AAII 1위가 탈락했다 — 독파모 2차와 Motif 3
8월 18일, 독자 AI 파운데이션 모델(독파모) 2차 단계평가에서 모티프테크놀로지스가 탈락했습니다. 통과는 LG AI연구원(K-EXAONE 2.0) · SK텔레콤(A.X K2) · 업스테이지(Solar Open 2). 최종 2팀은 내년 초 3차에서 가립니다.
위 차트는 Artificial Analysis Intelligence Index(오픈소스 부문)입니다. 한국 모델 중 제일 높은 47점 Motif 3가 잘렸고, 그 아래 세 팀이 살아남았습니다. 열린 벤치마크에서 1등인 모델이 탈락한 겁니다. (참고로 AAII를 구성하는 9개 평가에 한국어 항목은 없습니다.)
그래서 네 모델의 테크 리포트를 직접 읽고, 정부 발표를 확인하고, 라이브로 직접 써봤습니다.
1. 네 모델, 표 하나로
네 모델 모두 MoE입니다. 전체 파라미터는 지식 용량, 활성 파라미터는 토큰당 연산량입니다.
| Motif 3 | K-EXAONE 2.0 | A.X K2 | Solar Open 2 | |
|---|---|---|---|---|
| 팀 | 모티프테크놀로지스 | LG AI연구원 | SK텔레콤 | 업스테이지 |
| 2차 결과 | 탈락 | 통과 | 통과 | 통과 |
| AAII | 47 | 31 | 35 | 37 |
| 전체 / 활성 | 314B / 13.2B | 750B / 37B | 688B / 33B | 250B / 15B |
| 활성 비율 | 4.2% | 4.9% | 4.8% | 6.0% |
| 레이어 | 53 (dense 2 + MoE 51) | 78 (dense 2 + MoE 76) | 61 (dense 1 + MoE 60) | 48 |
| 전문가 | 384 라우팅 + 공유 1, top-8 | 256 + 공유 1, top-8 | 256 + 공유 1, top-8 | 320 + 공유 1, top-8 |
| 컨텍스트 | 256K | 256K | 256K (128K 네이티브 → YaRN) | 1M |
| 라이선스 | MIT | Apache 2.0 | Apache 2.0 | Solar License |
활성 13.2B로 AAII 47. SKT(33B)·LG(37B)의 3분의 1 남짓한 토큰당 연산으로 점수는 제일 높습니다. 모티프는 이걸 intelligence per FLOP이라고 부릅니다. 이번 평가는 그 효율을 당락 기준으로 삼지 않았습니다.
각 모델의 특별한 점
- Motif 3 — 어텐션부터 옵티마이저까지 자체 설계입니다. GDLA(Grouped Differential Latent Attention, MLA의 KV 압축 + differential attention)로 “MLA보다 9.2% 적은 토큰으로 같은 loss(3.2)에 도달”했다고 주장합니다. 잔차 연결 대신 mHC, 전문가별로 계수를 따로 학습하는 Expert-Specific PolyNorm, MTP, 22만 어휘 SuperBPE 토크나이저, 행렬 파라미터에 Muon 옵티마이저. 가중치·학습 코드·라이브러리를 MIT로 전부 열었습니다.
- K-EXAONE 2.0 — 유일하게 스크래치가 아닙니다. 1차 모델 236B를 업사이클링해 깊이 48→78층, 전문가 128→256개로 늘렸습니다(복제된 전문가의 대칭을 깨려고 random rotation noise를 넣었습니다). 지원 언어를 6개→10개로 확대. 장문(OpenAI-MRCR 94.4)과 안전성(KGC-Safety 99.8)이 강점입니다.
- A.X K2 — 처음부터 네이티브 FP8(MXFP8, E4M3)로 forward·backward를 돌렸습니다. 이 규모에서는 드뭅니다. 자체 어텐션 SGA는 인덱서가 과거 위치를 점수화하고 셀렉터가 쿼리당 상위 k=2048개만 남겨, 어텐션 비용이 문맥 길이에 비례하지 않게 만듭니다. 수학·한국어가 축(AIME26 97.1, KMMLU-Pro 80.5, CLIcK 91.6, IMO 2025 35/42).
- Solar Open 2 — 제일 작고 문맥은 제일 깁니다. 블록마다 선형 어텐션 3층 + 소프트맥스 1층을 교차하고 위치 인코딩을 아예 없앤(NoPE) 하이브리드로 1M 컨텍스트를 냅니다. 후학습에서 도메인 전문가 12개를 따로 키운 뒤 Multi-teacher On-Policy Distillation으로 한 모델에 증류합니다. 에이전트 지향.
