시간당 1달러짜리 AI 직원
중국 인공지능 스타트업 MiniMax가 기업용 AI 도입의 경제성을 무너뜨릴 수 있는 변화를 일으켰다. 상하이에 본사를 둔 이 회사는 가장 비싼 서구권 시스템에 맞먹는 성능을 내면서도 Claude Opus 4.6, GPT-5.2 같은 경쟁 모델보다 대략 10분의 1에서 20분의 1 가격에 이용할 수 있는 언어 모델 M2.5를 출시했다.
수정된 MIT 라이선스로 Hugging Face에 공개된 이 모델은 세계 시장을 흔들고 경쟁 구도를 바꾼 중국 AI 업계의 숨 가쁜 발표 행렬 속에서 나왔다. 홍콩증권거래소에서 MINIMAX-WP(00100.HK)로 거래되는 MiniMax 주가는 발표 후 11~16% 급등해 홍콩 사우스차이나모닝포스트에 따르면 680홍콩달러로 마감했다.
MiniMax는 M2.5를 단순한 챗봇이 아니라 코딩, 조사, 문서 작성 등을 자율적으로 수행하는 프로덕션급 디지털 직원으로 내세운다. 회사는 비용 걱정이 사실상 사라지는 최초의 프런티어 모델이라며, 초당 100토큰 속도로 연속 작동해도 시간당 1달러에 불과하다고 주장한다. 속도를 낮추면 시간당 비용은 0.30달러로 떨어진다. 이 가격 구조라면 AI 에이전트 4개를 1년 내내 연속으로 가동하는 데 약 1만 달러가 든다. 비슷한 서구권 모델로는 한 달 운영비에도 못 미치는 금액이다.
프런티어 모델에 도전하는 벤치마크
독립 평가와 MiniMax 자체 테스트 결과, M2.5는 코딩 모델 최상위권에 올라 있으며 큰 가격 차이에도 Anthropic의 Claude Opus 4.6을 바짝 추격한다. 실제 소프트웨어 엔지니어링 역량을 측정하는 업계 표준인 SWE-Bench Verified에서 M2.5는 80.2%를 기록했다. Opus 4.6보다 0.6%포인트 낮지만 OpenAI의 GPT-5.2(80%)와 Google의 Gemini 3 Pro(78%)를 앞섰다.
이 모델은 여러 코드베이스를 동시에 이해해야 하는 저장소 간 프로그래밍 작업을 평가하는 Multi-SWE-Bench에서 51.3%를 기록해 다국어 코딩 시나리오에서 특히 강점을 보였다. 이는 Opus 4.6의 50.3%를 앞서고 Gemini 3 Pro의 42.7%보다 크게 높은 수치다. 복잡한 풀스택 개발 작업을 시험하는 내부 벤치마크 VIBE-Pro에서는 M2.5가 Opus 4.5와 대등한 성능을 냈다.
순수 코딩 역량 외에도 M2.5는 뛰어난 에이전트 역량을 보였다. 복잡한 웹 탐색과 정보 검색 능력을 평가하는 BrowseComp에서 76.3%, 여러 차례 도구를 사용하는 능력을 평가하는 Berkeley Function Calling Leaderboard(BFCL)에서 76.8%를 기록해 Opus 4.6을 13%포인트 넘게 앞섰다. 제3자 분석기관 Artificial Analysis는 M2.5에 Intelligence Index 42점을 부여했다. 비슷한 모델의 평균인 25점보다 크게 높은 점수다. 다만 이 모델의 속도는 초당 80토큰으로, 평균 55토큰보다 빠르다고 분석기관은 밝혔다.
그러나 서로 다른 방법론으로 최신 GitHub 풀 리퀘스트 48건을 시험하는 SWE-rebench 2026년 1월 순위표에서 독립 평가한 결과, M2.5는 39.6%를 기록해 Claude Code의 52.9%에 못 미쳤다. 실제 성능은 평가 환경과 작업의 최신성에 따라 달라질 수 있음을 시사한다.
