딥시크 V4, GPT-5.5, 클로드 미토스가 던진 메시지 [이승현의 AI 네이티브] - IT조선

최근 한 달 사이 인공지능(AI)업계에는 세 가지 사건이 연달아 터졌다. 앤트로픽이 클로드 미토스(Claude Mythos) 프리뷰를 공개했고, 가성비를 앞세운 딥시크 V4(DeepSeek-V4)가 등판했으며, 자율형 에이전트의 정점이라 할 GPT-5.5가 출시됐다. 그런데, 이 세 모델은 서로 다른 메시지를 던졌다. 모델 크기를 넘어서서 이제 기술의 목적과 구조가 생태계를 가르는 단계로 들어선 것이다. 하나의 인공지능이 모든 비즈니스와 공공 난제를 풀어 줄 것이라는 범용 만능주의는 이미 끝났다. 시장은 인프라 효율성, 인간을 대체하는 자율 실행력, 그리고 새로운 사이버 위협이라는 세 축으로 빠르게 갈라지고 있다. 새로운 시대는 기술 자체에 매몰되는 쪽이 아니라 이질적인 AI들을 어떻게 조립하고 방어할지 청사진을 그리는 쪽에 돌아간다. 결국 아키텍처 설계 능력이 관건이다. 인퍼런스 비용의 붕괴와 주권형 AI의 대중화, 딥시크 V4의 아키텍처 전환 4월 23일 공개된 딥시크 V4의 핵심은 비용 구조에 있다. 그동안 딥시크 시리즈는 모델 아키텍처 자체를 뜯어고쳐 연산 오버헤드를 크게 줄여왔다. 핵심에는 고도화된 전문가 혼합(MoE) 구조와 희소 주의(Sparse Attention) 메커니즘이 자리한다. 기존 미국 중심의 프론티어 모델은 질문 하나를 처리하려고 수천억 개 파라미터를 한꺼번에 가동하는 무거운 밀집형(Dense) 구조를 택해 왔다. 딥시크는 다르다. 전체 신경망 가운데 쿼리 해결에 꼭 필요한 5~10%의 전문가 네트워크만 골라 활성화한다. 문맥이 길어질수록 연산량이 폭증하는 트랜스포머 아키텍처의 한계도 핵심 정보에만 컴퓨팅을 할당하는 세밀한 인덱싱 시스템으로 우회했다. 여기에 더해 이번 딥시크 V4는 전체 파라미터 규모를 기존 V3의 671B에서 1.6T로 대폭 확장했음에도 불구하고, 실제 활성 파라미터는 49B 수준으로 효율적으로 제어하여 지능의 밀도와 연산 가성비를 한 단계 더 끌어올렸다. 또한, 모델 내부에 정적 지식 검색을 전담하는 엔그램(Engram) 메모리 아키텍처를 새롭게 도입해 기존 V3에서 혼재되어 있던 논리적 추론 엔진과 단순 지식 저장 영역을 구조적으로 분리함으로써 지능 처리의 고질적인 병목 현상을 해결했다. 쉽게 말해, 엔그램은 자주 쓰이는 정보를 반복해서 처음부터 다시 연산하지 않고, 해시 기반 메모리에 저장해 두었다가 필요할 때 바로 불러오는 방식이다. (엔그램에 대해서는 지난번 기고 ‘연산의 시대에서 메모리의 시대로’ 에서 설명한 바 있다) 숫자로 확인된다. 딥시크 V4는 100만 토큰(약 75만 자 분량)을 추론하는 API 비용을 수십 센트 수준까지 끌어내렸다. 동급 성능 모델 대비 40분의 1로 저렴하다. 이러한 가성비는 정부와 기업의 AI 전략을 근본부터 다시 짠다. 보안과 컴플라이언스, 그리고 클라우드 유지 비용 때문에 미뤄 두었던 자립형 AI 인프라의 전면 구축이 비로소 손에 잡히는 선택지가 됐다. 