2. 얼마나 많은 토큰을, 어디서 가져와, 얼마에 학습했나
토큰과 데이터
| 사전학습 토큰 | 단계 구성 | 데이터 출처 | |
|---|---|---|---|
| Motif 3 | 약 12.5T (스크래치) | 4K → 32K → 256K 장문 단계(전체의 약 5%). 추론 데이터는 5% 미만 | NVIDIA Nemotron 계열이 코퍼스의 약 70%. Nemotron-CC v2/v2.1, CC-Math, CC-Code, Pretraining-Code v1~v3, Legal-v1, Specialized-v1.x, SFT-v1 + 자체 한국어·다국어·법률·금융. 지식 컷오프 2026년 3월 |
| K-EXAONE 2.0 | 약 9.15T (업사이클 후) | 힐링 → CPT 8T → 미드 0.8T(64K 400B + 64K↑ 400B) → SFT 0.35T | FineWeb2(언어별 유기 데이터) + 국내 공공기관 한국어 — 한국데이터산업진흥원·NIA·국립국어원·동북아역사재단. Active Reading·thinking-augmented·교과서형 합성 |
| A.X K2 | 약 8.2T (스크래치) | 일반 6.4T → 고난도 추론 1.4T → 장문 0.36T. 후학습 약 60.6B | 후보 16.2T에서 교육적 가치·난이도로 선별. Nemotron-CC-v2.1, Nemotron-Pretraining-Code-v2, FineWeb2 + 자체 한국어 크롤 약 1.37T·PDF 파싱·합성. 영어 72.7% / 한국어 15.4% / 코드 8.3% |
| Solar Open 2 | 약 12T | 가중치 전이 → 일반 10T → 집중 1T → 길이 확장 0.9T | 정제 풀 20T → 10T로 압축(중복·의미중복 제거, 자체 품질 점수, 희소성 추적). 실데이터:합성 = 4:6, 수학·코드 각 15% 이상, 영어 80% 초과 |
여기서 걸리는 대목. 네 팀 중 데이터 출처를 가장 투명하게 밝힌 Motif 3는, 그 투명함 때문에 코퍼스의 70%가 NVIDIA Nemotron 공개 데이터셋이라는 사실이 드러납니다. A.X K2도 Nemotron과 FineWeb2를 씁니다. K-EXAONE 2.0의 다국어 축도 FineWeb2입니다. 한국어를 국가기관에서 대량으로 끌어온 곳은 LG 한 팀뿐입니다.
GPU와 학습 연산량
정부 지원 규모는 배경훈 부총리(과기정통부 장관)가 직접 밝혔습니다.
“현재 독자 파운데이션 모델 개발 기업들에 B200 기준 GPU를 500장씩밖에 지원하지 못하다가 지금은 735장 정도로 늘었다. 현재 지원되는 엔비디아 B200 GPU 735장 수준으로는 세계 최고 수준의 프론티어 AI 모델 개발에 한계가 있다.”
— 배경훈 부총리, 2026년 7월 20일
테크 리포트에 하드웨어를 적은 팀은 한 곳도 없습니다. 아래는 회사 발표·보도·모델 카드에서 모은 값인데, 서로 다른 것을 센 숫자라서 나란히 놓고 비교하면 안 됩니다.
| 공개된 값 | 무엇을 센 값인가 | 출처 | |
|---|---|---|---|
| Motif 3 | B200 768장 · 약 5개월, 가동률 97.9~100% | 사전학습부터 후처리까지 전 과정의 클러스터 점유 기간 | 회사 발표 |
| A.X K2 | B200 512대 · 약 70일, 8조 5,000억 토큰 | 학습 실행 구간 | 이데일리 보도 |
| Solar Open 2 | B200 약 2M GPU-hour | 범위 표기 없음(사전학습 외 포함으로 보임) | 허깅페이스 모델 카드 |
| K-EXAONE 2.0 | 미공개 | — | — |
Motif의 768장 × 5개월은 약 270만 GPU-hour이지만, 이걸 아래 사전학습 연산량으로 나누면 B200 이론 성능의 5%도 나오지 않습니다. 5개월은 학습 실행 시간이 아니라 클러스터를 붙들고 있던 기간이라는 뜻입니다. SKT의 70일은 반대로 학습 실행 구간에 가깝습니다. 그래서 이 값들로 “누가 돈을 더 썼다”를 말할 수 없습니다.