효율성을 뒷받침하는 아키텍처
M2.5의 경제성은 전문가 협업을 모방하는 설계 방식인 전문가 혼합(MoE) 아키텍처에서 나온다. 모델의 전체 매개변수는 2,300억 개지만, 어떤 작업이든 실제로 활성화되는 매개변수는 100억 개뿐이다. 이처럼 필요한 부분만 선택적으로 작동해 대형 모델의 추론 깊이를 유지하면서도 훨씬 작은 시스템에 가까운 속도와 비용 구조를 구현한다.
이 복잡한 아키텍처를 훈련하기 위해 MiniMax는 에이전트형 AI 전용으로 설계한 독자적 강화학습 프레임워크 Forge를 개발했다. 만족스러운 답변을 생성하도록 최적화하는 표준 접근법과 달리, Forge는 코드 저장소, 웹 브라우저, 오피스 애플리케이션 등 수십만 개의 실제 환경을 모사한 곳에 모델을 투입하고 문체나 표현이 아니라 실제 작업 완료에 보상을 준다. 비동기 스케줄링 최적화와 훈련 샘플의 트리 구조 병합 전략을 통해 표준 강화학습 방식보다 약 40배 빠른 훈련 속도를 구현한다.
MiniMax 엔지니어 Olive Song은 ThursdAI 팟캐스트에 출연해 다양한 실제 시나리오를 아우르는 집중 훈련에 두 달이 걸렸다고 설명했다. 이 과정의 안정성을 유지하기 위해 팀은 훈련 반복 과정에서 모델이 과도하게 수정되는 것을 방지하는 수학적 접근법인 CISPO(Clipping Importance Sampling Policy Optimization)를 도입했다.
“이처럼 작은 모델도 대규모 환경과 에이전트를 활용해 강화학습을 시키면 잠재력이 크다는 점을 깨달았습니다. 하지만 쉽게 할 수 있는 일은 아닙니다.” Song은 이렇게 말하며 팀이 과정을 다듬는 데 상당한 시간을 들였다고 덧붙였다.
이 방법론은 MiniMax가 ‘설계자 사고방식’이라고 부르는 역량을 길렀다. M2.5는 곧바로 코드를 생성하는 대신 먼저 프로젝트 구조와 기능, 인터페이스 설계를 계획하고 복잡한 작업을 실행 전에 관리 가능한 구성 요소로 나눈다. 20만 개가 넘는 환경에서 Go, C, C++, TypeScript, Rust, Kotlin, Python, Java, JavaScript, PHP, Lua, Dart, Ruby 등 10개 이상의 프로그래밍 언어를 사용해 훈련했다.
챗봇에서 디지털 직원으로
AI를 대화형 인터페이스에서 자율적으로 일하는 직원으로 전환하는 것이 M2.5 설계 철학의 핵심이다. MiniMax는 금융, 법률, 사회과학 분야의 선임 전문가들과 협력해 모델에 업계별 암묵지를 학습시켰다. 이를 통해 단순한 텍스트 덩어리가 아니라 실제로 제출할 수 있는 결과물을 생성하도록 했다.
이러한 방향은 대부분의 프런티어 모델이 외면하는 실무형 오피스 자동화 기능으로 이어진다. M2.5는 Microsoft Word 문서를 만들고 편집할 수 있으며, 적절한 레이아웃과 차트가 들어간 PowerPoint 프레젠테이션을 작성하고 복잡한 Excel 재무 모델링 작업을 수행할 수 있다. 실제 Microsoft Excel World Championship 대회 문제를 활용하는 MEWC 벤치마크에서 이 모델은 74.4%를 기록했다. 결과물의 품질과 전문적 작업 수행 능력을 쌍대 비교로 평가하는 내부 GDPval-MM 평가 체계에서는 주요 경쟁 모델을 상대로 평균 59%의 승률을 보였다.
