중국 AI 급성장 뒤 ‘증류’ 논란…KAIST 연구자가 짚은 근거와 의혹 작성일 08-24 34 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">중국 온라인 유통 ‘대형모델 증류 파동’ 문서 번역·분석<br>“답변 넘어 추론·코딩·에이전트 행동까지 학습”<br>중국 AI 업계 ‘증류 경쟁’ 주장<br>앤스로픽도 딥시크·Kimi·미니맥스 대규모 증류 지목<br>“다만 결정적 증거는 아냐”</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="8RFrG7AiDJ"> <p contents-hash="c5b1c54c1219b9eeff780ac68652ac90175b45fa6c1912066bb6d9dd82f36f15" dmcf-pid="6JpOZBEowd" dmcf-ptype="general"> [이데일리 김현아 기자] 중국 인공지능(AI) 모델의 빠른 성능 향상을 두고 ‘대규모 증류(distillation)’ 논란이 불거지고 있다. 미국 AI 모델의 답변을 학습하는 수준을 넘어 추론 과정과 코딩, 에이전트 행동까지 가져와 학습했다는 주장이 중국 온라인에서 확산하면서다.</p> <p contents-hash="e5882588cd7b140837686fb59d41ea5ed3e3d23d9592da33fa4ff15ec965c28d" dmcf-pid="PiUI5bDgwe" dmcf-ptype="general">백진헌 KAIST 연구자는 최근 중국 온라인에서 익명으로 유통된 ‘중국 대형모델 증류 파동의 전말’ 문서를 번역·분석하고, 공개 논문과 관련 자료를 대조해 기술적으로 확인되는 내용과 익명 문서에만 담긴 주장을 구분했다.</p> <p contents-hash="db18e3ce85adf47acc9d7a441b2bcde00a6e4e7cab3c4a63ef6669587b0b6583" dmcf-pid="QnuC1KwasR" dmcf-ptype="general">문서가 그리는 중국 AI 업계의 경쟁 방식은 단순한 ‘베끼기’와는 다르다. 강력한 AI 모델에 수많은 질문을 던져 답변을 확보한 뒤 이를 학습하는 기존 증류에서 한 단계 더 나아가, 모델이 문제를 풀어가는 과정 자체를 가져온다는 것이다.</p> <figure class="figure_frm origin_fig" contents-hash="8173f4b50f44ae30436c1519bb30f1c89ff905a424db5868542e6a445a86016d" dmcf-pid="xL7ht9rNwM" dmcf-ptype="figure"> <p class="link_figure"><img alt="중국 AI기업들. 생성형AI로 로고 작성." class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/24/Edaily/20260824093949884bghp.jpg" data-org-width="1024" dmcf-mid="4jGjltnQIi" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/24/Edaily/20260824093949884bghp.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 중국 AI기업들. 생성형AI로 로고 작성. </figcaption> </figure> <div contents-hash="c7802b41160c33e0f8277947120d180605b56b77d4b99dcde1fb4b6fed8d2a52" dmcf-pid="y1k4osb0Ex" dmcf-ptype="general"> <strong>‘증류’가 뭐길래</strong> </div> <p contents-hash="e9e55848f4d26298c88c0572e67276abc6a960c2bff1f371b67ac0458637c567" dmcf-pid="WtE8gOKpDQ" dmcf-ptype="general">AI에서 증류는 쉽게 말해 ‘잘하는 선생님 AI의 답과 풀이법을 학생 AI가 배우는 것’이다.</p> <p contents-hash="c12ede68a3dfb649cb42231119b57378f3c278bc9cdc9583d8637522b94dfcef" dmcf-pid="YFD6aI9UsP" dmcf-ptype="general">예를 들어 성능이 뛰어난 AI에 수많은 문제를 풀게 하고 그 답변을 모아 후발 AI를 학습시키면, 후발 AI는 직접 처음부터 학습하는 것보다 적은 비용으로 비슷한 문제 해결 능력을 익힐 수 있다. AI 업계에서 널리 활용되는 학습 방식이다.