TML, 첫 모델 '잉클링' 오픈 공개..."성능 경쟁 대신 실효성"

오픈AI 최고기술책임자(CTO) 출신 미라 무라티가 이끄는 AI 스타트업 싱킹 머신즈 랩(TML)이 첫 자체 인공지능(AI) 모델을 공개하며 오픈소스 생태계에 승부수를 던졌다. 최첨단 성능 경쟁에 매달리기보다, 강력한 오픈소스 라이선스를 기반으로 추론 비용을 획기적으로 낮춰 기업들이 실무에 투입할 수 있는 실용적 모델이라는 점을 전면에 내세웠다. TML은 15일(현지시간) 자체 개발한 첫 대형언어모델(LLM) '잉클링(Inkling)'을 출시했다. 잉클링은 텍스트와 이미지, 음성을 동시에 이해하는 네이티브 멀티모달 모델로, 기업들이 자유롭게 수정·배포·상용화할 수 있는 아파치 2.0 오픈소스 라이선스로 배포됐다. 9750억개의 매개변수를 갖춘 전문가 혼합(MoE) 기반 트랜스포머 모델로, 실제 추론에는 410억개의 활성 매개변수만 사용하는 희소(sparse) 구조를 채택했다. 최대 100만 토큰의 컨텍스트 창을 지원하며, 텍스트·이미지·음성·영상 등 총 45조개 토큰으로 사전학습됐다. 함께 공개된 '잉클링-스몰(Inkling-Small)'은 2760억개 매개변수 가운데 120억개만 활성화하는 경량 모델이다. 비용과 지연시간이 중요한 코딩과 평가, 합성 데이터 생성 등의 작업을 겨냥했으며, 추론과 에이전트 작업에서는 대형 모델과 비슷한 성능을 보인다고 설명했다. TML은 잉클링을 최고 성능의 범용 모델이 아니라 사용자가 자유롭게 맞춤형 AI를 구축할 수 있는 기반 모델로 설계했다고 강조했다. 이를 위해 자체 플랫폼 '팅커(Tinker)'에서 모델 미세조정을 지원하며, 개발자들이 실제 학습 전에 모델을 체험할 수 있는 '잉클링 플레이그라운드'도 팅커 콘솔에 추가했다. 시연에서 잉클링이 스스로 자신의 미세조정 코드를 작성하고 실행한 뒤 결과를 평가하는 사례도 선보였다. 또 코딩, 에이전트 활용, 수학, 추론, 시각, 음성, 안전성 등 다양한 분야를 균형 있게 학습해 특정 벤치마크 점수보다 실제 업무에 적용하기 쉬운 범용성을 확보하는 데 초점을 맞췄다고 설명했다. 잉클링의 가장 큰 특징은 개발자가 AI의 추론량을 직접 조절할 수 있는 '제어 가능한 사고 수준(Controllable Thinking Effort)' 기능이다. 사용자는 추론 수준을 0.2에서 0.99까지 조정해 작업 난이도에 따라 연산량과 토큰 사용량을 선택할 수 있다. 단순한 업무에서는 적은 토큰으로 비용과 지연시간을 줄이고, 복잡한 문제에서는 더 많은 연산을 투입해 성능을 높이는 방식이다. TML에 따르면, 동일한 성능을 달성하는 데 엔비디아의 오픈 모델 '네모트론 3 울트라'보다 약 3분의 1 수준의 토큰만 사용해 에이전트 코딩 벤치마크인 '터미널 벤치 2.1'에서 비슷한 성능을 구현했다. TML은 3000만회 이상의 강화학습(RL)을 수행하는 과정에서 모델의 추론 과정이 자연스럽게 압축되는 '사고 과정 응축(Chain of Thought Condensation)' 현상도 확인했다고 밝혔다. 문법적 표현은 줄었지만, 정확도는 유지돼 응답 속도가 크게 개선됐다는 설명이다. 잉클링은 별도의 음성·비전 인코더를 붙이는 대신 처음부터 멀티모달 구조로 학습됐다. 음성은 dMel 스펙트로그램, 이미지는 40×40 픽셀 패치 형태로 입력받아 텍스트와 동일한 잠재공간에서 함께 처리한다. 이를 통해 음성 받아쓰기와 음성 지시 수행, 오디오 내용 분석은 물론 이미지 설명, 차트·도표 해석, 수학적 시각 추론까지 하나의 모델이 수행할 수 있다. 또 파이썬 도구를 활용해 이미지 확대와 자르기 등을 수행하면서 코드 기반 추론과 시각 추론을 결합할 수 있도록 설계됐다. TML은 잉클링 개발 과정에서 사실성(calibration), 지시 수행 능력, 검열 저항성을 핵심 목표로 삼았다고 밝혔다. 모델은 사실 여부가 불확실한 질문에는 적절한 수준의 확신만 표현하도록 강화학습했으며, 정보가 부족하면 "모르겠다"라거나 가능성을 제시하는 방식으로 답변하도록 훈련했다. 또 자동 채점 시스템과 웹 검색 기반 사실 검증기를 활용해 환각을 줄이는 동시에 복잡한 지시 수행 능력을 높였다. 정치·사회적으로 민감한 주제에 대해서도 불필요하게 답변을 회피하지 않도록 학습했으며, AI 스타트업 코그니션(Cognition)의 '선전·검열 평가(Propaganda and Censorship Eval)'에서 높은 수준의 검열 비순응(non-compliance) 특성을 보였다고 밝혔다. 반면 무기 제작이나 폭력, 사이버 공격 등 명백히 위험한 요청에 대해서는 높은 거부율을 기록했다. StrongREJECT 벤치마크에서는 98% 이상의 안전성 점수를 얻었고, FORTRESS 평가에서도 유해 요청은 거부하면서 정상적인 요청은 과도하게 차단하지 않는 균형을 유지했다고 설명했다. 잉클링은 허깅페이스에 전체 모델 가중치가 공개됐으며, SGLang, vLLM, TokenSpeed, llama.cpp 등 주요 오픈소스 추론 프레임워크를 지원한다. 엔비디아 블랙웰 GPU를 위한 NVFP4 양자화 모델도 함께 제공된다. API는 투게더 AI, 파이어웍스, 모달, 데이터브릭스, 베이스텐 등에서 이용할 수 있으며, TML은 오픈소스 생태계 전반과 협력해 기업들이 자체 데이터센터나 프라이빗 클라우드 환경에서도 손쉽게 모델을 운영할 수 있도록 지원할 계획이다. 잉클링은 최고 수준의 폐쇄형 모델과 비교하면 일부 코딩·추론 성능에서는 뒤처진다. 'SWE-벤치 베리파이드'에서는 77.6%를 기록해 '클로드 페이블 5(95.0%)'나 '딥시크-V4 프로(80.6%)'보다 낮았고, 고난도 추론에서도 'GPT-5.6 솔'이나 'GLM-5.2'에 미치지 못했다. 그러나 미국 오픈소스 경쟁 모델인 엔비디아의 네모트론 3 울트라를 대부분의 추론·코딩 벤치마크에서 앞섰으며, 음성과 이미지까지 기본적으로 지원하는 네이티브 멀티모달 오픈 모델이라는 점이 가장 큰 차별점으로 평가된다. 전문가들은 TML이 범용 성능 경쟁보다 기업 맞춤형 AI와 개방형 생태계 구축에 초점을 맞춘 전략을 선택한 것으로 보고 있다. 특히 아파치 2.0 라이선스를 채택해 상업적 활용에 제약이 거의 없다는 점은 기업 고객과 연구 기관에…