MS, 자체 개발 MAI 모델 7종 공개: 외부 증류 없이 자체 훈련, 초지능 랩 신설

마이크로소프트가 단순히 오픈AI의 인프라 공급자 자리에 머물 생각이 없음을 분명히 드러냈습니다.

마이크로소프트 AI 조직은 자체 개발한 신규 대형 모델 7종으로 구성된 'MAI' 제품군을 공식 발표했습니다. 추론, 코딩, 이미지, 음성 합성, 음성 텍스트 변환(STT)을 아우르는 구성으로, 외부 모델의 증류 없이 깨끗하고 추적 가능한 엔터프라이즈급 데이터로 바닥부터 직접 학습시킨 것이 핵심입니다.

플래그십 추론부터 경량 코딩까지 자체 구축

가장 중심에 있는 모델은 플래그십 추론 모델인 'MAI-Thinking-1'입니다. 중간 규모 체급이지만 주요 소프트웨어 엔지니어링 및 수학 추론 벤치마크에서 뛰어난 성능을 보였으며, 블라인드 비교 평가에서 Sonnet 4.6보다 높은 선호도를 얻었다고 밝혔습니다.

코딩 영역에서는 활성 파라미터 50억 개(5B) 규모의 'MAI-Code-1-Flash'를 선보였습니다. VS Code 및 GitHub Copilot에 최적화된 에이전트형 모델로, Haiku급 성능을 훨씬 저렴한 비용으로 제공합니다.

이와 함께 43개 언어의 전문 용어를 지원하며 경쟁 제품 대비 5배 빠른 'MAI Transcribe-1.5', 15개 언어를 지원하는 음성 모델 'MAI-Voice-2', 이미지 벤치마크에서 Nano Banana Pro를 앞선 'MAI-Image-2.5' 등이 함께 공개되었습니다. 마이크로소프트는 Foundry뿐 아니라 OpenRouter, Fireworks, Baseten 등 외부 플랫폼에도 모델을 배포하고 가중치 직접 조정을 허용하기로 했습니다.

자체 칩 Maia 200과 워크플로 강화학습

모델 성능을 실제 업무로 연결하기 위한 'Frontier Tuning'도 공개되었습니다. 기업 내부의 실제 작업 순서와 결정을 강화학습 환경(RLE)에 넣어 AI를 맞춤 훈련하는 방식입니다.

마이크로소프트에 따르면 엑셀 작업에 맞춰 튜닝된 MAI 모델은 GPT 5.4와 대등한 성능을 내면서도 효율은 최대 10배 높았고 비용은 약 10분의 1 수준으로 줄었습니다.

하드웨어 측면에서는 자체 AI 가속기인 Maia 200과 소프트웨어를 공동 설계해 1.4배의 효율 향상을 거뒀으며 차세대 GB200 클러스터도 가동에 들어갔습니다. 또한 메이요 클리닉과 협력해 임상 데이터를 기반으로 한 의료 특화 파운데이션 모델을 공동 개발한다고 발표했습니다.

왜 중요한가

이번 발표는 마이크로소프트가 오픈AI 의존도를 낮추고 자체 모델 생태계를 완전히 독립시키겠다는 신호탄으로 보입니다.

지금까지 마이크로소프트는 오픈AI의 모델을 가져와 자사 제품에 입히는 전략을 취해왔으나, 비용과 통제권 측면에서 명확한 한계가 있었습니다. 칩셋(Maia 200)부터 파운데이션 모델, Copilot과 깃허브 같은 배포 채널까지 완전한 수직 계열화를 구축하겠다는 야심이 이번에 명확해졌습니다.

기업 고객과 개발자 입장에서 가장 매력적인 요소는 데이터 신뢰성과 비용입니다. 타사 모델 지적재산권 논란에서 자유로운 데이터 라인업은 규제 위험에 민감한 금융이나 의료 기업의 거부감을 줄여줍니다. 또한 5B 코딩 모델이나 특정 업무에 최적화된 저비용 모델은 당장 실제 서비스의 운영 단가를 획기적으로 낮출 수 있습니다.

초거대 모델 간의 최첨단 추론 경쟁에서 마이크로소프트가 단독으로 독주하기는 쉽지 않겠지만, 사무용 소프트웨어와 결합한 실전 업무 효율화 측면에서는 가장 실용적인 해법을 쥐게 되었습니다.