본문으로 건너뛰기
걱정 마세요2026.02.2010 minAI 보조 번역

세 갈래 길 단일 서사의 종말

2주. 세 기업.

서로 연결된 세 개의 연구·제조 시설
이 글의 목차
  1. 1. Anthropic: 점수 경쟁보다 업무 흐름을 완성하라
  2. 2. OpenAI: 자체 칩, 극한의 속도
  3. 3. Google: 코딩 경쟁을 넘어, 인간이 풀지 못하는 문제로
  4. 4. 세 가지 진단이 모두 맞을 수는 없다. 하지만 하나만 맞으란 법도 없다
  5. 5. 칩 다변화: 장기적인 베팅, 단기적인 진통
  6. 6. Agent 전쟁이 본격적으로 시작됐다
  7. 7. 길이 갈라진 뒤, 당신은 무엇을 해야 할까?

2주. 세 기업. 네 모델.

당신의 피드가 또 한 번 폭발했다. 댓글에서는 “모든 것이 바뀌었다”고 외친다. 하지만 이번에 주목해야 할 진짜 신호는 누가 벤치마크에서 더 높은 점수를 받았느냐가 아니다. 이 세 기업이 이제 서로 다른 시험을 치르고 있다는 점이다.

우리는 문명 차원의 갈림길을 목격하고 있다. 인류 역사상 가장 강력한 세 기술 세력이 2년 동안 같은 트랙을 달리다가 갑자기 각자의 길로 갈라섰다. 단순히 제품 전략만 달라진 것이 아니다. “지능의 병목은 대체 어디에 있는가”라는 근본적인 질문에 대해, 세 기업이 내놓은 진단 자체가 완전히 다르다.

“범용 모델”이라는 서사가 갈라지고 있다. 그리고 그 균열 자체가 가장 중요한 신호다.


1. Anthropic: 점수 경쟁보다 업무 흐름을 완성하라

2월 5일, Opus 4.6이 출시됐다. 하지만 주인공은 모델 자체가 아니라 Agent Teams였다. Claude Code 안에서 조직되는 AI 팀으로, 작업을 자동으로 나누고 역할을 배정하며 실행을 조율할 수 있다. 구조는 Leader, Swarm, Pipeline, Watchdog의 네 가지다.

물론 모델 성능 수치도 눈여겨볼 만하다. ARC-AGI-2는 37.6%에서 68.8%로 뛰었다. 한 세대 만에 31%포인트 상승한 것으로, Opus 계열 역사상 가장 큰 단일 도약이다. 백만 token 규모의 컨텍스트에서 검색 정확도는 76.0%를 기록했다. 같은 테스트에서 Gemini 3 Pro는 26.3%에 그쳤다.

하나의 달 건설 현장에서 서로 다른 작업을 병행하는 여러 작업 유닛
개념 이미지

개념 이미지 | Agent Teams의 핵심은 분업, 조율, 완결된 작업 흐름입니다.

하지만 순수 코딩 능력을 평가하는 Terminal-Bench 2.0에서는 65.4%로, GPT-5.3 Codex의 77.3%보다 낮았다. Anthropic의 강점은 코드 생성 속도가 아니라 복잡한 비즈니스 논리를 이해하는 데 있다.

사업 지표가 보내는 신호는 벤치마크보다 더 크다. Claude Code는 6개월 만에 ARR 10억 달러에 도달했고, 2월에는 두 배로 늘어 25억 달러를 넘어섰다. 공개 GitHub 커밋의 약 4%가 Claude Code에서 나온다.

Anthropic의 베팅: AI 상용화의 병목은 모델 능력이 아니라 업무 흐름을 조직하고 조율하는 데 있다.

이 판단 뒤에는 더 깊은 통찰이 자리 잡고 있다. 능력은 이미 넘쳐난다는 것이다. 모델이 충분히 똑똑하지 않은 것이 아니다. 그 똑똑함을 어떻게 조직해 실제 업무 과정에 녹여낼지, 아직 아무도 모른다는 것이다.


2. OpenAI: 자체 칩, 극한의 속도

2월 12일, GPT-5.3 Codex Spark가 공개됐다. Nvidia 하드웨어에서 실행되지 않는 OpenAI의 첫 프로덕션 모델로, Cerebras의 웨이퍼 스케일 엔진에 전면 배치됐다. 추론 속도는 1,000+ tok/s로, 기존 GPU의 15배에 달한다.

하지만 속도에는 대가가 따른다. Terminal-Bench 2.0 점수는 58.4%로, 정식 Codex의 77.3%에 못 미친다. 컨텍스트 창은 128K로 줄었고, 텍스트만 처리한다.

제품보다 중요한 것은 전략이다. 이면에는 최대 750MW의 연산 자원을 제공하는 Cerebras와의 다년 협력에 더해, AMD와의 6GW 계약, Broadcom과의 맞춤형 가속기 협력이 자리하고 있다. 업계 전체가 Nvidia 단일 체제에서 칩 다변화로 향하고 있다.

OpenAI의 베팅: 병목은 추론의 깊이가 아니라 지연 시간이다.

불편하게 들릴 수 있는 판단이다. 여기에는 대다수 사용자에게 모델은 이미 충분히 똑똑하다는 뜻이 담겨 있다. 문제는 답이 너무 느리고 사용 비용이 너무 비싸다는 데 있다. 추론 속도가 열 배 빨라지면, AI의 활용 방식은 “가끔 호출하기”에서 “실시간으로 내장하기”로 바뀐다. 그것이야말로 진짜 패러다임 전환이다.


