새로운 소버린 AI 모델 Motif-3? 성능과 비용 정리

직답 요약

Motif-3는 Motif Technologies가 자체 설계로 만들어 MIT 라이선스로 공개한 오픈웨이트 모델입니다. Artificial Analysis 지능 지수 47점은 Kimi K3보다 13점 낮지만 동급 오픈웨이트 중앙값 27점보다는 위이고, 제작사가 공개한 열여섯 개 평가 지표 중 τ³-Banking에서는 비교 모델 다섯 개를 모두 앞섰습니다. 비용은 API 요금이 아니라 장비와 전기로 나가는데, 서버와 냉각과 장비값을 뺀 GPU 전기료만으로 월 65만원가량입니다.

요즘 소버린 AI가 부쩍 화제입니다. 주권을 뜻하는 소버린이 붙은 말인데, 이 단어가 유명해진 계기는 다름아닌 엔비디아 때문입니다. 2024년 2월 세계정부정상회의에 선 젠슨 황은 데이터에 그 사회의 문화와 상식, 역사가 담겨 있다며 각 국가마다 AI 인프라를 갖춰 자기 지능의 생산을 직접 쥐어야 한다고 말했습니다.

우리 정부도 같은 문제의식을 가지고 이를 정책에 반영했는데요, AI 주도권을 미국이나 중국에 뺏기지 않는 데서 그치지 않고 우리가 만든 AI를 밖으로 내보내겠다는 목표를 걸고 2027년까지 2,136억원을 들여 독자 AI 파운데이션 모델 프로젝트를 시작했습니다. 이를 소버린 AI 파운데이션 모델 프로젝트라고 부릅니다.

이 프로젝트에서 나온 모델이 Motif-3입니다. 정부 소버린 AI 사업에서 나온 오픈웨이트 모델인 셈인데, 가중치가 통째로 공개돼 있어서 내려받아 사내 서버에 그대로 올릴 수 있습니다.

이 글에서는 Motif-3가 어떤 모델이고 성능이 다른 모델과 견줘 어디쯤인지, 한국어는 어떻게 다루는지, 그리고 직접 운용 시 비용이 얼마나 드는지를 정리했습니다.

Motif-3는 어떤 모델일까?

Motif Technologies가 기성 모델을 고친 것이 아니라 처음부터 자체 설계로 만든 오픈웨이트 모델입니다. 상용 API는 제공사 서버로 요청을 보내지만 Motif-3는 파일을 내려받아 사내 장비에 올려서 사용하는 방식입니다. 이렇게 사내 장비에 모델을 두는 방식을 온프레미스라고 부릅니다.

파라미터 값이 둘로 나뉘는 이유는 전문가 혼합이라는 구조 때문인데 라우팅 전문가 384개 중 토큰 하나마다 8개에 공유 전문가 1개만 켜지기 때문입니다. 계산은 132억 개짜리 모델만큼만 하지만 가중치는 3,140억 개를 전부 메모리에 올려 둬야 합니다.

어텐션 구조도 자체 설계하여 넣었습니다. 어텐션은 모델이 문장을 읽을 때 어느 단어를 얼마나 참고할지 정하는 장치인데 대화가 길어질수록 참고할 내용이 쌓여 메모리를 많이 잡아먹습니다. Motif-3는 GDLA라는 방식으로 이 메모리(키·값 캐시)를 줄였고 다음에 올 토큰을 미리 예측하는 모듈을 따로 달아 추론 효율을 높였습니다.

Motif-3, 활용에 제약은 없을까?

제약은 거의 없습니다. Motif-3는 오픈소스 라이선스 중에서도 제약이 가장 적은 편인 MIT 라이선스로 공개돼 있습니다.

• 허용 영역: 상업적 이용, 수정, 재배포, 사내 데이터로 추가 학습해 우리 전용 모델을 만드는 것, 그 결과물을 판매하는 것까지 허용됩니다

• 의무 영역: 저작권 고지와 허가 고지를 함께 남기는 것 하나입니다. 모델을 통째로 재배포하든 일부만 떼어 쓰든 그 안에 고지가 따라가야 합니다

• 보증 범위: 보증이 없습니다. 조문은 소프트웨어를 "있는 그대로" 제공하며 어떤 종류의 보증도 하지 않는다고 고지하고 있어 품질에 대한 보증이 라이선스 안에 없습니다

Motif-3 성능, 다른 모델과 비교하면 어디쯤일까?

