모델은 수학 금메달을 받았고, 메모리는 아직 샘플 단계이며, 플랫폼은 광고 수익이 버티는 동안 AI 에이전트가 돈이 돼야 한다는 압박을 받고 있다 — 오늘 기술 세계에서 “할 수 있다”와 “돈이 된다” 사이의 거리는 섹터마다 제각각이다.
AI가 국제수학올림피아드 금메달을 받았다 — 그런데 아날로그 시계는 8.9%밖에 못 읽는다
Anthropic이 7월 24일 출시한 Claude Opus 5는 2026 국제수학올림피아드(IMO) 문제를 42개 중 42개 풀어냈다. 금메달 기준선이 29점이니 만점이다. ARC-AGI-3 벤치마크에서는 30.2%를 기록해 차순위 모델 대비 약 3.9배 앞섰고, AI 모델 성능을 종합 평가하는 Artificial Analysis 인텔리전스 인덱스에서도 61점으로 현재 1위다.
이쯤에서 한 가지만 짚고 넘어가자. IMO 42/42는 Anthropic이 직접 설계한 비공식 벤치마크 환경에서 나온 숫자다. 풀이마다 adaptive-max 추론 강도를 쓰고, 문항당 4개의 독립 풀이를 생성한 뒤 세 모델로 구성된 패널이 채점하는 조건이었다. 실사용에서 한 번의 질문에 얻는 답변과는 조건이 다르다. 같은 계열 모델이 Stanford AI Index 평가에서 아날로그 시계를 읽는 과제에서는 8.9%만 맞혔다는 사실도 함께 기억해야 한다 — 극한의 추론 문제는 풀면서 단순한 지각 과제에서 실패하는 이 패턴은 “AI가 점점 똑똑해진다”는 서사를 그대로 받아들이기 전에 생각해볼 만한 균열이다.
그렇다면 Opus 5의 진짜 무기는 무엇인가. 달은 벤치마크보다 가격표에 더 눈길이 간다. Anthropic은 입력 100만 토큰당 5달러, 출력 100만 토큰당 25달러로 전작(Opus 4.8)과 동일한 가격을 유지하면서 성능을 대폭 끌어올렸다. 토큰은 AI 모델이 텍스트를 처리하는 단위로, 영문 기준 단어 약 0.75개에 해당한다. 성능을 사실상 두 배로 올리면서 단가를 내리지 않은 것이 아니라, 동일 예산으로 처리 가능한 업무의 질을 높인 셈이다. 코딩 지원 서비스 Zapier는 Opus 5 전환 후 에러 디버깅 성능 강화를 보고했고, 기업용 클라우드 Box는 데이터 분석 정확도가 11% 향상됐다고 밝혔다. 이런 현장 수치가 ARC-AGI나 IMO 점수보다 산업적 의미에서 더 무거운 이유는, 벤치마크는 “새로운 규칙을 얼마나 잘 일반화하는가”를 재는 반면 기업 사례는 “실제로 시간과 비용이 줄었는가”를 재기 때문이다.
경쟁은 동시에 두 방향에서 격화되고 있다. OpenAI는 지난달 30일 GPT-5.6 Luna 모델 가격을 80% 인하해 입력 100만 토큰당 0.20달러 수준까지 내렸다. 중국 AI 기업 DeepSeek은 7월 31일 V4-Flash 모델을 입력 0.14달러, 출력 0.28달러에 출시하며 가성비 경쟁에 뛰어들었다. 어제 이 지면에서 다룬 가격전쟁이 하루 만에 DeepSeek이라는 새 선수를 추가하며 다음 국면으로 진입한 것이다.
달의 의심은 이 지점에 있다. AI 능력 점수와 신뢰 가능성은 별개의 축이다. Anthropic 자체의 신뢰성 이슈 — 두 최상위 연구팀에서 일주일 간격으로 동일한 AI 감독 실패 패턴이 반복됐고, 외부 검증기관(METR)의 검토가 현재 진행 중이다. 능력의 상한선은 빠르게 올라가는데, 그 능력을 얼마나 감독 없이 맡길 수 있는가에 대한 답은 아직 없다.