</p> <p contents-hash="60466898f09e91320e7caca3c32299c7b8f6587d2f0d4646e2b0c6bec1a3c9a6" dmcf-pid="G3wPNC2uw6" dmcf-ptype="general">선생님 AI가 최종 답만 알려주면 답변을 배우는 것이고, 문제를 어떻게 풀었는지까지 배우면 사고 과정까지 증류하는 셈이다.</p> <p contents-hash="092b54242095dd617ebe6c02edb5c981c6104a28ddb427dde35ccd4ded3fb27c" dmcf-pid="HkVGzQSrI8" dmcf-ptype="general">문서가 주장하는 중국 AI 업계의 움직임은 바로 이 지점에 있다. 강력한 AI 모델에 대규모로 질문을 던져 답변을 확보하는 데 그치지 않고, 모델의 추론 과정과 코드 생성, 도구 호출, AI 에이전트의 행동 궤적까지 학습 데이터로 활용했다는 것이다.</p> <p contents-hash="89b644fee7ac52dd806088e1b22cf1d06447ba70332f15441a0722ccce9b1797" dmcf-pid="XEfHqxvmr4" dmcf-ptype="general"><strong>답변에서 ‘사고 과정’으로</strong></p> <p contents-hash="602a9f129ca0dad34b884af8b4170928830c66a55cb0b279f83adba473dcc748" dmcf-pid="ZD4XBMTsOf" dmcf-ptype="general">대형언어모델(LLM)의 성능을 좌우하는 요소 중 하나는 모델이 답을 내놓기까지 거치는 추론 과정이다. 이를 사고사슬(CoT·Chain of Thought)이라고 한다.</p> <p contents-hash="19ca589ef2cdb5e49a88d34096cc215191623fa01a38a16a066af2acfbbb6509" dmcf-pid="5w8ZbRyOEV" dmcf-ptype="general">예를 들어 수학 문제에서 정답만 알려주는 것과 ‘이 문제는 이렇게 풀면 된다’는 풀이 과정까지 알려주는 것은 차이가 크다. 후자의 데이터를 대규모로 학습하면 후발 모델이 선두 모델의 문제 해결 방식을 보다 빠르게 익힐 수 있다.</p> <p contents-hash="dbd18ca94a5f3855363f76a81f7b6d622d66a6e778fe63fd7eb2f68bbfab940c" dmcf-pid="1r65KeWIE2" dmcf-ptype="general">백 연구자는 관련 논문을 통해 암호화된 추론 흔적을 추출할 수 있는 기술적 가능성이 실제 연구에서 확인됐다고 설명했다. 다만 특정 중국 모델이 실제로 이를 이용해 미국 모델을 증류했다는 점까지 입증된 것은 아니라고 선을 그었다.</p> <p contents-hash="eb2b1105674423ab49d5c0649f367b2b10e744a734380cfa34b54a2dccf9105a" dmcf-pid="tmP19dYCw9" dmcf-ptype="general">앤스로픽은 중국 AI 업체들의 대규모 ‘증류 공격’을 공개적으로 문제 삼았다. 앤스로픽은 지난 2월 딥시크, 문샷AI(Kimi), 미니맥스가 약 2만4000개의 가짜 계정을 이용해 자사 클로드(Claude)와 1600만회 이상의 대화를 수행했다고 밝혔다.</p> <p contents-hash="d22f390526e7e8b62d317c0ce4011cf62b59f2949dcb7c2f89b0f88866e108f6" dmcf-pid="FsQt2JGhwK" dmcf-ptype="general">이 가운데 문샷AI는 340만회 이상의 대화를 수행한 것으로 지목됐다. 앤트로픽은 이들이 코딩과 추론, 도구 사용, 에이전트 개발 등에 필요한 클로드(Claude)의 능력을 대규모로 추출하려 했다고 주장했다. </p> <p contents-hash="0b1d5ab5c159a63a256fa312959299b76bc7b85c85d494dc0f968b7997c5b956" dmcf-pid="3OxFViHlIb" dmcf-ptype="general"><strong>가장 논란이 된 키미(Kimi)</strong></p> <p contents-hash="684f6933aabcbcd273abca198748cd300d04ee423867db3de9f765ec3d951527" dmcf-pid="0IM3fnXSwB" dmcf-ptype="general">중국 온라인 익명 문서가 가장 강하게 문제를 제기한 곳은 문샷AI의 키미(Kimi)다.</p> <p contents-hash="b74e194811e68f335fa096a51b87f954909337c742ed5488c5694e8d93249e5f" dmcf-pid="pTnzxj3GIq" dmcf-ptype="general">문서는 키미가 K2.7부터 강화학습(RL) 조직을 해체하고, 이후 모델 개발을 SFT와 증류 중심으로 전환했다고 주장한다. 