큰돈이 들어간 Fugu, 프론티어 모델보다 오케스트레이터였나

일본의 Sakana AI가 Sakana Fugu와 Fugu Ultra를 공개했습니다. 처음 들으면 일본산 프론티어 모델이 새로 나온 것처럼 느껴지지만, 공식 설명을 자세히 보면 성격은 조금 다릅니다. Fugu는 하나의 거대한 모델을 처음부터 만든 제품이라기보다, 여러 LLM을 호출하고 조합하는 멀티 에이전트 오케스트레이터에 가깝습니다.

Sakana AI는 Fugu를 “하나의 모델 API로 제공되는 멀티 에이전트 시스템”이라고 설명합니다. 사용자는 OpenAI 호환 API로 Fugu를 부르면 되고, 내부에서는 Fugu가 여러 모델을 골라 쓰거나, 필요하면 자기 자신까지 다시 호출하면서 답을 만드는 구조입니다. 겉으로는 하나의 모델처럼 보이지만, 성능은 대부분 여러 모델을 어떻게 엮느냐에서 나옵니다.

이 방식 자체가 의미 없다는 뜻은 아닙니다. 복잡한 코딩, 리서치, 보안 분석처럼 한 번에 끝나지 않는 작업에서는 모델 여러 개를 잘 나눠 쓰는 능력도 분명 중요합니다. 실제로 일부 사용자 후기를 보면 Fugu가 다른 모델들이 놓친 코드 버그를 찾아냈다는 반응도 있습니다. 다만 이걸 곧바로 “일본의 프론티어 AI가 나왔다”고 부르기에는 걸리는 부분이 많습니다.

Sakana AI는 지난해 시리즈 B에서 약 320억 엔, 미화 2억 달러 규모의 자금을 조달했고, 일본의 지속 가능한 AI와 소버린 AI를 전면에 내세워 왔습니다. 그 정도 기대와 자본이 모인 회사의 대표 결과물이 자체 프론티어 모델이 아니라, 강한 외부 모델들을 잘 부르는 오케스트레이터라면 아쉬움이 남습니다. 소버린 AI라는 말에는 결국 “내가 통제할 수 있는 강한 모델을 갖고 있느냐”는 질문이 따라붙기 때문입니다.

Sakana는 Fugu Ultra가 SWE Bench Pro 73.7, TerminalBench 2.1 82.1 같은 점수를 냈고 공개 접근 가능한 프론티어 모델들과 경쟁한다고 말합니다. 숫자만 보면 늘 그렇듯 꽤 강합니다. 하지만 Fugu가 어떤 모델을 언제 어떻게 호출했는지는 외부에서 확인하기 어렵고, 비교 대상 일부도 각 제공사가 발표한 점수입니다. 공식 표 안에서도 Fugu Ultra가 항상 기본 Fugu보다 좋은 것은 아닙니다. 더 많은 오케스트레이션이 언제나 더 좋은 답을 만든다고 보기는 어렵습니다.

가성비로 승부하는 모델도 딱히 아닙니다. Fugu Ultra는 100만 토큰 기준 입력 5달러, 출력 30달러이고, 272K 컨텍스트를 넘으면 입력 10달러, 출력 45달러로 올라갑니다. 월 구독도 Standard 20달러, Pro 100달러, Max 200달러 구조입니다. 여러 모델을 내부에서 돌리는 방식이라면 사용자는 편해질 수 있지만, 비용과 지연 시간은 결국 어딘가에서 발생합니다. 개발자 커뮤니티에서도 “이 가격이면 특수한 작업용이지, 일반 사용자에게 쉽게 추천할 모델은 아니다”는 반응이 나오는 이유입니다.

이 문제를 오픈소스의 한계로 돌리기도 어렵습니다. 중국 쪽 GLM-5.2는 MIT 라이선스 공개 모델로 1M 토큰 컨텍스트와 강한 코딩 성능을 내세우고 있습니다. 문서상 Terminal-Bench 2.1 81.0, SWE-bench Pro 62.1 같은 숫자도 제시됩니다. 공개 모델이라서 안 된다는 건 이제 변명이 되지 않습니다.

주인장 입장에서는 Fugu가 흥미롭지만, 소버린 AI의 답으로 봐 줄 순 없겠습니다. 강한 모델을 잘 지휘하는 기술만으로 충분할까요? 지능이 이미 충분히 만들어져 있다면 그 지능을 잘 꺼내 쓰는 것도 좋은 기술일 수 있습니다. 다만 반대로 지능 자체가 충분해질수록, 모델을 찾아 조합하는 역할은 인터넷 정보검색사처럼 한 시기의 전문 기술로 남을 수도 있습니다. Fugu와 Sakana AI는 조금 더 지켜보는 것으로 하겠습니다.