3. Google: 코딩 경쟁을 넘어, 인간이 풀지 못하는 문제로

Google은 2주 동안 연속으로 승부수를 던졌다. 2월 12일에는 Deep Think 추론 모드를 업그레이드했고, 2월 19일에는 그 추론 능력을 범용 모델에 이식한 Gemini 3.1 Pro를 내놓았다.

Deep Think는 일종의 “System 2” 구조로 작동한다. token 단위로 곧바로 예측하는 대신, 잠시 멈춰 여러 논리 경로를 평가한 뒤 답을 내놓는다. ARC-AGI-2 점수는 84.6%로, 2위보다 15.8%포인트 높다.

하지만 더 큰 수는 어제 나온 3.1 Pro다. Deep Think의 추론 능력을 범용 모델에 담아내며 16개 벤치마크 중 13개에서 앞섰다. 결정적인 수치는 가격이다. 백만 token당 입력 $2 / 출력 $12로, Opus 4.6의 7분의 1 수준이다.

Google의 베팅: 병목은 업무 흐름이 아니라 추론의 깊이다. 그리고 핵심은 그 깊이를 기반 시설처럼 저렴하게 만드는 데 있다.

세 기업 중 전통적인 기술 대기업의 문법에 가장 가깝다. 고급 브랜드로 인식을 선점하고, 저렴한 범용 제품으로 시장을 장악한다. 위에는 Deep Think, 아래에는 3.1 Pro를 두어 브랜드로 위상을 높이고 가격으로 규모를 키운다.


4. 세 가지 진단이 모두 맞을 수는 없다. 하지만 하나만 맞으란 법도 없다

세 기업의 베팅을 나란히 놓아 보자.

  • Anthropic의 진단: 병목은 조율이다.
  • OpenAI의 진단: 병목은 속도다.
  • Google의 진단: 병목은 추론의 깊이다.

지난 2년 동안 이 세 기업은 같은 벤치마크에서 앞서거니 뒤서거니 경쟁했다. 그러나 이제는 사실상 정면 비교 구도에서 벗어났다. 우연히 만들어진 차별화 마케팅이 아니다. 기업마다 AI 상용화의 병목을 서로 다르게 진단한 결과다.

이 사실 자체를 곱씹어 볼 만하다. 모든 차원에서 가장 뛰어난 단 하나의 모델이라는 “범용 모델”의 개념이, 합의에서 환상으로 바뀌고 있다는 뜻이기 때문이다.


5. 칩 다변화: 장기적인 베팅, 단기적인 진통

Spark는 Nvidia가 아닌 칩으로도 극도로 빠른 추론 속도를 낼 수 있음을 보여 줬다. 하지만 추론 능력은 25% 낮아졌다. 진짜 시험대는 이것이다. Cerebras가 속도 우위를 유지하면서 추론 능력의 격차를 줄일 수 있을까?

여기에는 더 큰 문제가 있다. 지난 10년 동안 Nvidia의 CUDA 생태계는 AI 산업 전체의 공통 기반 시설이었다. 이 단일 의존 구조를 깨는 과정에는 단기적으로 파편화 비용이 반드시 따른다. 하지만 장기적으로 보면, 건강한 산업이라면 어느 것이든 단일 공급업체 위에 세워져서는 안 된다. 산업의 역사가 거듭 확인해 온 철칙이다.


6. Agent 전쟁이 본격적으로 시작됐다

Anthropic의 Agent Teams. APEX-Agents에서 33.5%를 기록한 Google 3.1 Pro. 같은 시기 OpenAI가 내놓은 기업용 Agent 플랫폼 Frontier. 세 기업 모두 Agent에 베팅하지만, 진입점은 완전히 다르다.

대형 물류항에서 장비, 인력, 운송 경로를 동시에 조율하는 여러 자동화 네트워크
개념 이미지

개념 이미지 | 에이전트 경쟁이 모델 성능에서 시스템 운영 능력으로 넓어지고 있습니다.

Agent는 챗봇의 단순 업그레이드판이 아니라 일하는 방식의 재정의다. AI가 더 이상 당신이 “사용하는” 도구에 머무르지 않고, 당신이 “배치하는” 직원이 된다는 뜻이다. 이 변화가 지닌 의미는 그 어떤 벤치마크 점수 상승보다 훨씬 깊다.


7. 길이 갈라진 뒤, 당신은 무엇을 해야 할까?

이런 생각이 들 수 있다. 세 기업, 세 갈래 길. 나는 어디에 걸어야 할까?

질문부터 잘못됐다.

어느 한쪽에 베팅할 필요는 없다. 이해해야 할 것은 길이 갈라졌다는 사실 자체의 의미다.

AI의 능력이 이제 어느 한 차원만으로는 절대적인 승자를 가릴 수 없을 만큼 넓어졌다는 뜻이다. 도구를 고르는 일도 더 이상 “가장 강한 것”을 찾는 일이 아니라, “내가 하려는 일에 가장 잘 맞는 것”을 찾는 일이 됐다는 뜻이다.

경쟁 속에서 길이 갈라지면 선택권은 구매자에게 넘어온다. 세 기업이 세 방향으로 전력 질주할 때, 결국 혜택을 받는 사람은 자신의 필요를 명확히 이해하는 사람이다.

모든 모델을 따라잡으려 하지 마라. 자신의 업무 흐름에 필요한 것을 따라가면 충분하다.

글의 시작에서 우리는 “범용 모델”의 서사가 갈라지고 있다고 말했다. 하지만 다른 각도에서 보면, 갈라진다는 것이 꼭 나쁜 일만은 아니다. 단일 서사의 끝은 곧 개인의 선택이 시작되는 지점이다. 모두가 같은 길로 몰릴 때는 선택할 수 없다. 길이 세 갈래로 나뉘면, 비로소 자기 길을 고를 수 있다.

Don't Panic. Accelerate.