바이두, 추론 모델 ERNIE X1.1 공개: 사실성 35% 향상·GPT-5 정조준

AI 진영의 승부처가 단순 매개변수 크기에서 논리적 추론 능력과 신뢰성으로 옮겨간 가운데, 바이두가 대대적인 반격에 나섰습니다.

바이두는 자체 딥러닝 개발자 컨퍼런스인 WAVE SUMMIT 2025에서 최신 추론 전문 대형언어모델 ERNIE X1.1을 전격 공개했습니다. 바이두는 이 모델이 전반적인 성능에서 DeepSeek R1-0528을 앞질렀으며, GPT-5 및 Gemini 2.5 Pro와 동등한 수준에 도달했다고 밝혔습니다.

이와 함께 오픈소스 추론 모델 공개, 자체 딥러닝 프레임워크 패들패들 업그레이드, AI 코딩 어시스턴트 강화 등 개발 생태계 전반의 신제품을 쏟아냈습니다.

환각 줄이고 사실성 34.8% 개선, 가벼운 MoE 추론 모델 오픈소스화

ERNIE X1.1은 이전 모델인 ERNIE X1 대비 사실성 측면에서 34.8%라는 큰 폭의 개선을 이뤄냈습니다. 지시 이행 능력은 12.5%, 자율 에이전트 능력은 9.6% 향상되었습니다.

멀티모달 모델인 ERNIE 4.5를 기반으로 혼합 강화학습과 반복적 자체 증류 기법을 결합해 추론 안정성을 높였습니다. 현재 일반 사용자는 원샤오옌 앱과 웹에서 바로 써볼 수 있고, 기업 고객은 첸판 플랫폼을 통해 API로 도입할 수 있습니다.

개발자들의 시선을 끈 또 다른 소식은 ERNIE-4.5-21B-A3B-Thinking의 오픈소스 공개입니다. 지난 6월 30일 10종의 모델을 오픈소스로 푼 데 이은 후속 조치입니다.

총 매개변수 210억 개 중 실제 연산 시에는 30억 개만 활성화되는 MoE 구조로 설계되었으며 128K 컨텍스트를 지원합니다. 허깅페이스 등에 공개되어 소규모 인프라에서도 고난도 코딩과 연역 추론을 구현할 수 있도록 했습니다.

멀티 에이전트 코딩 도입, 바이두 사내 코드 45%가 AI 생성

개발 도구인 바이두 코메이트는 3.5S로 판올림하며 멀티 에이전트 협업 체계를 도입했습니다. 여러 에이전트가 복잡한 개발 업무를 자율적으로 분담해 실행하며, 규칙과 도구 호출 표준을 결합했습니다.

바이두에 따르면 코메이트 사용자 수는 이미 1000만 명을 돌파했으며, 현재 바이두 사내 신규 생성 코드의 45%를 AI가 작성하고 있습니다.

동시에 공개된 패들패들 3.2 프레임워크는 3000억 매개변수 모델 학습 시 MFU(연산 효율) 47%를 달성했다고 밝혔습니다. 바이두의 AI 프레임워크 및 모델 생태계를 이용하는 개발자는 2333만 명, 기업은 76만 곳에 이릅니다.

왜 중요한가

우리는 바이두가 고성능 상용 클라우드 서비스와 경량화 오픈소스라는 양면 전략을 매우 현실적으로 구사하고 있다고 봅니다.

개발자와 엔지니어링 팀 입장에서는 21B-A3B-Thinking 모델의 오픈소스화가 가장 직접적인 혜택입니다. 활성 파라미터가 3B에 불과해 고가의 대규모 클러스터 없이도 로컬이나 저비용 GPU 서버에서 심층 추론 기능을 직접 구동하고 커스텀할 수 있기 때문입니다.

산업 전반으로 보면, DeepSeek R1 등장 이후 급격하게 재편된 추론 모델 시장에서 기존 빅테크들이 오픈소스 진영의 강자들을 벤치마크 타깃으로 삼기 시작했음을 보여줍니다. 이제는 단순 토큰 생성 속도가 아니라 강화학습을 통한 사고 사슬의 품질이 핵심 격전지가 되었습니다.

다만 해외 생태계로의 확장성에는 여전히 물음표가 남습니다. 바이두가 중국 내 2300만 명이 넘는 개발자 풀을 쥐고 있더라도, 글로벌 시장은 파이토치와 글로벌 오픈소스 커뮤니티가 지배하고 있습니다. 바이두가 이번에 공개한 경량 MoE 모델이 실제 글로벌 개발자들에게 얼마나 실질적인 대안으로 인정받을지가 장기적인 경쟁력을 좌우할 것으로 보입니다.