오픈AI, GPT‑5.6 Luna, Terra 가격 인하 및 Sol Fast 모드 출시

: GPT‑5.6 실행 효율 개선 성과를 반영해 Luna는 80%, Terra은 20% 가격 인하

: Luna → 인풋 $0.2 및 아웃풋 $1.2/백만토큰

: Terra → 인풋 $2 및 아웃풋 $12/백만토큰

: Luna는 1년 전 프런티어급 모델과 유사한 성능을 작업당 약 6%의 비용과 약 9배 빠른 속도로 제공

: 기업은 복잡한 판단과 계획 수립에는 Sol을, 명확하게 정의된 구현, 테스트, 평가 등 대량 업무에는 Luna를 사용하는 방식으로 워크플로 단계별 비용과 성능을 최적화 가능

: 오픈AI는 모델과 추론 시스템, 에이전트 실행 환경의 효율성을 함께 개선해 동일한 컴퓨팅 자원으로 더 많은 업무를 처리하고 소요 시간과 토큰, 비용을 절감했다고 설명

: Sol은 프로덕션 커널을 자율적으로 재작성·최적화하고 수백 건의 실험을 수행. 이를 통해 모델 서비스 비용을 20% 절감하고 토큰 생성 효율을 15% 이상 개선

: API의 기존 Priority Processing을 Fast 모드로 대체. Sol의 지능 수준과 기존 가격은 유지하면서 기본 대비 최대 2.5배 빠른 속도를 2배 가격에 제공

: ChatGPT Work와 Codex의 구독료 및 전체 사용량 한도는 유지되지만, 가격 인하를 반영해 Terra와 Luna 사용 시 차감되는 크레딧은 축소. AWS에도 새로운 가격을 순차 적용

https://openai.com/index/advancing-the-price-performance-frontier-with-gpt-5-6/

[삼성 이영진] 글로벌 AI/SW 뉴스 🤖 (26/7/31)

■ 오픈AI, GPT-5.6 Luna API 가격을 80%, Terra 가격을 20% 인하하고 Sol API의 우선 처리 방식을 Fast Mode로 대체

■ 앤스로픽, 구글 TPU 기반 텍사스 1.6GW 데이터센터를 임차하고 구글이 임차료, 전력비를 보증할 예정. 넥서스는 건설자금 150억 달러 조달을 협의 중

■ 메타, AI 데이터센터, 클라우드, 관련 인프라에 약 7,000억 달러 규모 계약 체결. 취소 불가능한 계약 약정은 3,493억 달러, 미개시 리스는 3,470억 달러

■ 구글 딥마인드, 로보틱스 AI 모델 ‘Gemini Robotics ER2’ 출시

■ 오라클-구글, 제미나이 기반 기업용 애플리케이션을 출시하고 오라클 고객에게 Gemini 3.1 Flash Lite·3.5 Flash 등을 제공하도록 협력 확대

■ AWS, 애플-구글 출신 AI 인프라 전문가 오리 헤른슈타트 영입. AgentCore 및 SageMaker 총괄

■ 딥시크, 내몽골에 1GW 규모의 AI 컴퓨팅 캐파 확보를 위한 데이터센터 프로젝트 추진. ‘27년 말~’28년 초까지 일부 설비 가동 목표

■ 바이트댄스, Doubao를 업무·협업 환경에 확대 적용하기 위한 사내 조직 ‘두바오 오피스’ 신설

■ Thinking Machines Lab, Inkling-Small 모델을 오픈 웨이트로 공개. 총 파라미터 276B 및 활성 파라미터 12B

■ Nscale, 최근 투자자 미팅을 진행했으며, 다음주 Investor Day 개최 예정. 이르면 올해 가을 상장 목표. 현재 밸류 250억 달러 수준 거론

■ 스케일 AI, 전 구글 클라우드 COO 프랜시스 드수자를 CEO로 영입

감사합니다.

https://t.iss.one/Samsung_Global_AI_SW

[삼성 이영진] 빅테크 하이퍼스케일러 2Q26 실적 요약(클라우드 & CapEx)

