NextLens.Net

Thinking Machines의 Inkling 공개, 오픈웨이트 AI 모델 경쟁이 다시 한 단계 올라갔습니다

Inkling은 단순한 “새 모델 출시”가 아니라, 오픈웨이트 AI가 어디까지 왔는지 보여주는 상징적인 발표입니다.

이번 발표에서 가장 눈여겨볼 포인트는 975B 총 파라미터, 41B 활성 파라미터의 대형 Mixture-of-Experts 구조라는 점입니다.

여기에 최대 1M 토큰 컨텍스트 윈도우, 텍스트·이미지·오디오·비디오를 함께 다루는 멀티모달 능력, 그리고 Tinker에서 바로 파인튜닝 가능한 개방성까지 더해졌습니다.

즉, 이번 Inkling은 성능만 강조한 모델이 아니라, 실제 기업과 개발자가 커스터마이징해서 쓰기 좋은 오픈웨이트 기반 모델로 설계됐다는 게 핵심입니다.

그리고 이 발표가 중요한 이유는 하나 더 있습니다.

AI 시장이 이제는 “누가 더 똑똑한가”보다 “누가 더 잘 쓰이게 만들었는가”로 이동하고 있기 때문입니다.

1. 뉴스 핵심 정리: Inkling이 뭐가 다른가

오픈웨이트지만, 단순 공개 모델이 아닙니다

Inkling은 Thinking Machines가 처음부터 학습한 모델이며, 전체 가중치가 공개된 오픈웨이트 모델입니다.

보통 오픈웨이트 모델은 접근성이 강점이지만, 성능이나 일관성에서 아쉬움이 남는 경우가 많았습니다.

그런데 Inkling은 여기서 한 발 더 나아가 멀티모달 처리, 도구 사용, 에이전트형 코딩, 효율적인 사고 제어까지 넣었습니다.

쉽게 말하면, 그냥 “열려 있는 모델”이 아니라 현업에서 커스터마이징하기 좋은 기반 모델에 가깝습니다.

핵심 수치만 봐도 존재감이 큽니다

Inkling의 주요 사양은 다음과 같습니다.

• 총 파라미터: 975B
• 활성 파라미터: 41B
• 컨텍스트 길이: 최대 1M 토큰
• 사전학습 데이터: 45T 토큰
• 입력 형태: 텍스트, 이미지, 오디오, 비디오
• 구조: Mixture-of-Experts Transformer

이 정도면 단순 챗봇이 아니라 차세대 파운데이션 모델로 보는 게 맞습니다.

특히 1M 토큰 컨텍스트는 문서 분석, 장기 프로젝트 코딩, 대규모 리서치, 복잡한 업무 자동화에서 꽤 강력한 무기입니다.

2. 왜 지금 이 모델이 시장에서 중요한가

AI 시장은 “범용성 + 커스터마이징”이 승부처입니다

요즘 기업들은 가장 좋은 LLM 하나를 찾는 게 아니라, 내 업무에 맞게 바꿔 쓸 수 있는 모델을 찾고 있습니다.

이 지점에서 Inkling의 방향성이 꽤 명확합니다.

• 범용 모델로서 기본 체력을 갖추고
• Tinker에서 파인튜닝이 가능하고
• 멀티모달과 도구 사용을 기본 탑재하고
• 사고 비용과 지연시간을 조절할 수 있게 설계했습니다

즉, “만능 정답형 모델”보다 업무 맞춤형 플랫폼형 모델에 가깝습니다.

이 흐름은 글로벌 경제전망 관점에서도 중요합니다.

AI 인프라 시장, 클라우드 비용 최적화, 엔터프라이즈 자동화, 데이터 라벨링, 모델 파인튜닝 수요가 같이 커질 가능성이 높기 때문입니다.

오픈소스/오픈웨이트 생태계 경쟁이 더 치열해집니다

이번 발표는 닫힌 모델 중심의 경쟁 구도에 균열을 더 낸 사건입니다.

왜냐하면 기업 고객 입장에서는 이제 단순히 최고 성능 모델보다도,

• 내부 데이터 학습 가능 여부
• 모델 수정 가능 여부
• 규제 대응 가능 여부
• 추론 비용
• 배포 유연성

이런 것들이 더 중요해졌기 때문입니다.

Inkling은 이 수요를 정확히 겨냥했습니다.

