전 오픈AI CTO의 씽킹 머신스 랩, 모델 파인튜닝 도구 '틴커' 공개

최첨단 AI 모델을 내 업무에 맞게 미세조정(파인튜닝)하려면 그동안 상당한 수준의 하드웨어 엔지니어링이 필요했습니다. GPU 클러스터를 구하고 대규모 분산 훈련 환경이 터지지 않도록 지키는 일만으로도 진이 빠지기 일쑤였습니다.

전 OpenAI 최고기술책임자(CTO) 미라 무라티(Mira Murati)가 창업한 싱킹 머신스 랩(Thinking Machines Lab)이 첫 제품인 '팅커(Tinker)'를 공개했습니다. 복잡한 첨단 모델 튜닝 과정을 자동화해 주는 도구로, 현지 시간 수요일부터 접근 신청을 받습니다.

이 회사는 제품을 내놓기도 전인 지난 7월 20억 달러 규모의 시드 투자를 유치하며 기업가치 120억 달러를 인정받아 큰 주목을 받았습니다. 챗GPT의 강화학습을 이끌었던 존 슐먼(John Schulman)을 비롯해 배럿 조프(Barret Zoph), 릴리안 웽(Lilian Weng) 등 OpenAI 출신 핵심 연구진이 대거 합류해 있습니다.

복잡한 GPU 관리 없이 몇 줄 코드로 강화학습까지

팅커가 현재 지원하는 오픈소스 모델은 메타의 라마(Llama)와 알리바바의 큐원(Qwen) 두 가지입니다. 개발자는 몇 줄의 코드로 API를 호출해 지도학습은 물론이고, 결과물 피드백을 기반으로 성능을 끌어올리는 강화학습(RL)까지 손쉽게 수행할 수 있습니다.

미세조정이 끝난 모델은 파일로 내려받아 자체 인프라나 원하는 클라우드 어디서든 직접 실행할 수 있습니다.

존 슐먼은 와이어드와의 인터뷰에서 개발자가 분산 훈련의 까다로운 세부사항에 신경 쓰지 않도록 추상화하면서도, 데이터와 알고리즘에 대한 통제권은 온전히 사용자에게 쥐여주는 것이 핵심이라고 설명했습니다.

베타 테스터들의 반응도 긍정적입니다. 분산 AI 컴퓨팅 기업 애니스케일의 로버트 니시하라 CEO는 시중에 VERL이나 SkyRL 같은 도구가 이미 존재하지만, 팅커는 사용 편의성과 세부 조정 자유도를 뛰어난 수준으로 결합했다고 평가했습니다.

AI 안전 연구 기관인 레드우드 리서치의 에릭 간 연구원은 모델이 백도어 코드를 작성하도록 유도해 취약점을 시험하는 데 팅커의 강화학습을 썼다며, 바닥부터 강화학습 인프라를 짜는 것보다 훨씬 단순했고 기존 API로는 드러나지 않던 잠재력을 끌어낼 수 있었다고 전했습니다. API는 현재 무료로 제공되며 향후 유료화될 예정입니다.

왜 중요한가

최근 미국의 주요 AI 기업들이 첨단 모델을 폐쇄형 API로만 제공하면서 오픈소스 생태계 및 학계와의 기술 격차가 점점 벌어지고 있었습니다.

우리는 팅커가 가진 진짜 가치가 '사후 학습(Post-training)'의 민주화에 있다고 봅니다. 법률, 의료, 특수 도메인 개발에 특화된 고성능 모델을 만들고 싶어도 비싼 AI 인프라 엔지니어를 둘 수 없었던 스타트업이나 연구자들에게는 지금 당장 도입을 검토해 볼 만한 강력한 지렛대입니다.

자체 거대 모델을 처음부터 학습시키는 대신, 이미 검증된 라마와 큐원을 튜닝하는 도구로 첫 제품을 낙점한 전략도 영리합니다. 다만 오픈소스 모델의 특성상 악의적인 해킹이나 악성 코드 작성용으로 미세조정되는 위험을 피할 수 없는 만큼, 향후 도입하겠다고 밝힌 자동 오남용 방지 시스템이 얼마나 실효성 있게 작동할지가 장기적인 성패를 가를 것으로 보입니다.