200조 개에 달하는 토큰이 모두의 눈앞에서 조용히 처리되었다. 전 세계 수만 명의 개발자들은 자신들이 수개월 동안 ‘블라인드 테스트 심사위원’ 역할을 했다는 사실을 이제야 깨달았다. 서드파티 API 플랫폼에는 그동안 ‘스페이스 버니(Space Bunny)‘라는 코드명의 정체불명 모델이 올라와 있었다. 어떤 제조사 표시도 없었지만, 엄청난 양의 고난도 프로그래밍과 디버깅 작업을 막힘없이 소화해 냈다. 2026년 10월 20일, 마침내 베일이 벗겨졌다. 이 저력 있는 모델의 주인공은 중국의 거대 언어 모델 기업 MiniMax였으며, 공식 명칭은 M3.1 Flash였다.
공식 발표된 핵심 수치는 업계에 큰 충격을 주었다. 온라인 추론 속도는 기존 대비 3배 가까이 빨라졌고, 종합 API 호출 비용은 70%나 급감했다. 오랫동안 수많은 모델들은 시험 점수판을 화려하게 장식하는 데만 열을 올렸다. 하지만 기업들이 실제 업무에 도입하려 할 때 마주친 것은 천문학적인 연산 청구서였다. M3.1 Flash는 경쟁의 본질을 정면으로 끌고 왔다. 모델은 어려운 문제를 잘 풀어야 할 뿐 아니라, 일반 기업의 회계장부에서도 감당할 수 있는 가격이어야 한다는 점이다.
익명으로 200조 토큰 완주: 가면을 벗은 스페이스 버니
오늘날 인공지능 분야에서 공개 벤치마크 시험지의 점수 부풀리기는 일상이 되었다. 많은 팀이 정적 평가 문항에 맞춰 모델을 집중적으로 미세 조정한다. 그 결과 순위표의 점수는 치솟지만, 실제 현업 코드베이스에 투입하면 끝없는 오류를 뿜어낸다. 이러한 흐름에 맞서 MiniMax는 정반대의 검증 경로를 택했다.
초기 모델에 ‘스페이스 버니’라는 가명을 붙이고, 서드파티 코드 플랫폼에 직접 연동하여 혹독한 실제 업무 환경에서 시험을 치르게 했다. 수개월간 이어진 블라인드 테스트에서 실제 사용자들이 발생시킨 호출량은 200조 토큰을 넘어섰다. 어떠한 배경 정보도 없는 장기 실전 배치는 연구실 벤치마크 특유의 우연한 오차를 완전히 걸러냈다. 아무런 편견 없이 수집된 현장의 호출 기록은 잘 다듬어진 시험 문항보다 훨씬 강력한 설득력을 지닌다.
공식 출시에 발맞춰 MiniMax는 API 인터페이스, M Plan 멤버십 프로그램, 개발 도구 MiniMax Code를 일제히 오픈했다. 나아가 향후 기술 커뮤니티를 위해 모델 가중치를 오픈소스로 공개하겠다고 약속했다. 기술팀의 방향성은 확고하다. 그들이 선보이고자 하는 것은 당장 책상에 앉아 실제 업무를 처리할 수 있는 ‘디지털 직원’이다.
컴퓨터를 도맡는 AI, 기업의 회계장부가 버틸 수 있는가
일반 사용자들의 인공지능에 대한 인식은 여전히 대화창 수준에 머물러 있는 경우가 많다. 그러나 기업이 진정으로 필요로 하는 것은 수십 단계의 작업을 연속으로 완수하는 에이전트(Agent)다. 은행 업무를 예로 들어보자. 고객의 해외 송금을 대행하는 작업은 단순한 안내 답변 한 줄을 생성한다고 끝나는 것이 아니다. 관리 시스템에 로그인해 데이터를 조회하고, 규정 준수 여부를 확인해야 한다. 실시간 환율을 검색한 뒤 최종 거래 내역까지 안전하게 전송해야 한다.
이러한 단계들은 톱니바퀴처럼 맞물려 있다. 한 단계를 진행할 때마다 모델은 이전 모든 단계의 이력을 다시 시스템에 집어넣어 계산해야 한다. 복잡하게 이어지는 호출 체인 속에서 단순한 단일 업무 점검 하나가 수백만 토큰을 소모하기 일쑤다. 만약 호출 단가가 비싸다면, 기업은 업무 한 건을 처리할 때마다 수 달러의 연산 비용을 지불해야 한다.
그림: MiniMax M3.1 Flash와 동급 프론티어 모델의 벤치마크 성능 및 추론 비용 비교. 출처: MiniMax(공식 기술 블로그)
M3.1 Flash는 이러한 비용 구조를 근본부터 뒤흔들었다. 공식 책정가 기준 100만 토큰당 입력 가격은 0.15달러, 출력 가격은 0.60달러에 불과하다. 컨텍스트 캐싱을 활성화하면 입력 비용은 0.015달러까지 떨어진다. 은행 업무용 도구 호출 역량을 평가하는 BankerToolBench 테스트에서 M3.1 Flash는 76.2점을 기록했다. 파격적인 저비용과 견고한 도구 제어력이 결합되면서, 자동화 작업이 마침내 경제적 채산성의 문턱을 넘어섰다.
