글쓴이: Max (01Founder)

편집｜Max

며칠 전, 유명한 해외 AI 애플리케이션 Genspark이 예전 같으면 하지 않았을 법한 일을 했습니다.

자체적으로 모델을 훈련시키기 시작한 것입니다.

9월 10일, Genspark은 PPT 제작에 특화된 모델 Gen-1 Slides를 출시했습니다. 베이스 모델은 MiniMax M3이며, 훈련은 Fireworks와 함께 진행했습니다.

현재 이 모델은 Genspark AI Slides 표준 모드의 기본 옵션이 되었습니다.

Genspark은 지금까지 줄곧 전형적인 AI 애플리케이션 회사였습니다.

모델이 어느 회사 것인지는 중요하지 않았고, 좋은 것을 사용하면 그만이었습니다.

오늘 'Claude Opus 4.8(가상의 모델명)'이 조금 더 강력하면 Claude를 더 많이 호출하고, 내일 'GPT-5.6(가상의 모델명)'이 더 저렴하면 모든 요청을 다시 전환했습니다.

애플리케이션 회사가 가장 잘하는 일은 원래 모델 회사에 애정을 갖지 않는 것입니다.

따라서 Genspark이 직접 모델 훈련에 나선 것을 보고 저는 잠시 멈췄습니다.

이것은 더 이상 이 API가 사용하기 편한지의 문제가 아니었기 때문입니다.

API를 조정하는 것이 불편하면 구성을 변경하면 됩니다.

직접 훈련하려면 먼저 GPU 비용을 지불해야 합니다.

업계에서 모델을 칭찬하는 사람은 많습니다.

그 칭찬을 위해 스스로 비용을 부담하며 계속 훈련하려는 사람은 그리 많지 않습니다.

이것이 제가 나중에 MiniMax를 다시 살펴보게 된 이유이기도 합니다.

PART.01. 오픈소스 모델이 준비되었습니다

먼저 Genspark이 왜 M3를 선택했는지 설명하겠습니다.

현재 공개된 모델이 많고, 일부 모델은 순위에서 M3보다 더 나은 성적을 보이기도 합니다.

하지만 한 가지 전제가 있습니다:

현재 공개된 모델들은 자체적으로 이미 사용 가능한 수준을 넘어섰습니다.

몇 년 전만 해도 애플리케이션 회사가 가중치를 확보한 후에도 Coding, Agent, 장기 작업과 같은 기본 능력을 먼저 보충해야 했을 것입니다.

지금은 M3와 같은 모델의 기반이 충분히 갖춰져 있어, 애플리케이션 팀이 자원을 자체 비즈니스에 집중할 자격을 갖추게 되었습니다.

하지만 후속 훈련을 계속하려는 애플리케이션 회사에게 베이스 모델을 선택하는 것은 단순히 순위표 1위부터 골라내는 것이 아닙니다.

Genspark이 하는 것은 PPT입니다.

복잡한 PPT 하나를 만들려면 긴 참고 자료를 읽고, 페이지를 계획하고, 코드를 작성하고, 도구를 호출하여 렌더링한 후, 스스로 검토하고 수정해야 하며, 수십 번의 반복이 일반적입니다.

따라서 필요한 베이스 모델은 기본 멀티모달, 긴 컨텍스트, 준수한 Coding 및 Agent 능력을 동시에 갖추고 있어야 하며, 가중치도 공개되어야 합니다.

M3는 기본적으로 이러한 조건을 모두 충족했습니다.

하지만 제 생각에는 또 하나의 매우 현실적인 이유가 있습니다:

모델 크기도 적절하다는 점입니다.

M3는 약 428B의 총 파라미터를 가지며, 각 Token당 약 23B가 활성화됩니다.

400B가 넘는 모델을 작다고 할 수는 없지만, 오늘날 최첨단 공개 모델 중에서는 애플리케이션 회사의 훈련 및 배포 범위를 완전히 벗어날 정도로 크지는 않습니다.