■ 알파벳

: 구글 클라우드 매출 247.7억 달러(+81.8%)
vs 컨센 222.6억 달러

: 구글 클라우드 매출 추이
28.4% → 28.8% → 34.9% → 30.0%
→ 28.0% → 31.7% → 33.5% → 47.8%
→ 63.4% → 81.8%

: CapEx 449.2억 달러
vs 컨센 449.9억 달러

: ‘26년 CapEx 1,950~2,050억 달러
vs 컨센 1,871억 달러, 기존 1,800~1,900억 달러

: CapEx 상향은 수요 충족을 위한 인프라 공급 시점을 앞당기기 때문. ‘27년 상당한 CapEx 증가 전망

■ 아마존

: AWS 매출 422.3억 달러(+36.8%)
vs 컨센 405.4억 달러

: AWS 매출 성장 추이
17.2% → 18.7% → 19.1% → 18.9%
→ 16.9% → 17.5% → 20.2% → 23.6%
→ 28.4% → 36.8%

: CapEx 530.1억 달러
vs 컨센 493.5억 달러

: ‘26년 CapEx 2,200억 달러(vs 기존 2,000억 달러). 메모리 등 가격 상승 영향

■ 마이크로소프트(F4Q)

: Azure 성장 +43%
vs 컨센 +40.40%
: Azure 성장(CC 기준) +43%
vs 컨센 +40.3%, 가이던스 +39-40%

: Azure 성장 추이(CC 기준)
35% → 35% → 34% → 31%
→ 35% → 39% → 39% → 38%
→ 39% → 43%

: 상반기와 비교해 하반기 Azure 성장 가속화 전망. F1Q 가이던스 +45%

: CapEx 358억 달러(금융 리스 자산 제외)
vs 컨센 352.2억 달러

: CapEx 410억 달러(리스 포함)
vs 컨센 420.5억 달러

: F1Q27 CapEx 500억 달러 이상, FY27 CapEx 전년 대비 증가 예상

: CY26 CapEx 1,750억 달러(vs 기존 1,900억 달러)

→ 데이터센터 내용연수 15년에서 25년 연장 및 금융리스에서 운용리스 전환 관련 회계상 CapEx 변화

■ 메타

: CapEx 310.8억 달러
vs 컨센 333.5억 달러

: ’26년 CapEx 1,300-1,450억 달러
vs 컨센 1,345.6억 달러, 기존 1,250-1,450억 달러

: ‘26-27년에는 GPU와 데이터센터 캐파 확보를 최우선으로 추진. ‘28년 이후에는 기반 인프라 먼저 확보 후 GPU 투자를 유연하게 집행할 계획

https://t.iss.one/Samsung_Global_AI_SW

Situational Awareness, Citadel에 상장주 포트폴리오 대부분 일괄 매각

: 앞서 Situational Awareness가 최근 AI 관련 주가 조정으로 손실이 확대되면서 신규 자금 조달을 추진하고 있다고 보도

: Situational Awareness는 전 오픈AI 연구원 레오폴드 아셴브레너(Leopold Aschenbrenner)가 설립한 AI 전문 헤지펀드. AUM은 한때 200억 달러 이상까지 확대

: 이후 Situational Awareness가 약 160억 달러 규모의 상장주 포트폴리오를 단일 일괄 거래(one trade)로 매각하며 상장주 투자 사업을 사실상 종료했다는 보도

: Citadel이 레버리지 상장주 포지션 대부분을 인수했으며, 골드만삭스, JP모건, 씨티 등 주요 프라임브로커들이 거래 지원

: 앤스로픽 지분도 모두 처분했다고 보도가 있었으나, 이후 일부 비상장 투자 자산은 여전히 보유 중일 가능성이 있으며 처분 여부는 명확하지 않다는 정정 보도

: 향후 방향성에 대해서는 거래 이후에도 약 100억 달러 규모의 투자 북(일부 무레버리지 상장주, 비상장 투자)을 운용한다는 보도와, 앤스로픽 등 비상장 중심 사모 회사로 재편한다는 보도가 동시 존재

→ 믿을 건 앤스로픽 IPO 뿐?

https://t.iss.one/Samsung_Global_AI_SW

삼성전자 2Q26 Review: 짧아진 투자자 호흡, 길어진 이익 사이클
[삼성증권 반도체, IT/이종욱]

BUY 투자의견 유지, 목표주가 40만원(27년 P/B 2.5배 적용)

최근의 과격한 주가 조정은 peak-out에 대한 우려보다는 메모리 호황을 앞두고 과도한 투자 쏠림 현상이 나타났기 때문이 아닐까 생각합니다. 물론 데이터센터 투자의 지속성 우려가 있습니다. 그러나 사이클의 수요와 공급의 진도를 따져볼때 peak-out 논란이 과도하게 선반영되었습니다.

