수준차 사라진 미중 AI — '키미 K3 쇼크'의 후폭풍 (강정수)

출처 https://youtu.be/2TdSkEyIUrI · 채널 티타임즈TV · 길이 22:23 · 공개 2026-07-24 포맷 홍재의 기자가 강정수 블루닷 AI 연구소장을 스튜디오에서 인터뷰한 대담. 중국 문샷AI의 Kimi K3 공개가 반도체 주가까지 흔든 직후 녹화됐다. 원본 자막: 2026-07-25-kimi-k3-china-us-ai-gap (raw/transcripts)

한눈에 보는 요약

• 이번 건 “제2의 딥시크 충격”이 아니다. kimi-k3는 공개 당시 시장에서 “제2의 딥시크 쇼크”로 불렸지만, 강정수는 그 프레임을 거부한다. 딥시크는 저렴하게 미국에 준하는 걸 만들었다는 충격이었다면, Kimi K3는 에이전틱 AI·코딩 영역에서 1위를 찍었다는 성능의 문제다. 강정수는 이걸 충격이 아니라 “인정할 건 인정해야 하는” 단계로 본다.
• 모델 경쟁의 시대는 끝났고 “기업이 바로 쓸 수 있느냐”의 시대다. 실험실에서 써볼 만한 모델과, 업무를 멈추지 않고 돌릴 수 있는 모델 사이에는 티핑 포인트가 있고 K3는 그 선을 넘었다는 것.
• 싸구려 모델은 오히려 비싸다. 쇼피파이는 경량 LLM 사용을 사내에서 금지했다. 환각·오류 확률이 커지면 그걸 잡느라 시니어 개발자가 밤을 새우고, 결국 인건비가 토큰값을 넘어선다.
• K3는 저가 모델이 아니다. 딥시크가 클로드 대비 1/100 수준이었다면, K3는 “K9 성능을 K5 가격에” 파는 포지션. 여섯 배, 일곱 배씩 싸지는 않다.
• 중국 모델은 이미 미국 서버에서 돌아간다. 하이퍼스케일러와 추론 전문 사업자가 미국 인프라에 얹어 제공하므로, 기업 입장에선 중국에 접속하는 게 아니다.
• 미국이 이걸 막으면 AI 경제가 삐끗한다. 저렴한 선택지가 사라지면 AI 도입 비용이 올라가고, 역설적으로 앤트로픽·오픈AI·구글의 매출에도 부정적이다. “싼 것도 써야 비싼 것도 쓴다.”
• 한국 반도체엔 나쁜 소식이 아니다. 미국 하이퍼스케일러 서버에서 K3가 더 많이 돌수록 HBM·GPU 수요는 늘어난다.

Kimi K3란 무엇인가

[01:19] 문샷AI 하나가 아니라, 중국 전체가 따라붙었다

92년생 CEO가 이끄는 문샷AI가 화제지만, 강정수는 중국의 LLM 경쟁이 특정 스타 기업 하나의 이야기가 아니라고 선을 긋는다. GLM을 만드는 즈푸AI, 버전 5를 앞둔 deepseek-v4 계열의 딥시크, 알리바바(Qwen), 바이두, 텐센트, 틱톡을 만든 바이트댄스, 그리고 샤오미까지 — “의미 있게 다들 쫓아오고 있는” 상태다. 벤더별 스펙·가격 비교는 moc-chinese-llm-models 참고.

[02:30] 딥시크와 다른 점 — 에이전틱 AI 특화 1위

딥시크의 충격은 “정말 저렴한 비용으로 빠르게 미국에 준하는 걸 만들었다”였다. Kimi K3는 결이 다르다. 에이전틱 AI, 특히 코딩 영역에서 Fable 5를 특정 항목에서 제치고 1위를 찍었다. 일상적으로 쓰는 챗봇 성능이 아니라 기업이 자동화에 쓰는 영역에서 탑을 찍었다는 게 핵심이다.

[03:04] 2.8조 파라미터, 오픈웨이트 — 그런데 개인은 못 받는다

파라미터 2조 8천억. 최상위 모델들은 이미 파라미터 수를 공개하지 않으니 직접 비교는 어렵지만 어마어마한 덩치다. 2026년 7월 27일 오픈웨이트 공개가 예약돼 있는데, 이건 일반인이 다운로드해서 돌릴 수 있는 크기가 아니다. 대형 데이터센터가 있어야 한다.

