Apex Intelligence, 출범 4개월 만에 35B 모델 출시… AI 주도 연구에 관심 집중
중국의 Apex Intelligence가 AI 연구 에이전트로 개발한 Qwen3.6 기반 모델 Apex-35B-V1.0을 출시하면서 AI 자기개선에 대한 의문도 제기되고 있다.
중국의 Apex Intelligence가 자동화된 AI 연구를 통해 개발한 350억 개 파라미터 규모의 범용 모델 Apex-35B-V1.0을 출시했다고 巴士的報와 Pandaily가 보도했다. BigGo Finance에 따르면 이번 출시는 회사 설립 후 약 4개월 만에 이뤄졌다. 이에 따라 새로 설립된 중국 AI 연구소가 연구 자동화를 뚜렷하게 강조하며 경쟁이 치열한 모델 시장에 진입하게 됐다.
이번 출시가 주목받는 이유는 공개된 벤치마크 결과보다는 회사가 제시한 개발 방식에 있다. Apex Intelligence는 이 모델이 연구를 지원하는 AI 시스템의 결과물이라고 설명했다. 한편 공동 창업자 또는 임원인 Chen Yongchao는 AI 자기개선이 자신이 ‘취향’이라고 부르는 문제로 인해 여전히 제한된다고 주장했다. 이 발언은 모델 개발자들에게 더 큰 질문을 던진다. 자동화된 연구 시스템이 추구할 가치가 있는 아이디어를 안정적으로 판단할 수 있는가, 아니면 인간이 이미 정의한 목표를 최적화하는 것만 가능한가?
현재 이용 가능한 자료는 완전한 기술 문서가 아니라 기사 제목과 요약으로 구성돼 있다. 따라서 모델 라이선스, 학습 데이터, 추론 요건, 평가 결과, 이용 가능 여부 등의 세부 사항은 제공된 근거만으로 독립적으로 확인할 수 없었다.
Apex Intelligence가 출시한 것
핵심 제품은 Apex-35B-V1.0이다. 巴士的報는 이를 범용 모델로, Pandaily는 AI 연구 에이전트를 사용해 구축한 Qwen3.6 기반 모델로 설명했다. 두 설명을 통해 모델명, 대략적인 규모, 주장된 계보는 확인할 수 있지만 완전한 기술 사양은 제공되지 않는다.
35B 모델은 역량과 서비스 비용 사이의 균형을 맞추려는 팀에 의미가 있을 수 있는 규모다. 실제로 이 정도 규모 모델의 유용성은 출처 자료에 공개되지 않은 요소에 달려 있다. 양자화 옵션, 컨텍스트 길이, 하드웨어 요건, 지연 시간, 도구 사용 지원, 코딩·추론·다국어·특정 분야 작업에서의 성능 등이 여기에 포함된다.
이러한 정보의 부재는 잠재적 사용자에게 중요하다. 모델 출시는 연구자들에게 중요할 수 있지만, 배포 문서와 안전성 테스트, 상업적 조건이 불분명하면 기업이 도입하기는 어려울 수 있다. 현재 확인된 사실은 모델 출시 자체와 자동화된 연구를 중심으로 한 회사의 포지셔닝이지, 기존 모델을 앞선다는 입증된 우위가 아니다.
자동화된 연구가 제품의 핵심 이야기
보도에서 가장 강하게 부각되는 차별점은 Apex Intelligence가 단순히 또 하나의 언어 모델을 출시했다는 점이 아니다. 회사가 이 모델을 AI 연구 에이전트 또는 자동화된 AI 연구를 통해 구축했다고 말한다는 점이다. Pandaily는 Apex-35B-V1.0을 Qwen3.6 및 AI 연구 에이전트와 구체적으로 연결했고, 巴士的報의 제목은 자동화된 AI 연구를 강조했다.
이 표현에는 실험 계획, 코드 생성, 데이터 준비, 평가, 문헌 검토, 학습 레시피의 반복 개선 등 여러 활동이 포함될 수 있다. 제공된 근거만으로는 Apex Intelligence가 어떤 기능을 사용했는지, 시스템에 어느 정도 자율성이 있었는지, 인간 연구자들이 어떻게 감독했는지 확인할 수 없다. 이러한 차이는 중요하다. 정기적인 실험을 자동화하는 에이전트와 새로운 모델 학습 방법을 제안하고 검증하는 에이전트는 본질적으로 다르기 때문이다.
AI 개발자에게 이번 발표는 경쟁의 초점이 모델 아키텍처만이 아니라 모델을 만드는 데 사용되는 시스템으로 이동하고 있음을 보여준다. 연구 자동화는 소규모 팀이 제한된 인력으로 더 많은 실험을 수행하도록 도울 수 있지만, 새로운 실패 방식도 만든다. 에이전트는 좁은 벤치마크를 최적화하거나, 오해를 일으키는 증거를 선택하거나, 그럴듯하지만 생산적이지 않은 연구 방향을 빠르게 반복할 수 있다. 따라서 연구 과정이 부분적으로 자동화되더라도 신뢰할 수 있는 평가와 인간의 검토는 여전히 핵심이다.
