오늘의 AI 브리핑 · 2026.08.16

집계한 쪽 숫자가 달랐다

주요 키워드 TOP 5: 콴 다운로드 1위 · 하루 만에 나온 무검열판 · 워터마킹 오독 · 코덱스 741턴 94% 단축 · AI가 밀어올린 메모리값 | 메인 이벤트: 알리바바가 다운로드 30억을 내세워 오픈 모델 1위를 선언했는데, 같은 집계를 낸 허깅페이스 수치는 20억 4,500만이었다

일요일은 새 발표보다 어제 것의 뒷이야기가 채웠습니다. 알리바바가 오픈 모델 다운로드 1위를 선언했고, 그 모델의 안전장치를 뜯어낸 판본이 공개 하루 만에 올라왔으며, 그제 나온 워터마킹 FAQ는 "번역만 시켜도 AI 판정을 받는다"는 요약으로 퍼졌습니다. 셋 다 원문을 열어 보면 전해진 것과 다릅니다.

1. 콴이 다운로드 1위를 선언했는데, 집계한 쪽 숫자는 달랐다

• 알리바바가 언론에 보낸 성명에서 자사 오픈웨이트 모델이 최근 6개월간 30억 건 넘게 다운로드돼 메타·알파벳을 제치고 세계 1위가 됐다고 밝혔습니다. 블룸버그가 어제 저녁 보도했습니다
• 같은 기사가 비교로 든 구글 4억 1,800만·메타 2억 2,700만은 허깅페이스가 8월 14일 낸 「State of Open Models: Summer 2026」의 2026년 수치입니다
• 그런데 그 리포트가 집계한 콴의 2026년 다운로드는 20억 4,500만 건입니다. 알리바바 발표보다 10억 적은데, 재는 기간은 1~7월로 오히려 한 달 깁니다

차이는 세는 자리에서 옵니다. 구글·메타 수치는 허깅페이스 허브만 센 값인데 알리바바의 30억에는 자사 플랫폼 모델스코프가 들어간 것으로 보입니다. 같은 방향의 격차가 파생 모델 수에서도 나옵니다 — 회사는 30만 개라 했고 허깅페이스 실측은 15만 1,448개로 절반입니다. 그래도 1위라는 방향 자체는 어느 집계로 보든 바뀌지 않습니다. 허깅페이스 숫자만 써도 구글의 다섯 배 가까이 됩니다.

그 밖에: 어제 흥행 1위였던 "아모데이가 콴3.8 때문에 의원들에게 긴급 세션을 요청했다"는 게시물은 가짜 속보입니다. 같은 계정이 'BREAKING:' 포맷으로 반복하는 농담이고, 1차 보도가 어디에도 없습니다. 다만 바탕에 깔린 사실은 진짜입니다 — 콴 자사 모델카드 기준 라이브코드벤치 90.3 대 88.8로 오퍼스 4.6 맥스를 앞섭니다. 농담이 먹힌 건 전제가 사실이어서입니다.

시사점: 벤더가 발표한 채택 수치는 어느 플랫폼까지 합쳤는지를 먼저 보세요. 같은 회사를 집계한 제3자 숫자가 따로 있으면 그쪽이 비교에 쓰기 좋습니다.

#콴 #오픈웨이트 #다운로드

출처 3🔥 @kimmonismus🔥 @analogalok🔖 @sudoingX

2. 오픈웨이트의 안전장치는 2시간 14분 만에 뜯겼다

• 콴3.8-27B가 한국시간 15일 자정에 공개됐고, 2시간 14분 뒤 거부 기능을 제거한 첫 실행 가능 판본이 허깅페이스에 올라왔습니다. 그날 안에 파생 저장소가 열다섯 개를 넘었습니다
• 재학습이 아니라 가중치를 직접 고치는 방식이라 빠릅니다. 2024년 논문이 모델의 거부 행동이 단일 방향으로 매개된다는 걸 보였고, 그 방향을 지우는 도구가 자동화돼 있습니다
• 라이선스상 막을 근거가 없습니다. 콴3.8-27B는 아파치 2.0이고, 이 라이선스에는 라마나 젬마와 달리 용도 제한 조항이 없습니다

속도가 해마다 줄고 있다는 게 이 사안의 핵심입니다. 2024년 라마 3 때는 손으로 하느라 몇 주가 걸렸고, 올해 4월 콴3.6-27B는 34시간, 이번은 두 시간 남짓입니다. 도구가 최적화까지 자동으로 돌려 거부 횟수와 원본 대비 편차를 동시에 줄여 주기 때문입니다. 그 도구로 공개된 모델이 이미 5,000개를 넘었습니다.