초당 200토큰 돌파: 다단계 작업에서 사라진 대기 시간
작업을 자동화할 때 비용 못지않게 치명적인 병목은 응답 지연(레이턴시)이다. AI가 데스크톱 화면을 제어하며 스프레드시트를 다룰 때 마우스를 한 번 클릭할 때마다 버벅거린다면 작업 흐름은 끊어질 수밖에 없다. 대기 시간이 길어질수록 네트워크 타임아웃과 동작 불일치가 일어날 확률도 급격히 높아진다.
M3.1 Flash는 출력 속도를 초당 200토큰 이상으로 끌어올렸으며, 중간값인 P50 속도도 초당 170토큰 수준을 안정적으로 유지한다. 수백 자에 달하는 구조화된 제어 명령어를 1초 남짓한 시간에 완벽하게 생성해 낸다. 수십 번의 연속 클릭이 이어지는 자동화 파이프라인에서 이러한 대기 시간 단축은 작업의 연속성을 보장하는 절대적인 기준이 된다.
그림: 다양한 실제 운영 및 자동화 테스트 세트에서 MiniMax M3.1 Flash가 기록한 점수. 출처: MiniMax(공식 기술 블로그)
고속 처리량은 뚜렷한 엔지니어링 이점을 가져다준다. 실제 운영체제 환경을 시뮬레이션하는 OSWorld V2 테스트에서 M3.1 Flash는 61.7점을 획득했다. 소프트웨어 엔지니어링 디버깅 벤치마크인 DeepSWE v1.1에서는 73.7%의 문제 해결률을 기록했으며, 사이버 보안 모의 환경인 CyberGym에서도 82%의 해결률을 달성했다. 빠른 응답성은 직렬 작업에서 발생하는 공백 시간을 없애고, 자동화 프로세스에 빈틈없는 실행 리듬을 부여한다.
시험 점수 부풀리기의 한계: 시장은 오직 실질적인 결과물에만 지갑을 연다
최근 몇 달 동안 기술 커뮤니티에서는 ‘벤치마크 점수 거품’에 대한 논쟁이 뜨겁게 달아올랐다. 여러 토론 공간에서 많은 개발자들은 업계가 심각한 신뢰의 위기를 맞이하고 있다고 지적한다. 일부 모델들은 공개 문제집만 달달 외워 시험의 달인이 되었지만, 현장의 실제 코드베이스 앞에서는 어김없이 에러를 뿜어낸다. 높은 점수와 낮은 실무 능력 사이의 괴리감은 많은 기업들이 모델 도입을 망설이게 만드는 주원인이었다.
이러한 거품을 걷어내기 위해 업계는 한층 엄격한 ‘에이전트 최종 시험(Agents’ Last Exam, ALE)‘을 고안했다. 이 벤치마크는 단순 암기로 풀 수 있는 상식 문제를 철저히 배제하고, 처음 접하는 환경에서의 복잡한 추론 능력만을 검증한다. M3.1 Flash는 ALE 테스트에서 29.6점을 기록하며 AutomationBench-AA 최상위 모델 대열에 합류했다. 공식 발표에 따르면 ALE와 OSWorld V2 두 부문 모두에서 중국 거대 모델 중 1위를 차지했다. 이처럼 실전에서 증명된 데이터야말로 점수 부풀리기 의혹을 잠재우는 가장 확실한 증거다.
실용성과 저가격을 추구하는 흐름은 비단 MiniMax만의 행보가 아니다. 동시기에 Inception 팀은 Mercury 3 모델을 발표했다. 확산(Diffusion) 아키텍처를 도입해 속도를 초당 1068토큰까지 끌어올렸고, 100만 입력 토큰당 가격을 0.10달러로 낮췄다. 기술적인 접근법은 저마다 다를지라도, 사용 장벽을 극단적으로 낮춘다는 점에 있어서 업계는 놀라운 일치를 보이고 있다. 단순히 높은 비용을 들여 매개변수 규모만 부풀린 모델들은 시장의 차가운 외면을 마주하고 있다.
천문학적 점수 놀음에서 가성비 노동력으로: 판이 바뀌었다
기술을 둘러싼 신비주의의 장막이 걷히고 있다. 모든 도구는 결국 하나의 질문에 답해야 한다. 바로 ‘합리적인 비용으로 맡은 일을 안정적으로 끝마칠 수 있는가’이다. MiniMax M3.1 Flash의 진정한 가치는 업계의 시선을 일상 운영이라는 냉혹한 회계장부로 되돌려놓았다는 데 있다.
70%의 파격적인 가격 인하와 3배에 가까운 속도 향상은 모델 경쟁의 평가 잣대를 완전히 바꿔놓았다. 앞으로 펼쳐질 산업 생태계에서 제품의 승패를 결정짓는 것은 화려한 시연 행사가 아니다. 수천만 번 반복되는 일상적인 클릭과 데이터 조회, 정리 작업 속에서 사용자의 실제 비용을 아껴주는 모델만이 살아남을 것이다. 시험장에서 실무 현장으로 무대를 옮겨가는 이 대전환은 이제 막 시작되었을 뿐이다.
참고 링크:
- MiniMax 공식 기술 블로그: M3.1 Flash 발표 공지 및 기술 지표
- 익명 서비스 운영 기간의 실측 데이터: Space Bunny
- Hacker News 커뮤니티 기술 토론: 모델 추론 속도와 벤치마크 실효성에 대하여
- Inception Mercury 3 기술 발표 보고서