우리가 컨퍼런스콜을 들으면 느꼈던 것은 다음의 세 가지입니다.

1) 5년 롤링 LTA: 수요의 가시성이 메모리 공급(3년)을 넘어서며 선주문 후투자가 가능해졌다.
2) 27년 공급이 26년보다 타이트하며 공급 측면에서 이를 해소할 수 있는 방법이 없다.
3) 회사의 주주환원 의지가 확고해 보이며 투자자들의 신뢰가 쌓이면 밸류에이션의 하방을 선제적으로 막는 효과가 생긴다.

결론적으로 시장 우려가 극대화된 지금 주식의 투자 매력도는 더욱 높아졌다고 생각합니다. 산업 내 모든 참여자들이 이익 사이클이 길어졌다고 외치는데 투자자들의 호흡만 짧아지고 있습니다.

리포트 링크: https://bit.ly/4hLYq38

감사합니다.

(2026/7/31 공표자료)

앤스로픽, 사이버보안 평가 중 Claude의 실제 시스템 무단 접근 사례 3건 공개

: 앤스로픽은 사이버보안 평가 14만1,006건을 사후 검토한 결과, Claude가 평가 환경 설정 오류로 인터넷에 접근해 실제 조직 3곳의 운영 시스템에 무단 접근한 사례를 확인했다고 공개

: 모든 사례는 Capture-the-Flag(CTF) 평가 중 발생했으며, Claude는 시스템 프롬프트에서 “인터넷이 없다”는 지시를 받아 실제 인터넷의 시스템을 평가 환경 일부로 오인한 채 공격 수행

: 사례 1 - Opus 4.7이 가상의 회사와 동일한 이름의 실제 기업을 목표로 인식해 약한 비밀번호와 인증되지 않은 엔드포인트 등을 이용해 침투. 애플리케이션, 인프라 자격증명과 수백 건의 운영 데이터가 저장된 DB에 접근

: 사례 2 - Mythos 5가 존재하지 않는 PyPI 패키지명을 이용한 공급망 공격을 시도하기 위해 실제 PyPI에 악성 패키지를 업로드했으며, 약 1시간 동안 공개된 패키지가 15개 실제 시스템에서 실행돼 한 보안업체의 자동 분석 시스템 자격증명을 탈취하고 추가 인프라에 접근

: 사례 3 - 일반 출시 계획이 없는 내부 연구용 프로토타입 최신 모델이 원래 목표에 접근하지 못하자 약 9,000개의 인터넷 대상을 스캔한 뒤 SQL Injection과 노출된 디버그 페이지 등을 이용해 실제 기업 시스템에 침투했으나, 이후 실제 환경임을 인식하고 자발적으로 공격을 중단

: 앤스로픽은 Opus 4.7은 실제 환경임을 인식한 뒤에도 공격을 계속했고, Mythos 5는 실제 인터넷임을 추론하고도 시뮬레이션이라고 스스로 합리화한 반면, 최신 연구 모델은 실제 환경임을 확인하자 공격을 중단했다고 설명

: 평가는 일반 공개 모델에 적용되는 분류기(classifier)와 모니터링 등 안전장치를 제거한 상태에서 모델의 순수 능력을 측정하기 위해 수행. 실제 서비스 환경에서는 해당 안전장치가 이번 행동을 차단했을 것이라는 설명

: 이번 조사가 오픈AI의 Hugging Face 침해 사례 공개를 계기로 시작됐다고 밝히며 투명한 공개를 높이 평가하는 한편, 오픈AI 사례는 모델이 제로데이 취약점을 악용해 격리 환경을 탈출한 사건인 반면, 자사 사례는 평가 환경의 설정 오류로 인터넷 접근이 가능했던 운영상(harness) 실패에 따른 것으로 성격이 다르다고 강조

: 사건을 모델 정렬 실패가 아닌 평가 환경의 운영, 구성 오류로 규정했으며, 최신 연구 모델은 실제 인터넷 환경임을 인식한 뒤 자발적으로 공격을 중단했다는 점을 근거로, 평가 인프라 보안과 모니터링 강화, 모델 정렬 개선을 병행하면 위험을 충분히 관리할 수 있다고 평가

https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals

아마존의 2Q26 클라우드와 AI 성적표

안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다.

