Sakana AI, Fugu로 멀티-모델 오케스트레이션 상용화 강화

단일 API로 여러 최상위 모델을 조율하는 Fugu가 기업형 AI 운영의 새로운 표준 후보로 부상하다.

• Sakana AI는 Fugu를 통해 단일 모델을 직접 쓰는 방식이 아니라, RL Conductor가 GPT, Claude, Gemini 같은 복수의 프런티어 LLM을 상황별로 호출하고 역할을 나눠 협업시키는 구조를 상용화하고 있다. 이는 복잡한 업무를 하나의 모델 성능 경쟁으로 보지 않고, 모델 간 조합과 분업을 최적화하는 운영 문제로 전환한 사례이다.
• 기사에 따르면 Fugu는 OpenAI-compatible API로 제공되며, 내부적으로는 협업 토폴로지 설계, 역할 배분, 하위 과제 분해, 결과 통합까지 자동화한다. 이 구조는 한국 정부가 AI 조달과 공공분야 도입을 검토할 때, 개별 모델 성능보다 오케스트레이션 통제권과 감사 가능성을 더 중요한 평가 기준으로 삼아야 함을 시사한다.
• Fugu는 연구 단계의 7B 오케스트레이터를 바탕으로 제품화되었고, 베타 단계에서 이미 상용 서비스로 공개되었다. 즉, 초거대 모델의 단일 성능 경쟁에서 벗어나 다중 모델 연동이 비용과 품질을 동시에 좌우하는 단계로 이동하고 있으며, 한국의 AI 산업 육성 정책도 모델 개발뿐 아니라 통합 제어 소프트웨어와 검증 체계에 투자해야 한다.
• 이 변화는 보안 측면에서 중요하다. 여러 모델이 연결된 구조는 성능은 높이지만 프롬프트 탈취, 모델 간 정보 누출, 결과 합성 오류 같은 새로운 통제 공백을 만든다. 따라서 국가 차원의 AI 도입 정책은 성능 지표뿐 아니라 접근통제, 로그 보존, 결과 검증, 공급망 투명성을 요구하는 방향으로 설계되어야 한다.

한국 정부는 생성형 AI를 단일 제품이 아니라 복수 모델을 조율하는 운영체계로 보고, 공공 도입 시 감사 가능성과 데이터 경계 통제를 의무화해야 한다. 특히 조달 기준에 모델 성능뿐 아니라 오케스트레이션 통제권을 포함해야 한다.

주요 용어: 멀티-에이전트 오케스트레이션(여러 AI 모델을 분업과 협업 구조로 조정하는 방식), RL Conductor(강화학습으로 모델 호출과 역할 배분을 학습한 조율기), OpenAI-compatible API(기존 API 생태계와 호환되는 호출 방식)

출처: VentureBeat