AI 뉴스 SVIL 사카나AI 푸구 울트라 오케스트레이션 일본 AI

사카나AI가 프런티어 모델 없이 프런티어를 이겼습니다 — 푸구 울트라 v2.0과 차트 읽기 48.3점

SVIL - Singularity Visual Intelligence Lab 2026. 09. 13 17 min read

프런티어 모델을 만들려면 돈이 아주 많이 듭니다. 그래서 지금까지의 경쟁은 「누가 더 큰 모델을 훈련시키느냐」였어요.

그런데 일본의 한 회사가 다른 답을 내놨습니다. 큰 모델을 만드는 대신, 이미 있는 모델들을 잘 부리는 모델을 만든 거예요. 그리고 어떤 시험에서는 오퍼스 5보다 훨씬 높은 점수가 나왔습니다.

중앙의 밝은 청록 구가 여덟 개의 어두운 구와 가는 빛줄기로 이어진 모습 — 여러 모델을 한곳에서 조율하는 오케스트레이션을 표현한 개념 이미지

일본 회사가 프런티어 모델 없이 프런티어 점수를 냈습니다

사카나AI가 2026년 9월 11일에 모델 두 개를 한꺼번에 내놨습니다. 이름은 푸구 맥스 v1.0과 푸구 울트라 v2.0이에요.

눈길이 가는 건 성능보다 방식입니다. 이 모델들은 혼자 답을 내지 않아요. 여러 모델에게 일을 나눠 주고, 그 결과를 모아서 답을 만듭니다.

그리고 그 풀 안에는 오픈AI나 앤스로픽의 최상위 모델이 들어 있지 않습니다. 그런데도 점수가 나왔어요.

푸구가 무엇인가 — 모델이 아니라 지휘자입니다

푸구를 한 줄로 설명하면 「모델들을 지휘하는 모델」입니다. 오케스트레이션 모델이라고 부릅니다.

보통의 언어 모델은 질문을 받으면 스스로 답을 씁니다. 푸구는 다릅니다. 질문을 받으면 「이 일은 누구에게 시켜야 하나」를 먼저 정해요.

그 판단 자체가 훈련된 결과입니다. 사람이 규칙을 짜 넣은 게 아니라, 어떤 일을 어느 모델에 보내야 좋은지를 학습으로 익혔어요.

하나의 청록 빛줄기가 다섯 갈래로 갈라져 서로 다른 어두운 입체로 들어가는 모습 — 작업을 모델별로 나눠 보내는 라우팅을 표현한 개념 이미지

한 번에 두 개가 나왔습니다 — 맥스와 울트라 v2.0

두 모델은 속을 공유합니다. 오케스트레이션 구조가 같아요. 다만 목표가 다릅니다.

푸구 맥스는 값을 낮추는 쪽입니다. 같은 일을 더 싸게 끝내는 게 목적이에요.

푸구 울트라 v2.0은 반대입니다. 값이 더 들더라도 답의 질을 끝까지 올리는 쪽을 택했습니다. 복잡한 여러 단계 추론, 자율 리서치, 풀스택 개발 같은 무거운 일을 겨냥합니다.

차트 읽기에서 48.3점, 오퍼스 5는 27.3점이었습니다

가장 눈에 띄는 수치는 차토그래피라는 시험에서 나왔습니다. 그림과 수치 자료를 읽고 해석하는 능력을 재는 벤치마크예요.

푸구 울트라 v2.0이 48.3점을 받았습니다. 같은 시험에서 앤스로픽의 오퍼스 5는 27.3점, 페이블 5는 29.5점이었어요.

20점 넘는 차이입니다. 프런티어 모델을 쓰지 않는 쪽이 프런티어 모델보다 크게 앞선 자리가 생긴 거예요.

아주 높은 청록 원뿔 하나가 짧은 두 원뿔 위로 크게 솟아 있는 모습 — 벤치마크 점수 격차를 표현한 개념 이미지

여덟 개 벤치마크 중 일곱 개에서 상위 두 자리

차토그래피 하나만 잘한 게 아닙니다. 사카나가 제시한 여덟 개 벤치마크 가운데 일곱 개에서 상위 두 자리 안에 들었어요.

다섯 개에서는 1위이거나 공동 1위였습니다.

다만 이 수치는 사카나가 직접 낸 것입니다. 독립 기관이 같은 조건으로 다시 잰 결과는 아직 나오지 않았어요. 그 점은 감안하고 보시는 게 좋습니다.

푸구 맥스는 성능보다 값을 먼저 봤습니다

푸구 맥스는 여섯 개 벤치마크에서 종합 최고를 기록했다고 밝혔습니다.