덩치를 굳이 언급하는 이유는 운영 난이도 때문이다. MoE(Mixture of Experts) 방식으로 896개 전문가 중 쿼리마다 16개가 활성화되지만, 실제로는 KV 캐시를 비롯한 여러 기능 때문에 HBM과 GPU가 대량으로 필요하다. 실제로 문샷은 K3 API를 공개하고 이틀 만에 셧다운됐다. 고성능 엔비디아 GPU 없이 모델을 만든 건 기적 같은데, 운영 경험은 그보다 더 없다는 것.

[04:13] 중국의 에이전틱 토큰 사용량이 미국을 넘어섰다

추론(inference) 운영 전문화에서는 아직 중국이 미국에 뒤진다. 하지만 2026년 6월, 중국의 에이전틱 AI 토큰 총 사용량이 미국을 넘어섰다. 인구 차이도 있지만 기업들이 실제로 쓰기 시작했다는 뜻이다. 삼성전자가 전사 도입을 하는 것처럼 한국도 이제 증가 곡선을 그리기 시작할 단계다.

[05:03] 10%를 일부러 비워둔 설계

운영은 마이크로소프트·아마존·구글, 그리고 OpenRouter·Fireworks AI 같은 추론 전문 기업이 맡는다. 중국 서버에 접속하는 게 아니라 미국 서버에 설치해서 제공하는 경로를 열어둔 것 자체가 영리한 설계다.

더 흥미로운 건 문샷이 모델을 90%만 완성했다는 점. 나머지 10%는 각자의 용도에 맞게 파인튜닝하라고 남겨뒀다. 금융 전문 서비스용으로, 리걸 서비스용으로, 코딩에 더 특화시키는 식으로 — 처음부터 B2B 응용 서비스를 겨냥한 구조다.

돈, 규제, 그리고 운영의 주인

[06:25] 오픈웨이트인데 뭘로 돈 버나 — 라이선스 계약

오픈웨이트는 가중치만 공개하고 학습 알고리즘·구조는 공개하지 않으니 완전한 오픈소스가 아니다. 딥시크는 상업적 이용을 허용하고 “딥시크”를 아주 작게 표기하는 폰트 팔로 정도만 요구했지만, K3는 라이선스 계약을 맺어야 한다. 소비자는 접속해서 무료로 쓸 수 있어도, 기업은 계약을 통해 운영 노하우까지 받는 구조다. 엔터프라이즈 지향성이 명확하다.

[07:27] 미국이 막으면? AI 경제 전체가 삐끗한다

미국 정부가 라이선스 계약을 막을 수는 있다 — 돈이 중국으로 들어가는 경로이기 때문이다. 하지만 그러면 기업의 AI 도입 비용이 올라가고, “그럼 AI 전환 좀 늦출까?”로 이어져 AI 경제 전체가 삐끗한다. 그 여파는 anthropic·오픈AI·구글 제미나이에도 부정적이다. 강정수의 논리는 명확하다 — 저렴한 것도 써야 비싼 것도 쓸 여력이 생긴다. 그래서 시장을 쉽게 규제하진 못할 것으로 본다.

[08:38] 모델의 커머디티화와 “모델 라우팅” 숙제

하이퍼스케일러들은 테스트 차원에서라도 K3를 다 돌려볼 것이다. 이 과정에서 드러나는 건 AI 모델이 일종의 커머디티(범용재)가 되고 있다는 사실이다.

그래서 삼성전자는 모델 라우팅 능력을 내부적으로 키우려 하고 있다. 문제는 K3를 자사 로컬 서버에 내려받아 돌리기엔 너무 크고, 앞으로 4조·5조·6조 파라미터로 더 커질 거라는 점. 업무별 이밸루에이션(evaluation)까지 해야 하니 난이도가 높다.

[09:10] 반도체 공장이 정전 훈련을 하는 이유

반도체 공장은 하루라도 전기가 끊기면 웨이퍼가 다 망가진다. 그래서 정전 상황을 미리 연습하고 자가발전으로 버티는 훈련을 한다. AI도 곧 그렇게 된다는 게 강정수의 비유다. AI가 모든 업무의 기본이 된 상태에서 특정 모델 접근권이 차단되면 회사 업무 자체가 멈춘다. 나 하나가 아니라 연관된 사람들이 전부 멈춘다.

