[ai.log] · 2026-10-21 (US) · 2026-10-22 (KST)
10월 21일(현지), 같은 날 두 개의 뉴스가 나왔다. 데이터를 훨씬 덜 먹고 배우는 AI를 만들겠다는 1년 차 연구소 Flapping Airplanes가 10억 달러(약 1.4조 원)를 유치했고, 자동 연구 시스템이 개발을 거든 코딩 모델 Recursive Flint가 노트북에서 돌아가는 오픈 웨이트로 공개됐다. 둘 다 "더 많은 칩, 더 많은 데이터" 대신 효율을 파고든다.
적은 데이터로 학습하는 모델을 연구하는 Flapping Airplanes. 제품 없이 9개월 만에 기업가치 4배.
리처드 소처의 Recursive가 첫 모델 공개. 4개월이 안 걸렸고 맥북 프로에서 초당 125토큰 이상.
샌프란시스코의 AI 연구소 Flapping Airplanes가 Index Ventures와 Lux Capital이 공동으로 이끈 시리즈A에서 10억 달러를 받았다. 블룸버그에 따르면 기업가치는 60억 달러로, 1월 시드 라운드 때의 4배다. 회사는 2025년 말에 세워졌고 상용 제품은 아직 없다. 블룸버그는 이 회사를 제품과 매출보다 연구를 먼저 하는 AI "neolab" 무리로 분류했다.
사람은 평생 접하는 언어 데이터가 많지 않은데도 말을 배운다. 지금의 대형 언어모델은 그보다 몇 자릿수 많은 텍스트를 먹고 나서야 비슷한 능력을 보인다. 이 회사는 그 격차가 지금 학습 방식이 비효율적이라는 증거라고 보고, 훨씬 적은 데이터와 연산으로 학습하는 모델을 목표로 한다.
참고 그래프. 아이 쪽은 BabyLM 챌린지의 1억 단어 예산, LLM 쪽은 Meta가 공개한 Llama 3의 15조 토큰. 단어와 토큰은 단위가 달라 근사치다.
라이트 형제 이전의 비행 기계들은 새를 흉내 내 날개를 퍼덕였고, 실제로 하늘을 난 건 고정익이라는 다른 원리였다. 회사는 지금의 "더 많은 데이터, 더 많은 칩" 스케일링을 그 퍼덕이는 날개에 빗대고, 근본적으로 더 효율적인 구조가 따로 있다는 데 베팅한다.
name: Flapping Airplanes Inc. founded: late 2025 # San Francisco headcount: ~24 # 전원 샌프란시스코 오프라인 근무 product: null # 상용 제품 없음 thesis: data efficiency # 더 적은 데이터 → 더 많은 능력 stack: [GPU kernels, pre-training, post-training, inference] year_1_output: megakernel framework funding: seed: { date: 2026-01, amount: $180M, valuation: $1.5B } series_a: { date: 2026-10-21, amount: $1B, valuation: $6B } total: $1.18B # ≈ 1.65조 원 series_a_lead: [Index Ventures, Lux Capital] series_a_also: [Sequoia, GV, Kleiner Perkins] other_backers: [Valor, Atreides, Jump Trading, XTX Ventures, Nvidia]
MIT 시절 학생 액셀러레이터 Prod를 만들었다. 스탠퍼드 CS 박사과정. 2024년 GPU 커널 작성 도구 ThunderKittens의 제1저자.
벤의 형제. 스탠퍼드 통계학 박사. 데이터 효율이 백만 배 좋은 모델이면 실제 경제에 넣기도 그만큼 쉬워진다는 취지로 회사 방향을 설명했다.
틸 펠로. 대학 재학 중 일론 머스크의 뇌-컴퓨터 인터페이스 회사 뉴럴링크에서 일했다.
Index는 세 사람의 역할을 이렇게 나눴다. 벤이 큰 아이디어를 쏟아내고, 애셔가 그중 무엇을 할지 분석으로 거르고, 에이든이 팀의 분위기를 잡는다. 채용은 나이나 학력보다 실력과 성장세를 본다. 고등학생 때 합류한 엔지니어가 팀 업무 상당수를 자동화하는 에이전트 인프라를 만들었고, 모델을 학습시켜 본 적 없던 사람이 회사의 전체 사전학습 런을 이끌었다고 한다.