더 중요한 건 다른 표현입니다. 열 개 벤치마크 가운데 일곱 개에서 「비용 대비 성능의 경계선을 넓혔다」고 했어요.

쉽게 말하면 이렇습니다. 같은 값을 낼 때 더 좋은 답이 나오거나, 같은 답을 낼 때 값이 덜 든다는 뜻입니다.

어두운 원통이 청록빛으로 빛나는 움푹한 자리에 깊이 눌러앉은 모습 — 성능보다 비용을 먼저 고려한 설계를 표현한 개념 이미지

100만 토큰 컨텍스트가 오케스트레이션에 왜 필요한가

푸구 울트라 v2.0은 100만 토큰 컨텍스트를 지원합니다. 한 번에 아주 긴 내용을 붙들고 있을 수 있다는 뜻이에요.

지휘자 역할에는 이게 특히 중요합니다. 여러 모델에게 일을 나눠 주고 결과를 받아 모으려면, 그 과정 전체를 기억하고 있어야 하니까요.

중간에 앞부분을 잊어버리면 조율이 깨집니다. 긴 컨텍스트는 오케스트레이션에서 선택이 아니라 조건에 가깝습니다.

자기 자신을 다시 부르는 구조

푸구에는 특이한 점이 하나 더 있습니다. 자기 자신의 복제본을 다시 부를 수 있어요.

일이 너무 크면 쪼갭니다. 쪼갠 조각을 또 다른 푸구에게 맡기고, 그 푸구가 다시 쪼갤 수도 있습니다.

재귀라고 부르는 방식입니다. 큰 문제를 작은 문제로 계속 줄여 나가는 오래된 기법인데, 그걸 모델 단위로 올린 셈이에요.

청록빛 구 안에 더 작은 구가 겹겹이 세 겹으로 들어 있는 모습 — 자기 자신을 다시 호출하는 재귀 구조를 표현한 개념 이미지

고정된 풀 — 오픈웨이트와 특화 모델만 씁니다

푸구가 일을 시키는 대상은 정해져 있습니다. 아무 모델이나 부르는 게 아니라 고정된 풀 안에서 고릅니다.

그 풀은 공개된 가중치를 쓰는 오픈웨이트 모델과 특정 용도에 맞춰 만든 특화 모델로 채워져 있어요.

이 설계에는 분명한 이점이 있습니다. 값을 예측할 수 있고, 다른 회사의 가격 정책에 휘둘리지 않습니다.

프런티어 모델을 안 쓴다는 말의 진짜 의미

「프런티어 모델을 쓰지 않는다」는 문장은 자랑처럼 들리지만, 사실은 제약을 설명하는 말이기도 합니다.

최상위 모델을 빌려 쓰면 값이 비쌉니다. 게다가 그 회사가 값을 올리거나 정책을 바꾸면 그대로 영향을 받아요.

사카나는 그 의존을 끊는 쪽을 택했습니다. 대신 조율을 잘하는 것으로 격차를 메우겠다는 판단입니다.

위에서 가파르게 내려온 청록 빛줄기가 커다란 어두운 구를 옆으로 비껴 지나 아래쪽 작은 정육면체 셋에 닿는 모습 — 프런티어 모델을 쓰지 않는 구성을 표현한 개념 이미지

가격표를 뜯어봅니다 — 5달러와 30달러

푸구 울트라 v2.0은 100만 토큰 기준으로 입력 5달러, 출력 30달러입니다.

푸구 맥스는 더 쌉니다. 입력 2달러, 출력 6달러예요.

출력값 차이가 다섯 배입니다. 두 모델을 나눠 낸 이유가 가격표에 그대로 드러납니다.

272K 토큰을 넘으면 값이 뜁니다

주의할 조건이 하나 있습니다. 컨텍스트가 272K 토큰을 넘어가면 요금이 달라져요.

그 구간부터는 입력 10달러, 출력 45달러가 됩니다. 각각 두 배와 1.5배예요.

100만 토큰을 지원한다고 해서 100만 토큰을 늘 같은 값에 쓸 수 있는 건 아닙니다. 긴 문서를 자주 다룰 계획이라면 이 경계선을 먼저 계산해 보시는 게 좋습니다.

낮은 청록 막대 다섯 개가 늘어선 가운데 맨 오른쪽 하나만 급격히 높이 솟은 모습 — 특정 구간부터 값이 뛰는 요금 체계를 표현한 개념 이미지

캐시된 입력 0.5달러가 뜻하는 것

이미 한 번 넣은 내용을 다시 넣을 때는 값이 크게 내려갑니다. 캐시된 입력은 100만 토큰에 0.5달러예요.

272K를 넘으면 1달러가 됩니다. 그래도 일반 입력의 10분의 1 수준입니다.

