
최근 AI 업계에서 꽤 상징적인 뉴스가 나왔습니다. 미국 스타트업 Arcee AI가 자사 벤처 투자금의 절반에 가까운 돈을 들여 오픈 추론 모델 Trinity-Large-Thinking을 만들었고, 이 모델이 에이전트 작업에서 Claude Opus급 성능에 근접했다는 소식입니다.1 중요한 건 단순한 "고성능 모델 출시"가 아니라, 다운로드하고 커스터마이즈할 수 있는 미국산 오픈 가중치 모델이 다시 존재감을 드러냈다는 점입니다.2
Trinity-Large-Thinking가 주목받는 이유
Trinity-Large-Thinking는 약 398B~400B 규모의 대형 MoE 모델이지만, 토큰당 실제로 활성화되는 파라미터는 약 13B 수준입니다.34 쉽게 말해 "거대한 두뇌를 가졌지만, 일할 때는 필요한 부분만 꺼내 쓰는 방식"입니다. 그래서 대형 모델의 지식량과 상대적으로 가벼운 추론 비용을 동시에 노렸습니다.
이 모델이 특히 주목받는 이유는 에이전트 성능입니다. Arcee는 챗봇 수다보다, 여러 단계의 도구 호출과 긴 작업 흐름을 버티는 "일하는 AI"에 초점을 맞췄습니다. 실제로 PinchBench에서 91.9점을 기록하며 Claude Opus 4.6 바로 뒤에 붙었고, IFBench에서도 거의 비슷한 수준을 보였습니다.2 즉, "말은 잘하는 AI"보다 "끝까지 일하는 AI"에 더 가까운 모델입니다.
왜 '오픈 모델'인데도 기업이 관심을 가질까
여기서 핵심은 라이선스입니다. Trinity-Large-Thinking는 Apache 2.0으로 공개돼 상업적 사용과 수정이 자유롭습니다.3 기업 입장에서는 이게 꽤 큽니다. API만 빌려 쓰는 폐쇄형 모델과 달리, 직접 호스팅하고, 내부 데이터로 후속 학습하고, 규제나 보안 요구에 맞게 통제할 수 있기 때문입니다.
또 하나는 데이터 리스크 관리입니다. Arcee는 학습 과정에서 저작권이 불명확한 책이나 민감한 소스를 배제하려고 강하게 필터링했다고 설명합니다.2 요즘 기업들이 AI 도입에서 가장 무서워하는 건 성능보다도 법적 불확실성인데, 이 지점을 정면으로 건드린 셈입니다.
결국 Trinity-Large-Thinking의 경쟁력은 "오픈이라 싸다"가 아닙니다. 오픈인데도 기업이 바로 검토할 수 있을 만큼 현실적이다가 더 정확합니다.
Arcee AI가 절반의 자금을 건 이유
Arcee는 수천 명 규모의 빅테크 연구소가 아닙니다. 30명 안팎의 비교적 작은 팀인데, 33일 훈련에 약 2천만 달러를 투입했습니다.2 총 조달 자금이 5천만 달러가 채 안 되는 점을 생각하면 거의 회사의 판돈 절반을 올린 셈입니다.12
이 결정이 무모해 보이면서도 흥미로운 이유는, 오픈 모델 시장의 빈틈을 정확히 봤기 때문입니다. 한때 오픈 웨이트를 밀던 주요 진영들이 점점 폐쇄형 전략으로 이동하면서, 개발자와 기업은 "쓸 만한 대형 오픈 모델"을 다시 찾기 시작했습니다.2 Arcee는 바로 그 공백에 들어갔습니다.
게다가 가격도 공격적입니다. OpenRouter 기준 입력은 백만 토큰당 약 0.22~0.25달러, 출력은 약 0.85~0.90달러 수준입니다.5 최고급 폐쇄형 모델 대비 훨씬 낮은 비용으로 에이전트 워크로드를 돌릴 수 있다는 뜻입니다.
시사점
Trinity-Large-Thinking는 단순히 벤치마크 점수 하나로 화제가 된 모델이 아닙니다. 이 모델은 오픈소스 AI가 아직 끝나지 않았다는 신호에 가깝습니다. 특히 에이전트, 툴 사용, 장기 추론 같은 실전형 AI가 중요해질수록 "성능 + 비용 + 통제권"을 동시에 주는 모델의 가치가 커집니다.
개발자라면 이 모델을 "또 하나의 LLM"으로 보기보다, 직접 소유 가능한 에이전트 인프라 후보로 보는 편이 맞습니다. 기업이라면 더더욱 그렇습니다. 앞으로 AI 경쟁은 누가 더 똑똑한가만이 아니라, 누가 더 믿고 돌릴 수 있는가로 옮겨가고 있으니까요.
참고
3Trinity-Large-Thinking: Scaling an Open Source Frontier Agent
4Trinity-Large-Thinking | Arcee AI Documentation
5Trinity Large Thinking - API Pricing & Providers | OpenRouter
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.