GPU 프로그램은 보통 작은 커널 여러 개를 차례로 띄운다. 커널 하나가 끝나고 다음 커널이 뜨는 사이마다 칩이 논다. 메가커널은 프로그램 전체를 커널 하나로 묶어 그 빈틈을 없앤다. 회사는 첫해 대부분을 이 GPU 프리미티브 개발에 썼고, 자사 프레임워크가 학습, 추론 서빙, 비디오 게임 실행까지 한 커널 안에서 동시에 돌릴 수 있다고 밝혔다. 메모리를 많이 먹는 추론과 연산을 많이 먹는 학습을 같은 칩에서 겹쳐 돌리는 셈이다. 회사는 이 기반 위에서 AI의 비용 구조를 크게 바꿀 새 알고리즘을 만들 수 있다고 본다.
창업자들은 머신러닝의 큰 알고리즘 돌파가 대개 하드웨어를 다루는 새 방식에서 나왔다고 본다. 그래서 커널부터 사전학습, 후학습, 추론까지 전 층을 한 팀이 함께 최적화한다.
리드 투자사 Index의 논리는 이렇다. AI 수요는 앞으로도 연산과 데이터 공급을 계속 앞지를 것이고, 결국 달러·메가와트·바이트당 가장 많은 성능을 뽑는 쪽이 이긴다. 효율이 몇 자릿수 좋아지면 지금은 너무 비싸거나 데이터가 부족해 AI를 못 쓰는 시장, 예를 들어 로보틱스·트레이딩·생명과학이 열린다. Index는 메가커널이 기존 칩을 더 유연하고 값지게 만들어 칩 제조사에도 이득이라고 덧붙였다.
Recursive가 첫 모델 Flint를 공개했다. 노트북에서 로컬로 돌리는 코딩 전용 모델이고, 가중치는 Apache 2.0으로 Hugging Face에 올라갔다. 회사는 자체 자동 연구 시스템 Eureka Machine이 개발의 거의 모든 단계에 관여했고, 사람과 AI 에이전트로 이뤄진 작은 팀이 바닥부터 4개월이 안 되는 기간에 만들었다고 밝혔다. AI로 더 나은 AI를 만든다는 "재귀적 자기개선"을 공개적으로 시험한 첫 사례 중 하나로 꼽힌다.
name: Recursive Superintelligence Inc. founded: early 2026 # 샌프란시스코 · 런던 ceo: Richard Socher # 전 세일즈포스 수석과학자, you.com 창업자 headcount: 25+ # 7명으로 시작 (5월 기준) mission: recursive self-improving superintelligence funding: { amount: $650M, valuation: $4.65B, date: 2026-05 } lead: [GV, Greycroft] also: [Nvidia, AMD Ventures] first_model: Flint (2026-10-21)
소처는 자연어처리에 신경망을 본격적으로 끌어들인 연구자 중 한 명이다. 회사 목표는 인간 과학자처럼 새 지식을 찾아내는 AI이고, 첫 단계로 자기 코드베이스를 스스로 개선하는 모델을 내걸었다. 모델이 실험 아이디어를 내고, 테스트하고, 결과를 검증하는 개방형 자동 과학 발견 과정을 지향한다.
arch: decoder-only MoE Transformer # text-only, 추론·tool calling 지원 params_total: 39.8B params_active: ~2.5B # 출력 헤드 포함, 본체만 ~2.2B layers: 49 # 2 dense + 47 MoE experts: { routed: 256, top_k: 6, shared: 1 } attention: sliding_window: { layers: 35, window: 513 } full_nope: { layers: 14 } # 위치 인코딩 없음 heads: { q: 32, kv: 4 } # GQA context: 262144 # 블로그 표기 최대 512k weights: [BF16, NVFP4, INT4 (MLX), GGUF] license: Apache-2.0 speed: { m4_pro_macbook: "125+ tok/s", rtx_spark_64gb: "150+ tok/s" }
Flint는 400억 개 파라미터를 다 쓰지 않는다. 각 MoE 층에 전문가(expert) 256개가 있고, 라우터가 토큰마다 6개를 고르며 공유 전문가 1개는 항상 켜진다. 그래서 토큰 하나당 실제로 계산하는 파라미터는 약 25억 개다. 아래는 한 층을 흉내 낸 것이다. 실제 라우팅은 학습된 가중치로 정해지고, 여기서는 무작위로 고른다.
어텐션 줄은 비율만 표시. 두 종류가 어떤 순서로 섞였는지는 공개되지 않았다.
Eureka Machine은 아이디어를 내고, 이를 코드로 구현하고, 결과를 확인한 뒤 다음에 무엇을 시도할지 정한다. 이 과정을 여러 실험에 걸쳐 병렬로 돌린다. 지금 버전은 사람이 감독하는 AI 연구 보조이고, 리커시브는 모델이 나올 때마다 Eureka가 더 나은 연구자가 되어 다음 모델을 더 빨리 만들 것이라고 설명한다.
