SKT, 6880억 파라미터 오픈소스 모델 A.X K2 공개

SKT가 A.X K2를 오픈소스로 공개함

• SK텔레콤이 자체 AI 파운데이션 모델 A.X K2를 허깅페이스에 공개함

  • 규모는 6880억 파라미터, 즉 688B급 모델임
  • 직전 모델 A.X K1은 519B였고, K2는 수학·과학 추론, 한국 지식, 장문 추론 쪽을 강화한 버전임
  • 국내외 14개 벤치마크 기준 평균 성능이 A.X K1보다 32.2%포인트 올랐다고 밝힘

• 특히 눈에 띄는 건 장문 이해와 에이전트 평가 쪽 개선 폭임

  • 이 영역에서는 약 83.9%포인트 개선됐다고 함
  • 요즘 기업용 AI에서 중요한 게 단순 답변보다 긴 문서 읽기, 여러 단계 작업 처리, 도구 호출 같은 에이전트형 작업이라 이 수치가 꽤 의미 있음

• 성능 개선의 핵심 구조로 SGA를 내세움
  • SGA는 Sparse Gated Attention의 약자임
  • 긴 문맥을 처리할 때 모든 토큰을 똑같이 보는 게 아니라 관련성이 높은 정보만 선별해서 참조하는 방식이라고 설명함
  • 산업 현장에서는 답변 품질만큼 비용, 지연시간, 안정성이 중요하니까 효율 쪽을 같이 잡겠다는 의도임

어디에 쓰려는 모델인가

• 제조 분야에서는 KG스틸, 코넥과 협력해서 현장 실증까지 가려는 중임

  • KG스틸 당진공장 냉간 압연 라인에 제조 특화 AI 에이전트 데모를 적용할 계획임
  • 코넥의 주조·가공 공정에도 하반기 실증을 진행한다고 함
  • 포인트는 “제조 현장의 실무 노하우를 AI에 담는다”는 건데, 이건 범용 챗봇보다 도메인 데이터와 현장 맥락이 훨씬 중요한 영역임

• 국방 분야에서는 이미 A.X K1 기반 양자화 모델 3종을 국방부와 개발함

  • 국방은 보안과 데이터 주권 요구가 강해서 외부 모델을 그대로 쓰기 어려움
  • 양자화로 메모리 사용량을 줄이고 처리 속도를 높이는 방향을 잡았음
  • 육·해·공군과 해병대 산하 부대에서 활용하는 계획까지 언급됨

• 바이오 쪽에서는 SK바이오팜과 난치성 암 표적 치료제 개발에 AI를 쓰는 중임

  • 원래 1~2년 걸리던 신약 개발 초기 연구 기간이 SKT AI 기술 적용 후 5개월로 줄었다고 밝힘
  • 이건 꽤 센 숫자임. 신약 개발에서 초기 탐색 기간이 줄어들면 후보물질 검토와 실험 설계 속도 자체가 달라짐

• 사무 영역과 개인 서비스에도 이미 넣고 있음

  • 에이닷 비즈에서는 뉴스레터 제작, 자료 수집·분석 기반 보고서 생성 기능을 제공 중임
  • SK하이닉스 사내 업무용 AI 도구에는 A.X K2 경량 모델을 제공하고 있음
  • 에이닷 전화의 AI 제안 기능은 통화 내용을 바탕으로 일정과 할 일을 뽑아 후속 행동을 유도함
  • 에이닷 노트 정리 기능 일부에도 A.X K2 경량 모델이 들어갔다고 함

글로벌 모델 경쟁도 의식한 발표

• SKT는 A.X K2가 최근 6개월 내 나온 해외 모델들과 비슷한 수준의 벤치마크를 냈다고 설명함

  • 비교 대상으로 큐원, 딥시크, 지엘엠, 키미 계열 모델이 언급됨
  • 중국계 오픈 모델들이 빠르게 치고 올라오는 상황에서 국내 모델도 “산업 적용 가능한 규모”로 가야 한다는 메시지에 가까움

• 다음 단계는 조 단위 파라미터 모델임

  • SKT는 후속 모델을 조 단위 파라미터 규모로 확장할 계획이라고 밝힘
  • 기사에서는 최근 중국 기업이 공개한 키미 3가 2조8000억 파라미터 규모라는 점도 언급됨
  • 오픈AI, 구글, 앤트로픽은 최상위 모델 규모를 공개하지 않지만, 업계 최상위 모델이 조 단위 기반으로 만들어진 뒤 경량화되는 흐름이 있다는 설명도 붙음

• 파생 모델 라인업도 같이 준비함

  • A.X K2 VL Light-Preview는 이미지와 텍스트를 함께 이해하는 비전 언어 모델임
  • 영수증, 논문, 이미지 형태 법률 문서, 산업용 배관 이미지 같은 업무 자료를 분석하는 용도로 제시됨
  • A.X K2 ALM은 상담, 회의, 현장 음성을 인식하고 분석하는 쪽으로 고객센터 음성통화 활용을 검토 중임
  • A.X K2 Raon-Speech는 크래프톤이 독자 개발한 모델이고, 향후 게임에서 플레이어와 AI 간 음성 상호작용 고도화에 쓰려는 그림임

---

기술 맥락

• SKT가 A.X K2에서 강조하는 건 “큰 한국어 모델을 만들었다”보다 “어디에 꽂을 수 있는가”에 가까워요. 제조, 국방, 바이오, 사무, 개인 서비스처럼 요구사항이 다른 영역을 한 모델 계열로 묶으려면 기반 모델 성능뿐 아니라 경량 모델, 도메인 적용, 멀티모달 파생 모델이 같이 필요하거든요.

• SGA를 앞세운 이유도 긴 문맥 처리 비용 때문이에요. 산업 문서는 매뉴얼, 보고서, 설비 로그처럼 길고 복잡한 경우가 많은데, 모델이 모든 정보를 무차별적으로 참조하면 비용과 지연시간이 커져요. 관련 정보만 골라 보게 만들면 장문 이해와 운영 효율을 같이 노릴 수 있어요.

• 국방 쪽에서 양자화 모델을 따로 만든 것도 현실적인 선택이에요. 보안 때문에 외부 클라우드에 데이터를 보내기 어렵고, 내부 환경에서 돌리려면 메모리와 속도 제약을 맞춰야 하거든요. 그래서 A.X K1 기반 모델을 줄여서 육·해·공군과 해병대 산하 부대에서 쓸 수 있게 만드는 흐름이 나온 거예요.

• 비전 언어 모델과 음성 모델을 같이 내세운 건 기업 AI가 텍스트 챗봇만으로 끝나지 않기 때문이에요. 제조 현장 사진, 이미지형 법률 문서, 고객센터 통화, 회의 음성처럼 실제 업무 데이터는 텍스트 밖에 많이 있어요. SKT가 파생 라인업을 말한 건 이런 입력 채널까지 잡아야 산업 적용이 된다는 판단으로 볼 수 있어요.