리플렉션 AI, 오픈 웨이트 모델 '빔' 공개…더 적은 연산으로 중국 모델에 맞선다
리플렉션 AI가 첫 프론티어 오픈 웨이트 인공지능 모델 빔(Beam)을 공식 공개했다. 뉴욕 브루클린에 본사를 둔 이 회사는 2026년 10월 5일 월요일, 장문의 기업 블로그를 통해 세부 내용을 알렸다. 이번 발표는 주말 사이 액시오스가 출시가 임박했다고 전한 보도를 뒷받침한다. 빔은 텍스트만 다루는 혼합 전문가 모델로, 높은 연산량의 강화학습으로 훈련됐다. 목표는 추론, 코딩, 에이전트 작업에서 경쟁 제품보다 토큰 비용과 추론에 드는 시간과 연산을 크게 낮추는 것이다. 회사는 빔을 기업과 공공 부문, 개발자가 반복해서 쓰는 작업용 모델로 설명하고 있다.
규모부터 보면 빔의 총 파라미터는 5010억 개, 추론 때 실제로 활성화되는 파라미터는 230억 개다. 사전학습에는 23조8000억 토큰이 쓰였고, 한 번에 처리할 수 있는 문맥 창은 100만 토큰이다. 비교 대상으로 제시된 중국 오픈 모델 지에이아이(Z.ai)의 GLM-5.2는 총 파라미터가 대략 7440억 개, 활성 파라미터가 400억 개 수준이다. 빔은 총량과 활성량 모두 GLM-5.2보다 작다. 파라미터가 적다는 사실 자체가 성능 우위를 뜻하지는 않는다. 다만 활성 파라미터가 230억 개에 머문다는 점은, 요청마다 켜지는 연산량을 줄이려는 혼합 전문가 설계의 방향과 맞닿아 있다. 문맥 100만 토큰은 긴 코드베이스나 내부 문서를 한 번에 넣어야 하는 업무에서 모델 선택 기준이 된다.
성능 수치는 리플렉션이 자체 발표한 수치로 읽는 것이 맞다. 회사에 따르면 빔은 고급 추론 벤치마크에서 지에이아이 GLM-5.2와 비슷한 점수를 냈고, 서구권의 주요 오픈 모델보다는 높은 점수를 기록하면서 추론 연산은 3배에서 4배 적게 썼다. 같은 자료에서 빔은 씽킹 머신즈 랩의 잉클링보다, 양쪽이 결과를 공개한 코딩 시험 네 가지에서 더 높은 점수를 냈다. 잉클링은 미라 무라티가 이끄는 씽킹 머신즈 랩이 7월에 내놓은 모델이고, 이미지나 다른 입력을 함께 다루는 멀티모달이다. 빔은 텍스트만 받는다. 입력 형태가 다르므로 네 개 코딩 시험의 점수 차이를 모델 전체의 우열로 바로 읽기는 어렵다. 독자가 지금 손에 쥔 표는 리플렉션이 자체 발표한 수치다.
빔이 겨냥하는 자리는 한 곳이 아니다. 닫힌 모델을 파는 앤트로픽, 오픈AI와 겹치고, 오픈 웨이트로 먼저 이름을 알린 중국 쪽 딥시크, 큐원, 지에이아이와도 겹친다. 서구권 오픈 진영에서는 미스트랄, 메타, 코히어가 같은 구매자 목록에 오른다. 미국에서 가장 직접적으로 맞붙는 상대는 잉클링이다. 이 발표가 놓인 자리는, 딥시크와 큐원, 지에이아이에 대한 서구권의 답을 만드는 경주다. 리플렉션은 그 답을 폐쇄형 연구실의 구독 모델이 아니라, 가중치를 열어 두고 추론 비용을 낮춘 작업용 모델로 내놓겠다는 쪽에 서 있다. 다만 점수표만으로 구매가 끝나지는 않는다. 라이선스 범위, 배포 경로, 한국어를 포함한 실제 업무 품질은 가중치가 풀린 뒤에야 가려진다.
리플렉션 AI는 2024년 구글 딥마인드 출신 연구원 두 명이 세운 회사로, 이제 설립 2년 차다. 피치북을 기준으로 한 누적 조달액은 약 47억 달러이고, 투자자에는 엔비디아와 세쿼이아 캐피털, 라이트스피드 벤처 파트너스가 들어 있다. 마지막 라운드의 투자 전 기업가치는 250억 달러였다. 연산 확보도 같은 크기로 이어졌다. 올해 여름 회사는 스페이스X, 네비우스와 합계 70억 달러가 넘는 계약들을 맺고, 2029년까지 엔비디아 GB300 칩을 확보하기로 했다. 파라미터 공개와 별도로, 이 계약은 앞으로 쓸 칩을 수년 단위로 미리 묶어 둔 결정으로 읽힌다. 리플렉션은 TechCrunch의 추가 질문에 제때 답하지 않았다. 그래서 계약 대금이 어떤 일정으로 나뉘는지, 칩이 어느 분기부터 들어오는지는 이번 발표만으로 알 수 없다.