그래서 비상 대응 능력 = 모델 라우팅 능력을 내재화해야 한다. 정전 시 자가발전을 외주 파트너와 계약해 두듯, 모델 라우팅도 전문 업체와 연간 계약을 맺는 구도로 갈 수 있다. 업무별 이밸루에이션을 보안각서 걸고 공유하며 같이 성장하는 형태다.

[11:02] 결국 모델은 하이퍼스케일러로 들어간다

프론티어 랩들이 자체 데이터센터와 칩을 만들고 있지만 대부분 학습용이고, 추론은 아직 감당하지 못해 하이퍼스케일러에 전적으로 의존한다. 삼성전자가 클로드 라이선스를 3만~5만 개 규모로 벌크 구매할 때 협상 상대는 앤트로픽·구글·오픈AI만이 아니다 — AWS와 얘기하고 있다. 안정적 공급은 앤트로픽이 아니라 하이퍼스케일러의 몫이기 때문이다.

당연히 Kimi도 이 경로로 들어간다. 하이퍼스케일러는 사실상 추론 전문 사업자 역할까지 겸하고 있고, 그것만 전문으로 하는 추론 전문 사업자와 네오클라우드도 크게 성장할 것으로 본다.

가격과 품질 — 기업이 진짜 따지는 것

[13:00] K9 성능을 K5 가격에

K3는 저가 상품이 아니다. 딥시크 API는 토큰당 단순 비교하면 클로드 대비 1/100 수준으로 “너무 싸서 쓸 만한 게 아닌” 물건이었다. K3는 에이전틱 AI에 특화돼 기업이 쓸 만하면서 가격만 아래로 쐈다.

강정수의 자동차 비유가 명쾌하다 — K3, K5, K7, K9으로 치면 K9 성능인데 K5 가격에 파는 것. 모닝 가격대로 파는 게 아니다. 여섯 배, 일곱 배씩 싸지도 않다. 하지만 K9을 타고 싶은 사람 입장에선 충분히 싸고, 어차피 이것만 쓰는 게 아니라 늘 여러 모델을 믹스해서 쓴다.

[14:33] SLM 시장은 죽었다 — 오류 하나가 더 비싸다

연구 차원의 가치는 인정하지만, SLM(Small Language Model) 시장은 죽었다는 게 강정수의 단언이다. 근거는 쇼피파이 사례 — 사내에서 경량 LLM 사용을 금지시켰다. 경량 모델은 환각·오류 확률이 크고, 그걸 잡느라 시니어들이 밥도 잠도 못 잔다. 인력이 더 든다. 결국 비용이 더 나온다.

그래서 기업은 무조건 싼 걸 쓰려는 게 아니다. 토큰을 더 쓰더라도 오류를 줄이는 게 절대적으로 중요하다. K3에 시장성이 있는 건 최상위급 퍼포먼스를 특정 영역에서 내주기 때문이고, 하네스 엔지니어링 같은 방법론을 잘 얹으면 오류율을 더 낮출 수 있기 때문이다.

개인이 밤새 에러를 고치는 건 자기 시간을 희생하는 것이지만, 기업에서는 업무가 통째로 스톱된다. 전기에 비유하면, 직류가 들어오는데 파동이나 퀄리티가 갑자기 떨어져서 모터가 힘을 못 받고 고장 나면 안 되는 것과 같다. 비싼 전기를 쓰더라도 일정하게 들어와야 한다.

미중 격차와 한국의 자리

[17:18] 6개월 뒤처짐에서 “그냥 같이 있구나”로

반도체 시장이 출렁이긴 했지만 딥시크 때보다 약했고 오래가지도 않았다. 강정수는 이걸 제2의 딥시크 충격으로 보지 않는다. 인식의 변화는 이런 궤적이다 — 과거엔 중국이 한참 뒤졌다고 생각했고, 딥시크 충격 때 “6개월로 쫓아왔구나”였다가, 지금은 “그냥 같이 있구나” 다.

베꼈다는 논쟁에 대해서도 그는 실용적이다. 법적 선을 넘으면 사후에 처벌받고 벌금 내야 한다는 데는 전적으로 동의하지만, 삼성전자도 처음 라디오 만들 때 소니 라디오를 베꼈다. 기업은 결국 상품을 만드는 게 중요하다는 것.