2Q AWS 매출은 422.3억 달러(+36.8%)로 컨센서스(Factset) 405.4억 달러를 상회했고,

성장률은 30%를 훌쩍 뛰어넘었습니다. 클라우드 인프라 성장 모멘텀 가속화가 지속 확인되고 있습니다.

- AWS 매출 성장 추이(1Q23~ )
15.8% → 12.2% → 12.3% → 13.2% →
17.2% → 18.7% → 19.1% → 18.9% →
16.9% → 17.5% → 20.2% → 23.6% →
28.4% → 36.8%

- AWS 영업마진 추이(1Q23~ )
24.0% → 24.2% → 30.3% → 29.6% →
37.6% → 35.5% → 38.1% → 36.9% →
39.5% → 32.9% → 34.6% → 35.0% →
37.7% → 39.4%

■ 클라우드 및 AI 관련 주요 내용

- AWS 연 환산 매출 1,690억 달러(vs 1Q 1,500억 달러) 규모가 현재 절반 이하였던 18개 분기 전 이후 가장 높은 성장

- AWS는 장기적으로 최소 수천억 달러 이상의 사업이 될 것이며, 연 매출 1조 달러 도달할 가능성도 존재

- AWS 마진 개선은 일회성이 아니라 운영 효율화, 서버 용량 최적화, 고정비 관리의 결과

- AWS 백로그 4,690억 달러(vs 1Q 3,640억 달러, 4Q 2,440억 달러). 세 자릿수 성장

- AWS AI 연 환산 매출 250억 달러(vs 1Q 150억 달러).  세자릿 수 성장

- 자체 반도체 사업은 연 환산 매출 250억 달러 상회(vs 1Q 200억 달러, 4Q 100억 달러). Trainium과 Gravition 중심으로 가성비 확보

- 앤스로픽과 오픈AI는 Trainium에 대해 다년간 수 GW 규모 사용 약정

- Trainium은 클라우드 서비스 형태로도 수요가 강하나 외부 직접 공급 수요 존재. 관련 방안 검토 중

- 프런티어 모델 없이도 AWS와 BedRock 성공 가능 판단. 다만 비용, 개발 속도, 모델 학습 우선순위의 통제력 확보를 위해 자체 프론티어 모델 개발도 추진

- 하나의 모델이 독점보다 여러 모델의 성능 경쟁 반복 전망. 향후 몇 년 내 성능이 비소한 프런티어 모델이 최소 6개 이상 존재. 하나는 아마존 자체 모델

- '26년 Cash CapEx 전망을 기존 2,000억 달러에서 2,200억 달러로 상향. 메모리 가격 상승이 주요 원인

- 투자 대부분은 AWS와 AI 수요 지원을 위한 데이터센터, 서버, 네트워크 장비 투입

- 이미 '27년 추가할 캐파 대부분이 예약됐으며, '28년 캐파도 상당 부분 고객 약정이 확보된 상태\

- '27년 말 전력 캐파를 '25년 말 대비 2배로 확대한다는 기존 계획 유지

- 데이터센터는 수익화 약 2년 전부터 투자가 필요하지만, 가동 이후 30년 이상 활용 가능

- 서버와 네트워크 장비는 고객 수요 확인 후 가동 몇 달 전에 구매하며, 평균 투자 회수 기간 3년 미만

- 하나의 데이터센터에 최소 5~6세대의 서버를 운영 가능. 두 번째 세대부터 초기 건설비가 반복되지 않음

- 장기적으로 매출 증가율이 추가 CapEx 증가율을 엄어서면 매출, FCF, ROIC가 크게 개선 전망

- 현재 AI 수요는 AI 연구소, 대형 AI 서비스, 기업의 비용 절감형 AI 활용에 집중된 바벨 구조

- 기업의 기존 워크로드에 AI 추론이 본격 적용되면 중간 영역이 장기적으로 가장 큰 시장이 될 것

- 기존 계약은 계약 당시 합의 가격이 유지. 비용 상승을 바로 전가하기는 어려움. 신규 계약에는 부품 가격 상승을 포함한 비용 구조를 반영해 결정