회사가 내세운 다음 단계는 모델 한 개의 점수보다 넓다. 리플렉션은 기업과 주권 국가를 위한 인공지능 공장 전략을 말한다. 기관이 자체 보유 데이터로 리플렉션 모델을 추가 학습해, 맞춤형 로컬 인공지능을 짓는 그림이다. 엔비디아 최고경영자 젠슨 황은 투자자로서 이 인공지능 공장 구상을 밀어 왔고, 그 공장을 돌리는 장치는 엔비디아 그래픽처리장치라는 구도와 맞물린다. 액시오스는 헤지펀드와 트레이딩 회사가 이런 체계를 만들고 싶어 한다고 전했다. 한국에서는 이미 신세계그룹과 주권형 인공지능 공장 협력 개념을 시험하고 있다. 다만 시험 중이라는 말 이상, 데이터의 범위나 성과 지표는 이번 보도에 없다.
배포 일정은 이번 달, 즉 2026년 10월 안이다. 리플렉션은 빔의 가중치와 기술 세부 사항을 이 달에 풀 계획이다. 배포 경로는 하이퍼스케일러와 네오클라우드이고, 출시 시점에 오픈소스 라이브러리들과의 연동도 함께 둔다고 했다. 블로그로 윤곽을 먼저 알리고 가중치는 같은 달에 뒤따르는 순서다. 개발자 입장에서는 블로그의 주장과 실제 받을 파일이 같은 달 안에 맞대어질 수 있다는 뜻이다. 반대로 가중치 공개 전에 써 볼 수 있는 경로는 이번 보도만으로는 특정되지 않는다. 하이퍼스케일러와 네오클라우드 중 어디가 먼저 올리는지, 가중치 라이선스가 상업 이용을 어디까지 허용하는지도 기술 문서가 나와야 보인다.
오픈 웨이트가 이번 발표에서 핵심인 까닭은 점수 자체보다 소유 방식에 있다. 가중치가 열리면 기업은 공급사 클라우드에만 의존하지 않고, 자기 환경에서 추론을 돌리거나 자체 데이터로 추가 학습할 여지를 얻는다. 인공지능 공장 전략은 그 여지를 전제로 한다. 폐쇄형 모델은 성능이 높아도 가중치가 밖에 나오지 않아, 국가나 기업이 데이터 경계를 지키며 모델을 고치기 어렵다. 빔이 텍스트 전용이라는 한계는 여기서 반대로 읽히기도 한다. 이미지까지 넣지 않는 대신, 추론과 코딩, 에이전트처럼 글과 코드로 끝나는 업무에 연산을 몰아 둔 설계다.
혼합 전문가 구조는 총 파라미터와 활성 파라미터를 분리한다. 빔은 5010억 개를 보유하지만 요청마다 230억 개만 켠다. 리플렉션이 자체 발표한 수치로는, 이 설계가 주요 서구 오픈 모델 대비 추론 연산을 3배에서 4배 줄이는 쪽과 연결된다. 연산이 줄면 같은 예산으로 더 많은 호출을 처리하거나, 응답을 기다리는 시간을 줄일 여지가 생긴다. 에이전트처럼 호출이 반복되는 업무일수록 토큰 단가와 추론 시간이 비용의 본체가 된다. 3배에서 4배가 어떤 비교 조건에서 나왔는지는 이번 달 기술 세부 사항이 다룰 대목이다.
한국 독자에게 빔은 두 갈래로 닿는다. 개발자와 기업은 추론 비용을 낮춘 오픈 웨이트가 사내 코드와 문서 업무의 선택지에 추가되는지 보게 된다. 공공 부문과 대기업은 신세계그룹 사례처럼, 자체 데이터로 로컬 모델을 짓는 인공지능 공장 구상이 계약과 데이터 경계로 어떻게 구체화되는지 보게 된다.
이번 달에 볼 지점은 세 가지다. 가중치가 약속대로 공개되는지, 리플렉션이 자체 발표한 벤치마크의 비교 조건이 어디에 적히는지, 하이퍼스케일러와 네오클라우드 연동이 실제 호출 비용으로 이어지는지다. 신세계그룹과의 시험이 데이터 범위에 대한 다음 설명을 더하는지도 한국에서는 이어서 볼 일이다.
댓글
댓글 쓰기