시장에는 분명 더 높은 점수를 받는 모델도 있지만, 모델이 클수록 이후 강화 학습, 배포, 추론, 지속적 반복 비용이 함께 증가합니다.

모델 회사에게는 누가 가장 강력한지가 더 중요할 수 있습니다.

하지만 애플리케이션 회사에게 베이스 모델을 선택하는 것은 가장 똑똑한 모델을 찾는 것이 아니라, 능력, 비용, 훈련 가능성 사이에서 가장 가성비가 좋은 모델을 찾는 것입니다.

능력이 자체 작업을 충분히 커버하고, 모델 규모가 후속 훈련의 상업적 의미를 상실할 정도로 크지 않아야 합니다.

따라서 Genspark이 M3를 선택한 것은, 본질적으로 M3가 이 구간에서 균형점을 찾았기 때문이라고 생각합니다.

Genspark도 M3와 같은 공개 베이스 모델 덕분에 사전 훈련을 건너뛰고 예산을 Slides 작업에 집중할 수 있었다고 밝혔습니다.

이 말은 상황을 매우 명확하게 설명합니다.

애플리케이션 회사가 진정으로 필요로 하는 것은 또 다른 최고의 기초 모델을 재창조하는 것이 아닙니다.

이미 충분히 좋은 모델을 찾아, 제한된 자금과 엔지니어링 리소스를 자신이 진정으로 이해하는 비즈니스에 투자하는 것입니다.

PART.02. 왜 모델을 훈련시키는가

하지만 적합한 베이스 모델이 있다고 해서 Genspark이 반드시 직접 훈련해야 하는 것은 아닙니다.

진짜 문제는 이 일이 가치가 있느냐는 것입니다.

답은 먼저 Genspark 자체의 호출 규모에 숨어 있습니다.

Fireworks에 따르면, Genspark Slides가 매월 소비하는 Token은 이미 1조 개를 넘었습니다.

이 규모에 이르면 모델 비용은 더 이상 기술 팀만의 관심사가 아닙니다.

백만 Token당 아주 조금만 저렴해져도, 매월 수조 Token의 소비량을 곱하면 결국 매우 구체적인 비용이 됩니다.

따라서 Genspark이 진정으로 계산해야 할 것은: 가장 자주 사용되고 가장 안정적인 작업 중 일부를 자체 특화 훈련으로 처리한다면, 효과를 유지하면서 비용을 낮출 수 있는지 여부입니다.

그들은 한 세트의 테스트를 진행했습니다.

Gen-1 Slides가 PPT 한 개를 완성하는 데 드는 평균 모델 호출 비용은 0.44달러였습니다.

반면 이전 업계 주력 모델 'Claude Opus 5'의 비용은 4.16달러였습니다.

이는 거의 10배 차이입니다.

이쯤 되면 Genspark이 왜 직접 훈련을 하려는지 이해하기 쉬워집니다.

더 중요한 것은, 비용이 낮아졌음에도 효과가 눈에 띄게 떨어지지 않았다는 점입니다.

Gen-1 Slides의 평균 평점은 4.25로, Opus 5의 4.23보다 약간 높았습니다. 다운로드율도 33.1%로, 후자의 31.5%보다 높았습니다.

이쯤 되면 Genspark이 왜 직접 훈련을 하려는지 이해하기 쉬워집니다.

모든 범용 모델을 완전히 능가하는 새로운 모델을 만들 필요가 없습니다.

PPT라는 빈도가 높고 안정적이며, 자신이 충분히 잘 아는 작업에서 더 적합한 버전을 만들기만 하면 됩니다.

효과는 충분히 좋고, 비용은 낮출 수 있으며, 자체 제품을 중심으로 계속 반복할 수 있다면, 이 계산은 성립하기 시작합니다.

PART.03. 왜 모델을 훈련시킬 수 있는가

훈련 과정에서 Genspark은 매우 전형적인 문제에 직면했습니다.

PPT 내 텍스트가 넘치는 것을 원하지 않았기에, 모델에 규칙을 설계했습니다: 텍스트가 페이지 경계를 넘으면 감점.