아마존을 포함해 클라우드 인프라 기업 실적에서는 엔터프라이즈 AI 모멘텀이 본격화되며 견조한 수요가 이어지고 있고,

토큰 수요를 충족시켜주는 사업은 높은 매출 성장과 마진 개선이 동시에 가능한 매력적 사업이라는 것이 재확인되고 있습니다.

(2026/7/31 공표자료)

오픈AI, GPT-5.6 Luna와 Terra 가격 인하 및 Sol Fast 모드 출시

안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다.

오픈AI는 최근 GPT-5.6이 스스로의 실행 효율성을 높이는 방법을 공개했는데요

이를 반영해 GPT-5.6 Luna(80% 인하)와 Terra(20% 인하)의 가격을 조정하고, Sol Fast 모드를 출시했습니다.

- Luna → 인풋 $0.2 및 아웃풋 $1.2/백만토큰
- Terra → 인풋 $2 및 아웃풋 $12/백만토큰

또한 Sol은 프로덕션 커널을 자율적으로 재작성 및 최적화하고, 토큰 생성 성능을 높이기 위해 수백 건의 실험을 설계하고 실행했습니다.

이를 통해 모델 서비스에 필요한 엔드투엔드 비용을 20% 절감했고, 토큰 생성 효율을 15% 이상 개선했습니다.

Sol Fast 모드는 기존 API의 Priority Processing을 대체하며 기본 대비 최대 2.5배 빠른 속도를 2배 가격에 제공합니다.

기업 고객은 복잡한 판단과 계획 수립에는 최상단의 Sol을, 명확하게 정의된 구현, 테스트, 평가 등 대량 업무에는 가성비 Luna를 사용하는 방식으로 최적화가 가능합니다.

오픈AI는 모델과, 추론 시스템, 에이전트 실행 환경의 효율성을 함께 개선하는 것에서 우위를 발생 시킬 수 있다고 보고 있습니다.

AAII 상 GPT-5.6 Luna(51점)의 작업 당 비용은 $0.06 수준입니다.

샤오미 MiMo-V2.5-Pro(42점)과 딥시크 DeepSeek V4 Pro(44점)의 $0.04와 크게 차이나지 않습니다.
비슷한 점수대의 모델과 격차도 상당합니다.

- Claude Sonnet 5(53점) → $1.53
- GLM-5.2(51점) → $0.27
- Muse Spark 1.1(51점) → $0.26

가성비의 프론티어 곡선 상 저가 모델 영역을 나홀로 주도하는 상황입니다. 최적화가 동반된 가격 인하라면 마진 부담도 일부 상쇄할 수 있습니다.

(2026/7/31 공표자료)

구글, 앤스로픽의 1.6GW 텍사스 데이터센터에 금융 보증 제공 및 개발사 대출 협상

: 모건스탠리 주도 은행 컨소시엄은 앤스로픽 전용 데이터센터와 발전소 건설을 위해 개발사 넥서스 데이터 센터(Nexus Data Centers)에 대한 150억 달러 대출의 막바지 협상 진행 중

: 금융 패키지는 140억 달러 규모 브리지론과 회전신용한도로 구성. 구글은 보증 제공 대가로 데이터센터 및 발전 프로젝트 지분 약 20%를 확보할 전망

: 구글은 앤스로픽이 채무를 이행하지 못할 경우 데이터센터 임대료와 전력대금을 대신 지급하는 수십억 달러 규모 보증 제공. 대상은 임대차 계약 4건과 관련 전력구매계약

: 임차인이 채무를 이행하지 못하면 구글은 시설 임대차 계약을 인수해 직접 사용하거나 제3자에게 전대할 수 있으며, 수수료를 지급하고 보증 의무를 종료하는 선택지도 보유

