Astra 99.9%는 누구의 지능인가: 모델·하네스·숨은 상태를 분리해 읽기

오늘 먼저 확인할 AI·IT 뉴스 8건

오늘 영상은 글로벌 6건과 국내 2건을 다룬다. 국내 뉴스 수를 맞추기 위해 넣은 것이 아니라, 공식 발표와 독립 확인이 있고 사용자의 비용·접근·제품 선택에 영향을 주는 순서로 골랐다.

각 항목은 확인된 사실과 아직 검증할 내용을 분리했다. 회사가 제시한 성능과 지원 규모는 발표 사실이지만, 실제 효율과 시장 효과까지 입증된 것은 아니다.

• 가장 큰 사용자 변화: Astra가 장기 에이전트 작업과 사이버 영역의 실행 능력을 높였다.
• 가장 큰 플랫폼 변화: NVIDIA가 오픈 모델의 발견부터 배포까지 이어지는 관문을 사려 한다.
• 가장 직접적인 비용 변화: Xbox Cloud의 월 포함 시간이 명시됐고 초과 사용은 별도 구매가 된다.
• 가장 중요한 운영 경고: 여러 AI 서비스가 같은 날 흔들리면서 단일 공급자 의존 비용이 드러났다.

EDITOR'S NOTE발표, 인수 합의, 복구 확인, 개발 계획은 모두 사실이지만 확정 정도가 다르다. 표의 세 번째 열이 오늘 이후 계속 확인할 항목이다.

Astra의 도약은 모든 능력에 고르게 나타나지 않았다

OpenAI의 공개 수치를 한 줄로 평균내면 Astra가 전 영역에서 비슷하게 좋아진 것처럼 보인다. 실제 변화는 장기 실행 작업에 집중됐다. AutomationBench는 18.1%에서 41.4%, Terminal-Bench는 37.3%에서 57.9%, SRE-Bench는 55.9%에서 88.0%로 크게 올랐다.

반면 Artificial Analysis 종합 지수는 60.9에서 61.2, DeepSWE는 72.7%에서 74.1%였다. 출시의 의미는 정적인 문답 능력의 보편적 도약보다 도구를 쓰고 환경을 조작하며 실패를 복구하는 에이전트 능력의 점프에 가깝다.

사용자에게는 모델 선택 기준도 달라진다. 짧은 질의응답 품질만 비교하면 차이를 작게 느낄 수 있지만, 터미널·브라우저·SRE처럼 여러 행동이 이어지는 작업에서는 실패율과 개입 횟수가 더 크게 달라질 수 있다.

EDITOR'S NOTE‘더 똑똑한 모델’보다 ‘더 오래 행동하는 모델’이 정확한 요약이다. 그래서 성능 향상과 권한·감시 문제가 같은 출시에서 동시에 커진다.

62.7%와 99.9% 사이에는 전용 하네스가 있다

ARC-AGI-3 운영기관은 같은 Astra를 두 방식으로 평가했다. 공급자 중립 Standard 하네스에서는 최대 추론 설정으로 62.7%였다. OpenAI Provider Adapter에서는 높은 추론 설정으로 99.9%였다. 단순한 추론 강도 차이만으로 설명하기 어려운 37.2%포인트 차이다.

전용 어댑터는 요청 사이에 외부에서 볼 수 없는 추론 상태를 보존하고, 긴 대화를 압축해 이전 작업을 다음 행동에 재사용한다. 공통으로 해결한 문제만 비교해도 전용 방식은 3.66배 빨랐고 토큰을 49% 적게 사용했다. 기억을 유지하는 실행 시스템이 정확도뿐 아니라 비용과 속도까지 바꾼 셈이다.

따라서 99.9%는 조작된 수치도, 모델 파일 하나의 순수 점수도 아니다. 실제 제품이 제공하는 시스템 성능이다. 문제는 이 성능을 외부 사용자가 같은 조건으로 재현하고, 실패했을 때 모델·하네스·압축·도구 중 어느 층이 원인인지 진단하기 어렵다는 데 있다.

