바이트댄스, AI 에이전트 가속 페달 밟다
저자: 완천
DeepSeek-R1의 뛰어난 문장력, GPT-4o의 지브리 화풍, OpenAI o3의 이미지 기반 위치 추론…….
지난 두 달간 잇달아 등장하며 화제를 모은 현상급 AI 제품들이다. 여기서 분명히 확인할 수 있는 점은 바로 강화학습이 비로소 일반화될 수 있게 되었고, 멀티모달 모델도 점점 더 실용적으로 진화하고 있다는 것이다. 이는 2025년이 본격적인 에이전트(Agent) 애플리케이션의 실용화와 가속적 확산 시점임을 의미한다.
이전에 큰 인기를 끌었던 AI 에이전트인 Manus 팀은 클로드(Claude) 3.5 Sonnet이 장기 계획 수립과 단계적 문제 해결 능력에서 에이전트 구현에 필요한 수준에 도달했음을 언급한 바 있으며, 이것이 바로 Manus가 탄생할 수 있었던 전제였다.
현재 심층 사고(Deep Thinking) 모델과 멀티모달 모델의 역량이 더욱 성숙해짐에 따라, 복잡한 과제를 처리할 수 있는 다양한 에이전트들이 계속해서 등장할 것이다.
이러한 판단 하에 4월 17일, 바이트댄스 산하의 클라우드 및 AI 서비스 플랫폼 '화산엔진(Volcano Engine)'은 기업 시장을 대상으로 한 더 강력한 모델인 '도우바오 1.5·심층사고 모델(Doubao 1.5 · Deep Thinking Model)'을 공개했다. 이는 도우바오 앱의 핵심 추론 모델로서 처음으로 그 모습을 드러낸 것이며, 동시에 도우바오·텍스트-이미지 생성 모델 3.0 버전과 업그레이드된 시각 이해 모델도 함께 출시되었다.
화산엔진의 최고경영자 탄다이는 이번에 발표된 모델에 대해 "심층사고 모델은 에이전트를 구축하는 기반이다. 모델은 스스로 생각하고, 계획하며, 성찰할 수 있어야 하며, 반드시 멀티모달을 지원해야 한다. 인간이 시각과 청각을 갖듯이, 에이전트 역시 다양한 감각을 통해 복잡한 작업을 효과적으로 수행할 수 있기 때문"이라고 설명했다.
AI가 종단 간(end-to-end) 자율 의사결정과 실행 능력을 갖추게 되면서 핵심 생산 프로세스로 진입하게 되었고, 이에 따라 화산엔진은 디지털 세계와 물리 세계를 조작할 수 있는 아키텍처와 도구—즉 OS 에이전트 솔루션과 AI 클라우드 네이티브 추론 킷(kit)—을 준비하여, 기업이 보다 빠르고 경제적으로 에이전트 애플리케이션을 구축하고 배포할 수 있도록 지원하고 있다.
탄다이의 설명에 따르면, 에이전트 개발은 웹사이트나 앱 개발과 유사하며, 단순히 모델 API만으로는 문제 해결이 불가능하다. 이를 위해 클라우드 상의 다양한 AI 클라우드 네이티브 구성 요소들이 필요하다. 과거 클라우드 네이티브에는 컨테이너, 탄력성 등의 핵심 정의가 존재했듯이, 이제 AI 클라우드 네이티브 역시 유사한 핵심 요소들을 갖게 될 것이다. 다양한 미들웨어, 평가 도구, 모니터링, 관측 가능성, 데이터 처리, 보안 보호 및 샌드박스(Sandbox) 등과 같은 관련 구성 요소를 중심으로 한 지속적인 고민과 탐색, 신속한 실행을 통해 화산엔진은 AI 시대 인프라의 최적 해법이 되고자 노력하고 있다.
01 도우바오 심층사고 모델, 사람처럼 보고 생각하고 검색한다
올해 초 DeepSeek-R1 출시 이후 많은 ToC 애플리케이션이 R1 추론 모델을 도입했지만, 도우바오 앱은 예외였다. 올해 3월 초 도우바오 앱에 선보인 '심층사고' 모드는 바이트댄스가 자체 개발한 도우바오 심층사고 모델을 기반으로 하고 있다.
이제 이 추론 모델—도우바오 1.5·심층사고 모델이 정식 출시되어, 화산판커(Volcano Ark) 플랫폼에서 체험하고 호출할 수 있게 되었다.