상위권 오픈웨이트에는 못 미치지만 동급 오픈웨이트의 중앙값보다는 위입니다. 제3자 평가기관 Artificial Analysis가 여러 벤치마크 점수를 묶어 매기는 지능 지수에서 47점을 받았습니다. 백분율이 아니라 표 안의 위치로 읽는 지표인데, 같은 리더보드의 동급 오픈웨이트 중앙값은 27점입니다. 2026년 8월 18일 조회 기준으로 주요 비교 대상을 추린 순위표입니다.

Kimi K3에는 13점 뒤지고 바로 아래 MiniMax-M3와는 2점 차입니다. 표 맨 아래 Mistral Small 4·Llama 4 Maverick과는 27점에서 33점 벌어져 있고, 동급 오픈웨이트 중앙값 27점보다는 20점 위입니다.

과학기술정보통신부는 2026년 8월 18일 독자 AI 파운데이션 모델 프로젝트 2차 단계평가 결과를 발표하면서, Motif Technologies 정예팀의 모델이 같은 지능 지수에서 미국과 중국 외 국가가 개발한 AI 모델 가운데 세계 최고 성능을 기록했다고 적었습니다. 위 표는 국적을 가리지 않고 추린 것이라 이 평가와는 범위가 다릅니다. 다만 이 평가에서 벤치마크 성적은 100점 중 40점이고 나머지 60점은 전문가 평가와 사용자 평가입니다. 다음 단계에 오른 곳은 업스테이지와 SK텔레콤과 LG AI연구원 세 팀이었습니다. 도입을 검토하는 쪽에서 볼 것은 프로젝트 진출 여부가 아니라 위 표와 아래 벤치마크의 수치입니다.

Motif-3는 코딩·에이전트 업무에 쓸 수 있을까?

공개된 평가만 놓고 보면 에이전트 업무 쪽이 상대적으로 강하고, 코딩은 항목에 따라 편차가 큽니다. 여러 솔루션을 연결해 정해진 단계를 진행하는 것이 에이전트 업무입니다. 제작사가 공개한 열여섯 개 평가 지표 중 에이전트 범주 두 항목이 비교 모델보다 높습니다. 그중 ITBench는 Motif-3만 공개 문항으로 잰 값인 데다 비교 모델 한 곳이 점수를 내지 않아서 다섯 개가 같은 조건으로 겨룬 항목은 τ³-Banking 하나입니다.

위 표는 제작사 모델 카드에 실린 열여섯 개 중 여섯 개를 추린 것으로, 점수도 제작사가 공개한 값입니다. 비교 대상은 MiniMax-3, GLM-5.1, Kimi-K2.6, Qwen-3.7 max, DeepSeek-V4 Pro인데, 앞의 Artificial Analysis 표와는 시험도 모델 버전도 달라 두 표의 숫자를 섞으면 안 됩니다.

τ³-Banking은 비교 모델 다섯 개를 모두 앞서고 Terminal-Bench 2.1은 0.1점 차로 사실상 동률이지만, GPQA Diamond와 SciCode는 가장 높은 비교 모델과 각각 9.5점, 12.9점 벌어져 있습니다.

규모가 공개된 비교 대상은 전부 Motif-3보다 큰 모델입니다. 가장 작은 MiniMax-3의 파라미터 수가 4,280억 개, 가장 큰 DeepSeek-V4 Pro가 1조 6천억 개인데 Motif-3는 3,140억 개입니다. 항목에 따라 성능이 뒤지는 곳이 있지만, 규모가 공개된 비교 대상 중에서는 가장 적은 파라미터로 운용할 수 있어 필요한 GPU 메모리가 그만큼 줄어듭니다.

Motif-3는 한국어 특화 모델인가?

한국어에 무게를 실은 설계는 맞지만 한국어만 겨냥한 모델은 아닙니다. 모델 카드는 지원 언어를 영어와 한국어로 함께 적고 다국어 태그를 달아 두었습니다. 기술 보고서가 밝힌 한국어 관련 설계는 세 단계에 걸쳐 있습니다.