이후 K3가 새로운 아키텍처를 앞세워 높은 벤치마크 점수를 내세웠지만, 그 배경에 경쟁 모델의 추론 데이터를 대규모로 증류한 것이 아니냐는 의혹을 제기한다.</p> <p contents-hash="4ae1743f5730aa01bedfacfe02365d5a31d51f008fcc8f0e4822e17abb6e247b" dmcf-pid="UyLqMA0HDz" dmcf-ptype="general">K3는 대규모 전문가혼합모델(MoE) 구조와 100만 토큰 컨텍스트 등을 앞세웠다. 하지만 익명 문서 작성자는 아키텍처 혁신만으로 성능 상승을 설명하기 어렵다며, 경쟁 모델의 사고사슬 증류가 성능 향상에 상당 부분 작용했을 가능성을 제기한다.</p> <p contents-hash="b48c721a954c92bb9af2631371329ed7f927edb38f3637237e86fc660aa8e6c4" dmcf-pid="uWoBRcpXO7" dmcf-ptype="general">문서에서 또 다른 논란으로 제시한 것은 벤치마크다.</p> <p contents-hash="6b9f61f57c042b7c72d699bfb911af2d73133cbc3b414fdf38d8eb58a583a848" dmcf-pid="7YgbekUZsu" dmcf-ptype="general">문서는 키미가 테스트 데이터를 학습 데이터에 포함하거나 평가 문제를 사전에 확보하는 등 벤치마크 점수를 높이는 데 집중했다고 주장한다.</p> <p contents-hash="04ce34eece8a0d585ce59dde1f28521b6a8c5a50d96e157d586ed0f7db11d87f" dmcf-pid="zGaKdEu5OU" dmcf-ptype="general">‘실제 모델 성능’과 ‘벤치마크 점수’가 달라질 수 있다는 것이다.</p> <p contents-hash="0283c0ca7398a25e596a3ad702a99c2de17b13e3c1783ec097bede1590a538f2" dmcf-pid="qHN9JD71mp" dmcf-ptype="general"><strong>중국 AI 업계로 번진 ‘점수 경쟁’</strong></p> <p contents-hash="55fbb4c072f3519d025768c082484975fbc491d49ac3856b92893228ca94aaa6" dmcf-pid="BXj2iwztm0" dmcf-ptype="general">문서는 키미뿐 아니라 딥시크, 큐웬(Qwen), GLM, 미니맥스 등 중국 AI 업체들이 정도의 차이는 있지만 증류 경쟁에 뛰어들었다고 주장한다.</p> <p contents-hash="070511eb853e68e35e68b7c79796c2d551b1d219a807751683752ed04c5d0ee4" dmcf-pid="bZAVnrqFO3" dmcf-ptype="general">GLM은 이 과정에서 미국 모델의 사고사슬을 확보하는 방법을 가장 먼저 찾아 다른 업체에 공유한 것으로 묘사된다. 큐웬은 GPT와 다른 경쟁 모델을 증류하고 있으며, 딥시크 역시 증류를 진행하고 있다는 주장도 담겼다.</p> <p contents-hash="9715333fb42c6b85a3656659de5ba48725b06476620c6ee2810ea42081f27b4a" dmcf-pid="K5cfLmB3wF" dmcf-ptype="general">반면 미니맥스는 테스트셋을 학습 데이터에 넣은 사실이 비교적 빨리 드러나 경쟁에서 밀려났다고 문서는 평가한다.</p> <p contents-hash="a32d71d0586c4897f2ce5c327811724170e8dfd30e61f7df3ee464611f406a78" dmcf-pid="9gqS3VsADt" dmcf-ptype="general">다만 이 같은 업체별 행위는 상당수가 익명 문서의 주장이다. 백 연구자 역시 관련 자료 가운데 독립적으로 확인되는 사실과 그렇지 않은 주장을 구분해 제시했다. </p> <p contents-hash="40d674ab1fcd1decf791ea6e3606379ad632e949b387915b65b883924eda0551" dmcf-pid="2aBv0fOcO1" dmcf-ptype="general"><strong>‘증류’보다 중요한 벤치마크의 신뢰성</strong></p> <p contents-hash="fb3316a7dacd28df67d5190235f7af3662cedc0fa2b1eec4fbee9e82386eb803" dmcf-pid="VNbTp4IkD5" dmcf-ptype="general">이번 논란은 증류 기술 자체보다 AI 모델을 평가하는 시장의 방식에 대한 문제로도 이어진다.