마이크로소프트가 자체 AI 7종을 풀었다
맥킨지 전용 튜닝으로 GPT-5.5를 비용 10배 차로 눌렀다
마이크로소프트가 Build 2026에서 OpenAI 없이 만든 자체 모델 7종을 공개했다. 핵심은 성능 1등 경쟁이 아니라, 특정 도메인에 맞춘 작은 모델이 범용 거대 모델을 비용 10배 차로 이긴 사실이다.
지난 6월 2일 샌프란시스코에서 열린 마이크로소프트 Build 2026에서, 마이크로소프트가 OpenAI 데이터를 전혀 쓰지 않고 자체 개발한 AI 모델 7종을 한꺼번에 공개했다. 추론 모델 MAI-Thinking-1, 코딩 모델 MAI-Code-1-Flash, 이미지·음성·전사 모델까지 한 가족이다.
헤드라인은 "마이크로소프트가 드디어 OpenAI에서 독립한다"였다. 하지만 한국 소상공인·솔로프리너에게 진짜 중요한 건 그 정치 싸움이 아니다. 이 발표에 박힌 숫자 하나다. 컨설팅사 맥킨지에 맞춰 튜닝한 모델이 OpenAI의 GPT-5.5를 비용 효율 10배 차로 눌렀다.
한눈에 보기
| 공개일 | 2026년 6월 2일, MS Build 2026 |
| 모델 수 | 자체 개발 7종 (추론·코딩·이미지·음성·전사) |
| 학습 데이터 | 상업 라이선스 데이터, OpenAI·앤트로픽 증류 없음 |
| 핵심 숫자 | 맥킨지 전용 튜닝 → GPT-5.5 대비 비용 10배 효율 |
| 가격 | 입력 100만 토큰 $0.75, 출력 $4.50 |
| 배포 | 6월 2일부터 유료 깃허브 코파일럿 전체 사용자 |
작은 모델이 거대 모델을 이기는 방식
MAI-Thinking-1은 활성 파라미터 350억의 희소 MoE 구조에 256K 컨텍스트를 가진 추론 모델이다. 수학 벤치마크 AIME 2025에서 97.0%, AIME 2026에서 94.5%를 기록했고, 소프트웨어 벤치마크 SWE-Bench Pro에서는 클로드 Opus 4.6과 동급으로 평가됐다. 독립 평가사 Surge의 블라인드 비교에서는 클로드 Sonnet 4.6보다 선호됐다.
코딩 전용 MAI-Code-1-Flash는 파라미터가 고작 50억이다. 그런데 같은 체급의 클로드 Haiku 4.5를 SWE-Bench Pro에서 51.2% 대 35.2%로 16포인트 앞섰고, 어려운 과제에서는 토큰을 60% 적게 썼다. 토큰을 적게 쓴다는 건 곧 같은 일을 더 싸게 한다는 뜻이다.
여기서 중요한 패턴이 나온다. 마이크로소프트는 "세상에서 제일 똑똑한 모델"을 만들어 OpenAI를 이기려 하지 않았다. 목적에 맞춘 작은 모델 여러 개로, 각 작업에서 충분히 좋으면서 훨씬 싼 조합을 만들었다.
맥킨지 사례가 핵심이다
가장 의미 있는 숫자는 벤치마크가 아니라 맥킨지 사례다. 마이크로소프트 AI CEO 무스타파 술레이만에 따르면, 맥킨지의 실제 업무 기준에 맞춰 모델을 파인튜닝했더니 GPT-5.5를 비용 효율 10배 차로 이겼다.
이게 왜 중요한가. GPT-5.5는 여전히 범용 성능에선 최상위권이다. 그런데 "맥킨지가 매일 하는 일"이라는 좁은 범위로 한정하자, 그 좁은 범위에 맞춘 작은 모델이 거대 범용 모델을 10배 효율로 압도했다. 범용 1등이 모든 현장에서 1등은 아니라는 뜻이다.
동시에 AI를 쓰는 비용 자체가 빠르게 무너지고 있다. MAI-Thinking-1의 출력 가격은 100만 토큰에 $4.50, 캐시된 입력은 $0.075다. 1년 전 같은 급 추론 모델 대비 자릿수가 달라졌다. 마이크로소프트는 OpenAI와의 계약을 2025년 말 재협상해 매출 공유에 상한을 두고 독점 판매권을 끝냈고, 로열티가 빠진 비용 절감분을 개발자에게 넘긴다고 밝혔다.
anyAX 관점
10배. 이 숫자가 뒤집는 건 거인들의 자존심 싸움이 아니라, AI를 고를 때 우리가 무의식적으로 따르던 규칙이다. "성능 1등 모델을 쓰면 안전하다"는 규칙. 맥킨지의 좁은 업무에서는 그 규칙이 비용을 10배 비싸게 만들었다.
파라미터 50억짜리 MAI-Code-1-Flash가 같은 체급 모델을 16포인트 앞서고 토큰을 60% 적게 쓴 이유는 더 똑똑해서가 아니다. 코딩이라는 좁은 일만 하도록 깎였기 때문이다. 범용 거대 모델은 모든 질문에 답하느라 모든 질문에 약간씩 비싸다. 1인 SaaS의 온보딩 응대, AI 에이전시의 고객사 톤 교정, 식당의 단골 문의처럼 일의 범위가 좁을수록 이 격차는 더 벌어진다.
그래서 솔로프리너가 할 계산은 "어느 모델이 제일 세냐"가 아니라 "내 일은 얼마나 좁은가"다. 내 업무를 한 문장으로 정의할 수 있을 만큼 좁다면, GPT-5.5급 범용 모델에 매달 비싼 값을 내는 건 낭비에 가깝다. 좁은 문제를 가진 쪽이 작은 모델로 거대 모델을 이기는 시대다.
벤치마크 1등은 광고 카피지 운영비가 아니다. 운영비를 결정하는 건 내가 풀려는 문제의 폭이고, 그 폭을 정확히 아는 사람이 가장 싸게 가장 잘 맞는 도구를 쥔다.