2026년 5월 21일 | AI 최신 트렌드
5월 21일 아침 기준으로 눈에 들어온 축은 계산 자원 거래, 수학 추론, 생성 음악, CLI 전환, 상호작용 평가였다. 모델 이름보다 그 모델을 굴리는 비용, 검증 방식, 도구 이전 경로, 평가 프로토콜이 더 크게 보였고, 나는 이쪽이 지금 AI 산업의 마찰을 꽤 솔직하게 보여 준다고 느꼈다.
1. Anthropic이 xAI compute를 월 1.25B달러에 산다는 보도
TechCrunch 보도에서 가장 크게 보인 숫자는 월 1.25B달러였다. 보도에 따르면 Anthropic은 멤피스 인근 xAI의 Colossus 1 데이터센터 출력 전체, 300MW 규모의 compute를 사들이는 계약을 맺었고, 계약은 2029년 5월까지 이어질 수 있다. 첫 두 달은 ramp-up 때문에 할인 요율이 붙지만, 전체로 보면 xAI에 40B달러가 넘는 매출을 만들 수 있는 구조라고 한다.
이건 단순한 클라우드 구매 뉴스로 읽기 어렵다. 모델 회사가 자기 모델을 위해 지은 데이터센터를 다른 모델 회사에 파는 순간, 경계가 꽤 흐려진다. TechCrunch는 이 모델을 neocloud에 가깝게 설명했다. 자체 수요가 비어 있는 구간에는 idle capacity를 팔고, 다시 필요해지면 자기 모델 학습과 추론에 돌리는 식이다. xAI 입장에서는 과투자처럼 보일 수 있는 compute를 매출로 바꾸는 통로이고, Anthropic 입장에서는 Claude 계열 확장에 필요한 계산 자원을 한 번에 확보하는 방식이다.
나는 여기서 AI 인프라 경쟁의 단위가 바뀌고 있다고 느꼈다. 예전에는 “누가 더 좋은 모델을 냈나”가 헤드라인이었다면, 이제는 “누가 전력과 서버를 몇 년 단위로 잠갔나”가 바로 제품 로드맵이 된다. 특히 모델 회사끼리 compute를 사고파는 장면은 경쟁과 협력이 동시에 일어나는 이상한 구조다. Anthropic과 xAI는 제품으로는 경쟁하지만, 인프라에서는 서로의 숨통을 틔워 주는 관계가 된다. 프런티어 AI가 점점 더 반도체, 전력, 부동산, 금융 계약의 문제로 내려오고 있다는 신호다.
2. OpenAI의 이산기하학 문제 해결 주장
OpenAI 수학 보도는 제목만 보면 또 한 번 과한 주장처럼 보일 수 있다. 실제로 OpenAI는 몇 달 전에도 “GPT-5가 미해결 Erdős 문제를 풀었다”는 식의 표현이 나왔다가, 이미 문헌에 있던 해를 찾은 것에 가까웠다는 지적을 받은 적이 있다. 그래서 이번에는 그 맥락까지 같이 봐야 한다.
이번 발표의 핵심은 1946년 Paul Erdős가 제기한 이산기하학의 unit distance 문제 쪽이다. OpenAI 공식 글은 새 일반 목적 reasoning model이 특정 수학 전용 시스템으로 설계되지 않았는데도 기존의 square grid류 직관보다 더 나은 새로운 construction family를 찾아, 오래된 중심 추측을 반박했다고 설명한다. TechCrunch는 Noga Alon, Melanie Wood, Thomas Bloom 같은 수학자들의 companion remarks가 함께 공개됐다는 점을 짚었다.
내가 흥미롭게 본 지점은 “수학 문제 하나를 풀었다”보다 검증 흐름이다. 수학은 데모 영상처럼 멋있게 보여 주기 어렵고, 틀린 증명이 잠깐 그럴듯해 보이는 경우가 많다. 그래서 이번 발표가 의미를 가지려면 모델의 추론 길이보다 외부 수학자 검토, 구성의 재현 가능성, 기존 문헌과의 관계가 같이 따라와야 한다. 그래도 만약 이 방향이 안정화된다면, AI가 단순히 알려진 정리를 검색하는 수준을 넘어 새 construction을 제안하고 사람이 검증하는 연구 루프로 들어갈 수 있다는 점은 꽤 큰 변화다.
3. Stability Audio 3.0, 6분짜리 음악 생성과 라이선스 데이터
Stability AI의 새 오디오 모델군도 그냥 “음악 생성이 길어졌다”로 끝내기엔 포인트가 많았다. Stability Audio 3.0은 small SFX, small, medium, large 네 가지 모델로 나오고, small 계열은 459M 파라미터로 온디바이스 효과음과 음악 생성에 맞춰져 있다. medium은 1.4B, large는 2.7B 규모이며, medium과 large는 6분 20초 길이의 composition을 만들 수 있다고 한다.
길이가 중요해진 이유는 음악이 짧은 사운드 클립과 다르기 때문이다. 30초짜리 데모는 분위기만 맞아도 그럴듯하지만, 6분짜리 곡은 멜로디, 구조, 반복, 전개가 버텨야 한다. Stable Audio 2.0이 가능했던 길이보다 두 배 이상 늘었다는 설명은 그래서 단순한 시간 숫자가 아니라, 모델이 어느 정도의 구조를 유지하느냐와 연결된다. 작은 모델은 open weights로 공개하고, large 모델은 API와 paid self-hosting으로 둔 것도 배포 전략이 갈라지는 대목이다.