MiniMax는 이미 기업 도입 사례를 시험하기 위해 M2.5를 사내에 배포했다. 회사 발표에 따르면 이 모델은 연구개발, 제품 관리, 영업, 인사, 재무 등 여러 부서에서 전체 업무의 30%를 자율적으로 완료하고 있다. MiniMax 본사 코딩 환경에서는 새로 커밋되는 코드의 80%를 M2.5가 생성한다.
회사는 이러한 역량을 MiniMax Agent라는 플랫폼에 담았다. 사용자는 이 플랫폼에서 오피스 기능과 특정 분야의 산업 지식을 결합한 전문 에이전트를 1만 개 넘게 구축했다. 이를 통해 Agent는 단순히 텍스트를 생성하는 데 그치지 않고 업계 조사에 확립된 표준 운영 절차를 따르거나 재무 모델링에 맞는 구체적인 리스크 통제 로직을 적용할 수 있다.
이 모델은 웹, Android, iOS, Windows 전반의 풀스택 개발을 처리하며, 프런트엔드 시연용 결과물만 만드는 것이 아니라 서버 측 API와 비즈니스 로직, 데이터베이스까지 관리한다. 이러한 역량은 초기 시스템 설계부터 기능 개선, 종합적인 코드 검토와 테스트까지 소프트웨어 개발 전 과정에 걸쳐 발휘된다.
연속 가동의 경제성
MiniMax는 성능은 같지만 처리 속도가 다른 API 버전 두 가지를 제공한다. M2.5-Lightning은 초당 100토큰으로 작동하며 입력 토큰 100만 개당 0.30달러, 출력 토큰 100만 개당 2.40달러다. 표준 M2.5는 절반 속도인 초당 50토큰으로 실행되며 가격도 절반인 입력 토큰 100만 개당 0.15달러, 출력 토큰 100만 개당 1.20달러다.
비용을 구체적으로 보면 M2.5 에이전트 인스턴스 4개를 1년 내내 연속 가동하는 데 약 1만 달러가 든다. 반면 Claude Opus 4.6은 출력 토큰 100만 개당 약 75달러를 청구하므로, 비슷한 수준으로 계속 가동하는 데 대부분의 조직이 감당하기 어려운 비용이 든다. 출력 가격만 비교하면 M2.5는 Opus, Gemini 3 Pro, GPT-5보다 10분의 1에서 20분의 1 수준이다.
구체적인 작업 비용을 살펴보면 차이는 더욱 뚜렷하다. ThursdAI 팟캐스트 진행자 Alex Volkov에 따르면 M2.5는 SWE-Bench 작업을 토큰 비용 약 0.15달러로 완료하지만, 같은 작업에 Claude Opus 4.6은 약 3달러가 든다. 비용이 95% 줄어들면 프롬프트를 최적화하고 토큰 사용량을 최소화해야 한다는 기존 압박이 사라진다. 이에 따라 개발자는 이전에는 더 저렴하지만 성능이 낮은 시스템에 맡겼던 일상적인 작업에도 높은 문맥 이해력과 추론력을 갖춘 모델을 배치할 수 있다.
두 API 버전 모두 캐싱을 지원해 반복 작업 비용을 더 낮출 수 있다. 수정된 MIT 라이선스는 상업적 사용자가 사용자 인터페이스에 “MiniMax M2.5”를 눈에 띄게 표시하도록 요구한다. 경제적 이점을 고려하면 사소한 조건이다. 초당 100토큰으로 연속 생성하면 시간당 출력 토큰 36만 개가 생성되며, 출력 토큰 비용은 약 0.86달러에 입력 비용이 더해진다.
속도 향상은 비용 절감 효과를 키운다. M2.5는 이전 버전인 M2.1보다 종단 간 작업을 37% 빠르게 완료한다. SWE-Bench Verified 실행 시간은 31.3분에서 22.8분으로 줄어 Claude Opus 4.6의 22.9분과 비슷하지만, 작업당 비용은 10분의 1에 불과하다.
