엔비디아가 550B 프런티어를 통째로 풀었다: 가중치에 학습 데이터와 레시피까지

NVIDIA가 6월 4일 Nemotron 3 Ultra를 공개했다. 총 5500억 파라미터(550B)의 Mixture-of-Experts 모델이지만 토큰당 활성 파라미터는 약 550억(55B), 즉 희소성이 10% 수준이다. 하이브리드 Mamba-Transformer 구조라 비슷한 성능의 밀집 모델 대비 추론이 약 5배 빠르다.

진짜 파격은 공개 범위다. 가중치만 던지는 게 아니라 학습 데이터와 레시피까지 OpenMDW 1.1이라는 제약 없는 라이선스로 함께 풀었다. 상업적 이용, 수정, 재배포에 제한이 없고, 이 모델로 만든 애플리케이션을 오픈소스로 공개할 의무도 없다.

한눈에 보기

공개	NVIDIA Nemotron 3 Ultra, 2026-06-04
규모	총 550B, 활성 55B (MoE, 희소성 약 10%)
구조	하이브리드 Mamba-Transformer, 추론 약 5배 빠름
라이선스	OpenMDW 1.1 (상업 이용·재배포 제약 없음)
공개물	가중치 + 학습 데이터 + 레시피
성능	Artificial Analysis 지능 지수 48, 89개 중 9위, SWE-bench 41.2%

점수보다 "어떻게 만들었나"를 풀었다는 점

독립 벤치마크인 Artificial Analysis 지능 지수에서 48점, 평가된 89개 모델 중 9위다. 미국 오픈 웨이트 중에서는 가장 높지만, 중국 오픈 모델들에는 아직 밀린다. SWE-bench 41.2%, WebArena 52.8%로 에이전트 작업에서 오픈 웨이트 선두권이다.

하지만 핵심은 점수가 아니다. 학습 데이터와 레시피를 함께 공개했다는 게 다르다. 대부분의 오픈 웨이트 모델은 완성된 가중치만 던진다. 어떻게 만들었는지는 블랙박스다. Nemotron 3 Ultra는 그 제조 공정을 열었다. 자기 데이터로 같은 방식의 모델을 재현하거나 도메인에 맞게 다시 구울 수 있다는 뜻이다.

장시간 에이전트를 노린 설계

NVIDIA가 강조한 용처는 명확하다. 오래 도는 에이전트다. MoE 구조로 활성 파라미터를 55B로 묶어 두면 같은 품질을 훨씬 적은 연산으로 낸다. 추론이 5배 빠르고 처리량이 높다는 건, 수십 단계를 거치는 자율 에이전트의 응답 지연과 비용을 동시에 줄인다는 의미다.

AI 우선 팀이 고객 데이터를 외부로 내보내지 않고 자체 인프라에서 에이전트를 돌려야 할 때, 이 조합은 현실적인 후보가 된다. 규제 산업이나 보안이 중요한 영역일수록 가치가 크다.

누가 진짜 이득을 보나

물론 550B 모델을 직접 돌리려면 만만찮은 GPU가 필요하다. 동네 가게나 1인 크리에이터가 노트북에 올릴 물건은 아니다. 당장의 수혜자는 자체 추론 인프라를 갖춘 AI 에이전시와 스타트업이다.

그리고 NVIDIA의 속내도 분명하다. 모델을 공짜로 풀수록 그 모델을 돌릴 자사 GPU 수요가 는다. 모델은 미끼고, 파는 건 삽이다.

anyAX 관점

고객 데이터를 외부 API로 절대 못 내보내는 일을 맡았다면, 무엇을 먼저 정해야 할까. 모델 점수가 아니라 데이터가 어디까지 나가도 되는지의 경계다. Nemotron 3 Ultra가 가중치에 학습 데이터와 레시피까지 제약 없는 라이선스로 푼 게 의미 있는 건, 그 경계를 자기 인프라 안에 통째로 그을 수 있게 해주기 때문이다.

규제 산업이나 보안이 걸린 일에서는 "이 모델이 GPT-5.5보다 몇 점 높냐"보다 "데이터가 사옥 밖으로 나가지 않음을 증명할 수 있냐"가 계약을 가른다. 점수는 9위라도, 자체 호스팅으로 데이터 주권을 보장하는 쪽이 그 자리를 가져간다. 오픈 웨이트의 값어치는 공짜라서가 아니라, 신뢰 요건을 먼저 만족시킬 수 있어서다.

물론 550B를 직접 돌릴 GPU가 없는 1인 팀이 대부분이다. 그런 팀에게 이 뉴스의 실속은 협상 카드다. 같은 모델을 호스팅으로 빌리되, 정 안 되면 자체 추론으로 내릴 수 있다는 사실 하나가 가격과 안정성에서 뒷배가 된다. 보안이 계약 조건인 일을 노린다면, 이런 자체 호스팅 가능 모델을 패에 넣어 두는 것부터가 시작이다.