|
SK텔레콤 정예팀은 4개월여의 개발기간과 제한된 GPU 자원에도 불구, 다양한 기술과 효율성을 극대화한 설계로 국내 첫 500B 이상 초거대 모델 A.X K1을 완성했다. 주요 벤치마크에서 딥시크-V3.1 등 세계적으로 많이 활용되는 초거대 모델과 유사하거나 더 높은 성능을 달성했다.
정예팀은 1000개의 GPU 자원을 활용해 A.X K1 학습을 진행했다. 학습 기간과 GPU 규모를 바탕으로 가능한 총 학습량을 추산하고, 이를 통해 최대 모델 크기를 스케일링 이론에 근거해 설계했다. 그 결과 세계적으로도 독창적인 매개변수 구조인 519B 규모의 모델을 목표로 정하고, 약 10조개의 데이터를 투입해 학습했다.
정예팀은 개발기간 상시 1000개 이상의 GPU를 AI 훈련에 활용했다. 투여된 GPU 자원 대비 효과를 극대화하기 위해 최적의 학습 연산량을 수학적으로 설계하고 관리했다. A.X K1은 개발기간 정부 지원을 받지 않고, 자체 GPU 조달만으로 목표를 달성했다. 모델 학습에는 웹 데이터, 코드, 이공계 데이터, 추론 데이터 등 다양한 고품질 데이터를 활용했다.
A.X K1은 수학과 코딩 등 초거대 AI 모델의 능력을 필요로 하는 분야에서 우수한 성능을 구현했다. 이번 보고서에 기술된 벤치마크 지표는 매개변수 6850억개(685B)의 딥시크-V3.1, 매개변수 3570개(357B)의 GLM-4.6 오픈소스 모델을 대상으로 규모 대비 성능을 비교할 수 있도록 했다.
수학은 AIME25 벤치마크에서 89.8점을 받아 딥시크-V3.1 모델(88.4점) 대비 102% 수준으로 앞선 성능을 확인했다. AIME25는 미국 고등학생 수학 올림피아드 문제로 AI의 수학 실력을 측정하며, 창의적이고 복잡한 난이도의 문제가 출제된다. 코딩 활용도 측면에서 측정한 라이브코드벤치는 영어 기반 75.8점, 한국어 기반 73.1점을 기록하며 실시간 코딩 문제 해결 능력을 입증했다. 이는 AI가 실시간으로 나오는 최신 코딩 문제를 얼마나 잘 푸는지 측정하는 시험이다.
A.X K1은 519B 규모의 파라미터 가운데 33B만 선택적으로 활성화하는 방식으로 효율성을 높였다. 전문가 혼합 구조를 채택해 AI 훈련 과정의 안정성과 효율을 동시에 확보한 것이 특징이다. MoE는 여러 개의 작은 전문가 모델들이 모여서 하나의 큰 문제를 해결하는 방식으로, 각 전문가 모델은 특정 유형의 데이터를 잘 처리하도록 특화됐다. 입력 데이터에 따라 가장 적합한 전문가가 선택돼 문제를 해결한다.
한편 A.X K1은 한 번에 128K 토큰의 긴 문맥도 처리할 수 있는 능력을 갖췄다. 이는 한국어 기준 약 10만 단어로서 AI 모델이 소설책 한 권 또는 기업 연간 보고서 한 권도 동시에 검토할 수 있게 한다.