같은 자료를 반복해서 참조하는 작업, 예를 들어 긴 코드베이스를 계속 들여다보는 일에서는 이 차이가 전체 비용을 바꿉니다.

소네트 5·GPT-5.6 테라·키미 K3보다 40~60% 싼 자리

푸구 맥스의 출력 가격은 소네트 5, GPT-5.6 테라, 키미 K3보다 40~60% 낮은 자리에 있습니다.

이 세 모델은 지금 중급 구간에서 가장 많이 쓰이는 선택지예요. 그 아래로 들어갔다는 건 가격 경쟁을 정면으로 걸었다는 뜻입니다.

다만 값만으로 고를 일은 아닙니다. 뒤에서 다루겠지만 오케스트레이션이 잘 맞는 작업과 그렇지 않은 작업이 따로 있어요.

밝은 청록 육각기둥 하나가 화면 아래쪽에 놓이고 흐린 기둥 셋이 위쪽에 떠 있는 모습 — 경쟁 모델보다 낮은 가격대를 표현한 개념 이미지

추론 강도를 셋으로 나눈 이유

푸구 울트라 v2.0은 추론 강도를 세 단계로 고를 수 있습니다. 하이, 엑스하이, 맥스예요.

강도를 올리면 더 오래 생각하고 더 많은 모델을 부릅니다. 답은 좋아지지만 값과 시간이 늘어나요.

이걸 사용자가 고르게 한 건 합리적입니다. 모든 질문에 최대 강도를 쓸 이유가 없으니까요.

함수 호출·구조화 출력·PDF 입력까지 갖췄습니다

실무에서 쓰려면 점수만으로는 부족합니다. 주변 기능이 갖춰져 있어야 해요.

푸구 울트라 v2.0은 함수 호출, 구조화된 출력, 이미지와 PDF 입력, 내장 웹 검색을 지원합니다.

기존 코드에 끼워 넣을 때 크게 고치지 않아도 된다는 뜻입니다. 갈아타는 문턱을 낮추려는 선택이에요.

네 개의 어두운 통로에서 각각 청록 빛줄기가 아래로 뻗어 내리는 모습 — 여러 형식의 입력을 나란히 받아들이는 구조를 표현한 개념 이미지

사카나AI는 어떤 회사인가

사카나AI는 2023년에 도쿄에서 시작한 회사입니다. 리온 존스, 렌 이토, 데이비드 하 세 사람이 세웠어요.

이름은 물고기를 뜻하는 일본어에서 왔습니다. 회사 성격을 그대로 담은 이름이에요.

지금은 일본에서 가장 몸값이 높은 비상장 기술 기업입니다.

트랜스포머 논문 저자가 도쿄에서 창업한 이유

공동창업자 리온 존스는 2017년 논문 「어텐션 이즈 올 유 니드」의 공저자입니다. 지금의 모든 대형 언어 모델이 이 논문에서 출발했어요.

대표인 데이비드 하는 구글 브레인 연구원이었고, 그 전에는 골드만삭스 일본 채권 트레이딩 데스크를 맡았습니다.

실리콘밸리에 남는 대신 도쿄를 고른 사람들입니다. 그 선택이 지금의 기술 방향과 이어져 있어요.

오래된 어두운 기둥 두 개 사이로 새 청록 팔면체가 떠오르는 모습 — 기존 연구 위에서 출발한 창업을 표현한 개념 이미지

물고기 떼라는 이름 — 집단지능이 설계 철학입니다

사카나라는 이름은 물고기 떼를 가리킵니다. 물고기 한 마리는 단순한 규칙만 따르는데, 여럿이 모이면 하나의 덩어리처럼 움직이죠.

작은 것들이 모여 큰 지능을 이룬다는 생각, 그게 회사 이름에 들어간 철학입니다.

푸구는 그 철학을 그대로 옮긴 제품이에요. 거대한 하나가 아니라 여럿의 협력으로 답을 만듭니다. 이름과 기술이 어긋나지 않는 흔치 않은 경우입니다.

26.5억 달러, 일본에서 가장 비싼 비상장사

사카나AI는 시리즈 B로 약 1억 3,500만 달러를 모으며 26억 5,000만 달러 가치를 인정받았습니다.

일본 비상장 기술 기업 가운데 가장 높은 숫자예요.

다만 미국 경쟁사들과 비교하면 규모가 다릅니다. 같은 방식으로 겨루기 어렵다는 현실이 숫자에 드러나 있어요.

