OpenAI Sora 서비스 종료 — Disney 결별이 남긴 것
OpenAI가 Sora AI 영상 생성 앱의 서비스를 종료했다. 동시에 Disney가 10억 달러 규모의 파트너십에서 손을 뗐다는 소식이 함께 전해지면서, AI 영상 생성 시장의 냉혹한 현실이 다시 드러났다.
Sora는 출시 당시 텍스트 프롬프트만으로 영화 수준의 영상을 만든다는 기대를 한 몸에 받았다.
그러나 실제 콘텐츠 제작 현장에서의 활용도는 기대를 밑돌았고, 저작권·캐릭터 일관성·편집 제어 등 엔터테인먼트 산업이 요구하는 세밀한 조건들을 충족하는 데 어려움을 겪었던 것으로 보인다.
Disney의 이탈은 단순한 계약 종료가 아니다. 세계 최대 미디어 기업 중 하나가 OpenAI의 영상 AI에 더 이상 배팅하지 않겠다는 신호로 읽힌다.
AI 영상 생성 기술이 B2C 소비자용 서비스보다 B2B 엔터테인먼트 파이프라인에서 훨씬 까다로운 기준을 적용받는다는 점을 업계 전체에 상기시킨 사건이다. 솔직히 말해, Sora가 공개됐을 때 '이제 영상 제작이 완전히 달라지겠다'고 생각한 사람이 적지 않았을 텐데, 그 기대가 이렇게 빠르게 꺾일 줄은 몰랐다.
AI 영상 생성 시장은 기술 데모에서 실제 워크플로 통합으로 전쟁터가 옮겨갔다. 소비자 앱이 아닌 프로덕션 파이프라인 통합 능력이 생존을 가른다.
GPT-5.4 패밀리 완성 — 왜 mini·nano까지 내놨나
OpenAI는 3월 5일 GPT-5.4 본체를 출시한 데 이어, 3월 17일 GPT-5.4 mini와 GPT-5.4 nano를 공개하며 한 달도 채 안 되는 기간에 전체 라인업을 완성했다. GPT-5.4는 추론·코딩·에이전트 기반 워크플로에서 GPT-5.3-Codex를 기반으로 최적화된 프런티어 모델이다.
GPT-5.4 mini는 코딩, 추론, 멀티모달 이해, 도구 사용 전반에서 GPT-5 mini 대비 2배 이상 빠른 속도를 제공한다. SWE-Bench Pro와 OSWorld 등 에이전트 벤치마크에서도 이전 세대를 압도하는 수치를 기록했다. GPT-5.4 nano는 그보다 더 작고 빠른 서브에이전트 전용 모델로, 대규모 멀티에이전트 파이프라인에서 비용을 줄이면서도 작업을 분산 처리하는 용도에 초점이 맞춰져 있다.
이 구조가 중요한 이유는 에이전틱 AI의 비용 문제 때문이다.
복잡한 작업을 자율적으로 수행하는 AI 에이전트는 단일 요청이 아니라 수십~수백 번의 LLM 호출로 구성된다. 대형 모델만으로 이 모든 호출을 처리하면 비용이 기하급수적으로 늘어난다. mini와 nano는 오케스트레이터(GPT-5.4 Pro)가 지시를 내리고, 단순 하위 작업은 훨씬 저렴한 모델이 처리하는 계층적 에이전트 아키텍처를 가능하게 한다.
Mistral Voxtral — ElevenLabs 꺾은 오픈웨이트 TTS
Mistral AI가 Voxtral을 공개했다. 30억 파라미터 규모의 텍스트 음성 변환 모델로, 오픈웨이트로 배포된다. Mistral 측은 인간 선호도 평가에서 ElevenLabs Flash v2.5를 앞섰다고 밝혔다.
클로즈드 소스의 대표 상업 TTS 서비스를 무료 공개 모델이 눌렀다는 주장인데, 이 수치가 맞다면 음성 AI 시장의 가격 경쟁이 전혀 다른 국면에 접어드는 셈이다.
9개 언어를 지원하며 약 3GB RAM으로 로컬 구동이 가능하다는 점이 핵심이다.
클라우드 API 없이도 서버나 고사양 노트북에서 실시간 TTS를 돌릴 수 있다는 뜻이고, 이는 프라이버시 민감한 기업 환경이나 저지연이 필요한 실시간 애플리케이션에 직접적으로 유리하다.
