OpenAI, ‘월 2천~2만 달러’ AI 에이전트 출시 검토…VS QwQ-32B 발표!?

Bopyo Park 05 Mar 2025

안녕하세요, 에코 뉴스레터 구독자 여러분!

오늘 해외 커뮤니티에서 가장 핫한 주제가 있었습니다. OpenAI가 새로운 수익 모델을 꾀하고 있다는 보도인데요. OpenAI가 연구·개발용으로 활용 가능한 ‘AI 에이전트(Agent)’를 각 분야·수준별로 제공하고, 월 2,000달러부터 최고 2만 달러까지 과금하는 방안을 검토 중이라는 소식입니다. 예전부터 AGI가 세상에 나온다면 얼마의 비용을 내야 할 것인가에 대해서 이야기들이 많이 있었습니다. 그런데 오늘 대략적인 구도가 잡힐 수 있는 보도 때문에 X 커뮤니티에서도 이야기가 뜨겁습니다.

여러분은 어떻게 생각하시나요? 그보다 현재 어떤 요금제를 사용하고 계시며 비용이 아깝지 않게 잘 활용하고 계신가요? 조금 더 들여다보며 요금제가 어떻게 구성되는지 확인해보겠습니다.

Point1. 월 2천~2만 달러짜리 ‘에이전트’

‘소프트웨어 엔지니어’ or ‘의료연구원’ 등을 보조/대체할 정도의 고성능 AI 에이전트: 한 달에 20,000달러
“고소득 지식노동자” 대상 → 월 2,000달러
소프트웨어 개발 등에 특화된 중간단계 → 월 10,000달러

Point2. OpenAI의 새 매출 기둥으로…

내부적으로 향후 수익의 20~25%를 에이전트 서비스가 담당할 것으로 예상
이미 현재 연 4조 원($4B) 규모의 매출 속도(annualized revenue)에 달성할 것이라는 전망
기존 주력 수익원은 API, ChatGPT Pro(월 200달러) 등

솔직히 현재 o1 pro의 비용 200$ 과금도 결제가 쉽지 않은데 더 많은 과금을 해야한다니 한편으로는 걱정이 되기도 합니다. 물론 사용하지 않는다면 마음 편하게 걱정할일이 없겠지만 비용을 내고 사용하는 사람들과 같은 분야에 있다면 많은 차이가 벌어질것입니다. 그러므로 사용하는것을 한번쯤은 고려해볼 수 있는 충분한 주제이며 한편으로는 비용을 내기전에 실제 성능에 대해서 각자의 본업에 얼마만큼 사용할 수 있을지 테스트를 해볼 수 있을지도 궁금합니다.

고급 자동차도 시승이 있는것처럼 말이죠. 비용이 아직 결정된것은 아니니 현재로서는 추측만 가능할 뿐이지만 AI 소식이 가장 빠르다는 X에서 사람들의 반응은 어떨까요? 커뮤니티 반응을 전달해드리겠습니다.

Point3. 커뮤니티 반응은 싸늘

X 커뮤니티 많은 댓글들을 분석해보면 역시 분위기는 싸늘하다는 것을 알 수 있습니다. 55% 절반이 넘는 사람들이 부정적인 반응들을 보이고 있습니다. 특히 사람들이 이렇게 비판하는 이유와 관련한 댓글을 찾아보면...

가격-가치 괴리: 많은 사용자들이 PhD 학위 취득 비용 및 인간 개발자 고용 비용과 비교하며 가격 정당성에 의문을 제기
시장 경쟁 우려: DeepSeek, Llama 등 오픈소스 대안들이 이미 유사한 성능을 제공하면서 OpenAI의 가격 프리미엄을 지속적으로 위협
비즈니스 전략 비판: 많은 사용자들이 이를 AI 시장에서의 권력 장악 시도나 지속 불가능한 비즈니스 모델로 인식
기술적 의구심: GPU 부족 이슈와 함께 실제 약속된 기능 구현 가능성에 대한 회의적 시각 존재

위와같은 의문을 던지고 있습니다. 여러분은 어떻게 생각하시나요? 제 의견은 솔직히 말씀드려서 $2,000의 비용이 한계라고 생각합니다. 2만불의 비용을 내면서 사용하는 서비스는 과연 지속이 가능할까? 라는 생각을 해봅니다. 물론 기업에서는 사용할 수 있겠지만 기업에서 사용한다면 정말 지금 우리 머리속에 그려진 일들을 자동화로 에이전트가 깔끔하고 실수없게 해줄 수 있어야할텐데 그것이 가능할지? 잘 모르겠습니다. 아직까지 LLM을 신뢰할 수 없는 부분이 많다는 것은 여러분들도 아실것이라 생각합니다.