3. 성능 포인트: Inkling이 강한 영역

1) 일반 대화형 모델을 넘어선 “광범위한 범용성”

Thinking Machines는 Inkling을 특정 분야만 잘하는 모델로 만들지 않았습니다.

오히려 다음 영역을 넓게 훈련했습니다.

• 에이전트 작업
• 추론
• 코딩
• 지시 수행
• 사실성
• 비전
• 오디오

이건 실제 업무에서 꽤 중요합니다.

현실의 문제는 하나의 능력만으로 해결되지 않기 때문입니다.

예를 들어, 문서 요약을 하다가도 표를 읽어야 하고, 이미지도 봐야 하고, 코딩 툴도 써야 하고, 중간에 모호하면 추론을 다시 해야 합니다.

Inkling은 이런 복합 워크플로우를 염두에 둔 모델입니다.

2) 에이전틱 코딩과 도구 사용

Inkling은 코딩 에이전트 환경에서 잘 동작하도록 훈련됐습니다.

특히 툴셋과 스키마를 무작위로 바꾸며 학습해서, 특정 하니스에만 과적합되지 않도록 설계한 점이 눈에 띕니다.

이건 실전에서 꽤 큰 차이를 만듭니다.

현업에서는 항상 같은 도구만 쓰지 않기 때문입니다.

깃허브, 사내 툴, 브라우저, 데이터베이스, API, 파일시스템이 섞여 들어가는데, 이런 환경에서 유연하게 움직이는 모델이 진짜 가치가 있습니다.

3) “사고 비용”을 조절할 수 있는 점

Inkling의 중요한 차별점 중 하나는 controllable thinking effort입니다.

쉽게 말하면, 필요한 만큼만 더 깊게 생각하게 만들 수 있다는 뜻입니다.

이 기능이 왜 중요하냐면, AI 운영비는 결국 토큰 사용량과 응답 지연시간에서 갈리기 때문입니다.

• 간단한 질의는 빠르게
• 어려운 추론은 더 깊게
• 비용이 중요한 업무는 절약형으로
• 정밀도가 중요한 업무는 고정밀 모드로

이렇게 조절할 수 있으면, 기업 입장에서는 모델 하나로 여러 업무를 나눠 쓰기 쉬워집니다.

4. 현업 관점에서 더 중요한 기능들

One-shot 웹앱 생성과 브라우저 내장 사용

Inkling은 한 번의 프롬프트로 웹앱을 만들고, 그 안에서 브라우저를 활용하는 에이전트까지 수행했습니다.

이건 단순 데모처럼 보일 수 있지만, 실제로는 꽤 큰 의미가 있습니다.

왜냐하면 앞으로는 “코드를 짜는 AI”보다 업무 도구를 직접 조작하는 AI가 더 중요해질 가능성이 크기 때문입니다.

예를 들어,

• 내부 포털 자동화
• 리포트 생성
• 신청서 작성
• 고객 응대용 내부 툴 제작
• 마케팅 랜딩 페이지 초안 생성

이런 작업은 기업 생산성을 바로 건드립니다.

디자인과 문서 생성에서도 일관성이 좋습니다

Inkling은 복수 페이지 아티팩트, 편집형 콘텐츠, 시각적 완성도에서도 좋은 결과를 보였습니다.

이건 중요한 포인트입니다.

요즘 AI는 “한 번 그럴듯한 결과”보다 끝까지 스타일이 유지되는지가 더 중요합니다.

특히 브랜드 문서, 제품 소개서, 교육자료, 제안서, 리서치 PDF 같은 업무에선 문장 품질보다도 전체 톤과 디자인 일관성이 핵심입니다.

장기 반복 개선 루프에 강합니다

Inkling은 여러 번의 피드백을 통해 개선되는 긴 작업 흐름에서도 성과를 냈습니다.

이건 곧 AI가 단발성 답변을 넘어 반복 협업 도구로 진화하고 있다는 뜻입니다.

실무에서는 대부분 이런 식이죠.

• 초안 작성
• 검토
• 수정
• 다시 검토
• 최종 반영

Inkling은 이 흐름에 맞는 모델입니다.

5. 멀티모달 역량: 오디오와 비전을 같이 다룬다는 것의 의미

이미지와 오디오를 별도 기능이 아니라 기본 입력으로 다룹니다

Inkling은 텍스트만 읽는 모델이 아닙니다.

이미지와 오디오를 함께 이해하고, 텍스트와 결합해 추론하도록 설계됐습니다.