: 구글은 테라울프와 Hut 8 등 앤스로픽이 최종 고객인 다른 데이터센터에도 지급보증을 제공. 알파벳의 관련 최대 잠재 위험 노출액은 6월 말 기준 438억 달러

: 텍사스주 허버드 캠퍼스는 자체 천연가스 발전소를 통해 1.6GW 전력을 공급하는 비하인드 더 미터 방식으로 개발. 전력망 연결 지연을 피할 수 있으며 향후 용량 추가 확대 계획

: 앤스로픽은 캠퍼스에 구글과 브로드컴이 공동 설계한 TPU를 배치하며, 반도체 비용은 브로드컴과 체결한 별도의 공급업체 금융 계약을 통해 조달

: 앤스로픽은 클라우드 사업자로부터 서버를 임차하는 방식에서 데이터센터의 직접 임차인으로 전환 중. 미국 개발사들과 12건 이상의 예비 임대차 계약을 체결했으며 향후 수년간 최소 10GW 확보를 목표

https://t.iss.one/Samsung_Global_AI_SW

딥시크, 내몽골 울란차브에 1GW 데이터센터 계획 보도

: 자체 시설 신축과 외부 캐파 임대를 병행해 대규모 컴퓨팅 인프라 확보 계획. ‘27년 말~‘28년 초 초기 가동 목표. 10여 개 기업이 해당 지역 내 프로젝트 보유

: 지난 4월 해당 지역에서 서버 유지 및 관리 엔지니어와 데이터센터 구축 총괄 매니저 모집이 보도된 바 있음

: 다만 데이터센터에 활용할 반도체는 알려지지 않음. 해당 지역은 연 평균 기온이 4도 수준으로 AI 서버 냉각에 필요한 전력 감축 가능

: 최근 Z AI도 중국산 칩을 활용해 1GW 캐파 일부 가동 보도

→ 중국도 1GW는 베이스 라인

https://t.iss.one/Samsung_Global_AI_SW

프론티어 AI 모델의 사이버 보안 위험성 - 오픈AI에 이어 앤스로픽도 침해 사례

안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다.

7월 초 오픈AI의 AI 모델 평가 중 탈주한 모델이 허깅 페이스를 침해한 사고(추가로 4개 공개 서비스 및 리소스 접근도 확인)가 발생했습니다.

이후 앤스로픽도 사이버 보안 평가 중 발생한 Claude의 실제 시스템 무단 접근 사례 3건을 공개했는데요

오픈AI 사례가 내부 평가 모델이 제로데이 취약점을 찾아 격리 환경을 탈출했다면, 앤스로픽의 사례는 평가 환경 설정 오류로 인터넷에 접근한 모델이 실제 기업 시스템 침투, 운영 데이터 접근, PyPl 악성 패키지 배포 등을 수행했습니다.

사고 원인은 각각 모델의 취약점 악용과 평가 환경 구성 오류로 상이하지만, 모두 AI가 인간 개입 없이 실제 외부 시스템에서 높은 수준의 공격 능력을 보여줬다는 시사점이 있습니다.

앤스로픽 측은 오픈AI 사례와는 선을 그으며 모델 정렬 실패가 아닌 평가 환경의 운영, 구성 오류로 규정했습니다.

또한 연구용 모델이 실제 인터넷 환경이라는 것을 인식한 뒤 자발적으로 공격을 중단했다는 점을 증거로 모델의 상황 인식과 정렬 능력이 개선되고 있으며, 평가 인프라 보안과 모니터링 강화, 추가적인 모델 정렬 개선을 병행하면 위험을 충분히 관리할 수 있다는 입장입니다.

예상보다 빠르게 확인되는 프런티어 AI 모델의 사이버 공격 역량은 AI 네이티브 보안 시장의 구조적 성장으로 연결됩니다.

AI 에이전트 활용 환경에서의 보안이 핵심 경쟁력으로 부상하게 되고, 프런티어 AI 개발사도 평가 환경, 권한 관리, 모니터링, 런타임 통제 등에 대한 투자를 확대해야하는 유인이 증가합니다.

실제로 팔로알토 네트웍스, 크라우드 스트라이크 등 대표 사이버 보안 기업은 상대적으로 긍정적 주가 흐름을 이어가고 있습니다.