그동안 빅테크의 폐쇄형 모델의 혁신성때문에 어쩔수 없이 의존했다면, 이제 딥시크는 이 인프라 전환을 가장 싸고 강하게 받쳐 주는 원자재로 자리 잡게 된 것이다. 자율 실행력과 에이전트 생태계의 완성, GPT-5.5의 다단계 추론 딥시크가 인프라의 밑단을 흔들었다면, 바로 다음 날인 24일 출시된 오픈AI의 GPT-5.5는 사용자와 맞닿은 업무 방식을 다시 짰다. 이 모델은 비용 절감을 일단 뒤로 하고, 복잡한 문제 해결을 위한 자율 실행력에 모든 설계를 걸었다. GPT-5.5의 가치는 강화학습(RL)을 바탕으로 시스템이 스스로 생각의 경로를 탐색하고 수정하는 다단계 추론(Chain-of-Thought)을 끌어올렸다는 점이 결정적이다. 개발자 커뮤니티의 심층 분석에 따르면, GPT-5.5는 인간의 모호한 프롬프트를 받으면 수십 개의 하위 작업으로 쪼갠다. 스스로 웹을 검색하고, 사내 데이터베이스 쿼리를 짜서 돌리고, 외부 API를 호출해 결괏값을 가져오는 과정을 사람이 끼지 않은 채 수행한다. 도중에 오류가 나면 코드를 직접 디버깅하고(Self-reflection) 다른 경로로 우회해 결과물을 도출해 낸다. 기술적으로 이러한 자율성의 토대가 되는 것은 인퍼런스 타임 스케일링(Inference-time Scaling)의 본격적인 도입이다. 이전 모델들이 여전히 사전 학습(Pre-training) 단계의 데이터 양에 주로 의존했다면, GPT-5.5는 난도가 높은 문제일수록 추론 과정에 더 많은 연산 자원을 투입하여 수만 가지의 사고 경로를 탐색하는 생각의 트리(Tree of Thoughts) 구조를 취한다. 특히 각 추론 단계의 논리적 타당성을 실시간으로 검증하는 프로세스 보상 모델이 엔진의 핵심으로 작동하며, 인공지능이 직관적인 답변을 내놓는 시스템 1(System1) 사고를 넘어 심층적이고 분석적인 시스템 2(System2) 사고 영역으로 완전히 진입했음을 의미한다. GPT-5.5의 에이전틱 오케스트레이션은 챗봇 기반 업무 보조의 영역을 넘어선다. 시장 환경 변화에 따른 정책 시뮬레이션, 복잡한 재무 모델링 자동화, 다중 시스템이 얽힌 코드 배포처럼 인간 노동자가 며칠에 걸쳐 처리하던 실행을 모델이 직접 끝낸다. API 호출 단가는 높지만, 고도화된 인간 노동력을 직접 대체하고 업무 완결성을 담보한다는 점에서 GPT-5.5는 에이전트 생태계를 실무에 안착시키는 기폭제가 될 것으로 보인다. 27년 된 취약점과 보안 패러다임의 균열, 클로드 미토스의 경고 비용 효율과 에이전트의 청사진 뒤편에는 그 모든 인프라를 한 번에 무너뜨릴 수 있는 위협이 놓여 있다. 4월 7일 제한적으로 프리뷰가 공개된 앤트로픽의 클로드 미토스(Claude Mythos, 내부 코드명 Capybara)는 사이버 보안의 역사를 새로 썼다. 앤트로픽 공식 보고서와 수석 연구원 니콜라스 칼리니(Nicholas Carlini)의 발표 내용은 전 세계 보안 업계를 얼어붙게 했다. 클로드 미토스는 인간 보안 전문가와 기존 자동화 도구가 27년간 발견하지 못한 OpenBSD의 TCP SACK 취약점을 단독으로 찾아냈다. 