아마존, 복합 작업과 모델 증류에 특화된 '노바 프리미어' 정식 출시

현업에서 복잡한 멀티 에이전트 시스템을 구축할 때 가장 큰 걸림돌은 비용과 속도입니다. 최고 성능 모델을 전면에 세우면 클라우드 비용을 감당하기 어렵고, 경량 모델을 쓰면 복잡한 도구 호출에서 오류가 쏟아지기 때문입니다.

아마존이 이 문제에 대한 해법으로 자사 파운데이션 모델 라인업의 최상위 버전인 Amazon Nova Premier를 정식 출시했습니다. 100만 토큰의 컨텍스트 길이를 지원하며 텍스트, 이미지, 비디오 입력을 처리할 수 있습니다. 단, 오디오 입력은 지원하지 않습니다.

AWS 발표에 따르면 Nova Premier는 텍스트, 비전, 에이전트 워크플로 전반을 아우르는 17개 벤치마크에서 Nova 제품군 중 가장 뛰어난 성능을 보였습니다. 업계 최고 수준의 비추론형 모델들과 비교했을 때도 동일 티어 벤치마크의 약 절반에서 동등하거나 그 이상의 성능을 기록했으며, Bedrock 내 동일 지능 티어 중 가장 빠르고 비용 효율적이라고 설명합니다.

똑똑한 모델을 교사로 삼는 증류 전략

하지만 아마존이 내세우는 핵심 전략은 단순히 이 모델을 직접 호출해 쓰는 것이 아니라, 모델 증류의 교사 모델로 활용하는 방식입니다.

기업은 Amazon Bedrock Model Distillation을 통해 Premier의 고도화된 역량을 Nova Pro, Lite, Micro 같은 소형 모델로 전달할 수 있습니다. 실제로 AWS가 복잡한 도구 선택 및 API 호출 작업을 위해 Nova Pro를 증류한 결과, 기본 모델 대비 API 호출 정확도가 20% 향상되어 Premier 수준에 도달하면서도 Pro 특유의 저지연과 낮은 비용을 그대로 유지했습니다.

에이전트 협업 구조에서도 유용합니다. 복잡한 금융 리서치 워크플로에서 Premier를 감독 에이전트로 배치해 질의를 쪼개고 하위 에이전트를 조율하게 한 뒤, 이 실행 로그를 모아 더 작고 빠른 Nova Micro를 맞춤형 감독 에이전트로 증류해 실서비스에 투입할 수 있습니다.

조기 도입 기업들의 반응도 긍정적입니다. Slack의 Curtis Allen 수석 엔지니어는 대화형 분석 워크플로에서 기존 선도 모델 대비 속도가 빠르고 비용은 거의 절반 수준이었다고 밝혔습니다. Robinhood와 Snorkel AI 역시 멀티 에이전트 환경의 상용화 문턱을 낮추는 기술로 증류 생태계를 주목했습니다.

현재 Nova Premier는 미국 버지니아, 오하이오, 오레곤 리전에서 크로스 리전 추론 방식으로 제공되고 있습니다.

왜 중요한가

우리는 아마존이 단순한 벤치마크 1위 경쟁에서 벗어나, 기업들이 실제로 마주하는 운영비 절감에 매우 영리하게 집중했다고 봅니다.

모든 사용자 요청을 최상위 플래그십 모델로 처리하는 것은 경제성이 떨어집니다. Premier를 학습용 교사로만 제한적으로 쓰고 실무는 증류된 소형 모델에 맡기는 구조는, 비용 압박을 받는 개발팀 입장에서 지금 바로 PoC를 돌려볼 만한 가치가 있습니다.

업계 측면에서도 단일 모델의 크기 싸움에서 파이프라인의 엔지니어링 효율 경쟁으로 무게중심을 옮기는 신호탄입니다. 기업용 AI가 실험실 데모에서 대규모 배포 단계로 넘어가는 상황에서, 원하는 성능의 소형 모델을 저비용으로 직접 뽑아낼 수 있다는 점은 큰 무기가 됩니다.

다만 오디오 입력이 배제되어 있고 장기 추론 특화 아키텍처는 아니라는 한계가 분명합니다. 실시간 음성 상호작용이나 고난도 수학적 추론이 필수적인 서비스라면 다른 모델 대안을 여전히 함께 검토해야 합니다.