어디로 가는가. 달의 판단: 클로즈드 모델의 벤치마크 우위는 단기간(6~12개월) 유지되겠지만, 오픈웨이트 모델과의 격차는 실사용 환경에서 생각보다 빠르게 좁혀질 가능성이 높다(70%). 가격 결정력이 무너지고 있다는 사실 자체가 차별화가 어려워지고 있다는 신호이기 때문이다. 틀릴 조건: 향후 3개월 내 기업 현장의 AI 에이전트 도입률이 가시적으로 상승하고 Gartner가 예측한 “에이전틱 AI 프로젝트 40% 취소” 흐름이 실제 데이터로 반박될 때.
AI는 학습보다 추론에서 더 많은 시간을 보내기 시작했다 — HBF는 그 변화에 답하는 메모리다
AI 개발자들이 반도체에 바라는 것이 조용히 바뀌고 있다. 몇 년 전까지는 “얼마나 빠르게 대용량 데이터를 읽어서 모델을 훈련시킬 수 있는가”가 핵심이었다. 지금은 질문이 달라졌다. AI 모델이 이미 만들어진 뒤 수백만 명이 동시에 사용하는 추론(inference) 단계에서 “얼마나 많은 데이터를 동시에 참조할 수 있는가”가 더 중요해지고 있다. HBM(High Bandwidth Memory, 고대역폭 메모리)은 학습에 최적화된 고속 메모리다. HBF(High Bandwidth Flash)는 추론에 최적화된 대용량 낸드 플래시 기반 메모리로, 학습 단계에서 HBM이 하던 역할을 추론 단계에서 하는 차세대 아키텍처다.
삼성전자의 반도체(DS) 부문 영업이익이 전년 동기 대비 220~250배 증가했다는 사실은 HBM이 AI 학습 시장에서 가져다준 과거 성적표다. SK하이닉스가 HBM 분야 시장점유율 50~55%를 유지하며 2분기 영업이익 557%를 기록했다는 것도 마찬가지다. 이 숫자들이 화려한 건 사실이지만, 오늘 더 중요한 질문은 다음 라운드다 — 추론이 AI 인프라의 주도권을 가져가는 시대에 누가 먼저 그 메모리를 만드는가.
현재 구도는 분명하다. SK하이닉스와 미국 낸드 업체 샌디스크는 2025년 8월 HBF 규격 표준화 업무협약을 맺었고, 올해 2월에는 오픈컴퓨트프로젝트(OCP) 산하에 공식 워크스트림을 출범시켰다. 2026년 하반기 첫 샘플 공급, 2027년 초 양산을 목표로 한다. 삼성전자는 HBF 표준화 진영에 아직 합류하지 않고 독자적인 개념 설계를 진행 중이다. 대신 HBM5에 2나노 공정을 적용하는 방향으로 현 HBM 시장 우위를 이어가는 전략을 병행하고 있다.
여기서 달의 의심이 개입한다. “HBF 패권 전쟁”이라는 표현은 현 단계를 과대평가할 위험이 있다. 지금은 양산이 아니라 “샘플 공급 목표”다. SK하이닉스가 규격을 먼저 정의해도, 표준이 자리잡는 순간 삼성이 세계 1위 낸드 생산 원가 경쟁력으로 뒤늦게 추격해 판을 뒤집을 구조적 여지가 있다. HBM 초기에 SK하이닉스가 선점하고 삼성이 뒤따라 균형을 찾았던 패턴이 반복될 수 있다. HBF가 HD-DVD가 되고 삼성의 독자 HBM5 계열이 블루레이가 되는 시나리오도 배제할 수 없다.
추론 AI 메모리 시장의 실적 수치와 실적 함의는 오늘 기업·산업 섹션에서 더 자세히 다뤘다.
어디로 가는가. 달의 판단: “SK하이닉스가 먼저 뛰고 있다”는 맞지만, “SK하이닉스가 이겼다”는 틀리다. 2026년 하반기 샘플 품질과 2027년 양산 수율이 진짜 분기점이며, 그 이전에 나온 모든 숫자는 과거(HBM) 전쟁의 성적표일 뿐이다. A 시나리오: SK하이닉스 HBF 표준 선점 유지(60%) / B 시나리오: 삼성의 원가 경쟁력으로 HBF 진입 후 균형 (40%). 틀릴 조건: 삼성이 2027년 이전에 독자 HBF 사양을 공식 발표하고 주요 빅테크 고객사를 확보할 때.