인터넷 연결 모드를 선택하면, 도우바오는 사람이 문제를 고려할 때처럼 '생각하고', '검색하고', 다시 '생각하는' 과정을 거쳐 궁극적으로 문제 해결을 목표로 한다.
예를 들어 캠핑 장비 추천이라는 쇼핑 시나리오를 살펴보자. 주어진 예산과 사이즈 제한 조건 하에 적절한 캠핑 장비 세트를 추천해달라는 요청이 있을 경우,
도우바오는 먼저 주의사항을 분석하고 필요한 정보를 계획한 후, 부족한 정보를 파악하고 인터넷 검색을 수행한다. 이 과정에서 총 3차례 검색을 진행하는데, 먼저 가격과 성능을 검색하여 예산과 요구사항을 충족하는지 확인하고, 어린이의 특수 요구사항을 고려하며, 마지막으로 날씨를 고려하여 관련 상세 리뷰를 추가로 검색한다. 결정에 필요한 모든 맥락을 확보할 때까지 생각하고 검색하는 과정을 반복한 후 최종적으로 추론 기반 답변을 제공한다.
생각하면서 검색하는 능력 외에도, 도우바오 심층사고 모델은 시각 추론 능력도 갖추고 있어, 단순히 텍스트 기반뿐 아니라 시각 정보를 기반으로 사고할 수 있다.
예를 들어 메뉴 주문 상황을 생각해보자. 곧 다가오는 5·1 노동절 황금연휴 동안 해외 여행을 떠나는 사람들에게 더 이상 사진을 찍어 번역 앱에 업로드할 필요가 없다. 도우바오 심층사고 모델은 사진만으로도 직접 메뉴 추천이 가능하다.
아래 예시에서 도우바오 심층사고 모델은 먼저 환율 환산을 통해 예산을 통제하고, 어른과 아이의 취향을 고려하며, 알레르기가 있는 음식을 꼼꼼히 피한 후 메뉴 구성안을 직접 제시한다.
인터넷 연결, 사고, 추론, 멀티모달 기능을 모두 갖춘 도우바오 1.5·심층사고 모델은 복합적인 추론 능력을 보여주며, 더욱 복잡한 문제를 해결할 수 있다.
기술 보고서에 따르면, 도우바오 1.5·심층사고 모델은 전문 분야 추론 과제에서도 높은 완성도를 보이며, 수학 추론 AIME 2024 테스트에서 OpenAI o3-mini-high와 동등한 점수를 기록했고, 프로그래밍 경연대회 및 과학 추론 테스트 성적도 o1 수준에 근접했다. 창의적 글쓰기, 인문학 지식 질의응답 등 일반 과제에서도 뛰어난 일반화 능력을 발휘하여 다양한 사용 시나리오에 잘 대응할 수 있다.
도우바오 심층사고 모델은 저지연(Low Latency) 특성도 갖추고 있다. 기술 보고서에 따르면, 이 모델은 MoE 아키텍처를 채택하여 총 매개변수는 200B이나 활성화 매개변수는 20B에 불과하며, 비교적 작은 매개변수로도 최고 수준 모델과 유사한 성능을 달성한다. 고효율 알고리즘과 고성능 추론 시스템을 기반으로 도우바오 모델 API 서비스는 높은 동시성 처리를 보장하면서도 지연 시간을 20밀리초까지 낮췄다.
또한 멀티모달 기능도 갖추어 다양한 시나리오에 적용 가능하다. 예를 들어 복잡한 기업 프로젝트 관리 플로우 차트를 이해하고 핵심 정보를 빠르게 파악한 후, 강력한 명령 준수 능력을 바탕으로 플로우 차트의 지침에 따라 고객의 질문에 정확히 답변할 수 있다. 항공 촬영 이미지를 분석할 때는 지형 특성을 결합하여 지역 개발 가능성 여부를 판단할 수도 있다.
추론 모델 외에도, 이번 도우바오 대규모 모델 패밀리는 두 가지 모델 업데이트를 함께 발표했다. 텍스트-이미지 생성 모델 측면에서 도우바오는 최신 3.0 버전을 출시하였으며, 이 버전은 훨씬 더 나은 문자 배치 표현, 실제 촬영 수준의 이미지 생성 효과, 그리고 2K 해상도의 고화질 이미지 생성 방식을 제공한다.
