[뉴스스페이스=김정영 기자] 샤오미가 오픈웨이트 인공지능(AI) 경쟁의 판을 흔들었다. 총 1조 개 규모의 파라미터를 가진 MiMo-V2.6-Pro를 앞세워 독립 평가기관 Artificial Analysis의 오픈웨이트 모델 순위 1위에 올랐고, 상업적 이용이 가능한 MIT 라이선스로 모델 가중치와 강화학습(RL) 학습 도구까지 공개했다.

그러나 발표 직전 앤트로픽이 샤오미를 포함한 중국 AI 기업들의 ‘클로드(Claude) 무단 증류’ 의혹을 제기하면서, 이번 출시는 단순한 기술 공개를 넘어 AI 학습 데이터의 출처와 모델 성능의 정당성을 둘러싼 시험대가 됐다.

thenextweb, trendingtopics, xenospectrum, venturebeat, mixed-news에 따르면, 샤오미는 9월 21~22일 MiMo-V2.6-Pro와 MiMo-V2.6-Flash를 공개하고, 가중치·기술보고서·강화학습 코드·학습 환경을 오픈소스로 배포했다.

회사는 Pro를 자사 최고 성능 모델, Flash를 성능·속도·비용의 균형을 겨냥한 모델로 규정했다. Pro는 전문가 혼합(MoE) 구조로 전체 파라미터는 약 1조200억개지만 실제 추론 때 활성화되는 파라미터는 420억개다. Flash는 총 3100억개, 활성 파라미터 150억개 규모다. 두 모델 모두 텍스트·이미지·음성·비디오 입력을 처리하고 최대 100만 토큰의 컨텍스트 윈도우를 지원한다.

핵심 숫자는 46점이다. Artificial Analysis는 MiMo-V2.6-Pro에 ‘Intelligence Index’ 46점을 부여하고, 추적 대상 대형 오픈웨이트 모델 114개 가운데 1위로 집계했다. 이 지수는 단일 시험이 아니라 AA-Briefcase, GDPval-AA, AutomationBench-AA, Terminal-Bench 4.0, SciCode, Humanity’s Last Exam 등 10개 평가를 종합한 지표다. 다만 ‘세계 최고 AI’라는 포괄적 선언이라기보다, 해당 기관의 특정 복합지수에서 오픈웨이트 부문 선두라는 뜻으로 해석해야 한다.

샤오미가 제시한 자체 수치는 46.32점이다. 회사는 Kimi K3와 Qwen3.8 Max를 앞선 결과라고 설명했다. Artificial Analysis 역시 Pro의 동급 오픈웨이트 모델군 중앙값을 18점으로 제시해, MiMo-V2.6-Pro가 비교집단 평균을 크게 웃돈다고 평가했다. 다만 이 모델은 출력 속도에서 초당 48.7토큰으로 동급 모델 중앙값인 초당 67토큰보다 낮았고, 첫 토큰 생성 시간도 2.93초로 비교군 중앙값 2.38초보다 다소 길었다. 즉, ‘가성비와 종합지능’에서는 두각을 보였지만, 실시간 응답성이 절대적인 서비스에서는 별도 검증이 필요하다는 의미다.

100만 토큰·1조 파라미터보다 중요한 비용

MiMo-V2.6-Pro의 경쟁력은 대규모 모델을 오픈웨이트로 풀었다는 점만이 아니다. 샤오미 API 기준으로 Pro의 비캐시 입력 가격은 토큰 100만 개당 0.435달러, 출력 가격은 0.87달러다. Flash는 같은 기준으로 입력 0.14달러, 출력 0.28달러다. Pro의 캐시 적중 입력 단가는 0.0036달러, Flash는 0.0028달러로 제시됐다.

Artificial Analysis는 Pro의 Intelligence Index 과제당 평균 비용을 0.13달러로 계산했다. 다만 이 수치는 일반적인 업무 하나의 절대 비용이 아니라, 해당 기관이 구성한 복수의 벤치마크 과제를 수행할 때의 가중평균 비용이다. 따라서 기업이 실제 도입비를 판단하려면 프롬프트 길이, 캐시 활용률, 출력량, 에이전트 반복 호출 횟수, 자가 호스팅을 위한 그래픽처리장치(GPU) 비용과 운영인력 비용까지 따로 계산해야 한다.

샤오미는 이번 성능 도약이 강화학습 확장에 따른 결과라고 강조한다. 회사 발표에 따르면 Pro와 Flash는 각각 30회의 RL 단계를 거치며 약 75만 개의 에이전트 실행 궤적(trajectories)을 학습했고, 이 과정은 6일 이내에 완료됐다. RL 비용은 Pro가 약 262만달러, Flash가 약 85만달러였다. 회사는 7000개 이상 태스크 환경, 전체 기술보고서, RL 코드도 함께 공개했다고 밝혔다.

이는 오픈소스 전략의 결을 바꾼다. 기존에는 완성된 모델 가중치만 공개하는 경우가 많았지만, 샤오미는 성능 개선의 핵심인 강화학습 환경과 프레임워크까지 공개해 재현성과 후속 실험을 내세웠다. 물론 ‘공개’가 곧 ‘완전한 재현’을 보장하지는 않는다. 사전학습 데이터의 구성, 전처리, 전체 컴퓨팅 인프라, 세부 하이퍼파라미터가 공개 범위에 포함되는지에 따라 제3자의 검증 가능성은 달라진다. 