카카오톡이 AI들의 허브가 되려 한다 — 광고가 버텨주는 동안 서둘러야 한다
네이버와 카카오의 2분기 실적이 이번 주 발표를 앞두고 있다. 현재 나오는 수치는 증권사 컨센서스(예상 평균치)로, 공식 확정 실적이 아니다. 컨센서스 기준 네이버는 매출 3조3686억원(전년 동기 대비 +15.6%), 영업이익 5674억원(+8.8%)으로 두 자릿수 성장을 이어갈 것으로 보인다. 카카오는 매출 2조445억원(+0.8%), 영업이익 2239억원(+9.81%)으로 성장세가 좀 더 제한적이다. 양사 모두 광고와 커머스가 실적을 받치고 있다.
지금 이 수치보다 중요한 것은 이 광고 수익이 AI 에이전트 수익화를 완성할 시간을 얼마나 더 벌어줄 수 있느냐는 질문이다. 카카오의 AI 어시스턴트 카나나는 3월에 카카오톡에 탑재됐지만 현재 AI 관련 직접 매출은 사실상 0에 가깝다. 네이버의 AI 검색탭(AI탭)도 이달 21일부터 광고 노출을 처음 시작했다. 두 회사 모두 AI를 수익화하겠다고 선언했지만, 지금까지 나온 것은 숫자가 아니라 로드맵이다.
전략의 방향은 분명히 갈린다. 네이버는 AI를 기존 검색·커머스 생태계 안에 통합하는 폐쇄형 방식을 택했다. AI탭이 검색 트래픽을 내부에서 처리하고, AI 팩토리 브랜드로 기업 고객에게 맞춤 AI 솔루션을 판매하는 B2B 전략을 병행한다. 카카오는 반대 방향이다. PlayMCP(모델 컨텍스트 프로토콜)를 통해 외부 AI 에이전트 200개 이상을 카카오톡 생태계에 연동하겠다는 개방형 전략이다. 쉽게 설명하면, 카카오톡이 ChatGPT·Claude 같은 외부 AI 에이전트들이 쇼핑·결제·예약을 처리하는 허브 역할을 하겠다는 구상이다.
달의 의심은 두 전략 모두에 닿는다. 네이버의 폐쇄형은 사용자가 AI 질의를 네이버가 아닌 범용 에이전트(ChatGPT, Claude 등)에서 시작하면 진입점 자체를 잃을 수 있다. 카카오의 개방형은 외부 에이전트에게 트랜잭션 채널을 열어주면서 사용자 데이터 주도권을 얼마나 지킬 수 있는가가 불명확하다 — 아마존이 서드파티 마켓플레이스를 열며 겪은 “내가 만든 트래픽을 남에게 빌려주는” 딜레마와 같은 구조다. 증권사가 카카오 목표주가를 일제히 하향한 것은 시장이 “장기 상방 옵션가치”보다 “당장 증명된 수익”에 프리미엄을 주는 지금 국면의 성향을 그대로 보여준다.
더 근본적인 장애물은 둘이 공유한다. 광고 클릭에서 AI 에이전트 수수료로 수익모델이 전환되는 과정에서 자기잠식(카니발라이제이션)이 필연적으로 낀다 — AI가 검색 결과를 대신 요약하고 거래를 처리하면 단기 광고 매출이 잠식될 수 있다. 이 전환기에 광고 수익이 버텨주는 시간이 곧 AI 에이전트를 증명해야 하는 데드라인이다.
어디로 가는가. 달의 판단: 네이버가 단기(12개월) 수익화 증거를 먼저 보여줄 가능성이 높다(65%). 카카오의 개방형 전략은 중장기 확장성에서 매력적이지만, 수익이 나타나기까지 시간이 더 걸린다. 틀릴 조건: 카카오 PlayMCP 생태계에서 외부 에이전트 트랜잭션 건수가 연내 유의미한 수준으로 올라오고, 이를 바탕으로 수수료 수익 모델이 구체화될 때.