소버린 AI(독자 파운데이션 모델) 에 대한 그의 입장은 두 갈래다. 국내 세금이나 기금으로 독자 모델을 키우는 건 전적으로 찬성하고 중장기 전략으로 필요하다. 다만 그게 되면 세상이 바뀔 것처럼 생각하면 안 된다. 삼성전자에게 “그래도 3위인 우리 것 쓰시죠”는 택도 없는 얘기다 — 글로벌에서 마이크론과 경쟁해야 하는 기업에게 최고 효율이 아닌 걸 쓰라는 건 차라리 기부금을 주는 게 낫다. 제트기 타야 하는데 배 타고 가자는 격이다. 국가 정책의 문제와 AI 경제의 문제는 별개라는 정리.

[20:00] 격차는 67개월에서 23개월로

홍재의 기자의 정리 — K3는 저가 모델이 아니고, 최고가 모델과 경쟁 가능한 수준까지 왔으며, 특히 지금 가장 중요한 전쟁터인 에이전트 AI에 참전할 만큼 올라왔다. 최고 모델보다 낫다고는 못 해도 그에 준하는 성능을 더 싼 가격에 내니, 특히 쉬운 작업에는 충분히 선택지가 된다. 외신 기준으로 미중 격차가 67개월에서 23개월 이내로 줄었고, 그걸 보여준 게 K3다.

앞으로도 경쟁은 치열하다 — 8월 GPT-6 예고, 구글은 플래시 중심 발표만 하고 프로는 아직, 딥시크 5, GLM 업데이트가 줄줄이 대기 중이다. 모델은 거의 커머디티화·범용화될 것이다. 진짜 문제는 더 적은 토큰으로 업무 효율을 올리는 방법론을 어떻게 진화시키느냐다. 여기서 돈을 못 벌면 앤트로픽·오픈AI는 SaaS로, 나아가 디지털 워커나 클로드 태그(Claude in Slack) 같은 팀 인텔리전스 서비스로 시장을 계속 확대해 나갈 것이다.

[21:44] 결론 — 한국 반도체엔 오히려 기회

중국 모델과 미국 모델은 이미 미국에서 차별 없이 쓰이고 있다. 구글·아마존 같은 하이퍼스케일러 입장에서 기업의 AI 토큰 부담을 조금이라도 줄여줄 수 있다면 더 쓰게 만들 것이고, 그러면 반도체가 더 팔린다. K3가 미국 하이퍼스케일러 서버에서 돌아간다면 한국 반도체는 오히려 더 팔 수 있다는 얘기다.

강정수는 “중국을 두둔하려는 게 아니라 객관적인 기술·시장 상황을 말하는 것”이라고 덧붙인다. AI가 너무 비싸져서 명품화돼 버리면 아무도 못 쓴다. K3 같은 모델은 모두가 쓸 수 있게 만들어 주는 역할을 할 수 있다.

부록 — 실무자가 가져갈 체크리스트

• 모델 라우팅을 조직 역량으로 본다. 특정 모델 접근이 끊겼을 때의 대체 경로를 정전 대응 훈련처럼 설계해 둔다. 라우팅 전문 업체와의 계약도 선택지.
• 업무별 이밸루에이션을 먼저 만든다. 라우팅이든 모델 교체든, 평가 기준이 없으면 판단할 근거가 없다.
• “싼 모델”을 비용으로만 평가하지 않는다. 오류율 × 사람이 잡는 시간까지 넣어야 진짜 TCO다. 쇼피파이의 경량 LLM 금지가 그 결론.
• 오픈웨이트라고 무료가 아니다. K3는 라이선스 계약 대상이며 규제 리스크도 그 지점에 붙는다.
• 조달 경로는 하이퍼스케일러다. 벌크 라이선스 협상은 모델 회사가 아니라 AWS·Azure·GCP와 하게 된다.