모델이 한동안 훈련된 후, 곧바로 해결책을 찾았습니다:

글꼴 크기를 줄이는 것입니다.

평가자의 관점에서 보면 문제가 매우 훌륭하게 해결되었습니다.

텍스트가 실제로 넘치지 않았습니다.

다만 사용자도 거의 볼 수 없게 되었습니다.

이 예시는 사실 Genspark과 같은 애플리케이션 회사가 왜 모델 훈련에 직접 참여해야 하는지를 잘 설명해줍니다.

모델 회사는 모델을 매우 성능이 뛰어나게 훈련시킬 수 있지만, 모든 애플리케이션을 대신하여 '일을 제대로 해냈다'는 것이 무엇을 의미하는지 정의하기는 어렵기 때문입니다.

PPT의 경우 텍스트가 넘치지 않는 것은 하나의 지표일 뿐입니다.

실제로 사용자에게 전달될 때는 글자 크기가 잘 보이는지, 정보 밀도가 적절한지, 페이지 구조가 매끄러운지, 사용자가 결과를 받고 다시 처음부터 만들지는 않을지 등을 고려해야 합니다.

이러한 것들은 어떤 일반적인 Benchmark도 완전히 알려줄 수 없습니다.

이것들은 제품이 매일 실제 사용자와 상호작용하면서 얻어집니다.

Genspark은 오랫동안 Slides를 해왔기에, 그들이 진정으로 가치 있게 여기는 것은 단순한 호출량뿐만 아니라 어떤 결과를 사용자가 수용할지에 대한 방대한 경험입니다.

어떤 오류에 사용자가 가장 민감한지, 어떤 문제는 참을 수 있는지, 어떤 페이지는 오류가 보고되지 않았지만 절대 전달할 수 없는지, 이러한 판단은 모델 회사가 아무 근거 없이 얻기 어렵습니다.

예전에는 이러한 경험이 주로 Prompt, Workflow, 제품을 개선하는 데 사용되었습니다.

이제 한 가지 길이 더 생겼습니다:

이것들을 Reward, 평가자, 훈련 데이터로 변환하여 모델 자체 조정에 직접 참여시키는 것입니다.

이것이 Genspark이 이번 훈련에 참여할 수 있었던 이유이기도 합니다.

MiniMax는 M3의 범용 능력을 잘 만드는 역할을, Fireworks는 훈련 엔지니어링을 원활하게 진행하는 역할을, 그리고 Genspark은 또 다른 종류의 것을 가지고 있습니다:

실제 사용자와 수년간 PPT를 만들며 축적된 제품 판단력입니다.

어떤 PPT를 사용자가 남기고 싶어 하는지, 어떤 오류가 사람들로 하여금 처음부터 다시 만들게 하는지, 어떤 페이지는 오류가 없어 보이지만 실제로는 전달이 불가능한지, 그것을 가장 잘 알고 있습니다.

이러한 것들은 모델 회사가 공중에서 알기 어렵습니다.

따라서 애플리케이션 회사가 모델 훈련을 시작하는 것은 갑자기 범용 모델을 더 잘 훈련하게 되었기 때문이 아닙니다.

오픈소스 기반 모델의 능력이 기준선을 넘으면서, 원래 제품 계층에 머물러 있던 경험을 마침내 모델 안으로 더 밀어 넣을 수 있게 되었기 때문입니다.

결국, Genspark은 MiniMax보다 모델을 더 잘 알 필요가 없습니다.

MiniMax보다 PPT라는 비즈니스를 더 잘 알기만 하면 됩니다.

PART.04. 텍스트 모델만이 아닙니다

Genspark이 이번에 M3를 가져와 후속 훈련을 하는 것을 보고, 갑자기 한 달 전의 H3가 떠올랐습니다.

8월 3일, MiniMax H3가 정식으로 가중치를 공개했습니다.

