상하이 AI 연구소는 자기 프런티어 모델을 훈련하지 않았다. Z.ai의 모델을 후속 학습했다

상하이 인공지능 연구원(Shanghai Artificial Intelligence Laboratory)이 연구·엔지니어링 에이전트를 겨냥한 7,440억 파라미터 규모의 Mixture-of-Experts 모델 Atria Dawn Preview를 MIT 라이선스로 공개했다. 이를 뒷받침하는 논문 「Atria Dawn: The Dawn of Agentic Superintelligence」는 9월 14일 arXiv에 올라왔고, 저자는 179명에 이른다. 논문은 16개 벤치마크에서 프런티어급 에이전트와 경쟁할 수준이며 그중 다섯 개에서 보고된 최고 점수를 기록했다고 주장한다.

그러나 눈여겨볼 대목은 그쪽이 아니다. 중요한 것은 모델 카드 첫 줄이다. Atria Dawn Preview는 "7,440억 파라미터 MoE인 GLM-5.2 파운데이션 모델 위에 구축됐다"고 적혀 있다. GLM-5.2는 Z.ai(즈푸, Zhipu)의 모델이며, Hugging Face에 MIT 라이선스로 공개돼 있다. 상하이 AI 연구소는 이번 공개를 위해 프런티어급 베이스 모델을 사전학습하지 않았다. 다른 연구소의 것을 가져다 후속 학습을 얹었다.

중국의 스택이 층으로 분리되고 있다

미국에서 프런티어는 수직 통합돼 있다. 베이스 모델을 사전학습한 연구소가 그대로 후속 학습을 하고, 서비스하고, 수익을 가져간다. 이번 공개가 보여주는 것은 다른 구조다. Z.ai가 7,440억 파라미터 베이스를 사전학습하는 자본 비용을 떠안은 뒤, 아무런 제약도 붙이지 않은 라이선스로 그것을 넘겨줬다. 국가가 뒷받침하는 연구기관이 그것을 집어 들고, 예산 전부를 그 위층에 쏟았다. 논문이 기술하는 "Verifiable Experience Pipeline", 즉 도구를 매개로 한 상호작용을 실행 가능한 환경 및 외부에서 검증된 결과와 연결하는 구조다. 그리고 그 결과물도 같은 라이선스로 내놓았다.

그 결과, 어느 층에서의 개선이든 하류 전체에 무료로, 즉시 전파된다. 이는 수출 통제가 깔고 있는 전제와도 어긋난다. 통제는 연산 자원을 묶고, 연산 자원은 사전학습을 묶는다. 하지만 후속 학습은 묶지 못한다. 이번 공개에서 비용이 드는 작업이 실제로 이뤄진 곳이 바로 그 층이다. 그리고 MIT 라이선스도 묶지 못한다. 가중치가 업로드되는 순간 결과물은 국경 밖으로 나간다.

표, 그리고 그 빈칸

아래 수치는 모두 연구소가 자체 모델 카드에 올린 것이며, 제3자에 의해 재현된 바 없다.

정직하게 읽으면 "16개 중 5개에서 최고"라는 결과는 들리는 것만큼 넓지 않다. 비교 칸 상당수가 비어 있어서, 선두 점수가 경쟁 모델을 이겼다는 뜻이 아니라 경쟁 모델의 수치가 공개되지 않았다는 뜻인 경우가 있다. 비교가 온전히 채워진 행 — SWE-bench Pro, Terminal-Bench 2.1, MLE-bench Lite, DeepResearch Bench II — 에서는 Claude Opus 5가 앞서며, 그중 하나에서는 15점 차가 난다.

Atria Dawn이 확실히 앞서는 영역은 검색과 도구 사용이다. DeepSearchQA, BrowseComp, BFCL v4, AutomationBench. 일관된 프로필이며, 후속 학습이 겨냥한 바와 맞아떨어진다. 에이전트 스캐폴딩에 관한 주장이지 범용 프런티어 성능에 관한 주장이 아니다. 이 구분에 대해서는 헤드라인 숫자보다 논문 쪽이 더 조심스럽다.

논문의 대부분은 사람에 관한 것이다

이번 공개에서 특이한 지점은 논문의 절반가량이 자기 자신의 제작 과정에 관한 노동 연구라는 점이다. 저자들은 참가자 56명의 태스크 기록 769건을 에이전트 로그와 함께 분석했다. 참가자들은 AI 지원으로 완료된 태스크의 약 3분의 1을 AI 없이는 수행 불가능했다고 평가했다. 에이전트는 자주 방법을 제안하고 수정을 구현했지만, 최종 결정의 대부분은 사람이 쥐고 있었다.

이러한 관찰은 태스크 단위의 실행에서 프로젝트 단위의 협업으로 이동하고 있음을 시사한다. 인간의 노력은 무엇을 추구할 가치가 있는지, 그리고 증거가 연구를 어떻게 이끌어야 하는지에 집중된다.

자기 모델이 어느 정도까지 모델에 의해 만들어졌는지를 스스로 조사해 공개하는 연구소는, 재귀적 성능 향상에 관한 주장을 감독에 관한 주장으로 포장하고 있는 셈이다. 초록에서는 두 가지 독법이 모두 가능하며, 초록은 "지속되는 개발의 위험과 방향에 대한 책임 있는 인간의 권한"을 지켜야 한다는 요구로 끝난다. 이는 한 연구소가 자기 내부 작업 흐름을 스스로 측정한 결과로 받아들여야 하며, 다른 누군가에 대한 증거가 아니다.

가중치와 함께 배포되는 것

표에서 가장 높은 단일 수치는 소프트웨어 취약점을 찾아내는 능력을 재는 벤치마크 CyberGym의 86.5다. MIT 라이선스 아래에서 이 능력은 누구나 영구히 내려받을 수 있고, 이용 약관도 회수 수단도 없다. 모델은 텍스트 입력만 받으며 컨텍스트 길이는 256K 토큰이다. 전정밀도 가중치와 함께 FP8 빌드도 공개돼 구동에 필요한 하드웨어 문턱이 낮아졌다.

오픈 웨이트를 어떻게 평가하든, 결정이 어디에서 내려졌는지는 볼 만하다. 국가가 뒷받침하는 연구기관이, 자신이 사전학습하지 않은 프런티어 규모의 에이전트 모델을, 다른 회사가 공개한 베이스 위에 얹어, 양쪽 모두 되돌릴 수 없는 라이선스로 내놓았다. 이 가중치가 무엇을 하든 그 책임은 이제 두 조직과 내려받는 모든 사람에게 흩어져 있다.

Sources: Atria-Dawn-Preview 모델 카드 (상하이 인공지능 연구원 / InternLM, Hugging Face) · Atria-Dawn-Preview-FP8 · Atria Dawn: The Dawn of Agentic Superintelligence (arXiv:2609.15818) · GLM-5.2 모델 카드 (Z.ai)