원문 인용 모음

• [02:36] “에이전틱 AI 부분에서 코딩 부분, Fable 5를 어떤 부분에서 넘는가 하는, 탑을 찍은 거죠.”
• [03:27] “문샷도 키미 3 하자마자 API 공개하고 나서 이틀 만에 셧다운 됐거든요.”
• [04:15] “올해 6월에 중국에서 총 사용하는 에이전틱 AI 토큰량이 미국의 에이전틱 AI 토큰량을 넘어섰어요.”
• [05:09] “아예 90%만 완성해서 10%는 그 각각의 개성에 맞게끔 파인튜닝하세요.”
• [07:51] “이렇게 좀 저렴한 것도 써야 비싼 것도 쓰는 거거든요.”
• [09:15] “반도체 공장에도 하루라도 전기가 안 들어가면 안 되잖아요. (…) 그래서 정전됐을 때를 연습을 하거든요.”
• [13:03] “저가 상품이 아니에요. (…) 딥시크 API를 단순 비교하면 토큰당 클로드 대비 100분의 1이에요.”
• [13:49] “K9 성능인데 K5로 파는 거예요.”
• [14:23] “쇼피파이가 경량 LLM 쓰는 거 금지시켰어요.” (14:33 화면 자막: “경량 모델은 환각·오류가 일어날 확률이 크다”)
• [14:42] “토큰을 더 쓰더라도, 좋은 모델을 쓰더라도 오류를 줄이는 것이 절대적으로 중요합니다.”
• [16:50] “이제는 모델 경쟁의 시대가 아니라는 거예요. 기업에서 바로 쓸 수 있어야 돼요.”
• [17:24] “딥시크 충격 나오면서 ‘아 이젠 6개월로 쫓아왔구나’, 이제는 그냥 같이 있구나.”
• [18:29] “독자 파운데이션 모델 되면은 세상이 바뀔 것처럼 생각하시면 안 된다는 거죠.”
• [21:42] “그럼 반도체 더 팔겠죠. 한국이 나쁜 게 아니에요.”
• [21:58] “너무 비싸게 돼서 명품화돼 버리면 AI를 다 보편적으로 못 쓰게 될 거잖아요.”

근거 검증 (2026-07-25 웹 조사)

강정수 발언 중 검증 가능한 주장들을 웹에서 대조한 결과다. 발언 원문은 그대로 두고, 확인된 것과 어긋나는 것만 덧붙인다. 아래 인용은 모두 해당 페이지를 직접 열어 확인한 문장이며, 검색 요약만 있고 원문 확인이 안 된 항목은 “미확인”으로 표시했다.

한눈에 보는 판정

주장	판정	근거
파라미터 2조 8천억, 오픈웨이트 7/27 공개	확인	Simon Willison 2026-07-16
특정 벤치마크에서 Fable 5를 제침	확인(범위 주의)	Frontend Code Arena 1위, 종합은 Fable 5·GPT-5.6 Sol에 밀림
K3는 저가 모델이 아니다 / 6~7배씩 싸지 않다	확인 — 정확히 3.33배	K3 $3\cdot$15 vs Fable 5 $10\cdot$50
”K9 성능을 K5 가격에”	확인 — 비유가 거의 정확	K3 가격이 Claude Sonnet 5와 완전히 동일
딥시크 API가 클로드 대비 1/100	자릿수 성립	V4 Flash $0.14\cdot$0.28 → 71~179배
API 공개 이틀 만에 셧다운	시점 정확, 성격 과장	신규 구독 중단이지 셧다운 아님
6월 중국 에이전틱 토큰량이 미국 초과	확인 — 단 지표가 다름	모델 국적 기준 OpenRouter 점유율
삼성전자 클로드 3만~5만 벌크 + AWS 협상	공개 출처 미확인	검색 미발견
쇼피파이 경량 LLM 금지	확인(출처 얇음)	Gizmodo 2026-07-20, “apparently” 유보
SLM 시장은 죽었다	반박	쇼피파이 UDP, NVIDIA arXiv 2506.02153
MoE 896개 중 16개 활성화	미확인	검색 요약에만 등장, 원문 확인 실패

가격 — 자동차 비유는 놀랄 만큼 정확하다

[13:00] 절의 “K9 성능인데 K5 가격”과 “여섯 배, 일곱 배씩 싸지도 않다”는 산수로 검증된다.

모델	입력 $/1M	출력 $/1M	K3 대비
Kimi K3	3	15	—
Claude Fable 5	10	50	3.33배
Claude Opus 5	5	25	1.67배
Claude Sonnet 5	3	15	동일

“여섯 배, 일곱 배씩 싸지 않다”는 정확하다 — 최상위 모델 대비 딱 3.33배다. 더 흥미로운 건 K3 가격이 Claude Sonnet 5와 토큰당 완전히 같다는 점이다. 즉 최상위에 준하는 성능을 중간 티어 가격표에 붙인 구조로, “K9 성능을 K5 가격에”라는 비유가 우연 이상으로 들어맞는다.

