SK텔레콤이 자체 개발한 AI 모델 A.X K2(에이닷 엑스 K2)가 국제수학올림피아드(IMO) 문제에서 금메달 기준 점수를 넘었다고 발표했습니다.
숫자 하나가 핵심입니다. 올해 IMO 금메달 기준점이 42점 만점에 29점이었고, A.X K2도 정확히 29점을 받았습니다.
그런데 이 발표에서 진짜 눈여겨볼 지점은 IMO 점수가 아니라 다른 곳에 있습니다.
### 무엇을 발표했나
성과를 먼저 정확히 살펴보겠습니다.
A.X K2는 올해 IMO 6개 문제 평가에서 42점 만점에 29점을 받았습니다. 지난해 IMO 2025 문제로는 35점을 기록했고, 앞쪽 다섯 문제는 각각 만점을 받았습니다.
여기서 중요한 구분이 하나 있습니다. 이 IMO 점수는 SK텔레콤이 직접 채점한 자체 평가입니다. 외부 기관의 독립 검증이 아니라, 회사가 자사 모델로 문제를 풀린 뒤 채점한 결과입니다. “금메달 수준”이라는 표현이 과장은 아니지만, 자체 평가라는 점은 짚고 가야 합니다.
### 진짜 신호는 외부 리더보드에 있습니다
반면 SK텔레콤이 직접 채점하지 않은 지표가 하나 있습니다.
ETH 취리히 SRI Lab과 INSAIT가 운영하는 독립 학술 리더보드인 MathArena AIME 2026에서 A.X K2는 97.1%의 정확도로 공동 1위에 올랐습니다. 그리고 공동 1위를 나눈 상대가 티모신 머신스 랩의 잉클링(Inkling)입니다.
잉클링은 오픈AI 출신 미라 무라티가 세운 연구소가 내놓은 오픈웨이트 모델입니다. 앞서 이 블로그에서 잉클링을 다룰 때, 작게 만들어 날카롭게 승부한 모델이라고 정리했습니다. 그 모델과 한국 통신사의 모델이 제3자 수학 리더보드에서 나란히 최상단에 앉은 것입니다. SK텔레콤이 채점에 관여하지 않은 결과라는 점에서, 신뢰도가 더 높습니다.
### A.X K2는 어떤 모델인가
A.X K2는 6,880억 개(688B) 파라미터 모델입니다. 다만 이 숫자에 겁먹을 필요는 없습니다.
이 모델은 MoE(Mixture-of-Experts) 구조입니다. 쉽게 말해, 문서상으로는 거대하지만 토큰 하나를 처리할 때는 전체 중 일부인 약 33억 개 파라미터만 깨어납니다. 큰 건물이지만 지금 쓰는 방에만 불을 켜는 방식입니다. 이렇게 하면 프런티어급 추론 성능을 비교적 낮은 구동 비용으로 낼 수 있습니다.
요즘 이 효율화 흐름이 곳곳에서 보입니다. UNIST가 층끼리 전문가를 공유해 모델을 가볍게 만든 GMoE 연구, 티모신 머신스가 일부러 작게 간 선택 모두 같은 방향입니다. 업계 전체가 “활성 파라미터는 적게, 성능은 높게”로 수렴하고 있습니다.
두 가지 사실을 더 짚겠습니다.
첫째, A.X K2는 진짜 오픈 모델입니다. 허깅페이스에 아파치 2.0 라이선스로 공개돼 있어, 누구나 내려받아 상업적으로 써도 됩니다.
둘째, 학습 데이터 구성이 의미심장합니다. 약 8.2조 토큰으로 학습했는데, 언어 비중이 영어 72.7%, 한국어 15.4%, 코드 8.3%입니다. 이 숫자는 한 번 더 짚을 필요가 있습니다. 한국 기업이 소버린 AI(자국 주권 AI) 성과로 내세우는 모델의 학습 데이터 대부분이 영어입니다.
### 인사이트 — 왜 하필 수학인가
불과 얼마 전만 해도 AI의 자랑거리는 챗봇 벤치마크나 코딩 테스트였습니다. 지금은 IMO 문제, AIME 정확도, 올림피아드 메달로 바뀌었습니다.
