미라 무라티의 씽킹 머신즈, 신규 AI 모델 잉클링 공개

주장씽킹 머신즈는 잉클링 모델을 통해 에이전트 기반 작업과 효율적인 토큰 처리에 최적화된 새로운 인공지능 생태계를 구축합니다. 이 모델은 기업이 특정 작업에 맞춰 미세 조정할 수 있도록 설계된 유연한 기반 모델입니다.

팩트잉클링은 9750억 개의 파라미터를 갖춘 혼합 전문가 트랜스포머 모델입니다. 한 번에 410억 개의 파라미터가 활성화되며 텍스트와 이미지, 오디오를 기본으로 처리합니다. 최대 100만 토큰의 컨텍스트 윈도우를 지원합니다.

팩트아티피셜 애널리시스 평가에서 잉클링은 인텔리전스 지수 41점을 기록했습니다. 이는 미국 내 공개 가중치 모델 중 1위에 해당하는 수치입니다. 기존 선두 모델인 네모트론 3 울트라의 38점보다 높은 성적입니다.

교차검증잉클링은 에이전트 기반 벤치마크인 지디피발-에이에이 브이2에서 키미 케이2.6과 딥시크 브이4 플래시 맥스를 앞서는 성과를 보였습니다. 다만 63퍼센트의 환각률을 기록하여 실무 적용에는 한계가 존재합니다.

팩트씽킹 머신즈는 잉클링의 사전 학습을 위해 45조 개의 토큰을 사용했습니다. 학습 데이터에는 공공 데이터와 합성 데이터가 포함되었습니다. 합성 데이터 생성 과정에서는 중국의 키미 케이2.5 모델을 활용했습니다.

팩트잉클링은 다른 모델보다 출력 토큰 효율성이 높습니다. 인텔리전스 지수 작업 수행 시 평균 2만 5000개의 출력 토큰을 사용합니다. 경쟁 모델보다 적은 토큰으로 동일한 작업을 수행합니다.

주장씽킹 머신즈는 사용자가 비용과 성능 사이에서 균형을 맞추도록 지속적으로 조정 가능한 사고 노력 기능을 제공합니다. 기업은 불필요한 토큰 낭비를 줄이면서 원하는 품질의 결과물을 얻습니다.

교차검증잉클링의 사용 비용은 64케이 컨텍스트 윈도우 기준 입력 토큰당 1.87달러, 출력 토큰당 4.68달러입니다. 이는 유사한 성능을 제공하는 중국의 오픈 소스 모델보다 높은 가격대입니다.

팩트2760억 파라미터 규모의 잉클링 스몰 모델은 일부 벤치마크에서 대형 모델인 잉클링보다 우수한 성능을 보입니다. 잉클링 스몰은 지피큐에이 다이아몬드 벤치마크에서 88.3퍼센트의 점수를 기록했습니다.

주장잉클링 스몰의 성과는 대규모 모델이 아닌 효율적인 구조 설계가 인공지능 성능에 미치는 영향을 입증합니다. 씽킹 머신즈는 이러한 기술적 효율성을 바탕으로 기업용 인공지능 시장을 공략합니다.

팩트씽킹 머신즈는 잉클링을 통해 에이전트 기반의 복잡한 업무 자동화를 지원합니다. 기업은 이를 통해 데이터 처리 비용을 절감하고 업무 생산성을 높일 수 있습니다.

출처더 디코더의 보도 내용과 씽킹 머신즈 공식 발표 자료를 교차 검증했습니다.