시장 상황과 경쟁 압력
M2.5 출시는 여러 중국 업체가 경쟁력 있는 모델을 공개한 중국 인공지능 업계의 격동적인 한 주에 정점을 찍었다. Zhipu AI는 Artificial Analysis Intelligence Index에서 Google의 Gemini 3 Pro를 앞선 GLM-5를 출시했고, Alibaba는 로봇공학용 RynnBrain을, ByteDance는 동영상 생성 모델 Seedance 2.0을 공개했으며, Kuaishou는 Kling 3.0을 선보였다. MiniMax와 Zhipu AI 주가는 모두 두 자릿수 상승률을 기록했고, Zhipu AI는 홍콩 거래에서 30% 올랐다.
잇따른 신제품 출시는 최근 중국과 미국의 AI 격차에 대한 평가에 의문을 제기한다. Google DeepMind의 수장 Demis Hassabis는 앞서 중국 모델이 서구권 모델보다 불과 몇 달 뒤처져 있다고 추산했다. 불과 일주일 전에 출시된 Claude Opus 4.6과 거의 대등한 MiniMax의 성능을 보면 격차는 며칠 수준으로 좁혀진 것으로 보인다. SWE-rebench 2026년 1월 결과에서 최신 풀 리퀘스트에 대한 점수는 Claude Opus 4.6이 51.7%, GPT-5.2가 51.0%, MiniMax M2.5가 39.6%였다. 가장 최신 코드에서는 서구권 모델이 여전히 앞서지만 격차는 계속 줄고 있음을 보여준다.
경쟁의 파장은 벤치마크를 넘어선다. MiniMax의 가격 전략은 프리미엄 API 요금을 기반으로 사업 모델을 구축해 온 서구권 AI 연구소에 체계적인 압박을 가한다. MiniMax의 주장처럼 지능을 “측정할 필요도 없을 만큼 저렴하게” 제공할 수 있게 되면 업계는 희소성 중심의 경제에서 물량 중심의 경제로 옮겨가고, 기존 업체의 수익 모델이 흔들릴 가능성이 있다.
기술 책임자에게 M2.5는 즉각적인 운영상 이점을 제공한다. 이전 모델보다 37% 빨라져 지연 병목 없이 여러 모델이 서로 상호작용하는 실시간 에이전트 파이프라인을 구현할 수 있다. 조직은 이제 자체 호스팅 오픈 웨이트 배포를 통해 데이터 프라이버시를 지키면서 전례 없는 규모로 자동화된 코드 감사를 수행할 수 있다.
핵심 내용
- MiniMax M2.5는 SWE-Bench Verified에서 80.2%를 기록해 Claude Opus 4.6과 대등한 성능을 내면서 비용은 10분의 1에서 20분의 1 수준이다
- 두 가지 API 버전을 제공한다. 표준형은 토큰 100만 개당 0.15달러/1.20달러(초당 50토큰), Lightning은 0.30달러/2.40달러(초당 100토큰)다
- 매개변수 2,300억 개의 MoE 아키텍처에서 작업마다 100억 개만 활성화해 연산 부담을 줄인다
- 200,000개가 넘는 실제 환경에서 독자적인 Forge 강화학습 프레임워크와 CISPO 알고리즘의 안정성 제어를 적용해 훈련했다
- 자율적인 풀스택 개발, 오피스 문서(Word, Excel, PowerPoint) 작성, 복잡한 재무 모델링을 수행할 수 있다
- 현재 MiniMax 사내에 배포돼 회사 업무의 30%를 완료하고 새 코드의 80%를 생성한다
- 상업적 사용 시 출처 표시를 요구하는 수정 MIT 라이선스로 Hugging Face에 오픈 웨이트 모델을 공개했다
- 발표 이후 홍콩증권거래소에서 회사 주식(MINIMAX-WP, 00100.HK)이 11~16% 급등했다
