Foundation Model

케이스 1네이버(한국) — 한국어 특화 파운데이션 모델 HyperCLOVA X

네이버는 2023년 8월 자체 파운데이션 모델 HyperCLOVA X를 공개했습니다 ^[3]. 2021년 HyperCLOVA에서 이어진 한국어 중심 모델로, 검색·클로바 등 자사 서비스 전반의 기반으로 씁니다 ^[3]. 2024년 2월에는 한국어 평가 벤치마크 KMMLU 결과를 공개하며 한국어 성능을 내세웠습니다 ^[4].
도입효과: KMMLU(45개 분야 3만 5,030문항)에서 GPT-3.5 Turbo·Gemini Pro 상회, 한국 특화 문항에서는 GPT-4 상회(2024년 2월 발표 기준) ^[4]

케이스 2LG AI연구원(한국) — 오픈웨이트로 공개한 하이브리드 추론 모델

LG AI연구원은 2025년 7월 한국 첫 오픈웨이트 하이브리드 추론 모델 EXAONE 4.0을 공개했습니다 ^[5]. 전문가용 32B와 온디바이스용 1.2B 두 크기로 나눠 허깅페이스에 올렸습니다 ^[5]. 하나의 기반 모델을 용도별 크기로 파생시키는 전형적인 파운데이션 모델 전략입니다.
도입효과: AIME 2025 85.3점, MMLU-Redux 92.3점, LiveCodeBench v6 66.7점(2025년 7월 공개 시점, 회사 발표 기준) ^[5]

케이스 3Bloomberg(미국) — 금융 도메인 특화 기반 모델

블룸버그는 2023년 3월 금융 특화 파운데이션 모델 BloombergGPT를 발표했습니다 ^[6]. 500억 파라미터 모델을 금융 데이터 3,630억 토큰과 범용 데이터 3,450억 토큰으로 학습했습니다 ^[6]. 범용 모델을 그대로 쓰는 대신 도메인 데이터로 기반부터 만든 사례입니다.
도입효과: 금융 태스크에서 기존 공개 모델 대비 큰 폭 우위(2023년 논문 기준), 파라미터 50B·학습 데이터 총 7,080억 토큰 ^[6]

케이스 4대한민국 정부 — 독자 AI 파운데이션 모델 프로젝트

한국 정부의 독자 AI 파운데이션 모델 프로젝트에는 네이버클라우드·SKT·LG AI연구원·업스테이지·NC AI 5개 정예팀이 참여합니다 ^[7]. 2025년 12월 1차 성과로 SKT의 500B 모델 A.X K1, LG의 K-EXAONE 등이 공개됐습니다 ^[7]. 파운데이션 모델 보유가 국가 전략 과제가 된 흐름을 보여줍니다.
도입효과: A.X K1 파라미터 500B로 국내 최대 규모(2025년 12월 1차 성과 공개 기준) ^[7]

오늘 바로 해보기
01. 지금 쓰는 AI 서비스가 어떤 파운데이션 모델 위에서 도는지 확인합니다. 설정·도움말·기술 문서에서 모델명을 찾아봅니다.
02. 허깅페이스에서 EXAONE과 HyperCLOVA X SEED를 검색해 국산 오픈웨이트 모델 페이지를 열어봅니다 ^[5].
03. 스탠퍼드 CRFM 보고서의 초록만 읽고 파운데이션 모델의 원 정의를 확인합니다 ^[1].
04. EU AI법 51조에서 10^25 FLOP 기준을 확인하고, 회사가 쓰는 모델이 GPAI 의무 대상인지 생각해 봅니다 ^[2].
05. 같은 질문을 서로 다른 모델 두 개에 던져 답변 차이를 비교합니다. 기반 모델이 다르면 결과가 어떻게 달라지는지 감을 잡습니다.

한계와 진화
한계는 집중에서 나옵니다. 소수 기반 모델에 수많은 응용이 의존하면 기반의 편향·결함이 생태계 전체로 승계됩니다. 원 보고서가 균질화(homogenization) 위험이라고 부른 문제입니다 ^[1]. 학습 비용도 장벽입니다. 스탠퍼드 AI 인덱스 2024는 GPT-4 학습 비용을 약 7,800만 달러, Gemini Ultra를 약 1억 9,100만 달러로 추정했습니다 ^[8]. 모델을 만들 수 있는 주체가 줄어들수록 검증과 견제도 어려워집니다.
진화는 두 방향입니다. 하나는 규제 편입입니다. EU는 2025년 8월부터 GPAI 제공자 의무를 적용하기 시작했습니다 ^[2]. 다른 하나는 주권 경쟁입니다. 한국 정부는 독자 파운데이션 모델 프로젝트로 5개 팀을 선정해 2025년 12월 1차 성과를 공개했고 ^[7], LG EXAONE처럼 오픈웨이트 공개로 특정 기업 의존을 줄이려는 흐름도 이어집니다 ^[5].