• 학습 단계: 약 12조 5천억 토큰을 학습하면서 한국어와 다국어 데이터, 추론 문제, 법률·금융 자료에 비중을 더 뒀다고 적혀 있습니다

• 토크나이저 설계: 한국어를 토큰 하나에 5.31바이트씩 담아(기술 보고서의 한국어 위키백과 표본 200만 자 기준) 함께 비교한 토크나이저 다섯 개 가운데 가장 압축이 좋습니다. 2위인 Qwen3.5가 4.03바이트이고 gpt-4o가 3.65바이트라 같은 한국어 문장을 더 적은 토큰으로 처리한다는 뜻입니다

• 후처리 단계: 한국어 대화를 따로 채점했습니다. 영어를 불필요하게 섞거나, 존댓말을 안 쓰거나, 성의 없이 짧게 답하는 것을 포함해 여덟 가지를 실격 항목으로 두고 하나라도 걸리면 그 답변에 0점을 줬습니다

컨텍스트 윈도우는 한국어로 약 78만 자입니다. 앞의 5.31은 기술 보고서가 바이트로 잰 값이고, 이건 저희가 공식 토크나이저로 글자 수를 따로 재 본 값입니다. 한국어는 토큰 하나에 2.96자였습니다. 컨텍스트 262,144토큰은 3,500자짜리 블로그 글로 치면 200편이 넘습니다.

Motif-3 가격은 얼마일까? 직접 운용 시 예상 소요 비용

GPU 전기료만 따지면 월 65만원 선입니다. 모델 카드가 서버 배포 예시로 제시한 H200 8장을 24시간 돌릴 때 기준입니다. 3,140억 개 가중치를 전부 메모리에 올려야 하는 모델인데, 카드가 배포 예시로 든 구성이 H200 8장입니다.

직접 운용을 검토하신다면 아래 금액을 총 운영비의 하한선으로 참고하실 수 있습니다. 공개 요금표로 GPU 전기만 계산했기 때문에, 장비와 인력이 붙는 실제 견적은 더 상승할 수 있습니다.

H200(SXM) 한 장의 최대 설계전력(TDP)은 700W라 여덟 장이면 5.6kW이고 한 달(30일) 내내 돌리면 4,032kWh를 씁니다. 단가는 kWh당 152.3원으로 잡았습니다. 한국전력 산업용(을) 고압A 선택Ⅰ 요금표의 시간대별·계절별 단가를 가동 시간으로 가중평균한 연 단가입니다. 전력량요금 61만원에 기본요금 4만원을 더해 월 65만원가량이 나옵니다.

위 표는 GPU가 쓰는 전기만 계산한 값입니다. 계산이 최대 설계전력 기준이라 실사용 전기는 이보다 낮게 나오지만, 서버 본체와 냉각과 장비 감가가 붙는 총 운영비는 이 금액을 넘습니다. 견적을 받으실 때는 이 금액 위에 기타 운영비가 각각 얼마인지를 따로 받아 보시면 됩니다.

오픈웨이트 모델, 도입 전에 무엇부터 정해야 할까?

사내 환경과 규제에 맞춰 도입을 위한 조건을 따져보는 것이 먼저입니다. 데이터를 밖으로 내보낼 수 있는지에서 답이 갈리면 후보군 자체가 달라집니다. 검토 순서는 아래와 같습니다.

• 데이터가 외부로 나가도 되는가: 그렇지 않다면 데이터를 밖으로 내보내는 상용 API가 전부 후보에서 빠지고 사내 장비에 직접 올리는 온프레미스 방식만 남습니다. 이때 필요한 망 구성과 확인 항목은 온프레미스 AI란 무엇일까에 정리해 뒀습니다

• 정밀도 vs 운용편의성: 어떤 모델을 어떤 정밀도로 올릴 것인가. 원본으로 가면 정밀도는 지키지만 GPU 장수가 늘고, 가중치를 더 작은 형식으로 줄여 담은 양자화본으로 가면 장비가 줄어 운용은 편해지는 대신 품질을 사내 사용 형태에 맞춰 다시 확인해야 합니다

• 에이전트 도입: 모델이 엔진이라면, 에이전트는 자동차입니다. 사내에서 AI 모델을 잘 활용하게 하기 위해서는 쓰기 좋은 형태로 AI를 운영하는 것이 효과적입니다. 저희가 구축을 도우면서 봐도 모델만 도입한 단계에서는 쓰는 사람이 잘 늘지 않아서, 부서 업무에 맞춘 에이전트를 만들어 배포하는 단계로 넘어갑니다. 대표적인 AI 에이전트 플랫폼인 Dify에 대해 궁금하시다면 Dify란? 업무용 AI 플랫폼 도입 전 확인 사항을 참고하세요

• 권한 설정: 누가 어디까지 쓰게 할 것인가. 모델이 여러 개로 늘고 부서마다 에이전트를 만들기 시작하면 등록과 권한을 관리할 곳이 필요해지는데, 그 얘기는 AX Foundry란? 사내 AI 에이전트를 등록하고 통제하는 운영 플랫폼에서 다뤘습니다

자주 묻는 질문

Motif-3는 어디서 만든 모델인가요?