비교 가능한 값 — 사전학습 연산량
같은 잣대로 잴 수 있는 건 각 팀이 스스로 밝힌 활성 파라미터 × 학습 토큰입니다.
트랜스포머 학습 연산량은 관례적으로 6 × 활성 파라미터 × 토큰으로 어림합니다.
| 활성 | 사전학습 토큰 | 학습 연산량 (FLOPs) | Motif 대비 | AAII | |
|---|---|---|---|---|---|
| Motif 3 | 13.2B | 12.5T | 약 1.0 × 10²⁴ | 1.0배 | 47 |
| Solar Open 2 | 15B | 11.9T | 약 1.1 × 10²⁴ | 1.1배 | 37 |
| A.X K2 | 33B | 8.2T | 약 1.6 × 10²⁴ | 1.6배 | 35 |
| K-EXAONE 2.0 | 37B | 8.8T | 약 2.0 × 10²⁴ | 2.0배 | 31 |
읽는 법. Motif 3는 네 모델 중 사전학습에 가장 적은 연산을 쓰고 AAII는 가장 높습니다. 반대쪽 끝의 K-EXAONE 2.0은 약 2배 연산을 쓰고 31점입니다. 순서가 정확히 뒤집혀 있습니다. 단, K-EXAONE은 업사이클링이라 1차 236B 모델에서 물려받은 연산이 이 값에 빠져 있고(즉 실제로는 더 큼), 네 팀 모두 후학습 연산은 제외했습니다. A.X K2는 네이티브 FP8이라 같은 FLOPs를 더 적은 GPU-시간에 처리합니다.
돈으로 환산하면. 정부가 3차에서 “B200 1,000장을 6개월 임차하면 팀당 약 400억 원, 3팀 합 약 1,200억 원”이라고 밝힌 게 공개된 유일한 단가 기준입니다. 팀별 학습 비용을 공시한 곳은 없습니다.
Motif 3의 5개월은 인력 약 30명이 사전학습부터 후처리까지 전 과정을 끝낸 기간입니다. SK텔레콤은 학습 토큰을 전작보다 줄이고도 14개 벤치마크 평균을 32.2%p 올렸다고 주장합니다.
3. 정부는 공식적으로 뭐라고 했나
총점 100점 = 벤치마크 40(AAII 25 + NIA 자체 15) + 전문가 35 + 사용자 25(전문 15 + 국민 10).
| 항목 | 배점 | 4팀 평균 | 1–4위 격차 |
|---|---|---|---|
| 벤치마크 | 40 | 22.5 | 4.0 |
| 전문가 | 35 | 28.8 | 2.4 |
| 사용자 | 25 | 17.6 | 5.0 |
| 합계 | 100 | 68.9 | — |
팀별 총점과 순위는 끝내 비공개입니다. 비판이 이어지자 8월 20일 항목별 1위만 공개했습니다.
| 항목 | 1위 | 점수 | 4팀 평균 |
|---|---|---|---|
| AAII (25) | 모티프 | 11.9 | 9.48 |
| NIA 자체 벤치 (15) | SKT | 13.4 | 13.05 |
| 전문가 (35) | LG | 29.5 | 28.75 |
| 전문 사용자 (15, 49명) | SKT | 11.6 | — |
| 일반 국민 (10, 185명) | LG | 7.6 | — |
세 부문을 모두 석권한 팀은 없습니다. 모티프가 1위를 한 곳은 AAII 25점 하나입니다. 류제명 2차관의 설명이 정확히 그 지점을 가리킵니다.
“기술력은 뛰어났지만 이 평가에 내재된 75점의 배점에 상당히 무게중심이 있었던 사용성·활용성 부분에서는 다른 기업들에 비해서 낮은 평가를 받았다.”
— 류제명 과기정통부 2차관, 8월 18일 브리핑
100점에서 AAII 25점을 뺀 나머지가 75점입니다. 모티프는 자기가 이긴 25점짜리 시험 하나를 뺀 전 과목에서 밀렸습니다.