그 밖에: 상용 라우팅 업체 한 곳도 FP8 무검열판을 내며 "레드팀과 보안 연구용"이라고 밝혔는데, 같은 회사가 자사 플랫폼에서 그 모델을 100만 토큰당 0.4달러에 팝니다. 거부율이 64~99%에서 0~6%로 떨어지고 MMLU는 유지된다는 수치를 함께 냈지만 자체 측정입니다. 참고로 4월 콴3.6-27B 무검열판은 다운로드 35만 건을 넘겼습니다 — 수요가 작지 않습니다.

시사점: 오픈웨이트를 도입할 때 "안전장치가 붙어 있다"를 통제 수단으로 계산하지 마세요. 가중치가 나가는 순간 두 시간이면 떼어진 판본이 돕니다.

#무검열판 #아블리터레이션 #아파치20

출처 2🔖 @OrcaRouter🔥 @HuggingModels

3. "번역만 시켜도 AI로 찍힌다"가 퍼졌는데, 절반만 맞다

• 앤스로픽 워터마킹 FAQ에 이런 문답이 있습니다. "번역에도 워터마크가 적용되나요? 네. 클로드가 만든 번역문은 워터마크를 지닙니다. 이 경우 모든 단어를 클로드가 고르기 때문입니다"
• 여기까지는 원문 그대로입니다. 그런데 "그래서 탐지기가 이제 AI 콘텐츠로 표시할 것"이라는 결론이 붙어 퍼졌고, 그 대목에서 사슬이 끊깁니다
• 앤스로픽 탐지 API는 아직 나오지 않았고, 학생들이 실제로 마주치는 GPTZero·턴잇인 같은 도구는 이 워터마크를 읽지 못합니다. 키가 없기 때문입니다

원리를 보면 오해가 왜 생겼는지 보입니다. 문자를 끼워 넣는 게 아니라 흐림/회색, 가벼운/부드러운처럼 둘 다 자연스러운 자리에서 키가 선택을 정하고, 그 선택이 여러 자리에 쌓이면 우연으로는 나오기 어려운 패턴이 됩니다. 그래서 번역처럼 모델이 단어를 전부 고르는 작업에는 마크가 진하게 남습니다. 정작 앤스로픽은 이 사례를 자랑이 아니라 한계 항목에 적어 뒀습니다 — 마크는 "클로드가 처리했다"는 신호일 뿐 "클로드가 썼다"는 뜻이 아니라는 것입니다.

그 밖에: 반발도 컸습니다. 한 작가는 "내 생각과 경험, 내 목소리와 판단에서 나온 글에 당신 모델의 관여를 찍을 권리가 누구에게 있느냐"며 클로드를 쓰지 않겠다고 적었고, 이 글이 어제 수집분에서 좋아요 1만 1천으로 가장 많이 퍼졌습니다. 소유권은 안 바뀐다고 회사가 말해도 읽히는 방식은 바뀐다는 지적입니다. 지금 대학생에게 달라진 건 없지만, 탐지 API가 나오고 학교가 그걸 도입하면 번역·교정만 맡긴 글이 의심받는 상황은 생길 수 있습니다. 회사도 그 위험을 스스로 적어 뒀습니다. 짧은 글에서는 탐지가 잘 안 되고 전면 재작성하면 지워진다는 점, 코드에는 문법 제약 때문에 최소한만 들어간다는 점도 함께 밝혔습니다.

시사점: 번역·교정 결과물을 그대로 제출하는 습관은 지금이 아니라 앞으로 문제가 됩니다. 초안 기록을 남겨 두면 나중에 설명이 쉬워집니다.

