---
title: "모티프, 240억 투자 유치…작은 모델로 증명한 뒤 300B 독자 모델에 베팅"
published: 2026-05-29T23:05:03.309Z
canonical: https://jeff.news/article/3430
---
# 모티프, 240억 투자 유치…작은 모델로 증명한 뒤 300B 독자 모델에 베팅

국내 AI 스타트업 모티프테크놀로지스가 240억 원 규모 시리즈B 투자를 유치했다. 2.6B 소형언어모델로 7B급 일부 모델을 넘는 성능을 보인 뒤, 정부 지원 GPU 인프라를 기반으로 300B 추론형 LLM과 310B VLM, 320B VLA까지 확장하려는 그림이다.

- 모티프테크놀로지스가 240억 원 규모 시리즈B 투자를 유치함
  - 기존 투자사인 나이스투자파트너스, 노틸러스인베스트먼트가 후속 투자했고 디토인베스트먼트, 포레스트벤처스가 새로 들어옴
  - 모티프는 AI 인프라 기업 모레의 자회사로 2025년 2월 출범한 팀임

- 투자자들이 본 포인트는 “작은 모델인데 성능이 꽤 세다”는 쪽임
  - 모티프는 외산 오픈소스 모델 구조를 차용하지 않는 순수 독자 설계를 내세움
  - 글로벌 프론티어 모델의 수백분의 1 규모인데도 추론 성능과 답변 품질이 기대 이상이라는 평가가 나왔다고 함

- 이미 소형 모델에서 한 번 눈도장을 찍었음
  - 설립 4개월 만에 공개한 모티프-2.6B는 26억 개 매개변수 규모인데 일부 70억 개 매개변수 모델을 넘는 성능을 기록함
  - 기술보고서가 허깅페이스 엔지니어와 오픈AI 출신 연구자들 사이에서도 화제가 됐다는 대목이 흥미로움
  - 2025년 7월에는 텍스트를 이미지로 바꾸는 모티프-이미지-6B를, 11월에는 자체 LLM 모티프-2-12.7B를 공개함

> [!IMPORTANT]
> 모티프-2-12.7B는 아티피셜 애널리시스의 인텔리전스 지수에서 한국 1위를 기록함. 국내 독자 모델 경쟁에서 “말뿐인 국산 AI”가 아니라 실제 벤치마크를 들고 나온 케이스라는 점이 큼.

- 창업팀의 색깔도 일반 AI 응용 스타트업과는 좀 다름
  - 임정환 대표는 KAIST 수학 전공, 옥스퍼드 수학 박사 출신임
  - 투자자들은 모티프의 강점이 기존 모델을 살짝 고치는 응용력이 아니라 모델 구조 자체를 설계하는 수학적 역량에서 나온다고 봄

- 모티프는 과기정통부의 독자 AI 파운데이션 모델 사업 정예팀에도 들어감
  - LG AI연구원, 업스테이지, SK텔레콤과 함께 국내 독자 AI 모델 개발 경쟁의 주요 플레이어가 됨
  - 현재 모레, 서울대, KAIST 등과 함께 300B급 추론형 LLM을 개발 중임
  - 이후 310B급 VLM, 320B급 VLA로 단계적으로 키우겠다는 계획임

- 진짜 승부는 이제부터임
  - 소형 모델에서 효율을 증명한 건 좋지만, 300B급 대형 모델에서도 성능을 낼 수 있는지는 완전히 다른 게임임
  - 확보한 GPU 인프라로 대규모 학습이 본격화되면 글로벌 최상위 모델과의 격차를 얼마나 줄일지가 기업가치를 좌우할 가능성이 큼

- 국내 기업 입장에서는 꽤 현실적인 관심사임
  - GPT나 클로드를 쓰면 성능은 좋지만 비용 부담과 커스터마이징 한계가 같이 따라옴
  - 올해 하반기 공개될 300B급 LLM이 괜찮게 나오면, 모티프가 국내 기업용 독자 AI 대안으로 진지하게 검토될 수 있음
  - 일본을 포함한 아시아 시장에서도 미국·중국 모델의 대안을 찾는 수요가 있다는 평가가 붙어 있음

---
## 기술 맥락

- 모티프가 먼저 2.6B 같은 작은 모델을 낸 건 그냥 귀여운 데모가 아니에요. 작은 모델에서 구조 설계와 학습 효율을 증명해야, 나중에 300B로 키웠을 때도 “돈만 태운 모델”이 아니라는 설득력이 생기거든요.

- 여기서 중요한 선택은 외산 오픈소스 모델을 가져와 튜닝하는 대신 독자 구조를 설계한다는 점이에요. 개발 속도는 느릴 수 있지만, 모델 내부를 직접 통제할 수 있어서 기업용 커스터마이징이나 장기적인 기술 주권 얘기로 이어져요.

- 300B급 LLM은 3000억 개 매개변수 규모라 학습 비용과 GPU 인프라 부담이 확 커져요. 그래서 과기정통부 지원 GPU, 모레의 인프라, 서울대와 KAIST 협업이 같이 언급되는 거예요.

- VLM과 VLA로 확장한다는 건 텍스트 챗봇에서 끝내지 않겠다는 뜻이에요. 이미지 이해, 행동 결정까지 가면 로봇이나 산업 자동화 같은 영역으로 연결될 수 있어서, 단순 모델 랭킹보다 활용 범위가 훨씬 넓어져요.

## 핵심 포인트

- 모티프는 외산 오픈소스 구조를 차용하지 않는 순수 독자 설계를 강점으로 내세움
- 2.6B 모델이 일부 7B 모델을 넘었고, 12.7B 모델은 아티피셜 애널리시스 지능지수에서 한국 1위를 기록함
- 올해 하반기 300B급 LLM 성능이 국내 기업용 대안 가능성을 가르는 핵심 분기점임

## 인사이트

국내 기업들이 GPT나 클로드를 쓰면서 비용과 커스터마이징 한계를 동시에 겪는 상황이라, 모티프의 승부는 단순한 스타트업 투자 뉴스가 아니다. 작은 모델에서 보인 효율이 대형 독자 모델에서도 재현되면 한국 AI 생태계의 선택지가 꽤 달라질 수 있음.