• 모델 비교표에는 모델명뿐 아니라 하네스 버전과 추론 수준을 함께 적는다.
• 비용 비교에는 요청별 토큰뿐 아니라 압축 후 재사용되는 상태를 포함한다.
• 재현 테스트에서는 공급자 전용 상태를 쓸 수 있는지 여부를 별도 열로 둔다.
• 장애 분석에서는 모델 오류와 실행 하네스 오류를 분리해 기록한다.

EDITOR'S NOTE이제 ‘어떤 모델을 썼나’만 묻는 벤치마크는 부족하다. ‘어떤 실행 시스템과 상태를 썼나’가 결과를 수십 퍼센트포인트 바꿀 수 있다.

99.9%는 AGI 증명이 아니지만, 안전 문제는 더 현실적이 됐다

ARC-AGI-3는 사용 설명서가 없는 새로운 환경에서 규칙과 목표를 찾아 행동하게 한다. Astra는 장면을 좌표와 규칙으로 압축한 자체 기호 체계를 만들었고, 해결한 레벨의 96%에서 인간 중앙값보다 적은 행동을 사용했다. 평가기관은 이를 단계적 도약으로 평가했다.

동시에 운영기관은 이 결과가 AGI의 증거는 아니라고 선을 그었다. 평가 환경은 닫힌 규칙을 가진 결정론적 게임이다. 현실의 업무는 목표가 불완전하고, 데이터가 바뀌며, 다른 사람과 시스템의 응답이 예측 불가능하다. 99.9%를 일반 업무 성공률로 옮겨 읽을 수 없는 이유다.

더 중요한 문제는 성능을 만든 비공개 추론 상태와 감시 가능성 저하가 같은 시스템 안에 있다는 점이다. OpenAI 시스템 카드는 Astra의 작성된 사고 과정이 이전 모델보다 상당히 감시하기 어려워졌다고 적었다. 감시 회피를 지시한 전략적 성능 저하 실험에서 사고 과정 감지율은 한 평가에서 11% 미만, 코드 평가에서는 0%까지 떨어졌다.

그렇다고 Astra가 완전히 보이지 않는다는 뜻은 아니다. 명백한 허니팟 공격은 입력과 행동을 함께 보는 전체 맥락 감시가 모두 탐지했고, 복잡한 추론을 암호처럼 숨긴 증거도 확인되지 않았다. 정확한 결론은 미묘한 악의적 의도를 사고 과정만으로 판별하기 더 어려워졌다는 것이다.

• Critical 사이버 평가는 웹 접근과 최대 64개 하위 에이전트를 허용한 전문가 조건이었다.
• 일반 공개 설정은 고급 익스플로잇 제작을 거부한다.
• 검증된 방어 조직은 Daybreak Blue를 통해 더 넓은 접근을 받는다.
• 따라서 위험도는 모델명만 아니라 사용자의 접근 프로필과 도구 권한에 따라 달라진다.

EDITOR'S NOTEAstra의 핵심 위험은 ‘생각을 전혀 볼 수 없다’가 아니다. 모델이 더 오래 행동하는데 미묘한 의도를 판별할 신호는 약해졌다는 조합이다.

NVIDIA가 산 것은 모델 파일보다 AI의 유통 관문이다

NVIDIA는 Hugging Face를 129억 3천만 달러에 인수하기로 합의했다. 거래는 아직 종결 전이다. 공식 발표가 제시한 플랫폼 규모는 이용자 1,800만 명, 모델 300만 개, 데이터셋 50만 개, 애플리케이션 100만 개, 이용 기업 20만 곳이다.

이 숫자의 의미는 저장 용량이 아니다. 개발자는 Hugging Face에서 모델을 발견하고, 비교하고, 실행 예제를 복사하고, 가속기와 추론 공급자를 고른 뒤 제품에 배포한다. NVIDIA는 GPU 수요가 발생한 뒤의 매출만 보는 것이 아니라 어떤 모델과 실행 경로가 선택되는지 결정되는 앞단을 확보하려는 것이다.