토큰 하나를 만들 때 계산하는 건 2.5B지만, 라우터가 아무 전문가나 고를 수 있으려면 398억 개 파라미터 전부가 메모리에 올라가 있어야 한다. 속도는 활성 파라미터가, 필요한 메모리는 전체 파라미터가 정한다. 정밀도를 바꿔 보면 어떤 기기에 들어가는지 보인다.
배포 파일: INT4 MLX 약 22.6GB, NVFP4 GGUF 약 22.9GB, BF16 약 80GB. 리커시브 권장: 48GB 맥(M4 Pro·M5 Pro·M5 Max) 또는 48GB GPU. 서버용 BF16은 레플리카당 H200 또는 B300 1장. 판정은 가중치의 1.5배를 필요량으로 잡은 대략치.
리커시브 비교 차트 기준(일부는 리커시브 직접 측정). 50B 이하 MoE 중 에이전트 코딩 1위. 비슷한 점수의 25~40B dense 모델보다 5배 이상 빠르다는 게 회사 설명이다. Terminal-Bench에서는 dense Qwen 3.8이 크게 앞선다.
WIRED 기자는 48GB 램 맥에서 Flint를 돌려 커맨드라인 할 일 앱과 작은 웹사이트 같은 코딩 요청을 시켰고, 모든 요청을 빠르게 처리했다고 전했다. 리커시브 스스로는 신중하다. 큰 유료 코딩 어시스턴트보다 더 구체적인 지시가 필요할 수 있으니 큰 작업은 작은 단계로 나눠 시키라고 권한다.
# Ollama $ ollama pull recursive/flint $ ollama run recursive/flint # 그 밖에: LM Studio · llama.cpp · Unsloth · vLLM · SGLang # 애플 실리콘 전용 엔진: github.com/recursive-oss/rec (llama.cpp 대비 1.4~2.6배) # 설치 없이: OpenRouter 무료 엔드포인트, opencode
| Flapping Airplanes | Recursive | |
|---|---|---|
| 줄이려는 것 | 학습에 드는 데이터와 연산 | 모델 개발에 드는 사람 시간, 실행에 드는 하드웨어 |
| 핵심 무기 | 데이터 효율 연구 + 메가커널 프레임워크 | 자동 연구 시스템 Eureka Machine |
| 메가커널 | 학습·추론을 한 커널에서 동시 실행 | 맥 디코딩 전체를 하나의 Metal 커널로 |
| 현재 결과물 | 제품 없음, 연구 단계 | 오픈 웨이트 모델 Flint |
| 기업가치 | $6B | $4.65B (5월 기준) |
| 공통 투자자 | GV(구글), 엔비디아 | |
두 회사 모두 모델을 키우는 대신 하드웨어가 노는 시간을 없애는 데 공을 들였고, 둘 다 메가커널에 닿았다. 효율 경쟁에 돈을 거는 쪽에 칩을 파는 회사와 클라우드를 파는 회사가 함께 있다는 점도 같다.
아마존·마이크로소프트·알파벳·메타가 2026년에 쓰겠다고 밝힌 설비투자는 합쳐서 약 7,250억 달러, 지난해보다 77% 많다. 분기로 나누면 평균 약 1,800억 달러(약 250조 원)이고, 알파벳 한 곳만 1분기에 357억 달러를 썼다. 대부분은 엔비디아 칩과 데이터센터로 간다.
■ 1칸이 Flapping Airplanes 시리즈A 전체. 나머지 724칸이 빅테크 4사의 올해 설비투자 계획.
한쪽에서는 빅테크가 해마다 수백조 원을 칩과 데이터센터에 붓는다. 다른 쪽에서는 같은 성능을 더 적은 데이터, 더 적은 사람 시간, 더 작은 기기로 얻으려는 시도에 조 단위 돈이 붙기 시작했다.
두 회사 모두 아직 증명 단계다. Flapping Airplanes는 제품도 공개된 효율 수치도 없고, 지금의 60억 달러는 팀과 방향에 매긴 값이다. Flint는 실물이 나왔고 누구나 내려받을 수 있지만 벤치마크는 회사 발표치라 독립 검증이 남아 있다. 지켜볼 지점은 두 가지다. Flapping이 데이터 효율에서 실제 숫자를 내놓는지, 그리고 Eureka Machine이 다음 모델을 Flint보다 빨리 만들어 내는지.