이는 텍스트, 이미지, 비디오 및 오디오를 동시에 이해할 수 있는 범용 비디오 모델로, 최대 15초, 최대 2K 해상도, 기본 스테레오 오디오가 포함된 비디오를 생성할 수 있습니다.

그러자 커뮤니티는 곧바로 뜨거워졌습니다.

H3 오픈 웨이트 당일, ComfyUI는 출시 당일 지원을 제공했습니다. 공식 측은 심지어 전용 블로그 게시물을 작성하여 로컬 소비자용 그래픽 카드에서 H3를 실행하는 방법을 소개했습니다.

그 다음부터는 전형적인 인터넷 오픈소스 커뮤니티의 분위기가 펼쳐졌습니다.

어떤 이는 15초가 너무 짧다고 생각해 직접 ComfyUI 노드를 작성하여 H3를 이어 붙여 긴 영상과 멀티 샷 연속 생성을 구현했습니다.

또 어떤 이는 순수하게 밈으로 사용했습니다. H3가 오픈소스된 날, Stable Diffusion 커뮤니티에서는 누군가 로컬 ComfyUI로 다양한 텍스트-투-비디오를 만들어 게시물 하나로 수백 개의 좋아요를 받았습니다. 아래 댓글에서는 더 이상 이 모델이 실행 가능한지가 아니라, 이걸로 무엇을 더 할 수 있을지 논의하고 있었습니다.

이후 상황은 네티즌이 모델을 가지고 노는 수준에서 회사가 모델을 개조하는 수준으로 발전하기 시작했습니다.

8월 26일, fal은 H3 Max를 발표했습니다. H3의 오픈 웨이트 위에 직접 후속 훈련을 진행하고, 새로운 훈련 데이터를 추가하여 프롬프트 준수, 화면 미적 감각 및 추론 속도 최적화에 중점을 두었습니다.

fal이 제시한 데이터에 따르면, 5초 분량의 비디오를 3초 미만으로 생성할 수 있습니다.

FastVideo는 다른 방향으로 나아가 FastH3를 만들었습니다. 4단계 증류와 희소 어텐션을 사용하여 추론 비용과 생성 시간을 줄였습니다.

심지어 한 연구팀은 H3를 키보드로 제어할 수 있는 대화형 월드 모델인 H3-World로 개조했습니다.

그들은 약 0.2%의 백본 파라미터만 훈련시켜 비디오 모델이 플레이어의 동작에 반응하도록 만들었습니다.

따라서 Genspark가 이번에 Gen-1 Slides를 만드는 것을 보고, H3 오픈소스 이후 일어난 일들을 되돌아보니 느낌이 사뭇 달랐습니다.

당시 모두가 본 것은 떠들썩한 장면이었습니다.

어떤 이는 H3로 광고를 만들고, 어떤 이는 긴 영상을 만들고, 어떤 이는 추론 속도를 최적화했으며, 또 어떤 이는 아예 월드 모델로 개조했습니다.

하지만 지금 되돌아보면, 이 프로젝트들은 모두 같은 일을 하고 있었습니다.

바로 오픈소스 범용 모델을 가져와 각자의 특정 문제에 맞게 계속 밀어붙이는 것입니다.

MiniMax는 H3의 기본 성능을 잘 만들어낼 수 있지만, 광고 팀이 가장 신경 쓰는 것이 무엇인지, 비디오 플랫폼이 어떤 비용을 가장 줄이고 싶어 하는지, 인터랙티브 월드를 만드는 사람들이 어떤 응답 능력을 필요로 하는지 동시에 알 수는 없습니다.

이러한 문제들은 오히려 다운스트림이 가장 잘 알고 있습니다.

Genspark도 마찬가지입니다.

MiniMax보다 범용 모델을 훈련하는 방법을 더 잘 알 필요는 없습니다. MiniMax보다 PPT 사용자를 더 잘 이해하기만 하면 됩니다.

fal도 새로운 비디오 모델을 다시 만들 필요가 없습니다. 자신의 추론 시스템과 고객에게 정확히 무엇이 부족한지만 알면 됩니다.

