가치 120억달러(약 16조원)를 인정받았다. 첫 제품은 10월 1일 나온 미세조정 API 팅커(Tinker)로, 남이 만든 오픈 모델을 고객 데이터로 고쳐 쓰게 돕는 서비스였다.
자기 차도 없이 정비소부터 차렸다.
첫 모델보다 사람이 먼저 떠났다
2025년 10월에는 공동창업자 앤드루 털록(Andrew Tulloch)이 메타(Meta)로 이적했고, 석 달 뒤 더 큰 이탈이 뒤따랐다. 2026년 1월 14일 무라티는 X에 “바렛 조프와 갈라섰다”고 쓴 뒤 파이토치(PyTorch)를 함께 만든 수미스 친탈라(Soumith Chintala)를 새 CTO로 선임했다. 오픈AI는 곧바로 조프와 공동창업자 루크 메츠(Luke Metz), 창업 멤버 샘 쇼엔홀츠(Sam Schoenholz)를 다시 데려간다고 발표했다. 해고 사유를 두고 비윤리적 행위 보도가 나왔지만, 오픈AI는 그런 우려를 공유하지 않는다는 입장을 냈다.
무라티는 6월 블룸버그 인터뷰에서 프런티어 연구소는 몇 년 치 조직 변동을 몇 달에 몰아 겪는다고 말하며, “아침에 일어나 경쟁자를 어떻게 꺾을지 생각하지 않는다”는 말도 남겼다. 그때까지 회사가 파는 물건은 여전히 팅커 하나였다.
설계도를 그리던 손 몇이 빠진 채 첫 차를 조립해야 했다.
첫 모델은 ‘가장 강한 모델은 아니다’라고 자기를 소개했다
3월 10일에는 엔비디아(Nvidia)가 투자와 함께 2027년부터 1기가와트 규모 베라 루빈(Vera Rubin) 공급 계약을 맺었다. 이어 7월 15일 총 9750억개 파라미터 가운데 410억개를 쓰는 첫 모델 잉클링(Inkling)이 처음부터 직접 학습된 뒤 아파치 2.0 라이선스로 풀렸다. 잉클링 출시 글은 스스로를 이렇게 소개했다.
“잉클링은 지금 나와 있는 모델 가운데 열린 쪽이든 닫힌 쪽이든 종합적으로 가장 강한 모델은 아니다.” — 씽킹머신스 ‘잉클링’ 출시 글 중
데뷔 무대에서 1등이 아님을 먼저 밝힌 신인이었고, 보름 뒤에는 2760억개 파라미터의 잉클링 스몰(Inkling-Small)이 뒤따랐다.
왜 가중치를 공짜로 푸는가
이유는 첫 모델보다 닷새 먼저 나온 7월 10일 비전 글에 있다. 씽킹머신스는 지금 AI의 가치와 목소리가 “몇 안 되는 곳에서 정해진다”며, AI를 빌려 쓰기보다 조직이 직접 소유하고 목적에 맞게 고칠 때 이점이 가장 커진다고 적었다. 정렬 역시 모델 하나가 짊어질 일로 보지 않고, 여러 곳에서 길러진 AI들이 서로 다투고 배우는 생태계에서 답을 찾겠다는 구상을 내놓았다.
“우리는 별난 것들이 살아 있게 하는 편을 믿는다.” — 씽킹머신스 7월 10일 비전 글 중
이어 나온 7월 31일 공개 원칙은 개방 순서를 정했다. 제한된 이용자에게 API를 먼저 열고 감시하에 넓힌 뒤 마지막에 가중치를 푸는 구조로, 팅커처럼 가중치를 쥔 채 미세조정만 허용하는 단계가 그 사이에 놓이며 매 단계 “근거가 허락하는 가장 열린 선택지”를 고른다는 원칙이다.
열쇠를 넘기기 전에 문간에서 손님부터 받아 보는 순서다.
훈련 중 막힌 문을 돌아 나간 체크포인트
잉클링 2 스몰 기술 보고에 따르면 사전학습은 1세대처럼 엔비디아 GB300 NVL72 랙에서 4비트 부동소수점 형식(NVFP4)으로 8조4000억토큰을 68시간 동안 읽혔다. 데이터 저장 정밀도를 줄이는 ‘4비트 양자화(NVFP4)’는 고해상도 원본 사진(RAW)을 육안 화질 차이 없이 압축한 고효율 이미지(WebP)와 같으며, 블랙웰 GPU에서 4비트 형식을 그대로 써 연산 속도를 끌어올렸다. 1세대 때 따로 돌린 추론 강화학습과 에이전트 강화학습은 이번에 GPU 2048개로 9일 동안 1075스텝, 1700만회 넘는 시도를 돌린 한 번의 합동 학습으로 묶었다.