딥시크 1/100 주장도 자릿수로는 성립한다. DeepSeek V4 Flash는 $0.14/$0.28로 Fable 5 대비 입력 71배·출력 179배 싸다. “단순 비교하면 100분의 1”은 과장이 아니라 대략 맞는 어림이다.

”이틀 만에 셧다운” — 시점은 정확, 표현은 과장

K3는 2026-07-16~17 공개됐고, 48시간 만인 7월 19일 무너샷이 조치를 취했다. 다만 그건 셧다운이 아니라 신규 소비자 구독 중단이었다. 기존 사용자는 계속 썼고 API도 살아 있었다. 원인은 강정수의 진단대로 GPU·추론 용량 한계였다.

지금도 이 상태는 이어진다. OpenRouter의 K3 페이지에는 여전히 이런 경고가 붙어 있다.

“Upstream capacity is currently limited. This model may return frequent 429 errors.” — OpenRouter — Kimi K3

즉 “운영 경험이 부족하다”는 강정수의 논지는 오히려 강화되지만, “셧다운”이라는 단어는 실제보다 세다.

중국 토큰량 초과 — 사실이지만 지표가 다르다

[04:13] 절의 “2026년 6월 중국 에이전틱 토큰 총 사용량이 미국을 넘어섰다”는 OpenRouter 데이터로 확인된다. 6월 기준 중국 모델 약 18조 토큰 대 미국 모델 약 5.5조 토큰, 6월 마지막 주 점유율은 중국 48% 대 미국 20%다.

다만 측정 대상이 다르다. 이 수치는 “중국에서 쓴 토큰”이 아니라 “중국산 모델이 처리한 토큰” 의 OpenRouter 내 점유율이다. 국가별 사용량이 아니라 모델 국적 기준이며, 라우터 한 곳의 데이터다. 실제로 이 지표가 뒤집힌 주된 동인은 가격이다 — 중국 모델이 훨씬 싸서 미국 기업들이 골라 쓴 결과이기도 하다. 강정수의 “중국 기업들이 쓰기 시작했다”는 해석보다, 노트 [21:44] 절의 “중국 모델과 미국 모델이 이미 미국에서 차별 없이 쓰이고 있다”는 서술에 더 잘 맞는 데이터다.

노트 내부 불일치 — 요약이 본문보다 세다

한눈에 보는 요약(line 20)은 K3가 “에이전틱 AI·코딩 영역에서 1위를 찍었다” 고 단정하지만, 본문 [02:30] 절은 “특정 항목에서 제치고 1위” 로 한정한다. 실제 증거는 본문 쪽이다.

“mostly beating Claude Opus 4.8 max and GPT-5.5 high, while losing out to Claude Fable 5 and GPT-5.6 Sol” — 다만 “on Arena.ai’s Frontend Code arena, surpassing even Claude Fable 5.” — Simon Willison, 2026-07-16

즉 Frontend Code Arena 단일 항목 1위이고, 종합 벤치마크에서는 Fable 5와 GPT-5.6 Sol 아래다. 요약 문장이 본문보다 넓게 나갔다.

삼성전자 벌크 라이선스 — 공개 출처 미확인

[11:02] 절의 “삼성전자가 클로드 라이선스를 3만~5만 개 규모로 벌크 구매하며 AWS와 협상 중”은 공개 보도에서 확인되지 않는다. 강정수의 업계 내부 정보로 보이며, 검증 불가 항목으로 남긴다. 확인되는 인접 사실은 다른 건이다 — 삼성전자와 SK하이닉스가 앤트로픽 시리즈H 투자에 ‘전략적 인프라 파트너’로 참여했다.

SLM 시장은 죽었다 / 쇼피파이 경량 LLM 금지

확인됨 — 쇼피파이는 실제로 엔지니어에게 프론티어 모델만 쓰게 한다

Gizmodo 기사(Mike Pearl, 2026-07-20)에서 확인되는 유일한 문장이자 이 주장의 사실상 단일 출처다.