전문가 35점은 모델을 써보고 매긴 점수가 아닙니다. 외부 전문가 10명이 제출 서류를 약 1주일 심사했고, 1차 대비 활용·파급효과 비중이 커졌습니다. 총평의 결이 그대로 드러납니다.
| 팀 | 전문가위원회 총평 요지 |
|---|---|
| 업스테이지 | 포털 ‘다음’·‘타임리’ 연계, 퓨리오사AI NPU 협업으로 외산 HW 종속 완화 |
| SK텔레콤 | 대규모 상용 서비스 실탑재, 국방·제조·법무·세무 실증 |
| LG AI연구원 | 국제기구 협업 전략, 에이전틱 차별성, 환각 저감·안전성 |
| 모티프 | 아키텍처·토크나이저·옵티마이저·커널까지 자체 개발해 외부 종속 제거 |
통과한 세 팀의 총평은 전부 **“어디에 붙였는가”**입니다. 모티프에 대한 총평은 “무엇을 직접 만들었는가” 하나뿐입니다. 설립 1년 반, 인력 30명인 팀이 구조적으로 불리했던 항목입니다.
일반 국민 평가(10점)에 대해 정부는 **“당락에 영향을 미치지 않았다”**고 밝혔습니다. NIA 자체 벤치마크 15점은 문제도 정답도 비공개입니다 — 벤치마크 오염을 막기 위한 설계라고 합니다. 결국 외부에서 같은 잣대로 검증 가능한 건 AAII 25점뿐이고, 거기서는 모티프가 1위였습니다.
모티프는 이의제기를 하지 않았습니다.
“다른 모델보다 부족해서 떨어졌다고 생각하지는 않는다. 평가 결과는 어쩔 수 없는 부분이다.”
— 임정환 모티프테크놀로지스 대표
4. 직접 써보니
공정 비교가 아닙니다. A.X K2는 쓸 방법이 아예 없었고(가중치만 공개, 챗·API 없음), 솔라 챗에 올라온 건 평가 모델 Open 2가 아니라 상용 Solar Pro 4였습니다(Open 2 플레이그라운드는 7월 31일 종료). K-EXAONE은 체험 사이트가 닫혀 FriendliAI API로, Motif는 자체 챗으로 돌렸습니다. 같은 GPU·양자화·하네스가 아닙니다.
| 테스트 | 무엇을 보나 | 결과 |
|---|---|---|
| 저녁 메뉴 → 판교 소개팅 장소 | 웹 검색 + 실용성 | Solar Pro 4 > K-EXAONE > Motif. Motif는 가격·거리 없이 너무 짧게 답했습니다 |
| 가스불 벤치 — “부산 출장 중인데 서울 집 가스불을 안 끈 것 같다. 집은 회사에서 걸어서 5분” | 함정 인지 | Motif만 정답. 나머지는 “점심에 잠깐 다녀오세요”, “지금 바로 가세요”라고 답했습니다. 부산에서 서울 집까지 걸어갈 수는 없습니다 |
| 헛소리 테스트 — 존재하지 않는 물리 문제 | 환각 / 메타인지 | Motif 압승. “규모가 불일치한다, 정립된 주제가 아니다”라고 거절. K-EXAONE은 논문 비슷한 걸 써냈고 Solar도 답하려 들었습니다 |
| IMO 2026 4번 | 수학 추론 | 무효. K-EXAONE은 툴 콜이 깨졌고, Motif 챗은 뻗었고, Solar만 웹 검색으로 풀었습니다 |
| 벽돌깨기 싱글 페이지 | 코딩 | Solar Pro 4 압승 — 마우스 조작까지 동작. Motif·K-EXAONE은 굴러가지 않았습니다. Claude Sonnet과는 체급 차이가 명확했습니다 |
| 무협 유머 소설 3문단 | 문장 일관성 | Motif 1위. 재미는 없어도 앞뒤가 맞았습니다. K-EXAONE은 손오공과 냉장고 속 할머니가 튀어나왔습니다 |
정리하면 셋입니다.
- 지능은 Motif 3. 모르는 걸 모른다고 하고, 함정을 알아채고, 글의 앞뒤가 맞습니다.
- 일은 Solar가 제일 잘했습니다. 다만 그건 독파모 평가 모델 Open 2가 아니라 상용 Solar Pro 4입니다.
- AAII의 신뢰도가 올라갔습니다. “벤치 모아놓은 게 뭐 그리 공신력 있겠나” 싶었는데, 점수 차가 이 정도 벌어지니 체감 지능 차이와 같은 방향을 가리켰습니다.
파운데이션 모델의 값어치는 챗 점수가 아니라, 가져가서 SFT·RL로 도메인을 얹을 밑동의 값어치입니다. 그 기준으로 하나 고르라면 라이브에서 고른 건 Motif 3였습니다. 그 모델이 잘렸습니다.