성능 숫자는 독립 검증의 출발점

샤오미 발표 자료에는 Pro가 DeepSWE v1.1에서 71.9점, Toolathlon-verified에서 76.9점, AutomationBench v1.0.6에서 53.1점, Terminal-Bench 4.0에서 34.9점을 얻었다는 결과가 담겼다. Flash도 DeepSWE v1.1 67.9점, Toolathlon-verified 73.6점, AutomationBench 52.3점을 기록했다. 특히 CyberGym에서는 Flash가 95.1점으로 Pro의 94.0점을 앞섰다.

그러나 벤치마크 수치 자체가 곧바로 현장 성능 또는 제품 경쟁력을 뜻하지는 않는다. Artificial Analysis의 46점은 독립 기관 평가라는 점에서 의미가 있지만, 이 지수도 10개 평가의 가중 방식과 과제 구성에 따른 복합 점수다. 기업용 도입 의사결정은 코딩, 문서 작성, 검색증강생성(RAG), 고객 응대, 한국어 처리, 보안 정책 준수, 환각률, 지연시간, 장애 대응, 데이터 국외 이전 여부처럼 실제 업무별 조건에서 다시 이뤄져야 한다.

샤오미의 자체 벤치마크도 주의해서 읽어야 한다. 예컨대 MiMo Code Bench와 MiMo Visual Coding, MiMo Cyber Bench는 회사가 ‘in-house’로 명시한 자체 평가다. 이는 연구개발 방향을 보여주는 참고자료가 될 수는 있어도, 제3자 재현성이나 공정한 비교가 담보된 독립 성적표로 동일하게 취급하기는 어렵다.

‘증류 공격’ 주장, 성능보다 무거운 질문

더 큰 쟁점은 모델의 학습 데이터 계보다. 앤트로픽은 9월 위협정보 보고서에서 샤오미가 자사 MiMo 이용자들의 대화와 코딩 세션을 저장한 뒤, OpenClaw와 OpenCode 같은 코딩 하니스(harness)를 통해 클로드에 재전송해 지도 미세조정(SFT)과 강화학습용 데이터를 생성했다고 주장했다. 앤트로픽은 샤오미 관련 사건을 내부 코드명 ‘GTG-16008’로 분류했으며, 1500개가 넘는 계정과 프록시 서비스를 거쳐 40만 건 이상 요청이 클로드로 라우팅된 정황을 관측했다고 밝혔다.

앤트로픽은 또 샤오미가 MiMo-V2-Pro의 무료 체험 기간을 연장한 것이 해외 개발자 사용량을 늘려 클로드의 능력을 증류하기 위한 목적이었을 수 있다고 추정했다. 다만 이는 앤트로픽의 조사와 귀속 판단이며, 외부 기관의 독립적 사실 확정이나 사법적 판단과는 구분해야 한다.

앤트로픽 보고서는 해당 활동이 2026년 2월 이후 탐지·차단된 중국 기반 연구소들의 무단 증류 캠페인 가운데 하나라고 설명했지만, 제공된 자료만으로 MiMo-V2.6의 구체적 학습 데이터와 벤치마크 성과 사이의 인과관계까지 검증됐다고 보기는 어렵다. 샤오미는 모델 발표 페이지에서 RL 학습 확대와 공개 자원을 강조했지만, 앤트로픽이 제기한 증류 의혹에 대한 구체적 반박이나 데이터 수집·보관·활용 절차 설명은 해당 발표문에서 확인되지 않는다. 

특히 앤트로픽의 주장대로 이용자 대화·코딩 세션이 제3자 모델 호출에 재사용됐다면, 이는 저작권이나 서비스 약관을 넘어 개인정보, 영업비밀, 고객 코드, 데이터 국외 이전, 생성형 AI 공급망 보안 문제로 확장될 수 있다. 국내 기업이 API 기반으로 활용할 경우에도 어떤 데이터가 어느 국가의 어떤 인프라를 거쳐 처리되는지, 프롬프트와 결과물이 저장·학습에 쓰이는지, 모델 제공자의 로그 보관 정책은 무엇인지 계약과 기술 문서에서 별도로 확인해야 한다.

오픈웨이트 1위의 진짜 시험대

MiMo-V2.6의 등장은 ‘프런티어급 AI는 폐쇄형 독점 모델만 가능하다’는 통념을 흔든다. 1조 파라미터급 MoE 모델을 MIT 라이선스로 공개하고, 입력 100만 토큰당 0.435달러·출력 0.87달러의 API 가격을 내세운 것은 개발자와 기업에 자가 호스팅, 맞춤형 미세조정, 비용 절감이라는 선택지를 넓힌다. 특히 문서·코드·멀티모달 데이터를 대량으로 다뤄야 하는 기업에는 100만 토큰 컨텍스트와 공개 가중치가 실질적 매력으로 작용할 수 있다.

그러나 오픈웨이트 1위라는 타이틀과 신뢰할 수 있는 AI 공급망은 다른 문제다. MiMo-V2.6은 성능·가격·공개성에서 강한 출발을 했지만, 앤트로픽의 증류 의혹은 ‘누가 더 똑똑한가’보다 ‘그 지능은 어떤 데이터와 어떤 절차를 거쳐 만들어졌는가’라는 더 근본적인 질문을 제기한다. 오픈모델 경쟁이 모델 크기와 벤치마크 숫자의 싸움에서, 학습 데이터의 적법성·사용자 정보 보호·재현성·감사 가능성을 겨루는 신뢰 경쟁으로 넘어가고 있음을 보여주는 장면이다.