주권 논의 속 출시된 알리바바 ‘큐웬3-맥스-씽킹’···AI 모델 선택지 확대될까

알리바바 클라우드는 최신 AI 모델 큐웬3-맥스-씽킹이 구글과 오픈AI의 주요 모델과 비교해도 경쟁력 있는 벤치마크 결과를 기록하며, 세계 최고 수준의 추론 엔진 가운데 하나로 자리매김하고 있다고 설명했다.

알리바바는 공식 블로그를 통해 해당 모델이 확장된 학습 용량과 대규모 컴퓨팅 자원을 활용해 훈련됐으며, 강화학습을 포함한 학습 과정을 통해 사실 정확도와 추론 능력, 지시 이행 능력, 사람 선호도와의 정합성, 에이전틱 기능 전반에서 개선이 이뤄졌다고 설명했다.

알리바바는 “19개 주요 벤치마크에서 GPT-5.2-씽킹, 클로드 오퍼스 4.5, 제미나이 3 프로와 같은 선도 모델과 견줄 만한 성능을 입증했다”라고 밝혔다.

아울러 알리바바는 큐웬3-맥스-씽킹에 2가지 핵심 업그레이드를 추가했다고 언급했다. 필요할 경우 정보를 검색하거나 코드를 실행하는 적응형 도구 활용 기능과 함께, 모델이 실제 추론 단계에서 더 많은 계산 자원을 활용하도록 설계해 추론 성능을 강화한 기법을 적용했다는 설명이다.

다만 분석가들은 이번 발표에 신중하게 접근해야 한다고 설명했다. 옴디아의 수석 애널리스트 리안 지에 수는 “벤치마크 결과는 특정 조건에서의 성능을 평가하지만, 실제 기업 IT 리더는 서로 다른 IT 환경과 다양한 사용례에 걸쳐 파운데이션 모델을 배포한다”라고 지적했다.

수는 이어 “큐웬 모델이 서구 주류 모델의 유의미한 대안으로 부상한 것은 분명하지만, 도메인 특화 작업에서의 성능과 적응력, 맞춤화 가능성은 추가적인 평가가 필요하다”라고 말했다. 그는 또 “구글 클라우드 플랫폼이나 애저와는 다른 방식으로 운영되는 알리바바 클라우드 인프라에서 모델을 구동할 경우, 확장성과 효율성 역시 중요하게 점검해야 한다”라고 언급했다.

벤더 다각화를 위한 선택지 확대

큐웬3-맥스-씽킹이 출시되면서 기업은 AI 모델을 선택하고 구성하는 과정에서 벤더 다각화를 위한 선택지를 넓힐 수 있을 것으로 전망된다.

수는 “큐웬 모델이 서구 모델의 실질적인 대안이 될 가능성을 보여준 만큼, CIO는 AI 프로젝트의 가격 정책과 라이선스 조건, 총소유비용을 평가할 때 이를 검토할 만하다. 알리바바 클라우드에서 구동할 경우, 특히 아시아태평양 지역에서는 비용 효율성이 더 높을 가능성이 크다”라며 “중국 시장이나 중국 친화적인 시장 진출을 모색하는 글로벌 기업에는 긍정적인 신호”라고 전했다.

포레스터의 수석 애널리스트 찰리 다이는 큐웬 모델이 경쟁력 있는 추론 성능을 보이면서, 기업 입장에서 실제 도입을 검토할 수 있는 AI 업체가 늘어나는 등 벤더 다각화 전략이 한층 수월해질 것이라고 분석했다.

다이는 “디지털 주권과 비용 효율성을 동시에 관리해야 하는 CIO 입장에서, 경쟁력 있는 대안 모델의 등장은 전략적 판단 기준을 바꾸고 있다”라며 “모델 간 성능 격차가 줄어들수록 주권과 규제 준수, 혁신 속도를 균형 있게 고려한 혼합 포트폴리오의 실현 가능성도 커진다”라고 설명했다.

일부 업계 관계자는 벤치마크 성과가 CIO의 다중 모델 전략에도 영향을 미치고 있다고 진단했다.

카운터포인트 리서치의 리서치 부문 부사장 닐 샤는 “벤치마크는 단순히 성능을 모니터링하는 지표를 넘어, 어떤 기업이 파운데이션 모델에 얼마나 진지하고 지속적으로 투자하고 있는지를 판단하는 기준이 된다”라고 설명했다. 그는 이어 “CIO는 이를 바탕으로 성능과 비용 효율성, 지정학적 변수 등을 함께 고려하며 특정 벤더에 대한 의존을 피하기 위한 다중 모델 전략을 검토하고 있다”라고 분석했다.

다만 샤는 CIO가 아시아태평양 지역 외에서의 모델 가용성과 함께 수출 통제, 현지 규제 준수 여부 등도 함께 고려해야 한다고 조언했다. 그는 “더 큰 질문은 AI 사용례에 따라 미국 모델과 그 외 모델을 어떻게 도입할 것인가다. 신뢰성과 규제 준수가 중요한 경우, 서구 기업은 미국 독점 모델을 선호할 가능성이 높고, 성능이 뛰어난 중국 모델은 비핵심 업무에 활용할 수 있다”라고 설명했다.

거버넌스와 컴플라이언스 부담 확대

지정학적 긴장이 고조되면서 기업에는 또 다른 복잡성이 더해지고 있다. 포레스터의 다이는 이런 환경에서 시스템 로그 관리와 모델 업데이트 방식, 데이터의 국경 간 이동 구조 등 운영 세부 사항을 보다 면밀하게 점검할 필요가 있다고 지적했다.

그는 기업의 모델 평가가 단순한 성능 테스트를 넘어, 레드팀 훈련과 민감 데이터의 엄격한 분리, 내부 리스크 및 컴플라이언스 프레임워크와의 정합성까지 포함해야 한다고 설명했다.

수는 “알리바바 클라우드에서 호스팅되는 모델을 평가하는 기업은 AI 안전 통제와 데이터 격리, 감사 가능성이 실제 운영 환경에서 어떻게 구현되는지를 문서 수준이 아니라 실질적인 관점에서 검토해야 한다”라고 말했다. 그는 이어 “대부분의 클라우드 업체가 주권 규정을 충족하기 위해 지역 내 또는 온프레미스 배포 옵션을 제공하고 있지만, 민감한 지식재산이나 규제 대상 데이터가 포함되는 경우에는 해당 통제 수단이 내부 리스크 기준을 충족하는지 CIO가 직접 판단해야 한다”라고 조언했다.
dl-ciokorea@foundryco.com