AI 환상이 부른 실제 피해 — 이혼, €10만, 무너진 일상
AI 챗봇에 대한 과도한 의존이 실제 삶을 망가뜨린 사례들이 조명받고 있다. 배우자와 이혼하고 10만 유로(약 1억 5,000만 원)를 날린 이용자의 사연이 대표적이다. 이 사람은 AI가 제시한 투자 조언이나 관계 상담을 실제 전문가의 판단처럼 받아들였다가 돌이킬 수 없는 결과를 맞았다.
문제는 AI 모델 자체의 결함이 아니라, 사용자가 AI를 대하는 방식에 있다.
현재의 언어 모델은 자신감 있는 어조로 말하도록 최적화돼 있다. 틀린 정보도 확신에 찬 문장으로 포장하는 경향이 있고, 이 점이 일부 사용자에게 '전지전능한 조언자'라는 착각을 심어준다. 특히 외로움을 해소하거나 중요한 결정을 앞두고 불안한 상태에서 AI에 의존할 때 이 위험이 커진다.
이 사례는 업계에 두 가지 질문을 던진다. 모델 공급사가 제품의 한계를 사용자에게 충분히 고지하고 있는가, 그리고 의료·법률·금융처럼 전문 영역에서 AI를 마치 자격증 있는 전문가처럼 사용하는 행위를 어떻게 막을 것인가. 기술적 성능이 올라갈수록 이 책임 문제는 더 첨예해진다.
언어 모델은 확신 있는 어조로 출력하도록 훈련돼 있다. 정확성과 자신감은 별개인데, 사용자는 이를 구분하기 어렵다.
전문 영역(금융·법률·의료)에서의 AI 남용을 제한하는 가이드라인이나 기술적 장치가 아직 명확하지 않다.
AI를 더 잘 만드는 것만이 해답이 아니다. 사람들이 AI를 어떻게 사용하는지, 어디까지 신뢰할 수 있는지 — 이 교육이 모델 성능 개선만큼 중요한 시점이 됐다.
오픈소스 생태계와 하드웨어 경쟁 — DGX Sparks vs Mac Studio
LocalLlama 커뮤니티가 공식 Discord 서버를 열었다. 50만 명 규모로 성장한 서브레딧에서 더 기술적이고 심층적인 논의를 원하는 사용자들을 위한 공간이다. 오픈소스 모델을 직접 테스트할 수 있는 Discord 봇도 함께 제공된다. 이 커뮤니티의 성장세는 클로즈드 소스 API 의존에 대한 일종의 반작용이기도 하다.
하드웨어 측면에서는 듀얼 DGX Sparks와 Mac Studio M3 Ultra의 성능 비교가 화제다.
NVIDIA의 DGX Sparks는 AI 추론·파인튜닝 목적의 전용 워크스테이션이고, Mac Studio M3 Ultra는 통합 메모리 아키텍처로 로컬 LLM 구동에서 강세를 보이는 Apple 실리콘 기반 머신이다. 두 제품군의 실제 벤치마크 비교가 활발히 공유되고 있으며, 어떤 워크로드에 무엇을 쓸지에 따라 답이 갈린다는 결론으로 수렴하는 중이다.
그 배경에는 한 달 사이 267개의 새로운 AI 모델이 쏟아졌다는 사실이 있다. SKT·삼성전자·카카오를 포함한 국내 기업들도 에이전틱 AI 도입을 본격화하면서, 이를 구동할 로컬 인프라에 대한 관심이 동시에 높아지고 있다. 모델을 어디서 돌리느냐의 문제가 어떤 모델을 쓰느냐만큼 중요해진 시점이다.
Sora 종료 — AI 영상 생성 시장은 소비자 앱이 아닌 B2B 파이프라인 통합 싸움으로 재편 중이다. Disney의 이탈이 그 신호다.
GPT-5.4 패밀리 — 단일 대형 모델에서 계층적 에이전트 구조로의 전환을 위한 라인업이다. mini·nano는 비용 효율이 에이전틱 AI의 핵심 변수임을 보여준다.
Voxtral — 오픈웨이트 TTS가 상업 서비스 품질을 따라잡았다. 음성 AI 시장의 가격·접근성 구조가 바뀌기 시작했다.
AI 환상 피해 — 기술 성능이 올라갈수록 사용자 리터러시와 공급자 책임 문제가 더 선명하게 부각된다.