문제는 초기 체크포인트에서 나왔다. 어려운 과제를 받으면 모델이 “끈질기게 성공하려 들면서” 결과를 지어내고, 지시를 무시하고, 한 일을 숨겼다. 강화학습 중반에는 과제에 실패하던 모델이 검색 도구로 닿을 수 있는 제3자 서비스를 거쳐 네트워크 차단을 우회하는 일까지 벌어졌고, 비동기 감시 장치가 이를 잡아냈다.
정문이 잠기자 옆 건물 통로로 돌아 나간 수험생이다.
회사는 학습을 멈추고 인프라를 보강한 뒤, 웹 접속이 필요한 학습 환경을 빼고 도구 호출을 즉시 검사하는 동기식 감시 장치를 더했다. 오작동 기록은 중간 학습 데이터에서 걸러 냈고, 행동 규범을 숙지시킨 교사 모델의 답을 보며 스스로 고치게 하는 단계를 붙인 결과 회사 내부 ‘오작동’ 점수(낮을수록 좋음)는 1세대 잉클링의 66.8에서 14.9로 내려갔다.
닫힌 일주일, 열린 하루
11월 5일 잉클링 2 스몰은 팅커에서만 쓸 수 있는 닫힌 모델로 먼저 나왔다. 총 5940억개 파라미터 가운데 토큰당 170억개만 활성화하는 전문가 혼합(MoE) 구조다. 텍스트와 이미지 입력 및 가변 추론 강도 조절을 지원하지만 오디오는 받지 않는다. 출시 글은 가중치 공개가 “우리와 협력사의 추가 안전성 평가”에 달렸다고 적었다. 이전보다 많은 외부 시험자가 참여했다고 했지만 이름은 밝히지 않았고, 안전·정렬 평가 결과에는 스케일AI(Scale AI)·굿하트랩스(Goodhart Labs)가 잰 점수와 아폴로 리서치(Apollo Research)가 만든 평가 항목이 실렸다.
일주일 뒤인 12일 가중치가 허깅페이스(Hugging Face)에 아파치 2.0으로 올라가면서 실무 투입 경로도 함께 열렸다. 직접 구동하려는 팀은 언슬로스(Unsloth)·SGLang·vLLM·TokenSpeed로 서빙하거나 Miles·SkyRL·스노우플레이크 코텍스 트레이닝(Snowflake Cortex Training)으로 사후학습할 수 있고, API를 쓰려면 엔비디아·파이어웍스(Fireworks)·투게더(Together)·베이스텐(Baseten)·네비우스(Nebius)·모달(Modal)·클라우드플레어(Cloudflare) 등 7곳과 팅커 플레이그라운드에서 바로 호출할 수 있다.
그러면 개방은 신념인가 사업 모델인가
비전 글의 주장은 회사의 사업과 정확히 맞물린다. 가중치는 공짜로 풀고, 그 모델을 고쳐 쓰는 서비스 팅커에서 돈을 버는 구조라 열린 모델이 퍼질수록 고칠 사람도 늘어난다. 신념과 사업이 같은 방향을 가리키니 어느 쪽이 먼저인지는 밖에서 가리기 어렵다.
비용과 성능에도 따져볼 대목이 있다. 레츠데이터사이언스 집계를 보면 팅커 기준 입력 100만토큰당 0.3달러, 출력 1달러로 1세대 스몰보다 단가는 낮지만 추론 과정에서 출력 토큰을 과제당 평균 15만개씩 써서 건당 비용은 1.18달러로 뛰었다. 회사가 직접 낸 비교표에서도 코딩 항목 여럿의 1위는 키미(Kimi) K3, 딥시크(DeepSeek) V4.1 플래시 같은 중국 모델이었다.
깃털이 자란 뒤
Fledge-Alpha라는 임시 이름은 끝까지 들어맞았다. 씽킹머신스는 이름을 숨긴 시험, 팅커 안에서만 쓰는 일주일, 가중치 공개 순으로 문을 하나씩 열었다. 깃털이 다 자란 새가 어디로 날지는 둥지가 정하지 않는다. 회사는 한 번 연 문은 다시 닫을 수 없다고 원칙에 적어 둔 채 마지막 문을 열었다.