#DeepSeek
7개의 포스트

한 줄만 틀려도 버린다 — 뉴스 4만 7천 묶음을 읽힐 LLM, 7종 12가지 설정을 같은 검증기로 재다
사실탐색기는 같은 사건을 다룬 기사 묶음 4만 7,300개에서 주장·시점·같은 사건 관계를 원문 인용과 함께 뽑아야 합니다. 어느 모델에 맡길지 정하려고 Claude 3종, DeepSeek Flash, Muse Spark, 무료 K-EXAONE, 사내 A100에 올린 Qwen3.8-27B까지 7종 12가지 설정을 같은 지시문과 같은 검증기로 쟀습니다. 검증기는 행 하나만 틀려도 이야기 전체를 거부합니다. 그래서 순위는 ‘통과하면 얼마나 잘하나’보다 ‘긴 이야기에서 끝까지 버티나’로 갈렸습니다. Claude Haiku 5.5는 7개를 모두 통과하며 기준 주장의 89%를 회수했습니다. DeepSeek·EXAONE·Qwen은 통과한 이야기에서는 72~88%를 회수하고도 긴 이야기를 거의 다 잃어, 판본에 남은 양이 14~29%였습니다. 지시문 한 줄은 Sonnet 5.5의 회수율을 34%에서 68%로 두 배 올렸지만 DeepSeek에는 독이 됐고, 생각 모드는 답 대신 생각만 남겼습니다. 무료와 할인의 조건, 사내 GPU로 돌리는 데 드는 시간, 주장 하나당 비용까지 정리했습니다. 위젯 3종, 코어닷투데이 실측, 삽화 6장.
![[특집] 입력 토큰 경제 — OpenRouter 1년치 기록으로 본 AI 시장의 체질 변화](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fite-cover.webp&w=3840&q=75)
[특집] 입력 토큰 경제 — OpenRouter 1년치 기록으로 본 AI 시장의 체질 변화
OpenRouter가 공개한 53주치 순위 기록을 내려받아 다시 계산했습니다. 1년 사이 처리 토큰은 32배, 요청 수는 9.5배 늘었고, 요청 한 건의 평균 길이는 5,930토큰에서 20,037토큰으로 3.4배가 됐습니다. 지난주 시장 전체의 입력:출력 비율은 39:1이었습니다. Anthropic의 토큰 점유율은 16.2%에서 8.6%로 반 토막 났지만 요청 점유율은 4.4%에서 4.2%로 거의 그대로였고, 지출 점유율은 36.5%로 토큰 점유율의 네 배가 넘었습니다. 토큰 점유율, 요청 점유율, 매출은 서로 다른 세 개의 자이며, 지금 AI 시장은 '얼마나 쓰나'보다 '얼마나 읽나'로 움직이는 입력 토큰 경제가 됐습니다.
![[특집] 반감기 3주 — 모델의 전성기도, 추론 원가도 3주면 반으로](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fhl3-cover.webp&w=3840&q=75)
[특집] 반감기 3주 — 모델의 전성기도, 추론 원가도 3주면 반으로
OpenRouter 53주치 순위와 InferenceX 원가 이력을 다시 계산해 '시간'을 쟀습니다. 주간 상위 9에 든 모델 70개 가운데 들어왔다 나간 52개의 체류 중앙값은 3주였고, 모델 점유율은 정점에서 중앙값 2주 만에 반으로 줄었으며, 1위는 51주 동안 25번 바뀌었습니다. 원가도 비슷하게 빨랐습니다. 출시 첫 주부터 측정된 12칸에서 가장 싼 칩의 100만 토큰 원가가 반이 되기까지 중앙값 21일이 걸렸고, 칩을 바꾸지 않고 소프트웨어만으로도 B200 위의 Kimi K3는 95%, B300 위의 DeepSeek V4 Pro는 97% 내려갔습니다. AMD MI355X는 B200 대비 원가 배수가 중앙값 1.88배에서 1.16배로 따라왔지만, H100·H200 위의 원가는 중앙값으로 거의 움직이지 않았습니다. 출시 주에 벤치마크와 단가를 굳히지 말고, 달마다 다시 재고, 모델을 갈아 끼울 수 있게 만드는 것이 이 시장의 기본기입니다.
![[특집] 그림자 속의 동료 — 섀도 AI, 회사가 모르는 AI는 어떻게 가장 흔한 보안 사고가 되었나](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fsai-cover.webp&w=3840&q=75)
[특집] 그림자 속의 동료 — 섀도 AI, 회사가 모르는 AI는 어떻게 가장 흔한 보안 사고가 되었나
2026년 1월, 미국의 사이버보안 책임 기관을 이끌던 국장대행이 대외비 표시가 붙은 문서를 공개 ChatGPT에 올린 사실이 보도됐습니다. 보안의 최고 책임자도 하는 일이라면, 우리 회사 직원은 어떨까요. 국내 재직자 조사에서 생성형 AI 사용 사례의 38%는 회사 승인 없이 개인 돈으로 쓰는 것이었고, 하루 2시간 이상 쓰는 사람은 반년 만에 18%에서 72%가 됐습니다. 이 글은 '섀도 AI'를 1981년 은행 직원들이 PC를 사무용품으로 몰래 사던 때부터 따라갑니다. 왜 사람들은 AI 사용을 숨기는지, 붙여넣은 자료는 어디로 가는지, 2023년의 금지령은 왜 3년 만에 공식 도입으로 바뀌었는지, 그리고 이제 사람이 아니라 '에이전트'가 그림자 속에서 일하기 시작한 2026년에 회사가 무엇을 해야 하는지 정리합니다.

당신의 AI, 빌린 겁니까 가진 겁니까 (2부): SFT에서 GRPO까지, '디지털 트윈'이라는 훈련장
'강화학습으로 모델을 훈련한다'는 말은 정확히 무슨 뜻일까? 사전학습·SFT·RLHF·RLVR로 이어지는 개념의 사다리를 밟아 오르고, 요즘 화제인 GRPO를 '커브로 채점하는 시험'에 빗대 직관적으로 푼다. 그리고 모델이 실제로 업무를 연습하는 '디지털 트윈'과 보상 설계까지, Fermisense의 카탈로그 실험을 해부한다.

성당과 시장의 귀환 — 빅테크는 왜 자기 보물을 공짜로 풀어주는가
Bill Gurley의 화제작 'Open Source Strategy'를 한국 독자를 위해 풀어 쓰다. 1983년 스톨먼의 분노부터 2026년 DeepSeek의 폭격까지 — 빅테크가 코드를 공짜로 푸는 진짜 이유, 그리고 AI 시대에 다시 시작된 '성당 대 시장'의 두 번째 시즌.

Mixture of Experts 완전 해부: 1.8조 파라미터인데 왜 빠른가
GPT-4는 1.8조 파라미터지만 추론 시 222B만 활성화된다. 어떻게 가능한가? 1991년 MIT에서 시작된 '전문가 혼합' 아이디어가 34년 뒤 모든 프론티어 AI 모델의 핵심 아키텍처가 되기까지 — Expert의 정체, 라우팅의 작동 원리, 실전 사례와 논란까지 완전 해부한다.