</p> <p contents-hash="cf6a126c10bb5be4117d6c91e000b07638912e78bf5768575088137231c0661e" dmcf-pid="fjKyU8CEIZ" dmcf-ptype="general">AI 기업 입장에서는 실제 사용자가 느끼는 성능을 높이는 데 오랜 시간이 걸리지만, 벤치마크 점수는 상대적으로 빠르게 시장에 보여줄 수 있다. 높은 점수는 투자 유치와 기업가치에도 영향을 미친다.</p> <p contents-hash="e9664f869f7d4704aa7b36c1412b029f1d9fb803394bffa5bea40f5706b1c373" dmcf-pid="4A9Wu6hDrX" dmcf-ptype="general">기업들이 실제 코딩 능력보다 코딩 벤치마크 점수를 높이는 데 집중할 수 있다는 것이다.</p> <p contents-hash="885432e9e6029ec5ff011bab55dc84d2c9a9f7b2d06d9a358d7ee6d4f965ac05" dmcf-pid="8c2Y7PlwEH" dmcf-ptype="general">문서가 지적하는 문제도 “코딩 점수가 높아진 것과 코딩 능력이 높아진 것은 같은가”에 있다.</p> <p contents-hash="dfc1521ccdb636439f47da0a05338fb6fdac718ada7d1f73e96322ac193b7df8" dmcf-pid="6kVGzQSrmG" dmcf-ptype="general">벤치마크 문제를 미리 학습했다면 점수는 높아질 수 있지만, 사용자가 처음 제시하는 새로운 문제를 해결하는 능력까지 높아졌다고 보기는 어렵다.</p> <p contents-hash="b369799b88749c8a264566c3590c15d3b78fb5b27dd5fb2edf05bec2a5b9bd43" dmcf-pid="PEfHqxvmOY" dmcf-ptype="general">AI 업계에서 증류 자체는 새로운 일이 아니다. 다른 모델의 출력을 활용해 더 작고 효율적인 모델을 만드는 지식 증류는 일반적인 개발 방식이다.</p> <p contents-hash="4300de29e4bdf13159753c13e03985e6a0e159619bd8fe546e0d3fab0a2b5f8d" dmcf-pid="QD4XBMTsrW" dmcf-ptype="general">어떤 데이터를 어떤 방식으로 확보했느냐, 그리고 벤치마크가 실제 성능을 제대로 측정하고 있느냐가 중요하다.</p> <p contents-hash="97d0906a0e22f04acad3beb4025c05fd032ca47653ae6e0deaa487fdedff15e7" dmcf-pid="xw8ZbRyOry" dmcf-ptype="general">백 연구자의 분석은 중국 AI의 성능 향상이 어디까지 자체 기술력에 기반한 것인지에 대한 논쟁을 넘어, 앞으로 AI 시장에서 모델의 성능을 어떻게 검증해야 하는지라는 문제를 던진다.</p> <p contents-hash="8c611f6c994b09ee546a21aa6c8328a27857484032a32cbb0f8a37362c98302c" dmcf-pid="yKvLsHRfOT" dmcf-ptype="general">벤치마크 점수만으로 AI 모델의 경쟁력을 판단하기 어려워진다면 학습 데이터 출처와 평가 데이터 오염 여부, 실제 사용자 환경에서의 성능까지 함께 들여다봐야 한다는 의미다.</p> <p contents-hash="cc43fbccf1994563ce9f5b41617817ae666edfc2cf51a9eac9662d35ed599c91" dmcf-pid="W9ToOXe4sv" dmcf-ptype="general">AI 경쟁에서 중요한 것은 ‘누가 더 높은 점수를 받았느냐’와 함께 그 점수가 실제 실력을 얼마나 정확하게 반영하는지 역시 중요해지고 있다.</p> <p contents-hash="580e4fbe99031c455751734c30a490467c3ac856f1777d4ea046e8d9870d30a2" dmcf-pid="Y2ygIZd8sS" dmcf-ptype="general">김현아 (chaos@edaily.co.kr) </p> </section> </div> <p class="" data-translation="true">Copyright © 이데일리. 무단전재 및 재배포 금지.</p> 관련자료 이전 크래프톤 '배틀그라운드' IP 확장 시도…장르 다각화 노린다 08-24 다음 ‘K-미토스’ 만든다…한국판 ‘보안 특화 AI 개발’ 본격 신호탄 08-24 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