새로운 버전은 소문자 및 긴 텍스트 생성의 어려움을 효과적으로 해결했을 뿐 아니라 이미지 레이아웃도 개선했다. 예를 들어 가장 왼쪽에 생성된 '현형(現形)'과 '풍수계획(豐收計劃)' 두 포스터는 디테일한 부분까지 섬세하게 생성되었으며, 배치도 자연스럽게 되어 즉시 사용 가능한 수준이다.
또 다른 업데이트는 도우바오 1.5 시각 이해 모델이다. 새로운 버전은 두 가지 핵심 업데이트를 포함하는데, 시각 위치 결정 정밀도 향상과 비디오 이해 능력의 지능화이다.
시각 위치 결정 측면에서 도우바오 1.5 시각 이해 모델은 다중 객체, 소형 객체, 일반 객체에 대한 박스 위치 지정 및 포인트 위치 지정을 지원하며, 위치 카운팅, 위치 내용 설명, 3D 위치 지정 등을 제공한다. 시각 위치 결정 능력의 향상은 오프라인 매장 점검, GUI 에이전트, 로봇 훈련, 자율주행 훈련 등 다양한 응용 시나리오를 확장할 수 있게 한다.
비디오 이해 능력 측면에서도 크게 향상되었으며, 기억력, 요약 이해력, 속도 인식 능력, 장시간 비디오 이해 등이 포함된다. 기업들은 비디오 이해 기술을 기반으로 더 재미있고 상업화 가능한 애플리케이션을 개발할 수 있다. 예를 들어 가정용 시나리오에서 비디오 이해 기술과 벡터 검색을 결합하면, 집안의 감시 영상을 의미 기반으로 검색할 수 있다.
아래 예시에서 고양이를 키우는 사람은 고양이가 집에서 매일 어떤 활동을 하는지 알고 싶어한다. 이제 '오늘 고양이가 집에서 뭐 했어?'라고 직접 검색하기만 하면 관련된 의미의 비디오 클립을 빠르게 반환받아 확인할 수 있다.
시각 이해 기능이 탑재된 추론 모델과 강력한 추론 능력의 확보 덕분에, 과거에 할 수 없었던 많은 일들이 가능해졌고, 새로운 시나리오들이 열리고 있다. 이러한 기능을 갖춘 카메라는 훨씬 더 인기를 끌게 될 것이며, AI 안경, AI 장난감, 스마트 카메라, 스마트 도어락 등도 새로운 성장 가능성을 갖게 될 것이다.
02 클라우드, 에이전트형 AI 시대로 진입
최근 OpenAI 연구원 야오 슈윈(姚顺雨, Deep Research, Operator 핵심 개발자)은 'AI의 후반전'이라는 글에서 강화학습이 마침내 일반화 가능한 경로를 찾았다고 지적했다. 이는 특정 분야(예: 인간 체스 챔피언을 꺾은 알파고)에서만 유효했던 것에서 벗어나, 소프트웨어 엔지니어링, 창의적 글쓰기, 국제수학올림피아드(IMO) 수준의 수학 문제, 마우스 및 키보드 조작 등 여러 분야에서 인간 수준에 근접한 성과를 내고 있음을 의미한다. 이 경우, 단순히 리더보드 점수를 겨루거나 더 복잡한 리더보드에서 더 높은 점수를 얻는 것은 쉬워졌지만, 이런 평가 방식은 이미 낡은 것으로 간주된다.
이제 중요한 것은 문제를 정의하는 능력이다. 즉, AI가 현실 생활에서 어떤 문제를 해결해야 하는가?
2025년, 그 답은 바로 '생산성 에이전트(Productivity Agent)'다. 현재 AI 응용 시나리오는 빠르게 에이전트형 AI(Agentic AI) 시대로 접어들고 있으며, AI는 전문성이 높고 시간이 오래 걸리는 전체 작업을 점점 더 완수할 수 있게 되고 있다. 이러한 상황에서 화산엔진은 기업이 '자체의 범용 에이전트'를 정의할 수 있도록 일련의 인프라를 구축하고 있다.
가장 중요한 것은 모델 자체로서, 스스로 계획하고, 성찰하며, 종단 간 자율 의사결정과 실행이 가능하고, 핵심 생산 프로세스로 진입할 수 있어야 한다. 또한 현실 세계에서 귀와 입, 눈을 활용해 과제를 공동 수행할 수 있도록 멀티모달 추론 능력도 필수적이다.
