사카나 AI, 푸구 맥스 및 울트라 v2 공개: 모델 오케스트레이션으로 비용 60% 절감

단순한 데이터 조회를 위해 수조 개의 매개변수를 가진 거대 모델을 호출하는 것은 현명하기보다 낭비에 가깝습니다.

사카나 AI는 'Fugu Max'와 'Fugu Ultra v2'를 출시했습니다. 처음부터 단일 거대 모델을 새로 훈련한 것이 아니라, 오픈소스 모델과 전문 모델들을 한데 묶어 작업 난이도에 따라 동적으로 분기하는 오케스트레이션 시스템입니다.

비용 절감에 집중한 Max, 성능 한계를 뚫는 Ultra v2

두 시스템은 동일한 코어 아키텍처를 공유하지만 지향하는 목표가 정반대입니다.

Fugu Max는 철저히 가성비를 겨냥했습니다. 가격은 100만 입력 토큰당 2달러, 100만 출력 토큰당 6달러로 책정되었습니다. 이는 Sonnet 5, GPT 5.6 Terra, Kimi K3와 비교해 출력 비용을 40~60% 절감한 수준입니다. 엔비디아의 Nemotron 모델군을 포함한 다양한 모델을 연결해 Terminal Bench 2.1과 사카나 자체 벤치마크인 SWEFish 등 6개 지표에서 1위를 차지했습니다.

반면 Fugu Ultra v2는 복잡한 다단계 추론과 소프트웨어 개발 등 최고 성능을 끌어내는 데 초점을 맞췄습니다. 8개 벤치마크 중 5개에서 1위를 차지했으며, 소프트웨어 엔지니어링 벤치마크인 DeepSWE에서 74.3점을 기록했습니다. 시각 추론 테스트인 Chartography에서는 48.3점을 기록해 Opus 5의 27.3점과 Fable 5의 29.5점을 훌쩍 뛰어넘었습니다.

주목할 점은 Fugu Ultra v2의 모델 풀에 Fable 5, Fable 5.1, GPT-6-Astra 같은 최상위 독점 모델이 전혀 포함되지 않았다는 사실입니다. 두 모델 모두 표준 OpenAI 호환 API로 제공되어 파라미터 한 줄만 바꾸면 즉시 연동할 수 있습니다.

왜 중요한가

우리는 사카나 AI가 실용적인 지점을 영리하게 공략했다고 봅니다. 업계는 지난 몇 년간 단일 파운데이션 모델을 무작정 키우는 데 매달렸지만, 현업 개발자와 기업이 맞닥뜨린 진짜 장벽은 감당하기 힘든 토큰 비용이었습니다. 오픈 모델을 효율적으로 엮어 최고 수준의 결과물을 반값에 낼 수 있다면 마다할 이유가 없습니다.

빅테크 단일 벤더에 대한 종속을 벗어날 수 있다는 점도 큽니다. 특정 폐쇄형 모델의 정책 변경이나 가격 인상, 지정학적 리스크에 흔들리지 않고 언제든 교체 가능한 오픈 모델 생태계로 최고 성능을 방어할 수 있음을 입증했기 때문입니다.

다만 작업의 복잡도를 판단하고 모델을 배분하는 라우팅 과정에서 지연 시간이 늘어나거나 오판이 발생할 가능성은 여전히 상존합니다. 그럼에도 단일 모델의 덩치 싸움에서 지능적인 분산 조율로 경쟁 축을 옮겨 놓았다는 점에서 업계에 적잖은 파장을 줄 것으로 보입니다.