한편 이런 분위기 속에서 중국의 Qwen 팀이 새로운 미드사이즈(reasoning 중심) 모델인 QwQ-32B를 공개했습니다. 딥시크로 얼마전까지 충격으로 난리였는데 오픈AI와는 다른 길을 걷는 소식에 사람들은 어떤 반응을 보일지도 함께 확인해보겠습니다.

QwQ-32B: Reinforcement Learning으로 강화된 미드사이즈 Reasoning 모델의 탄생

매개변수(Parameter): 320억(32B)
지향 목표: 학습 안정성과 RL(강화학습) 스케일링을 통해 DeepSeek-R1 수준의 추론 능력 달성
결과: 기존 대규모 MoE(혼합전략 모델) 못지않은 성능을, 보다 작은 규모(32B)로 구현

이번 출시로, Qwen 팀은 수학·코딩 분야에서의 성능 향상을 비롯해, 에이전트(Agent) 능력까지 고도화하였다고 합니다.

QwQ-32B의 특징

RL(강화학습) 스케일링
- 기존 거대 모델이 아닌, 중간 크기(32B) 모델에 RL을 대규모 적용
- 수학 문제는 정확도 검증(Accuracy Verifier) 기반 보상, 코딩은 코드 실행/테스트 통과 여부 기반으로 훈련
- 1차(수학·코딩 특화) + 2차(일반적 이해·지침) 2단계 RL을 거치면서 전반적 성능 업그레이드
DeepSeek-R1과 맞먹는 Reasoning 성능
- DeepSeek-R1(671B 파라미터 중 37B 활성) 대비, 훨씬 적은 파라미터(32B)로 유사한 수준 달성
- Chat 형식으로 쿼리를 입력하거나, 외부 툴(Agent 연동) 활용할 때도 높은 추론 정확도 보여
Agent 활용 위한 확장성

단순 정답 생성 넘어, 에이전트 역할 수행 가능
명령어나 환경 피드백을 받아가며 여러 단계의 reasoning 수행
앞으로의 방향성
추가 RL 스케일링

이번 QwQ-32B 공개를 통해, 중간 규모 모델도 RL을 통해 충분히 높은 수준의 수학·코딩·추론 능력을 발휘한다는 점이 입증되었습니다. Qwen 팀은 앞으로도 대규모 컴퓨팅·RL 기법을 결합해, 더 강력한 ‘생각하는 모델’을 선보일 계획이라 하니 기대가 큽니다.

딥시크 충격이 아직 가시질 않았는데 훨씬 적은 파라미터(32B)로 유사한 수준을 달성했다는 것도 놀랍습니다. 커뮤니티 반응은 어떨까요? 오픈AI와 비교해보면 더 흥미롭게 보실 수 있습니다.

오픈AI와는 상반되게 긍정적인 반응들이 많습니다. 여러분은 어떻게 생각하시나요? 현재 위 모델은 데모로 테스트 해보실 수 있습니다

데모 플레이: https://huggingface.co/spaces/Qwen/QwQ-32B-Demo

에코 뉴스레터를 발행한 지도 벌써 꽤 되었습니다. 항상 읽어주시는 여러분들이 있기에 가능한 일인데요. 발행하면서 항상 최신의 소식들을 저 스스로도 공부하게 되고 찾아보면서 참 요즘 느끼는 게 많습니다. 경쟁이 심화되면서 이를 받아들이는 우리들도 더 부지런히 받아들이고 학습해야 하는구나라는 생각을 하게 됩니다.

우리는 영원한 베타 버전처럼 삶에서 끝없이 스스로의 버전을 업데이트해야 한다고 생각합니다. 오늘도 긴 글 읽어주셔서 감사드리며, 좋은 하루 시작하세요!

피드백을 부탁드려요! (어떤 작가님의 글을 좋아하시나요?)