추가적으로 일반 출시 계획이 없다는 단서를 붙이긴했지만, 앤스로픽도 오픈AI와 유사하게 내부 연구용 최신 모델이 있다는 사실이 재확인되었다는 점도 주목할 필요가 있습니다.

(2026/7/31 공표자료)

바이트댄스, AI 중심 조직 개편 단행. AI ARR 40억달러로 중국 선두

: 바이트댄스는 기업용 협업 플랫폼 Lark(Feishu) 조직을 AI 사업 중심으로 재편. AI 제품 경쟁력과 기업 고객 대응 역량 강화를 위한 조치

: 제품 조직은 AI 챗봇 Doubao, 영업, 고객지원 조직은 클라우드 사업부 Volcano Engine, 개발, 인프라 조직은 AI 애플리케이션 사업부 Flow로 각각 통합

: 통합 후 Doubao 제품 조직은 기존 책임자 Zhao Qi가 총괄. Lark CEO David Xie Xin은 Zhao Qi에게 보고

: Volcano Engine 사장 Tan Dai가 AI 모델(Model-as-a-Service), SaaS, 클라우드 서비스를 아우르는 통합 영업, 고객지원 조직 담당

: 독립 SaaS 사업이었던 Lark의 비중을 축소하는 대신, AI 모델, AI Agent, 협업툴, 클라우드를 하나의 엔터프라이즈 AI 플랫폼으로 통합하는 전략 전환. TikTok 이후 새로운 성장축을 기업용 AI에서 찾고 있다는 평가

: 바이트댄스의 LLM 사업 ARR은 40억 달러. Doubao 유료 구독과 API, 기업용 AI 서비스 확대가 성장 견인

(vs Z AI 10억 달러, 딥시크 5억 달러, 문샷 AI 3억 달러, 알리바바 AI 사업 15억 달러)

: 바이트댄스는 올해 Doubao 유료 구독(월 68~500위안)을 도입하며 본격 AI 수익화

: 유료화 이후 5월 MAU는 약 610만명 감소했지만, 여전히 유저 3억 3천만명을 보유하며, 중국 최대 AI 애플리케이션 지위

https://t.iss.one/Samsung_Global_AI_SW

딥시크, DeepSeek-V4-Flash API 퍼블릭 베타 출시

: 동일 모델 아키텍처와 파라미터 규모를 유지한 채(사후학습만 수행) 에이전트 성능을 대폭 개선

: Responses API를 기본 지원하며 오픈AI Codex 사용 환경에 맞춰 최적화

: DeepSeek-V4-Flash API만 대상이며, V4-Pro API와 앱, 웹 모델은 변경되지 않음

: DeepSeek-V4-Pro 정식 버전은 추후 출시 예정

: AAII 점수 50점(기존 Flash Preview 40점), Gemini 3.6 Flash와 동점. V4 Pro Preview 44점

→ 사후학습에 대체 무슨 데이터를?

https://t.iss.one/Samsung_Global_AI_SW

딥시크, DeepSeek-V4-Flash AAII 점수 50점

: 기존 Flash Preview 40점 대비 +10점. V4 Pro Preview 44점

: 작업 당 비용 $0.03 이하

- GPT-5.6-Luna(51점) → $0.06
- GLM-5.2(51점) → $0.27
- Muse Spark 1.1(51점) → $0.26
- Gemini 3.6 Flash(50점) → $0.56

: 98% 캐시 히트 할인 정책(업계 일반 90%)이 핵심 경쟁력으로 작용

: 향후 몇 주 내 모델 전체 가중치 공개 예정

https://t.iss.one/Samsung_Global_AI_SW

미니맥스, 범용 멀티모달 생성 모델 MiniMax H3 발표

: 텍스트, 이미지, 비디오, 오디오를 하나의 컨텍스트로 이해하는 범용 멀티모달 생성 모델 H3 공개

: 최대 15초, 2K 해상도 비디오와 네이티브 스테레오 오디오를 함께 생성

: 기존처럼 Text-to-Video, Image-to-Video, 편집, 음성 생성 등을 개별 모델로 분리하지 않고, 모든 생성·편집 작업과 모달리티를 하나의 모델에서 통합하도록 설계

