텐센트, 770억 아닌 7700억 매개변수 'Hy4 프리뷰' 오픈소스로 공개

텐센트가 8월 28일 차세대 대규모 언어모델 'Hy4 프리뷰(Hy4 preview)'를 오픈소스로 공개했다. 전문가 혼합(MoE) 구조를 채택해 총 7700억 개의 매개변수를 갖췄으며, 실제 추론 과정에서는 입력 토큰당 490억 개의 매개변수만 선택적으로 활성화된다. 컨텍스트 창은 100만 토큰을 넘어서, 긴 코드베이스나 여러 문서를 한 번에 다루는 작업에서도 맥락을 잃지 않도록 설계됐다. 이는 텐센트가 그동안 내놓은 하이브리드 계열 모델 가운데서도 매개변수 규모와 컨텍스트 길이 양면에서 눈에 띄는 진전이다.

생산성과 에이전트 작업에 초점을 맞춘 설계

텐센트는 이번 모델을 단순한 대화형 챗봇이 아니라 코딩 에이전트, 복잡한 도구 연동 워크플로, 기획·문맥 유지·다단계 실행이 필요한 생산성 업무를 겨냥해 설계했다고 밝혔다. 개발 단계부터 소프트웨어 엔지니어링, 게임 개발, 금융, 보안 등 현장 전문가들과 협력해 실제 업무 중심의 고품질 데이터를 학습시켰고, 자사의 코딩 도구 '코드버디(CodeBuddy)'와 업무 협업 플랫폼 '워크버디(WorkBuddy)'에 깊숙이 결합했다. 단순히 텍스트를 주고받는 수준을 넘어, 현업 엔지니어나 분석가가 곧바로 업무에 투입할 수 있는 B2B 생산성 솔루션으로 자리매김하겠다는 구상이다. 코딩, 사무 작업, 데이터 분석, 게임 개발, 과학 연구 등 폭넓은 실무 영역을 겨냥한 점도 이번 모델의 특징으로 꼽힌다.

블라인드 평가에서 GLM-5.3·키미 K3를 근소하게 앞서

텐센트는 내부 전문가 163명을 동원해 203건의 실무형 엔지니어링 과제로 블라인드 테스트를 진행했다고 밝혔다. 그 결과 Hy4 프리뷰는 4.0점 만점에 평균 2.99점을 기록해, 지푸 AI의 'GLM-5.3'(2.92점)과 문샷 AI의 '키미 K3'(2.94점)를 근소하게 앞섰다. 코딩과 에이전트 성능은 이전 버전 대비 큰 폭으로 개선돼 오픈소스 모델 가운데서는 정상권에 도달했지만, 텐센트 스스로도 오픈AI나 앤트로픽의 최상위 비공개 모델에는 아직 미치지 못한다고 인정했다. 세 모델의 점수 차가 0.1점이 채 되지 않는다는 점은, 중국발 오픈소스 대형 언어모델 사이의 경쟁이 이제 근소한 차이를 다투는 단계에 접어들었음을 보여준다.

텐센트는 현재 중국 AI 시장이 대형 테크기업과 스타트업 사이의 성능·상용화 경쟁으로 갈수록 가열되고 있다고 짚었다. 완성형 모델을 곧바로 내놓기보다 프리뷰 단계를 먼저 공개해 시장의 실질적인 피드백을 모으고, 이를 반영해 빠르게 반복 개선하는 방식을 택했다는 설명이다. 지푸 AI의 GLM 계열, 문샷 AI의 키미 계열이 잇달아 신모델을 내놓으며 벌이는 경쟁 구도 속에서, 텐센트는 자사 생태계 제품과 결합한 실무형 모델로 존재감을 확보하려는 것으로 풀이된다.

• 총 매개변수 7700억 개, 활성 매개변수 490억 개(MoE 구조)
• 컨텍스트 창 100만 토큰 이상, 코드베이스·대형 문서를 한 번에 처리
• 제공 경로: 워크버디·코드버디(중국·해외판), 위안바오(Yuanbao), ima, 텐센트 클라우드 토큰허브(TokenHub) API, 오픈라우터(OpenRouter)
• 출시 기념 워크버디·코드버디 2주간 무료 이용
• API 가격: 입력 100만 토큰당 0.834달러, 출력 100만 토큰당 2.501달러
• 가중치를 허깅페이스·깃허브·모델스코프 세 플랫폼에 동시 공개

프리뷰가 인정한 한계, 그리고 빠른 반복 전략

텐센트는 이번 모델이 정식판 이전의 '프리뷰' 단계인 만큼 복잡한 작업에서 사고 시간이 길어지거나 과도하게 자기 검증을 반복하는 등의 한계가 남아 있다고 인정했다. 성능을 더 끌어올릴 여지가 있다는 점도 스스로 밝혔다. 동시에 이 모델이 자사의 학습·추론 시스템 일부를 최적화하는 데도 쓰여, 기준 대비 종단 간 처리량을 31.8% 끌어올렸다고 밝혔다. 완성형 모델을 기다리기보다 프리뷰를 먼저 신속하게 내놓아 시장의 실질적인 피드백을 수집하고, 이를 바탕으로 정식 Hy4의 완성도를 끌어올린다는 게 텐센트의 전략이다. 동시에 코드버디·워크버디의 초기 무료 혜택은 자사 생태계 안에 사용자를 붙잡아 두려는 락인(lock-in) 포석이기도 하다.

한국 기업에는 무엇이 달라지나

한국의 개발팀과 IT 기업에는 선택지가 하나 더 늘어난 셈이다. 오픈라우터와 텐센트 클라우드 API를 통해 별도 인프라 구축 없이 곧바로 Hy4 프리뷰를 붙여 쓸 수 있고, 가중치가 공개돼 있어 온프레미스나 자체 파인튜닝을 검토하는 기업에도 문턱이 낮다. API 가격도 입력 100만 토큰당 1달러가 채 되지 않아, 대량의 코드 리뷰나 문서 처리를 맡기려는 스타트업에는 비용 부담을 낮추는 요인이 될 수 있다. 100만 토큰이 넘는 컨텍스트 창은 방대한 사내 문서나 레거시 코드베이스를 한꺼번에 넘겨 분석을 맡기려는 기업에도 실질적인 장점이 될 만하다. 다만 지푸 AI, 문샷 AI 같은 중국계 오픈 모델들이 근소한 점수 차로 경쟁하는 구도가 이어지고 있는 만큼, 실제 도입에 앞서 자체 업무 데이터로 성능을 검증하는 절차와 데이터가 어디에 저장·처리되는지에 대한 검토는 여전히 필요하다.