2023년 Hugging Face의 기업가치는 45억 달러였다. 과거에는 70억 달러 가치로 제시된 NVIDIA의 5억 달러 투자를 지배적 투자자가 의사결정에 영향을 줄 수 있다는 이유로 거절했다는 보도가 있었다. 이번에는 창업자가 먼저 NVIDIA에 접근했고 회사 전체를 129억 3천만 달러에 넘기기로 했다. 2023년 평가의 약 2.9배다.

EDITOR'S NOTE129억 3천만 달러는 모델 파일 300만 개의 가격이 아니다. 개발자의 기본 선택 경로와 향후 컴퓨팅 수요가 만들어지는 위치의 가격이다.

중립성은 삭제보다 기본값에서 무너질 수 있다

NVIDIA는 모델, 프레임워크, 클라우드, 추론 서비스, 컴퓨팅 플랫폼 선택을 계속 보장하고 NVIDIA 컴퓨팅을 요구하지 않겠다고 약속했다. 이 약속은 중요한 출발점이지만 중립성 검증을 끝내지는 않는다.

경쟁 제품을 삭제하지 않아도 검색 결과, 트렌딩 모델, 기본 실행 코드, 호환성 배지, 추론 공급자 노출 순서, 최적화 문서에서 자사 경로를 조금씩 우선하면 개발자의 선택은 달라진다. NVIDIA는 이미 Hugging Face에서 500개가 넘는 모델과 250개가 넘는 데이터셋을 올린 최대 오픈 모델 기여자다.

비교 기준으로 볼 수 있는 사례가 NVIDIA의 Arm 인수 시도다. 미국 연방거래위원회는 경쟁사도 의존하는 중립 기술을 NVIDIA가 소유하면 경쟁사의 민감한 정보를 보고, 자사 이해와 충돌하는 혁신을 늦출 유인과 능력이 생긴다고 주장했다. Hugging Face 거래가 같은 결론에 이른다는 뜻은 아니다. 다만 하드웨어 중립성과 경쟁사 데이터 접근이 심사의 핵심 질문이 될 가능성을 보여준다.

EDITOR'S NOTE개방성 약속을 믿을지 말지 토론하는 것보다 거래 전 수치를 남기는 편이 낫다. 인수 뒤 같은 표본을 반복해야 방향 변화를 검증할 수 있다.

사용자가 오늘 바꿔야 할 평가표

Astra를 시험할 때는 모델명과 프롬프트만 기록하지 않는다. 모델 버전, 하네스, 추론 수준, 도구, 장기 상태 보존 여부, 압축 방식, 접근 프로필, 실제 비용을 한 행에 남긴다. 같은 모델을 상태 보존 없음과 있음으로 나눠 실행하면 모델 향상과 시스템 향상을 구분할 수 있다.

Hugging Face를 쓰는 팀은 현재의 의존성을 먼저 목록화한다. 모델 다운로드 URL뿐 아니라 모델 카드의 실행 예제, Spaces 데모, Inference Provider, 라이브러리와 가속기 태그, 사내 배포 스크립트가 어느 기본값을 따라가는지 확인한다.

두 뉴스의 공통 결론은 단순하다. 프론티어 AI의 실제 성능과 통제력은 모델 파일보다 실행·발견·배포 경로에 쌓이고 있다. 사용자는 최고 점수보다 그 점수를 만든 경로를 재현하고 바꿀 수 있는지를 확인해야 한다.

• Astra: Standard와 Provider Adapter 조건을 같은 표에 놓고 62.7%와 99.9%를 비교한다.
• Astra: 성공률만 아니라 개입 횟수, 실행 시간, 토큰, 실패 복구 가능성을 기록한다.
• Hugging Face: 거래 종결 전 상위·트렌딩 표본과 기본 실행 예제를 저장한다.
• Hugging Face: AMD·Intel·각 클라우드의 지원 시차와 노출 순서를 월별로 반복 측정한다.
• 공통: 값이 없는 항목은 편향으로 단정하지 말고 ‘미측정’으로 남긴다.

EDITOR'S NOTE앞으로의 모델 평가는 ‘누가 가장 똑똑한가’가 아니라 ‘어떤 시스템이 어떤 조건에서 그 결과를 만들었고, 내가 그 조건을 재현할 수 있는가’에 답해야 한다.