: Contextual Omni Representation, H3-VAE, H3-Omni Transformer, In-Context Regeneration 등을 적용해 기본 2K 출력과 높은 학습·추론 효율 구현

: 2K 기준 생성 비용은 주요 경쟁 모델의 3분의 1 이하, 768p 기준도 주요 모델의 720p 대비 절반 이하라고 설명

: 수일 내 H3 모델 가중치를 오픈소스로 공개할 예정. 향후 M 시리즈 모델 통합, 모델 스케일링, 화질 개선을 추진할 계획

https://www.minimax.io/blog/minimax-h3

문샷AI, 알리바바 통해 NVIDIA GPU 2만 개 규모 컴퓨트 확보

: 문샷AI는 알리바바를 통해 약 2만 개 규모의 NVIDIA GPU 컴퓨트 접근. 복수의 관계자는 해당 계약이 NVIDIA H200 GPU 기반이라고 설명

: 알리바바는 2만 개 규모의 NVIDIA GPU 컴퓨트 용량을 제공한다는 점은 부인하지 않았으나, H200 기반 컴퓨트 제공은 부인. GPU 종류와 위치는 불분명

: 별도로 문샷AI는 동남아를 통한 NVIDIA Blackwell GPU 접근 경로도 확보. 합법적 해외 컴퓨트 임대인지, 미국 수출 규제를 위반한 직접 칩 조달인지는 확인되지 않음

: 앞서 백악관 OSTP는 해당 경로가 태국을 거치는 방식이며 Kimi K3 학습에 활용된 것으로 판단한다고 설명

https://t.iss.one/Samsung_Global_AI_SW

오픈AI, 사라 프라이어 <풍부한 지능의 구축>

첨단 AI를 더욱 강력하고 저렴하게 만들고, 더 많은 사람이 유용하게 활용할 수 있도록 하는 풀스택 접근법

: 더 강력한 모델 → 사용 확대 → 매출, 실사용 데이터 증가 → 연구, 인프라 재투자로 이어지는 선순환을 AI 사업의 핵심 경제 구조로 제시

: GPT-5.6 Luna 가격을 80%, Terra를 20% 인하. Sol Fast 모드는 지능 저하 없이 가격 2배에 최대 2.5배 빠른 처리 속도 제공

: 고객이 구매하는 것은 토큰이 아니라 업무 결과인 만큼, 모델 가격보다 재시도, 오류, 인적 감독까지 포함한 ‘성공적인 결과당 비용’이 중요하다고 강조

: GPT-5.6 Sol을 활용한 프로덕션 소프트웨어 최적화로 모델 서빙 비용을 20% 절감하고, 추측 디코딩 개선을 통해 토큰 생성 효율성을 15% 이상 향상

: 모델 변경 없이 추론 상태 유지와 컨텍스트 관리만 개선해 ARC-AGI-3 점수를 13.3%에서 38.3%로 높이고 출력 토큰은 6분의 1로 축소. 모델뿐 아니라 주변 시스템 최적화의 중요성 강조

: 인프라, 모델, 플랫폼, 제품을 통합하는 풀스택 구조를 통해 실제 사용 데이터가 연구와 제품 개선, 비용 절감, 인프라 투자 판단으로 연결된다고 설명

: 오픈AI 모델은 활성 사용자 10억 명 이상, 기업 고객 200만 곳 이상에 도달. 가입 6개월 후 사용자의 일평균 메시지는 약 50%, 활용 업무 종류는 약 2배 증가

: 오픈AI 내부에서는 Codex 기반 에이전트 업무가 주간 출력 토큰의 99.8%를 차지하며, ChatGPT Work는 단순한 질의응답에서 복잡한 다단계 업무 수행으로 확장

: 향후 인프라 투자는 사용자 증가, 기업 계약, API 사용량, 가동률, 매출 등 검증된 수요에 맞춰 단계적으로 집행하고, 직접 소유, 파트너십, 외부 구매를 경제성에 따라 병행

: 궁극적 목표는 데이터센터나 모델 규모 확대 자체가 아니라, 더 강력하고 저렴한 지능을 더 많은 개인과 기업이 활용하도록 만드는 것

https://openai.com/index/building-abundant-intelligence/