따라서 오픈 웨이트가 진정으로 바꾼 것은 단지 모두가 모델을 다운로드할 수 있게 된 것만이 아닙니다.

사실 연구 개발 작업의 일부를 재분배한 것입니다.

기초 모델 회사는 범용 성능을 충분히 높이는 책임을 지고, 다운스트림 회사는 이를 자신의 비즈니스에 더 적합하도록 계속 훈련시키는 책임을 집니다.

이렇게 되면 MiniMax는 모든 애플리케이션 시나리오를 미리 스스로 예측할 필요가 없습니다.

모델이 공개되면, 외부 회사들은 자신의 데이터, 사용자 및 문제를 가지고 계속해서 다양한 방향으로 나아갈 것입니다.

MiniMax가 절대 하지 않을 방향도 있을 수 있습니다.

하지만 베이스가 충분히 좋기만 하다면, 이러한 탐구는 여전히 MiniMax로부터 시작될 수 있습니다.

이것이 바로 제가 H3 오픈소스 이후의 그 향연에서 더 주목할 만한 점이라고 생각하는 부분입니다.

표면적으로는 모두가 같은 모델을 가지고 노는 것처럼 보입니다.

실제로는 많은 팀이 이 모델을 위해 각기 다른 행선지를 찾기 시작한 것입니다.

PART.05. MiniMax에게 주는 가치는 무엇인가

하지만 오픈 웨이트에는 피할 수 없는 또 다른 문제가 있습니다.

이러한 다운스트림 탐구들이 결국 MiniMax 자신과 어떤 관련이 있을까요?

앞서 H3를 설명할 때 이미 첫 번째 가치를 볼 수 있었습니다.

MiniMax는 스스로 광고, 긴 영상, 월드 모델 또는 PPT를 연구할 필요가 없습니다. 모델이 공개되면, 다운스트림이 자신의 데이터, 사용자 및 비즈니스 문제를 가지고 이 베이스의 새로운 방향을 계속해서 시험할 것입니다.

누군가 성공하면, 그것은 시장에 또 하나의 사례가 되어 이 모델이 단지 Benchmark에서만 작동하는 것이 아니라 실제로 제품을 만드는 데 사용될 수 있음을 보여줍니다.

이러한 가치는 즉시 수익으로 나타나지 않을 수 있지만, 다음 개발자들의 선택에 영향을 미칠 것입니다.

그리고 MiniMax는 분명히 이후의 비즈니스 관계를 완전히 놓지 않은 것으로 보입니다.

나중에 M3의 라이선스를 살펴보니, 웨이트만 공개하면 이후에 자유롭게 사용할 수 있는 구조가 아니었습니다.

M3는 자체 커뮤니티 라이선스를 사용합니다.

계약서에는 M3를 기반으로 후속 훈련, 미세 조정을 거쳐 형성된 상업적 배포는 여전히 상업적 사용에 해당한다고 명시되어 있습니다. 관련 제품 및 서비스의 연간 수익이 2천만 달러를 초과하는 경우, MiniMax의 별도 서면 승인을 받아야 합니다.

이 설계는 이해하기 매우 쉽습니다.

초기에는 모델을 먼저 공개하여 더 많은 팀이 시도해보도록 장려합니다. 누가 무엇에 적합한지는 MiniMax가 미리 모두 예측할 필요가 없습니다.

만약 어떤 프로젝트가 결국 실험으로 끝나더라도, 커뮤니티는 적어도 하나의 방향을 탐색해 준 셈입니다.

만약 실제로 비즈니스로 성장한다면, 양측은 새로운 비즈니스 관계를 구축할 기회를 갖게 됩니다.

따라서 오픈 웨이트가 MiniMax가 이후의 모든 가치를 포기하는 것을 의미하지는 않습니다.

오히려 먼저 개발 경계를 열어 더 많은 사람들이 모델을 다양한 시나리오로 이끌도록 돕고, 특정 시나리오가 실제로 성장한 후에 라이선스, API 또는 기타 서비스를 통해 관계를 다시 연결하는 것에 가깝습니다.