이 말은 곧 다음을 의미합니다.

• 회의 녹음 이해
• 화면 캡처 분석
• 차트 판독
• 발표 자료 해석
• 음성 명령 기반 협업

앞으로 기업 AI는 텍스트 챗봇보다 멀티모달 업무 비서에 가까워질 가능성이 큽니다.

비전과 오디오가 중요한 이유는 실제 업무 데이터가 이미 멀티모달이기 때문입니다

기업 데이터는 원래 섞여 있습니다.

문서만 있는 게 아니라, 회의 음성, 그래프, 제품 이미지, 영상, 콜센터 기록까지 같이 움직입니다.

그래서 멀티모달 모델은 단순히 기술 과시가 아니라 실제 엔터프라이즈 데이터 구조에 맞는 진화라고 볼 수 있습니다.

6. 신뢰성, 예측, 안전성에서 읽어야 할 포인트

Inkling은 사실성만이 아니라 “확신의 정도”를 훈련했습니다

Thinking Machines는 이 모델을 만들면서 calibration, instruction following, censorship resistance를 함께 다뤘다고 밝혔습니다.

이건 굉장히 중요합니다.

AI가 문제인 이유는 틀릴 수 있어서가 아니라, 틀릴 때도 너무 자신 있게 말하기 때문입니다.

Inkling은 단순 정답률보다도,

• 언제 확신해야 하는지
• 언제 보류해야 하는지
• 언제 “모른다”고 말해야 하는지

같은 부분을 신경 썼습니다.

이건 예측, 리서치, 금융, 정책 분석, 시장 전망에서 특히 중요합니다.

안전성도 오픈웨이트 시대의 핵심 경쟁력입니다

오픈웨이트 모델은 강력한 만큼 안전성 논란도 커질 수 있습니다.

그래서 Inkling은 외부 안전 평가까지 받았습니다.

공개된 결과를 보면, 위험한 요청을 거부하는 성능과 일반 요청에 대한 과잉 거부를 구분하려고 한 흔적이 보입니다.

이건 앞으로 오픈 AI 생태계에서 필수 조건이 될 가능성이 높습니다.

성능만 높고 배포가 불안한 모델은 기업이 못 씁니다.

7. 경쟁 구도에서 Inkling이 갖는 위치

최강 모델은 아니지만, “좋은 베이스 모델”로 포지셔닝했습니다

Thinking Machines도 Inkling이 세상에서 가장 강한 모델이라고 말하지는 않습니다.

대신 다음 특성을 강조합니다.

• 멀티모달
• 효율적인 사고
• 커스터마이징 가능
• Tinker에서 바로 파인튜닝 가능

즉, 프론티어 1위 경쟁보다는 실전 커스터마이징 기반으로 간 셈입니다.

이 전략은 꽤 영리합니다.

왜냐하면 기업은 반드시 최고 점수 모델을 사는 게 아니라, 총소유비용(TCO)이 낮고 내 업무에 맞는 모델을 선택하기 때문입니다.

Inkling-Small도 함께 공개된 점이 중요합니다

같이 발표된 Inkling-Small은 12B 활성 파라미터를 가진 경량 모델입니다.

주요 포인트는 이겁니다.

• 더 낮은 비용
• 더 낮은 지연시간
• 꽤 강한 성능
• 코드 생성, 요약, 평가, synthetic data 생성에 적합

이 조합은 아주 실용적입니다.

대형 모델은 고난도 추론에, 소형 모델은 대량 처리와 속도 중심 업무에 쓸 수 있기 때문입니다.

AI 인프라 시장에서는 이런 계층화가 점점 더 중요해질 겁니다.

8. 글로벌 경제전망 관점에서 읽는 Inkling 발표

1) AI 수요는 “대형 모델 구매”에서 “커스터마이징 운영”으로 이동 중

앞으로 기업이 돈을 쓰는 곳은 단순 API 호출보다,

• 파인튜닝
• 에이전트 구축
• 데이터 파이프라인
• 멀티모달 업무 자동화
• 사내 지식 통합

쪽으로 더 기울 가능성이 큽니다.

Inkling은 이 흐름의 중심에 있습니다.

2) 컴퓨팅 수요는 줄지 않고, 형태만 바뀝니다

대형 오픈웨이트 모델이 나온다고 해서 AI 비용이 싸지는 건 아닙니다.