한 가지 소문. 모티프를 직접 서빙하면 한·영 혼용이 잦다고 합니다(확인하지 못했습니다). 사실이라도 후학습으로 잡히는 종류의 문제입니다.
5. 그래서 우리는 왜 주권 AI를 만드는가
정부가 밝힌 이유는 명확합니다.
“국가 안보와 경제주권 관점에서 고성능의 독자 AI 모델 기술력 확보의 중요성은 더욱 절실해지고 있습니다. 미국 빅테크의 최고 성능 폐쇄형 모델과 중국의 고효율 오픈웨이트 모델을 중심으로 글로벌 생태계 확장 경쟁도 갈수록 확대되고 있습니다.”
— 8월 18일 브리핑
그런데 테크 리포트를 다 읽고 나면 불편한 질문이 하나 남습니다. Motif 3 코퍼스의 70%는 NVIDIA Nemotron이고, A.X K2와 K-EXAONE의 다국어 축은 FineWeb2이고, 네 모델 모두 NVIDIA B200에서 학습됐습니다. 데이터도 연산도 우리 것이 아닙니다. 그렇다면 “독자”는 무엇을 가리키는 말일까요.
답은 가중치와 파이프라인입니다. 남의 데이터와 남의 GPU로도, 우리가 만든 가중치를 우리가 쥐고 계속 학습시킬 수 있으면 통제권은 우리에게 있습니다. 수출 통제가 현실이 됐을 때 끊기는 건 데이터셋이 아니라 API와 가중치 접근권이니까요. 그 관점에서 이번 평가의 아이러니가 보입니다 — 아키텍처·토크나이저·옵티마이저·커널까지 스스로 만들어 외부 종속을 가장 많이 걷어낸 팀이 탈락했습니다.
이번 배점은 “우리 것”을 둘로 갈랐습니다.
| 벤치가 고른 것 | 평가가 고른 것 | |
|---|---|---|
| 질문 | 밑동이 얼마나 똑똑한가 | 지금 어디에 붙어서 국민·산업이 쓰는가 |
| 1위 | Motif 3 | 항목마다 다름. 종합은 이미 서비스를 가진 팀 |
| 위험 | 똑똑해도 안 쓰이면 주권이 되지 않음 | 붙여 놓은 모델이 둔하면 주권의 품질이 낮아짐 |
하나는 모델 주권(가중치와 학습 파이프라인을 우리가 쥐는 것), 다른 하나는 서비스 주권(우리 망·우리 포털·우리 공장에서 실제로 도는 것)입니다. 2차 배점은 후자에 75점을 실었습니다. 류제명 차관도 “독파모의 본질은 1~2개 승자 기업을 선발하는 서바이벌이 아니라 대한민국 AI 생태계 전체의 기술 체력을 끌어올리는 것”이라고 말했습니다.
그 선택과 무관하게 Motif 3는 남아 있습니다. MIT로 가중치·학습 코드가 열려 있고, KT 컨소시엄 ‘모두의 AI’로 다시 붙습니다. 정부 사업 탈락이 모델의 끝은 아닙니다.
논의해볼 만한 지점들
1. “독자”의 정의. 소버린 AI에서 ‘독자’는 어떤 의미를 가져야 좋은가. 가중치인가, 데이터인가, 연산인가, 아니면 실제로 국민이 쓰는 서비스인가. 무엇을 쥐면 주권이라 부를 수 있고, 무엇까지는 남의 것이어도 괜찮은가.
2. 가능성과 투자 규모. 우리는 해낼 수 있는가. 얼마를 어디에 넣어야 하는가. 지금의 768장·5개월로 낼 수 있는 최선은 어디까지이고, 프론티어를 노린다면 그 격차를 메우는 데 필요한 투자는 어느 자릿수인가.
3. 더 잘하려면. 같은 예산으로 더 나은 결과를 내는 방법은 무엇인가. 자원을 몇 팀에 나눌 것인가 몰아줄 것인가. 평가는 무엇을 재야 하는가. 우리가 부족한 게 모델을 만드는 능력인가, 데이터인가, 인프라인가, 아니면 그걸 쓰게 만드는 힘인가.
4. 생태계의 이상적인 모습. 데이터 · 인프라 · 모델 · 애플리케이션 · 사용자 — 이 다섯 층이 각각 어떤 상태가 되어야 하고, 서로 어떻게 물려 돌아가야 하는가. 지금 가장 얇은 층은 어디이고, 국가가 손대야 할 층은 어디인가.