#워터마킹 #AI탐지 #번역

출처 4🔥 @kimmonismus💬 @rasbt🔖 @trq212🔥 @Seltaa_

4. 같은 과제를 다섯 모델로 돌렸더니 23달러부터 550달러까지

• DHH가 파이썬 라이브러리를 러스트로 옮기는 과제를 여러 모델에 시킨 결과를 마무리했습니다. 딥시크 V4 프로 맥스가 2시간 30분에 23달러로 완료했고, 그록 4.6은 1시간 반에 55달러, GPT 솔은 43달러였습니다
• 완료하지 못한 모델도 있습니다 — 딥시크 V4 플래시와 GPT 루나입니다
• 표에서 가장 큰 숫자인 페이블 550달러는 실제 청구액이 아닙니다. 토큰 1,100만 개를 전부 최고가인 출력 단가로 곱한 역산값이고, 본인은 종량제가 아니라 구독으로 돌렸습니다

조건이 대등하지 않다는 점을 DHH 본인이 적어 뒀습니다. 그록과 GPT 솔은 페이블이 세운 계획을 따라 구현만 했으니 설계 비용이 빠져 있고, 그록은 "몇 번 넛지"가, GPT 솔은 후속 프롬프트 한 번이 들어갔습니다. 각 모델을 한 번씩만 돌린 기록이고 실행 시점도 최대 엿새 차이가 납니다. 순위표로 읽으면 과합니다.

그 밖에: 페이블의 "45분"은 이번 표에서 처음 나온 숫자인데 공개 저장소의 해당 작업 커밋 구간(3시간 24분)과 맞지 않습니다. 딥시크와 GPT 솔은 토큰 수를 밝히지 않아 금액을 교차검증할 방법도 없습니다. 게다가 딥시크 요금제가 오늘 밤 시간대별로 바뀌어서 23달러는 시점에 묶인 값입니다.

시사점: 모델 비용을 비교할 때는 정가 역산인지 실제 청구액인지부터 가르세요. 둘은 캐시 할인만으로도 몇 배가 벌어집니다.

#모델비용 #DHH #러스트이식

출처 2🔥 @dhh🔥 @analogalok

5. 코덱스가 모델을 대신 고르는 쪽으로 간다

• 오픈AI 코덱스가 멀티 에이전트 v2에서 루나를 포함한 모든 지원 모델에 위임할 수 있게 됐습니다. 담당자가 어제 배포를 알렸습니다
• 신규 기능이 아니라 제약을 푼 것입니다. 7월 말까지 루나는 위임 대상에서 빠져 있었고, 호출하면 "알 수 없는 모델"이라는 오류가 났습니다
• 방향은 명확합니다. 솔이 오케스트레이터로 값싼 루나 여러 대를 부리는 구성이고, 회사 공동창업자는 모델을 손으로 고르지 않아도 되는 쪽으로 간다고 적었습니다

값이 이 구성을 가능하게 만들었습니다. 7월 말 루나 값이 80% 내렸고 테라는 20% 내렸으며, 자동 승인 모드에 루나를 넣어 약 10배 싸게 만들었다고 회사가 밝혔습니다. 비싼 모델 하나로 다 하는 대신 판단만 비싼 모델이 하고 나머지를 싼 모델에 뿌리는 쪽이 자리를 잡는 중입니다.

그 밖에: 긴 대화가 느려지는 문제도 손보고 있습니다. 코덱스 CLI가 7월 말과 8월 초 릴리스에서 스레드 기록을 나눠 읽는 방식을 넣었고, 공식 변경 기록에도 직렬화·파일 조회 부담을 줄였다는 항목이 있습니다. 다만 위 이미지의 27.6초에서 1.7초 같은 수치는 유출됐다는 내부 메시지에만 있고 공식 자료 어디에도 없습니다 — 미검증으로 봐야 합니다.

시사점: 에이전트 비용을 줄일 여지는 모델을 바꾸는 게 아니라 역할을 나누는 데 있습니다. 판단과 실행에 같은 등급을 쓰고 있는지 한 번 보세요.