모델 외에도 인프라 기술 스택 역시 지속적으로 진화해야 한다. 예를 들어 MoE 아키텍처가 점점 더 효율적인 장점을 보이며 모델의 주류 아키텍처로 자리 잡고 있는데, 이에 맞춰 MoE 모델을 스케줄링하기 위해서는 더 복잡하고 유연한 클라우드 컴퓨팅 아키텍처와 도구가 필요하다.
현재 기업용 범용 에이전트 시나리오에서 화산엔진은 더 나은 아키텍처와 도구—즉 OS 에이전트 솔루션을 출시하여, 대규모 모델이 디지털 및 물리 세계를 조작할 수 있도록 지원하고 있다. 예를 들어 에이전트가 브라우저를 조작하여 상품 페이지를 검색하고 아이폰 가격 비교 작업을 수행하거나, 원격 컴퓨터에서 에이전트가 직접 '젠잉(Jianying)'을 이용해 영상 편집 및 음악 삽입 등을 수행할 수 있다.
현재 화산엔진의 OS 에이전트 솔루션은 도우바오 UI-TARS 모델과 veFaaS 함수 서비스, 클라우드 서버, 클라우드폰 등의 제품을 포함하며, 코드, 브라우저, 컴퓨터, 휴대폰 및 기타 에이전트 조작을 실현한다. 특히 도우바오 UI-TARS 모델은 화면 시각 이해, 논리적 추론, 인터페이스 요소 위치 파악 및 조작 기능을 통합하여, 기존 자동화 도구가 사전 설정된 규칙에 의존하는 한계를 돌파하고, 인간의 조작에 훨씬 근접한 에이전트의 지능형 상호작용을 위한 모델 기반을 제공한다.
범용 에이전트 시나리오에서 화산엔진은 이 OS 에이전트 솔루션을 통해 기업 내부, 개인 또는 특정 분야가 필요에 따라 에이전트를 정의하고 탐색할 수 있도록 지원한다.
특화형 에이전트(vertical agent)의 경우, 화산엔진은 자체 우위 분야를 중심으로 탐색을 진행하고 있으며, 예를 들어 이전에 출시한 '지능형 프로그래밍 보조도구 Trae'와 데이터 제품 'Data Agent'가 있다. 후자는 데이터 플라이휠을 구축함으로써 데이터 처리 능력을 극한까지 발휘한다.
다른 한편으로, 에이전트의 확산은 더욱 증가하는 모델 추론 비용을 수반한다. 대규모 추론 수요에 직면하여 화산엔진은 전용 AI 클라우드 네이티브 ServingKit 추론 킷을 개발하여, 모델 배포를 더 빠르게 하고, 추론 비용을 줄이며, GPU 소비량을 기존 방식 대비 80% 감소시켰다.
탄다이의 설명에 따르면, AI 시대의 요구를 충족시키기 위해 화산엔진은 세 가지 방면에서 지속적으로 노력할 계획이다. 첫째, 모델을 지속적으로 최적화하여 경쟁력을 유지하는 것, 둘째, 비용, 지연 시간을 줄이고 처리량을 늘려 비용을 지속적으로 절감하는 것, 셋째, 코우즈(Kouzi), HiAgent 등 개발자를 위한 도구 및 클라우드 네이티브 구성 요소 OS Agent 등을 통해 제품의 실용화를 용이하게 하는 것이다. 제품과 기술에서 앞서나가면 시장 점유율 역시 선두를 유지하게 된다. IDC가 발표한 《중국 공공 클라우드 대규모 모델 서비스 시장 구도 분석, 1Q25》에 따르면, 화산엔진은 46.4%의 시장 점유율로 1위를 차지했다.
지난해 12월 도우바오 대규모 모델의 일일 평균 토큰 호출량은 4조였다. 올해 3월 말 기준 이 수치는 이미 12.7조를 넘어서며, 도우바오 대규모 모델 출시 초기 대비 짧은 1년도 되지 않는 기간 동안 무려 106배 이상의 고속 성장을 기록했다. 앞으로 심층사고 모델과 시각 추론 기술의 추가 성숙, AI 클라우드 인프라의 최적화와 함께, 에이전트는 더욱 거대한 토큰 호출량을 견인할 것으로 기대된다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
极客公园