이 변화는 겉치레가 아닙니다. 수학 올림피아드 문제는 인터넷을 통째로 외워서는 풀 수 없는 다단계 추론을 요구합니다. 논리를 따라가거나, 못 따라가거나 둘 중 하나입니다. 앞서 오픈AI가 차세대 모델 이름을 수학 블로그 글 속에 묻어 공개했을 때도 같은 신호였습니다. 수학은 이제 각 연구소가 “우리 모델은 실제로 추론한다”를 증명하는 공간이 되었습니다. SKT가 금메달 선을 넘었다는 것은, 업계가 인정하는 방식으로 추론 능력을 입증한 것입니다.
다만 이 발표가 하나로 묶으려는 두 가지 질문은 따로 봐야 합니다.
첫째, 이것이 실제 기술 성과냐는 질문입니다. 대체로 그렇습니다. 잉클링과의 AIME 공동 1위는 제3자·공개 지표이고, 자금력 있는 프런티어 연구소와 라이브 보드에서 동점을 내는 것은 조작할 수 있는 종류가 아닙니다.
둘째, 소버린 AI가 프런티어를 따라잡았다는 뜻이냐는 질문입니다. 이건 더 큰 주장이고, 세부는 오히려 반대를 가리킵니다. IMO 금메달 점수는 자체 채점입니다. IMO 최고점(42점 만점)은 중국 모델을 포함해 복수의 AI 모델이 기록한 것으로 보고됩니다. 그리고 NYU RITS의 A.X K2 분석은 정작 중요한 격차를 짚었습니다. 이 모델은 정제된 수학과 고객 지원 시뮬레이션에서는 빛나지만, 열린 웹 탐색 능력에서는 점수가 낮습니다. BrowseComp에서 약 9점, 고객 지원 과제에서 98점입니다.
즉, 잘 정의된 좁은 과제에는 매우 강하지만, 프런티어 모델들이 달려가는 길고 복잡한 에이전트 작업에서는 아직 약합니다.
사실 이것이 지금 한국 소버린 AI의 정직한 모습입니다. 통하는 전략은 “모든 면에서 오픈AI를 이긴다”가 아니라, “집중력 있고 효율적인 오픈 모델이 실제로 경쟁 가능한 한 분야를 골라 거기서 이긴다”입니다. 수학 추론은 영리한 선택입니다. 측정이 가능하고, 업계의 인정도 받습니다. 무엇보다 미국 연구소들이 막대한 자본을 쏟는 웹 규모 에이전트 인프라 없이도 겨룰 수 있는 분야입니다.
무료로 내려받는 688B MoE 모델이 미라 무라티 연구소의 모델과 AIME에서 동점을 낸 것은 분명한 성과입니다. 다만 그것이 프런티어 격차를 좁혔다는 뜻은 아니며, 대부분 영어인 학습 데이터는 그 토대가 여전히 상당 부분 빌려 온 것임을 조용히 상기시킵니다.
제 생각은 이렇습니다. 보도자료보다 제3자 리더보드를 보는 편이 낫습니다. 여기서 진짜 신호는 AIME 결과입니다. IMO 금메달 프레임은 SK텔레콤이 하고 싶었던 이야기입니다. 기술적으로 근거가 있고 비교 범위를 신중하게 좁힌 주장이지만, “미국·중국 밖 최고”를 “프런티어”처럼 포장한 것도 사실입니다. 두 가지는 동시에 참일 수 있습니다.
다음 단계의 관전 포인트는 한국의 오픈 모델이 이 수학 추론 강점을, 더 어렵고 열린 에이전트 과제로 이어 갈 수 있느냐입니다. 진짜 격차는 바로 거기에 남아 있습니다.
이 글은 정보 제공 목적이며 특정 기술·제품 도입을 권유하는 글이 아닙니다.
원문 출처 / Source: https://news.sktelecom.com/229153 · https://huggingface.co/skt/A.X-K2 · https://zdnet.co.kr/view/?no=20260811103025
이미지: Thomas T / Unsplash
댓글 남기기