“Apparently engineers aren’t allowed to use anything that’s not a frontier model, meaning use something expensive like OpenAI’s GPT-5.6 Sol or Anthropic’s Fable 5 or GTFO.” — Tokenmaxxing Didn’t Die. It Mutated

쇼피파이 엔지니어링 총괄 Farhan Thawar의 발언으로 소개되지만 기사도 “apparently”로 유보를 달았다. 즉 이 주장은 사실상 이 한 문장에 걸려 있다.

정황 증거는 있으나 직접 근거는 아니다. Thawar는 Pragmatic Engineer 인터뷰에서 AI 토큰 지출에 한도를 두지 않으며 “AI 도구는 푼돈 아낄 자리가 아니다” 라고 밝혔다. 별개로 Engineered Intelligence의 정리에는 사내에서 기본 소형 모델을 벗어나 고성능 모델을 쓰도록 권한다는 서술이 있지만, 출처가 2024년 12월 팟캐스트로 이 사안보다 1년 7개월 앞서고 내용도 권장이지 금지가 아니다. 따라서 “금지”를 뒷받침하는 건 여전히 Gizmodo의 유보 달린 한 줄뿐이다.

반박됨 — 정작 쇼피파이가 SLM을 프로덕션에서 굴리고 있다

VentureBeat 팟캐스트 Small Models, Massive Wins: The New Shopify AI Formula(2026-06-24)에 따르면 쇼피파이는 Universal Distillation Platform(UDP) 을 운영한다.

• 프론티어 모델(Opus 4, GPT-5+)을 Qwen 등 오픈소스 소형 모델로 하루 만에 증류, 이밸루에이션 내장
• 증류 소형 모델 약 6개가 이미 프로덕션 가동 중이며 계속 추가되는 중
• 프론티어 API 직접 호출 대비 2배~최대 30배 저렴하고 더 빠르며, 좁은 과제에서는 소형 모델이 프론티어를 이기기도 한다

즉 쇼피파이의 실제 정책은 금지가 아니라 이중 구조다 — 개발자 코딩 토큰은 프론티어만, 프로덕션 추론은 증류 소형 모델. 강정수는 앞쪽 절반만 근거로 삼아 “SLM 시장은 죽었다”로 확장했다.

정반대 결론의 연구도 있다. NVIDIA 연구팀의 Small Language Models are the Future of Agentic AI(arXiv 2506.02153, 2025-06)는 에이전트 내부의 기본값은 SLM이어야 하고, 어렵거나 개방적이거나 롱컨텍스트인 과제에만 대형 모델을 호출하라고 주장한다. 에이전틱 워크로드가 “소수의 특화 작업을 변형 없이 반복”하는 성격이라는 게 근거다.

논리의 미묘한 차이

노트의 근거는 “경량 모델 오류를 시니어가 잡느라 인건비가 더 든다” 는 방어적 비용 논리다. 반면 출처에서 확인되는 쇼피파이의 논리는 “엔지니어 시간이 토큰보다 비싸니 최대 지능을 쥐여준다” 는 공격적 투자 논리다. 결론은 겹치지만 같은 명제는 아니다.

조사 시 주의사항

검색 엔진 요약에는 “토비 뤼트케가 프론티어 모델 사용을 의무화하고 인사평가에 반영했다”는 서술이 뜨지만, 원문을 직접 확인한 결과 해당 내용은 기사에 없다. 검색 요약이 지어낸 연결이므로 인용하지 말 것. 위 표의 “미확인” 항목(MoE 896/16)도 같은 이유로 남겨뒀다 — 검색 요약에는 나오지만 원문 확인에 실패했다.

참고 링크

본문에서 실제로 열어 확인한 것만 남긴다.

• Simon Willison — Kimi K3, and what we can still learn from the pelican benchmark (2026-07-16) — 스펙·가격·벤치마크 순위
• OpenRouter — Kimi K3 — 가격, 용량 경고
• Gizmodo — Tokenmaxxing Didn’t Die. It Mutated (2026-07-20) — 쇼피파이 프론티어 전용 정책
• VentureBeat 팟캐스트 — Small Models, Massive Wins (2026-06-24) — 쇼피파이 UDP
• NVIDIA — Small Language Models are the Future of Agentic AI (arXiv 2506.02153)
• Pragmatic Engineer — How AI is changing software engineering at Shopify
• Engineered Intelligence — Shopify’s AI-First Engineering Culture