현재 Comfy는 이미 MiniMax 모델의 상업용 라이선스를 공개 판매 중이며, Professional 요금제은 월 5,000달러부터 시작합니다.

물론, 여기에는 선후 관계가 있습니다. 순서를 뒤바꾸면 안 됩니다.

라이선스가 영리하게 작성되었기 때문에 개발자가 찾아오는 것이 아닙니다.

먼저 충분히 좋은 모델이 있어야 누군가가 다운로드하고, 계속 훈련시키며, 심지어 자신의 제품을 그 위에 걸게 됩니다.

라이선스가 할 수 있는 것은, 모델이 이미 가치를 창출한 후에 그 가치의 일부가 MiniMax로 돌아올 기회를 만드는 것뿐입니다.

이렇게 보면, 오픈소스 자체는 비즈니스 모델이 아닙니다.

그것은 모델이 도달할 수 있는 범위를 확장하는 것에 더 가깝습니다.

그리고 비즈니스 모델은 이러한 장소에서 실제로 무언가가 자라난 후에야 의미를 갖기 시작합니다.

PART.06. 핵심은 얼마나 많은 사람들이 당신을 사용하려는가

과거에 기초 모델을 평가할 때 가장 흔히 보는 것은 여전히 Benchmark였습니다.

수학 점수, Coding 순위, Agent 순위 상승 여부 등은 물론 중요합니다.

하지만 MiniMax에게는 이제 하나의 지표를 더 살펴볼 수 있습니다.

얼마나 많은 팀이 그들의 모델을 가져와 계속 훈련시키고 실제로 자신의 비즈니스에 적용하려는가입니다.

이는 모델을 한 번 다운로드하는 것보다 훨씬 중요합니다.

일단 후속 훈련을 결정하면, 해당 팀이 엔지니어, 컴퓨팅 파워, 시간을 투자하고, 자신의 작업 환경과 평가 시스템을 연결한 후, 실제 사용자로 결과를 검증하겠다는 의미이기 때문입니다.

아무도 오픈소스 생태계가 번성하다는 것을 증명하기 위해 감당할 수 없는 비용을 스스로 태우지 않습니다.

따라서 Genspark가 M3를 선택한 것 자체가 매우 실질적인 검증입니다.

Genspark는 충분히 큰 비즈니스 규모와 오랜 기간 축적된 PPT 제품 경험을 가지고 있습니다. 반면, MiniMax는 기본 성능이 충분하고 계속 훈련할 가치가 있는 베이스를 먼저 제공해야 합니다.

어느 한쪽이라도 빠지면, 이 일은 성립되기 어렵습니다.

따라서 애플리케이션 회사들이 모델 레이어로 이동하기 시작했다고 해서 기초 모델 회사의 가치가 작아진 것은 아닙니다.

반대로, 베이스가 충분히 성숙해야 다운스트림이 자신의 비즈니스, 엔지니어링 리소스 및 사용자를 함께 투자할 용기를 냅니다.

Genspark는 M3를 PPT 모델로 훈련시키고, fal과 FastVideo는 H3를 기반으로 계속 개조합니다. 이들이 해결하는 것은 MiniMax가 정의한 문제가 아니지만, 모두 같은 것을 검증하고 있습니다. 이 베이스가 계속 개발할 가치가 있는지 여부입니다.

따라서 앞으로 MiniMax를 평가할 때, Benchmark, API 및 자체 제품 외에도 한 가지 지표를 더 살펴볼 것입니다.

얼마나 많은 회사가 자신의 비즈니스를 MiniMax의 모델 위에 세우려는지입니다.

모델 하나를 다운로드하는 것은 쉽습니다.

엔지니어, GPU 및 실제 사용자를 투자하여 계속해서 작업을 진행하는 것이 훨씬 어렵습니다.

모델이 발표된 후에도 얼마나 많은 사람들이 계속해서 작업을 이어나가는지, 이것이 발표회의 박수 소리보다 훨씬 중요합니다.