거대한 청록 덩어리 하나가 흩어진 작은 입체들 위로 우뚝 솟은 모습 — 국내 최고 기업가치를 표현한 개념 이미지

왜 하필 오케스트레이션인가 — 일본의 현실적 선택

프런티어 모델을 새로 훈련시키려면 수십억 달러 규모의 컴퓨팅이 필요합니다. 26억 달러 가치의 회사가 정면으로 따라갈 수 있는 싸움이 아니에요.

그렇다고 포기하면 남의 모델을 빌려 쓰는 처지가 됩니다.

오케스트레이션은 그 사이의 길입니다. 모델을 새로 만들지 않고도 자기 기술로 성능을 끌어올릴 수 있으니까요. 제약에서 나온 전략인데, 결과가 꽤 잘 나왔습니다.

오케스트레이션이 이기는 작업과 지는 작업

모든 일에서 유리한 방식은 아닙니다. 여러 모델을 부르는 만큼 주고받는 시간이 더 들어요.

짧은 대화처럼 빠른 응답이 중요한 일에서는 불리합니다. 한 모델이 바로 답하는 게 빠르니까요.

반대로 여러 단계를 밟아야 하는 일, 자료를 찾아 모으고 정리하는 일에서는 유리합니다. 어차피 시간이 걸리는 작업이라 조율에 드는 비용이 묻히고, 단계마다 잘하는 모델을 골라 쓸 수 있거든요.

나란히 아래로 뻗은 두 개의 좁은 수직 통로 가운데 왼쪽만 깊은 곳까지 청록빛으로 차 있고 오른쪽은 완전히 비어 검은 모습 — 잘 맞는 작업과 그렇지 않은 작업을 표현한 개념 이미지

실제 사례로 보는 다중 모델 라우팅

예를 들어 긴 보고서를 만든다고 해 봅시다. 자료를 찾는 단계, 수치를 읽는 단계, 문장을 다듬는 단계가 다 다릅니다.

사람이라면 각 단계에 다른 사람을 붙이겠죠. 푸구가 하는 일이 그겁니다. 자료 찾기는 검색에 강한 모델에, 수치 해석은 그쪽에 강한 모델에 보냅니다.

차토그래피에서 큰 점수 차가 난 이유도 여기서 짐작할 수 있습니다. 그림과 수치를 읽는 건 특화 모델이 잘하는 영역이고, 푸구는 그 모델을 부를 줄 알았던 거예요.

저시력 사용자에게 이 변화가 뜻하는 것

저시력 사용자에게 AI 값이 내려가는 건 그 자체로 좋은 소식입니다. 화면을 읽어 주고 내용을 정리해 주는 도구를 더 자주 쓸 수 있게 되니까요.

특히 차트와 표를 읽는 능력이 올라간 건 의미가 큽니다. 그림으로 된 자료는 확대해도 파악하기 어려운 경우가 많고, 대체 텍스트가 없으면 아예 접근이 막히거든요. 그 자료를 말로 풀어 주는 정확도가 올라간다는 뜻입니다.

다만 응답이 느려지는 점은 감안하셔야 합니다. 화면 낭독과 함께 쓸 때는 기다리는 시간이 더 길게 느껴질 수 있어요.

흐릿한 청록 입자들이 가장자리에서 중앙의 또렷한 고리 형태로 모이는 모습 — 흐린 것이 선명해지는 과정을 표현한 개념 이미지

핵심 정리

사카나AI가 9월 11일 푸구 맥스 v1.0과 푸구 울트라 v2.0을 공개했습니다. 여러 모델을 조율하는 오케스트레이션 모델이에요.

차토그래피에서 48.3점을 받아 오퍼스 5의 27.3점, 페이블 5의 29.5점을 크게 앞섰습니다. 여덟 개 벤치마크 중 일곱 개에서 상위 두 자리에 들었어요.

값은 울트라 v2.0이 입력 5달러·출력 30달러, 맥스가 입력 2달러·출력 6달러입니다. 272K 토큰을 넘으면 요금이 올라가니 확인이 필요해요.

수치는 사카나 자체 발표입니다. 독립 검증은 아직이라는 점을 기억해 두시면 좋겠습니다.

참고하실 만한 것

AI 도구를 고르실 때 벤치마크 점수 하나만 보지 마시고, 내가 주로 하는 일이 어떤 종류인지 먼저 생각해 보시면 좋습니다. 긴 작업이 많으면 오케스트레이션 방식이 잘 맞고, 짧고 빠른 대화가 많으면 단일 모델이 낫습니다.

SVIL 연구소는 저시력 접근성 도구와 AI 워크플로우를 만들고 기록합니다. 비슷한 고민이 있으시면 편하게 연락 주세요.

출처

협업문의 : kuroicode@gmail.com
블로그 : https://blog.svil.dev/
홈페이지 : https://svil.dev/