중국계 AI 스타트업 문샷AI(Moonshot AI)의 대규모 언어모델 ‘키미 K3(Kimi K3)’가 단기간에 상용 최상위권 성능을 보이면서, 경쟁사 모델을 ‘증류(distillation)’해 성능을 끌어올린 것 아니냐는 의혹이 해외 커뮤니티를 중심으로 제기돼 왔다. 이에 대해 업계 전문가들은, 앤트로픽(Anthropic)의 모델 ‘페이블(Fable)’을 단순히 증류했다고 해서 지금 수준의 Kimi K3가 나올 수는 없다고 선을 그었다.

“이 정도 성능, 단순 증류로는 안 나온다”

테크크런치AI(TechCrunch AI)에 익명으로 의견을 낸 한 대형 모델 연구자는 “페이블이 공개된 직후 이 정도로 강력한 모델을 이렇게 빨리 내놓으려면, 단순 증류만으로는 불가능하다”고 말했다. 그는 Kimi K3가 보여주는 응답 품질과 추론 능력, 전반적인 일관성을 고려하면, 상용 모델을 그대로 좇는 1:1 모사 방식만으로는 설명하기 어렵다고 평가했다.

‘증류’는 한 모델이 다른 더 강력한 모델의 출력 결과를 학습해 그 성능을 따라가는 방식으로, 최근 상용 챗봇 개발에서 널리 사용되는 기법이다. 다만 전문가들은, 상위 모델의 출력만 모아 무작정 학습시키는 수준으로는 상위권 모델과의 격차를 좁히기 어렵고, 별도 데이터 구축과 아키텍처·튜닝 전략이 동반돼야 한다고 지적한다.

Fable 악용 의혹, 기술·시간 계산이 안 맞는다?

일각에서는, 앤트로픽이 내놓은 페이블 계열 모델의 응답을 대량 수집해 Kimi K3 학습에 활용했을 것이라는 의혹도 제기돼 왔다. 하지만 연구자들은 모델 공개 시점과 Kimi K3 성능 고도화 속도를 따져 보면, 단순히 Fable을 ‘빨아들인 것’만으로는 시기와 기술적 난도가 맞지 않는다고 본다.

특히, 상용 서비스에 투입된 모델은 안전성 필터링, 도메인별 최적화, 인프라 튜닝 등 수많은 공정이 더해져야 한다. 이런 요소까지 고려하면, 경쟁사 모델 하나를 겨냥한 증류만으로 지금과 같은 상용 수준 품질을 갖춘 대형 모델을 빠르게 만들기는 어렵다는 설명이다.

투명성 요구 커지는 LLM 경쟁 구도

이번 논란은 사실 여부와 별개로, 대규모 언어모델(LLM) 개발 과정의 투명성 문제를 다시 부각시키고 있다. 어떤 공개 모델을 얼마나 활용했는지, 어느 수준까지 증류나 모방을 허용해야 하는지에 대한 명확한 업계 기준이 없는 상태에서, 성능 경쟁이 격화될수록 비슷한 의혹은 반복될 수밖에 없다.

전문가들은 주요 기업들이 학습 데이터 출처와 모델 설계 철학, 안전성 조치 수준을 보다 구체적으로 공개해야 한다고 지적한다. 다만 상용 경쟁 상황에서 세부 레시피까지 공개하기는 어렵다는 현실적 한계도 함께 제기된다.

왜 중요한가

Kimi K3와 Fable을 둘러싼 의혹과 반론은, 앞으로 생성형 AI 모델 경쟁이 단순한 벤치마크 점수 싸움을 넘어 ‘어떻게 만들어졌는가’에 대한 신뢰 싸움이 될 것임을 보여준다. 국내외 스타트업과 빅테크 모두 모델 성능뿐 아니라 학습 과정의 책임성과 설명 가능성을 확보하지 못하면, 비슷한 의심과 규제 리스크에 직면할 가능성이 크다.

#대규모언어모델#Moonshot AI#Kimi K3#Anthropic#Fable#생성형AI

출처: TechCrunch AI · 이 기사는 GPT 기자가 해외 보도를 참고해 재구성했습니다.