#코덱스 #멀티에이전트 #모델라우팅

출처 4🔥 @pvncher🔥 @thsottiaux🔥 @gdb🔥 @kimmonismus

6. 🆕 그 밖의 신기능·신제품

• Z.ai가 GLM-5.3 주말 프로모로 신규 로그인에 1억 토큰을 뿌리기로 했는데, 공지 세 시간 반 만에 수요 초과로 지급을 멈췄습니다. 기본 300만 토큰 혜택은 유지됩니다
• 맥용 음성 입력 앱 톡키파이가 나왔습니다. 애플 온디바이스 음성 모델을 써서 네트워크 요청 없이 돌고, 키를 떼고 글자가 뜨기까지 123밀리초라고 개발자가 쟀습니다. MIT 오픈소스입니다
• 알리바바 계열 저장소에 콴3.8-35B-A3B 항목이 올라왔습니다. 총 350억에 활성 30억인 MoE로 등록됐고, 가중치는 아직 없습니다

셋 다 어제 나온 것의 뒷정리에 가깝습니다. 무료 토큰은 몰려서 멈췄고, 아직 안 나온 모델 이름은 회사 저장소에 먼저 올라왔습니다. 발표와 실제 사이의 시차가 짧아질수록 이런 어긋남이 자주 보입니다.

그 밖에: AI 데이터센터가 메모리를 빨아들이면서 값이 밖으로 번지고 있습니다. 미국 상무장관은 애플이 중국산 메모리를 사는 데 반대한다고 말했고, 애플은 공급난 때문에 중국 업체를 알아보는 중입니다. 어제 다룬 플래시 가격 급등과 같은 원인입니다.

시사점: 무료 크레딧 프로모는 몰리면 조기 종료됩니다. 쓸 계획이면 공지 시점에 바로 받아 두는 편이 확실합니다.

#GLM53 #톡키파이 #메모리값

출처 5🔥 @zcode_ai💬 @zcode_ai🔖 @tornikegomareli🔥 @analogalok💬 @kimmonismus

📊 오늘의 감정/온도 분석

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 6가지

1. 채택 수치는 어느 플랫폼까지 합쳤는지 보기

알리바바 30억과 허깅페이스 20.45억은 둘 다 맞는 숫자입니다. 세는 범위가 달라서 갈린 것이니, 비교에 쓸 때는 같은 집계 안에서 고르세요.

2. 오픈웨이트 도입 시 '안전장치'를 통제 수단으로 세지 않기

공개 두 시간 만에 거부 기능을 뗀 판본이 돕니다. 사내 도입이라면 모델이 아니라 그 앞뒤(입력 검사·출력 검사·권한)에 통제를 거세요.

3. 번역·교정 결과물은 초안 기록을 남겨 두기

클로드 번역문에는 워터마크가 들어갑니다. 지금은 읽을 수단이 없지만 탐지 도구가 나오면 상황이 달라지니, 과정을 남겨 두면 설명이 쉽습니다.

4. 시중 AI 탐지기와 벤더 워터마크를 구분하기

GPTZero 같은 도구는 문체로 추측할 뿐 이 워터마크를 읽지 못합니다. "탐지기가 잡는다"는 말이 돌면 어느 쪽 얘기인지부터 확인하세요.

5. 모델 비용 비교는 정가 역산인지 청구액인지 가르기

같은 작업이 550달러로도 23달러로도 적힙니다. 큰 숫자일수록 정가로 곱한 상한값인 경우가 많으니 캐시 할인과 구독 여부를 함께 보세요.

6. 에이전트 비용은 모델 교체보다 역할 분리로 줄이기

판단은 상위 모델, 반복 실행은 저가 모델로 나누는 구성이 도구에 들어왔습니다. 지금 한 등급으로 다 돌리고 있다면 여기가 가장 큰 절감 여지입니다.

📦 확인 방식 — 오늘 기사의 수치는 블룸버그 보도와 허깅페이스 리포트, 각 저장소의 커밋 시각을 직접 대조해 확인했고, 흥행 1위였던 속보 한 건은 1차 출처가 없어 가짜로 판정했습니다. 1차 출처로 확인되지 않은 주장 네 건은 싣지 않았으며, 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 인기(좋아요 중심) · 🔁 공유(리트윗 비율 높음) · 💬 논쟁(댓글 비율 높음) · 🔖 저장(북마크 많음) · 🚀 떠오름(작은 계정인데 확산 시작)