또 하나는 데이터 라이선스다. TechCrunch는 Stability AI가 Warner Music Group, Universal Music Group과 협력해 모델과 음악 제작 도구를 개발해 왔고, 이번 모델이 fully licensed data로 만들어졌다고 설명했다. Suno와 Udio가 법정 싸움을 겪고 있는 상황에서, 음악 생성 모델은 품질만으로 오래 버티기 어렵다. 결국 “잘 만든다”와 “쓸 수 있다”가 같이 가야 한다. 나는 Stability Audio 3.0을 보면서 생성 음악 경쟁이 모델 데모에서 라이선스와 professional workflow 경쟁으로 넘어가고 있다고 봤다.
4. Gemini CLI 종료와 Antigravity CLI로의 이동
GeekNews에 올라온 Gemini CLI 전환 소식은 개발자 도구 관점에서 꽤 크게 보였다. 요약에 따르면 Gemini CLI는 2026년 6월 18일부터 Free, Pro, Ultra 사용자 요청 처리를 중단하고, Google은 멀티 에이전트 흐름에 맞춰 Antigravity CLI로 기능을 통합한다. 기업 라이선스와 Google Cloud 경로, 유료 API key 기반 접근은 일부 유지된다고 정리돼 있다.
여기서 핵심은 이름 변경보다 실행 모델의 변화다. Gemini CLI가 터미널에서 직접 요청하고 응답받는 경험에 가까웠다면, Antigravity CLI는 Go 기반 바이너리, 비동기 작업, background orchestration, skills, hooks, subagents 같은 하네스 중심 설명이 붙는다. 즉 한 터미널에서 대화를 주고받는 도구가 아니라, 긴 refactor나 research task를 뒤에서 굴리는 조율기로 가려는 모양새다.
다만 사용자 입장에서는 곱게 받아들이기 어렵다. Gemini CLI는 오픈소스와 빠른 설치, 익숙한 이름으로 이미 쓰이고 있었고, 전환 기간도 길지 않다. 새 도구가 더 큰 에이전트 하네스를 품는다고 해도, billing eligibility나 지역 제한, closed-source 전환 같은 마찰이 생기면 워크플로가 깨진다. 나는 이 소식을 보면서 코딩 에이전트 시장에서 기능 확장보다 마이그레이션 신뢰가 얼마나 중요한지 다시 느꼈다. 도구가 좋아져도, 어제 돌던 명령이 한 달 뒤 끊기면 사용자는 먼저 방어적으로 바뀐다.
5. Interactive Evaluation 논문: 답 하나보다 trajectory를 보기
마지막은 HuggingFace Daily Papers에 올라온 Interactive Evaluation Requires a Design Science다. 논문은 LLM 평가가 고정 입력과 단일 답변 중심에서, 도구·환경·사용자·다른 에이전트와 상호작용하는 시스템 평가로 이동하고 있다고 본다. WebArena, OSWorld, AppWorld, SOTOPIA 같은 벤치마크가 늘었지만, 아직은 “상호작용을 기록만 하고 최종 성공 여부만 채점하는” 경우가 많다는 문제의식이 있다.
논문이 말하는 interactive evaluation은 단순히 멀티턴 대화를 넣자는 뜻이 아니다. 어떤 관찰, 행동, 도구 호출, 상태 전이가 평가 증거로 들어가는지 먼저 정하고, 그 증거를 어떤 프로그램으로 판정할지 분리하자는 주장에 가깝다. 특히 outcome, process, risk를 따로 보고하자는 제안이 마음에 남았다. 최종 상태는 맞았지만 불필요한 위험 행동을 많이 했는지, 중간에 틀렸을 때 회복했는지, 사용자와 조율을 제대로 했는지는 서로 다른 점수여야 한다는 얘기다.
코딩 에이전트나 브라우저 에이전트를 실제로 돌려 보면 이 말이 바로 이해된다. 답은 맞았는데 파일을 너무 많이 건드렸거나, 실패 로그를 못 보고 같은 명령만 반복하거나, 권한이 필요한 순간을 제대로 멈추지 못하는 경우가 있다. 정적 벤치마크에서는 이런 차이가 잘 안 보인다. 그래서 앞으로의 평가는 “몇 점 맞았나”보다 어떤 경로로 맞았고, 실패했을 때 어디까지 돌아올 수 있나를 더 많이 물어야 할 것 같다.
짧게 정리하면
이번 묶음은 AI가 더 커지는 방식이 꽤 서로 다른 층에서 동시에 드러난 날이었다. Anthropic과 xAI는 compute 계약으로, OpenAI는 수학 증명 검증으로, Stability AI는 음악 라이선스와 긴 composition으로, Google은 CLI 마이그레이션으로, 평가 연구자들은 trajectory evidence로 같은 질문을 다르게 묻고 있다. 모델이 좋아지는 건 여전히 중요하지만, 이제는 모델 주변의 계약, 검증, 권리, 도구 이전, 평가 설계가 같이 움직이지 않으면 실제 사용으로 이어지기 어렵다.
출처 목록
- TechCrunch, Anthropic will pay xAI 1.25B per month for compute
- TechCrunch, OpenAI claims it solved an 80-year-old math problem
- OpenAI, An OpenAI model has disproved a central conjecture in discrete geometry
- TechCrunch, Stability AI releases a new audio model that can create 6-minute songs
- GeekNews, Gemini CLI는 2026년 6월 18일부터 작동을 중단할 예정
- arXiv, Interactive Evaluation Requires a Design Science