Chen Yongchao의 ‘취향’ 문제
BigGo Finance는 AI 자기개선이 ‘취향’에서 막혀 있다는 Chen Yongchao의 발언을 중심으로 이번 출시를 다뤘다. 여기서 취향은 어떤 연구 질문이 가치 있는지, 어떤 결과가 의미 있는지, 겉보기의 개선이 단순한 노이즈나 벤치마크 과적합인지 알아보는 판단력을 의미하는 것으로 보인다.
이 구분은 중요하다. 자동화 시스템은 일반적으로 주어진 목표 안에서 탐색하는 데는 능숙하지만, 목표 자체가 불완전할 수 있다. 연구 에이전트는 더 많은 실험 후보를 생성할 수 있지만, 유용한 문제를 식별하거나 상충하는 증거를 평가하거나 테스트 환경 밖에서 결과가 왜 중요한지 이해하는 데는 여전히 어려움을 겪을 수 있다. 이는 단순한 엔지니어링 문제가 아니라 선택과 해석의 문제이기도 하다.
이 발언은 AI 자기개선에 대한 가장 광범위한 주장에도 한계를 제시한다. 시스템이 실험의 일부를 자동화할 수 있지만 가치가 높은 방향을 일관되게 선택하지 못한다면, 결과는 독립적인 과학적 진보가 아니라 더 빠른 반복에 그칠 수 있다. Chen의 관찰은 BigGo Finance가 보도한 임원 또는 연구자의 견해이며, 현재 AI 능력을 독립적으로 검증한 측정 결과는 아니다.
모델 팀과 구매자에 대한 시사점
모델 개발자에게 Apex Intelligence의 출시는 학습 파이프라인에 내부 AI 연구 에이전트를 구축하는 것의 잠재적 가치를 보여준다. 이러한 시스템은 반복적인 실험에 드는 시간을 줄이고 소규모 팀의 경쟁력을 높일 수 있다. 하지만 그 가치는 재현성, 실험 추적, 평가 품질, 자동화된 과정이 잘못된 목표를 최적화할 때 이를 감지하는 능력에 달려 있다.
기업 구매자에게 당장 중요한 질문은 Apex-35B-V1.0이 AI 연구 에이전트로 만들어졌는지가 아니다. 결과 모델이 특정 업무 흐름에서 신뢰할 수 있는지 여부다. 실제 운영을 검토하려면 구매자는 개인정보 보호, 배포 방식, 모델 동작, 도구 통합, 안전 제어, 전체 서비스 비용에 관한 증거가 필요하다.
이번 출시는 대형 연구소와 오픈 모델 개발자들에게 자신들의 연구 파이프라인 중 어느 정도가 자동화됐는지 설명하라는 압력을 높일 수도 있다. 그러나 현재 보도만으로 Apex Intelligence가 경쟁 모델을 능가했거나, 광범위한 도입을 달성했거나, 새로운 학습 방법을 도입했다고 볼 수는 없다. 그런 결론은 현재 이용 가능한 근거를 넘어선다.
앞으로 지켜볼 점
다음으로 의미 있는 신호는 기술적·운영상의 정보가 될 것이다. Apex Intelligence의 문서는 Apex-35B-V1.0을 다운로드할 수 있는지, 어떤 라이선스로 사용할 수 있는지, 어떤 하드웨어가 필요한지를 밝혀야 한다. 출시 당시의 포지셔닝에 의존하지 않고 코딩, 추론, 다국어 처리, 지시 이행 성능을 검증하려면 독립적인 평가가 필요하다.
연구자들은 AI 연구 에이전트 자체에 관한 정보도 살펴봐야 한다. 에이전트가 어떤 작업을 수행했는지, 인간의 감독이 어느 정도 남아 있었는지, 실험은 어떻게 선택됐는지, 외부 팀이 재현할 수 있는 개선을 만들어냈는지를 확인해야 한다. 회사가 안전성 평가와 모델 업데이트를 어떻게 처리하는지도 마찬가지로 중요하다.
마지막으로 도입 신호는 신중하게 해석해야 한다. 제공된 보고서는 고객, 사용량, 상용 제품 통합 여부를 확인하지 않는다. 이러한 세부 정보가 있어야 자동화된 AI 연구가 실질적인 이점인지, 아니면 주로 개발 과정에 대한 서사인지 더 분명하게 판단할 수 있다.
Creati.ai의 관점
Apex Intelligence의 출시는 모델 기업들이 파라미터 수와 벤치마크 점수뿐 아니라 모델 뒤에 있는 연구 시스템의 생산성으로도 경쟁할 수 있음을 보여주는 초기 신호다. 자동화된 실험을 통해 소규모 팀이 더 적은 자원으로 더 많은 선택지를 탐색할 수 있다면, 이는 신생 연구소에 상당한 의미를 가질 수 있다.
더 중요한 시사점은 ‘취향’ 문제다. 실험을 더 빠르게 한다고 해서 더 나은 연구가 자동으로 나오는 것은 아니다. AI 에이전트가 아이디어를 생성하거나 시험할 수 있다는 것과 그 중요성을 판단할 수 있다는 것은 다르다. Apex-35B-V1.0은 회사가 재현 가능한 기술적 근거, 배포 세부 사항, 독립적인 결과를 공개한 뒤에야 더 쉽게 평가할 수 있을 것이다.