더 충격적인 사례는 FFmpeg의 16년 묵은 취약점이다. 수백만 번의 기계적 코드 실행으로도 놓쳐 온 심층 논리 결함을 미토스는 코드의 의미론적 추론으로 짚어 냈다. 단순히 버그를 찾는 수준에서 끝나지 않고, 미토스는 탐지한 제로데이(Zero-day) 취약점을 공격하는 익스플로잇 코드까지 자율로 생성한다. 인공지능이 해킹의 방어자에서 자동화된 대규모 공격의 주체, 즉 초전문가(Super-expert) 단계로 넘어갔다. 이러한 이중 용도(Dual-use)의 위험 때문에 앤트로픽은 대중 공개를 전면 철회하고 극소수 파트너사에게만 프로젝트 글래스윙(Project Glasswing)이라는 이름으로 접근을 열었다. 클로드 미토스의 존재는 분명한 경고를 남긴다. 앞으로 기업과 정부가 구축할 모든 AI 시스템은 인공지능이 만들어 내는 지능형 사이버 공격에 언제든 노출된다. 과거의 경계망 중심 보안은 의미를 잃었다. 아무것도 신뢰하지 않는 제로트러스트(Zero Trust)아키텍처 기반의 망 분리와 접근 제어가 새로운 시대의 생존 조건이다. 세 갈래의 수렴, 모델이 아니라 아키텍처가 격차를 가른다 이렇게 세 모델은 서로 다른 방향을 가리키지만 같은 결론으로 이어진다. 이제 정말로 단일 프론티어 모델이 모든 문제를 떠안던 시대는 끝났다. 딥시크 V4가 낮춰 놓은 인프라 단가 위에 GPT-5.5의 자율 실행 계층을 얹고, 그 전체를 클로드 미토스가 예고한 지능형 위협으로부터 지켜 내는 일, 이 세 레이어를 적절하게 어떻게 잇느냐가 다음 5년의 경쟁력을 결정할 수 있을 것이다. 이질적 모델을 목적별로 배치하고 워크플로우를 모듈화하며 킬 스위치까지 함께 설계하는 멀티모델 오케스트레이션이 그 답이다. 모델을 사들이는 능력이 아니라 모델을 조립하는 설계 역량이 기업과 국가의 격차를 가른다. AI 전환의 승부는 가장 큰 모델을 누가 먼저 도입하느냐가 아니라, 효율·실행력·보안이라는 세 축을 하나의 아키텍처로 묶어 내는 설계자의 손에서 갈린다. 이제 필요한 것은 더 똑똑한 모델이 아니라 더 단단한 청사진이다. 물론, 청사진은 종이 위에서 완성되지 않는다. 효율, 실행력, 보안이라는 세 축을 실제로 엮어 내려면 조직의 업무 구조 자체가 그 위에 다시 얹혀야 하고, 의사결정의 속도와 권한도 아키텍처를 따라 재배치돼야 한다. 결국 다음 5년의 격차는 어떤 모델을 도입했는가가 아니라, 그 모델들이 흐를 수 있도록 조직과 프로세스를 얼마나 정교하게 다시 설계했는가에서 벌어진다. 모델은 사 올 수 있어도 설계는 사 올 수 없다. 지금 이 순간, 그 설계도를 손에 쥐고 있는 쪽과 그렇지 못한 쪽 사이의 거리는 이미 조용히 벌어지고 있다. ※ 외부필자의 원고는 IT조선의 편집방향과 일치하지 않을 수 있습니다. 이승현 포티투마루 부사장은 스타트업 창업가 출신의 AI 전문가다. 디지털플랫폼정부위원회 인공지능플랫폼혁신국장으로서 재직하면서 대한민국 공공 AI의 초석을 닦았으며, 현재는 법무법인 린의 공공AX 고문을 겸하며 기술과 정책의 가교 역할을 하고 있다. 이론에 머물지 않는 현장형 전략가로서 국가 전반의 AI 네이티브 전환을 이끌고 있다.