국내 LLM 경쟁 구도는 안전성, 완성도, 실용성이라는 삼각축으로 재편되고 있다. 1편의 KT ‘믿:음 2.0’은 KoDarkBench에서 국내외 주요 모델 중 최고 수준의 안전 지표를 보이며 책임 있는 AI의 기준을 제시했고, 2편의 네이버클라우드 ‘HyperCLOVA X THINK’는 멀티모달 완성도와 장문 문맥 처리로 범용성과 특화성을 동시에 확보했다. 3편의 주인공 SK텔레콤은 ‘A.X 3.1’ 시리즈를 앞세워 기술 자립성과 현장 적용성을 결합하는 전략으로 경쟁의 한 축을 완성한다.
SK텔레콤은 2025년 7월 11일 경량형 ‘A.X 3.1 Light(7B)’를, 7월 24일 표준형 ‘A.X 3.1(34B)’을 순차 공개했다. 두 모델 모두 데이터 수집·정제·학습까지 전 과정을 자체 인프라에서 수행한 프롬스크래치 방식의 국산 소버린 LLM으로, 허깅페이스를 통해 아파치 2.0 라이선스로 배포된다.
아키텍처는 파라미터 수 대비 효율을 극대화했다. 표준형 A.X 3.1은 34B 파라미터, 48개 레이어, 8개 KV-헤드, 8192 히든, 21824 FFN 구조로 설계됐고, 라이트는 7B 파라미터, 32개 레이어, 32개 KV-헤드, 4096 히든, 10880 FFN을 채택했다. 긴 문맥 처리 능력은 기본 32,768 토큰을 지원하며, 모델 카드에 안내된 설정(YaRN 기반 rope_scaling)으로 131,072 토큰까지 확장할 수 있다. 또한 동일한 한국어 입력에서 GPT-4o 대비 약 33% 적은 토큰을 사용하도록 최적화했다고 명시돼 있다.
벤치마크 수치도 구체적이다. 표준형 A.X 3.1은 KMMLU 69.73, CLIcK 77.09, MATH 75.40 등 한국어 이해·문화 맥락·수학 추론 영역에서 경쟁력 있는 지표를 기록했다. 라이트 모델은 KMMLU 61.70, CLIcK 71.22, KoBALT-700 27.43 등으로 경량 대비 균형 잡힌 성능을 보였다. 두 모델 모두 코드·추론·지시 이행 부문에서 중상위권을 보이며, 세부 수치는 모델 카드 표로 공개돼 있다.
데이터 전략은 품질 중심이다. 표준형은 약 20조 토큰 규모의 원천 데이터에서 정교한 필터링·합성 과정을 거쳐 2.1조 토큰으로 학습됐고, 라이트는 1.65조 토큰으로 훈련됐다. SKT는 라이트 모델이 동급 성능 대비 5~6배 낮은 연산량을 달성하도록 파레토 최적을 지향했다고 설명한다. 이는 실제 서비스 투입 시 비용·지연을 동시에 줄이는 설계 철학으로, 산업 적용에서 의미가 크다.
사업적 확장성도 빠르다. SK텔레콤 컨소시엄은 과학기술정보통신부의 ‘독자 AI 파운데이션 모델’ 프로젝트 최종 5개 정예팀 중 하나로 선정됐고, 이 과제를 통해 텍스트·음성·이미지·비디오를 아우르는 차세대 옴니모달 모델을 개발한다.
실시간 추론 인프라 측면에서 SK텔레콤은 국산 NPU 기업 리벨리온과 협력해 ATOM/ATOM‑Max 기반 추론 서버를 시험 적용하고 있으며, 결과에 따라 상용 서비스 확대를 예고했다. 통신·미디어·고객응대 요약·진단 등 대규모 트래픽 도메인에서 지연 단축과 비용 절감이 핵심 기대효과다.
기업 관점에서 유용한 포인트는 세 가지다. 첫째, 오픈소스 배포(아파치 2.0)와 모델 카드의 서빙 예제가 결합돼 프라이빗 환경으로의 이식·검증이 빠르다. 둘째, 32K+ 장문 문맥과 33% 토큰 절감은 콜봇, 상담기록 요약, 문서 자동화 등 비용 민감 업무에 유리하다. 셋째, 7B 경량과 34B 표준의 이원 라인업은 엣지 단말부터 데이터센터까지 배치 옵션을 넓혀 총소유비용(TCO)을 줄인다. 궁극적으로 A.X 3.1은 국산 소버린 LLM의 기술 자립성을 보여주면서도 현장형 AI의 실용 기준을 제시한다.
댓글
0