오히려 기업이 직접 운영하려면,

• GPU 인프라
• 추론 최적화
• 모델 관리
• 보안
• 거버넌스

수요가 같이 커집니다.

즉, AI는 이제 소프트웨어만의 시장이 아니라 인프라·클라우드·반도체·툴체인까지 묶는 산업입니다.

3) 생산성 향상은 “직원 대체”보다 “업무 재설계”로 먼저 옵니다

Inkling 같은 모델이 실무에 들어오면, 바로 대규모 인력 감축보다 먼저 나타나는 변화는 업무 재설계입니다.

• 반복 작업 자동화
• 보고서 초안 생성
• 데이터 탐색 가속화
• 내부 도구 개선
• 고객 응대 품질 향상

즉, 생산성 증가는 조직 구조보다 먼저 워크플로우에서 시작됩니다.

9. 다른 뉴스나 유튜브에서 잘 안 다루는 핵심 포인트

핵심 1. “최고 성능”보다 “조절 가능한 성능 곡선”이 더 중요해졌습니다

많은 콘텐츠는 모델이 몇 점 받았는지에만 집중합니다.

그런데 실제 운영에서는 한 번의 최고점보다 비용 대비 성능을 어떻게 조절하느냐가 더 중요합니다.

Inkling의 controllable thinking effort는 이 방향성을 아주 선명하게 보여줍니다.

이건 단순 기능이 아니라, 앞으로 모델 경쟁의 기준이 바뀐다는 신호입니다.

핵심 2. 오픈웨이트의 진짜 가치는 공개 자체가 아니라 “재학습 가능성”입니다

오픈웨이트가 중요하다는 말은 이제 너무 흔합니다.

하지만 진짜 중요한 건, 이 모델을 기업이 자기 데이터로 바꿔 쓸 수 있느냐입니다.

Inkling은 Tinker와 함께 공개되면서, 바로 이 재학습 가능성을 전면에 내세웠습니다.

즉, 모델 출시가 아니라 모델 활용 플랫폼 출시에 가깝습니다.

핵심 3. 멀티모달 경쟁은 이제 “이미지+텍스트”에서 끝나지 않습니다

앞으로는 음성, 화면, 문서, 도구 실행, 웹 브라우징까지 합쳐진 실제 업무형 멀티모달이 중요해집니다.

Inkling은 그 방향으로 설계됐다는 점에서 의미가 큽니다.

핵심 4. 안전성과 비준수성은 오픈 모델의 새로운 기업가치입니다

기업 입장에선 모델이 똑똑한 것보다도, 사고 없이 일관되게 동작하는지가 더 중요합니다.

안전성은 이제 규제 대응을 넘어 영업 경쟁력입니다.

10. 정리: Inkling 발표가 남긴 메시지

오픈웨이트 AI는 이제 “공개 모델”이 아니라 “운영 가능한 제품”으로 진화 중입니다

Inkling은 단순한 공개 데모가 아닙니다.

대형 모델의 성능, 멀티모달 능력, 도구 사용, 사고 제어, 파인튜닝 가능성까지 하나의 흐름으로 묶었습니다.

그리고 이 흐름은 앞으로 AI 산업이 어디로 갈지 잘 보여줍니다.

• 더 커진 모델
• 더 정교한 커스터마이징
• 더 낮은 운영비
• 더 높은 신뢰성
• 더 실무적인 멀티모달

결국 시장은 “가장 똑똑한 모델”이 아니라 “가장 잘 맞게 변형되는 모델”로 가고 있습니다.

Inkling은 그 변화의 초입을 꽤 선명하게 보여준 사례입니다.

< Summary >

Inkling은 Thinking Machines가 공개한 대형 오픈웨이트 멀티모달 AI 모델입니다.

975B 총 파라미터, 1M 토큰 컨텍스트, 45T 토큰 학습, Tinker 파인튜닝 지원이 핵심입니다.

범용 추론, 에이전틱 코딩, 오디오·비전 처리, 안전성, 사고 비용 조절 기능이 강점입니다.

시장 관점에서는 AI가 “최고 성능 경쟁”에서 “커스터마이징과 운영 효율 경쟁”으로 이동하고 있음을 보여줍니다.

[관련글…]

오픈웨이트 모델 경쟁이 바꾸는 AI 시장

기업용 파인튜닝 전략과 AI 도입 방향

*출처: https://thinkingmachines.ai/news/introducing-inkling/