Motif Technologies가 만들었고 공식 홈페이지는 motiftech.io입니다. 어텐션 구조부터 직접 설계해 만들었다고 모델 카드에 적혀 있습니다. 기술 보고서는 이 연구가 소버린 AI 파운데이션 모델 프로젝트(데이터 트랙)의 일환으로 수행됐다고 밝히고 있습니다. 이 프로젝트는 과학기술정보통신부가 주관하고 한국지능정보사회진흥원이 지원합니다.

Motif-3를 무료로 쓸 수 있나요?

모델 가중치가 공개돼 있어 내려받는 데는 비용이 들지 않고, 신청이나 승인 절차도 없습니다. 다만 실행에 필요한 GPU와 전기는 별도입니다. 라이선스가 무료인 것과 운영이 무료인 것은 다릅니다.

MIT 라이선스면 상업적으로 써도 되나요?

됩니다. 사내 업무에 쓰는 것은 물론이고 수정해서 우리 전용 모델로 만들거나 그 결과물을 판매하는 것까지 허용합니다. 조건은 저작권 고지와 허가 고지를 함께 남기는 것 하나입니다. 대신 어떤 보증도 따라오지 않으므로, 우리 업무 데이터로 품질을 확인하는 단계를 도입 일정에 넣어야 합니다.

GPU 8장이 꼭 필요한가요?

모델 카드가 서버 배포 예시로 제시한 구성입니다. 필요한 장수는 정밀도와 문맥 길이, 동시 처리량에 따라 달라집니다. 정밀도를 낮춰 용량을 줄인 NVFP4 양자화 체크포인트도 함께 배포돼 있으니 더 작은 구성으로도 올릴 수 있습니다. 대신 양자화본은 원본과 같은 질문을 던져 답을 비교한 뒤 결정하시면 됩니다.

Motif-3와 Kimi K3 중 무엇을 골라야 하나요?

지능 지수는 Kimi K3가 13점 앞섭니다. 대신 Kimi K3는 파라미터 규모가 조 단위라 사내 장비에 올릴 때 필요한 GPU 메모리가 더 듭니다. 최고 성능이 목적이면 Kimi K3, 우리 서버에서 돌리는 것이 목적이면 Motif-3부터 봅니다. 같은 업무 데이터로 둘 다 돌려 보고 정하는 편이 확실합니다.

Motif-3는 한국어를 잘 하나요?

학습과 토크나이저와 후처리 세 단계 모두 한국어에 비중을 뒀다고 기술 보고서가 밝히고 있습니다. 한국어 토크나이저 압축률도 함께 비교한 다섯 개 중 가장 좋습니다. 다만 여기까지가 설계 단계의 이야기이고 한국어 성능을 잰 점수는 아직 없습니다. 그래서 판단은 사내 문서를 몇 건 넣고 같은 질문을 던져 보는 쪽이 빠릅니다.

출처

출처

• Motif-3 모델 카드 (제작사, 파라미터, 구조, 라이선스, 컨텍스트, 권장 구성, 평가표) | https://huggingface.co/Motif-Technologies/Motif-3

• Motif 3 기술 보고서 (2026년 8월 11일, 학습 구성·토크나이저 압축·후처리·감사의 글) | arxiv.org/abs/2608.09119

• Motif Technologies 공식 홈페이지 | https://motiftech.io

• 엔비디아 공식 블로그, 「NVIDIA CEO: Every Country Needs AI」 (2024년 2월 12일, 세계정부정상회의 발언) | blogs.nvidia.com

• K-공감 837호, 「'국가대표 AI'를 뽑아라! 독자 AI 모델 최종 승자는?」 (문화체육관광부, 2026년 1월 1일. 소버린 AI 정의·사업 취지·지원 규모) | gonggam.korea.kr

• 과학기술정보통신부, 독자 AI 파운데이션 모델 프로젝트 추가 정예팀 선정 브리핑 (2026년 2월 20일) | korea.kr 브리핑룸

• 과학기술정보통신부·정보통신산업진흥원, 독자 AI 파운데이션 모델 프로젝트 2차 단계평가 결과 (2026년 8월 18일) | korea.kr 정책뉴스

• 과학기술정보통신부 영문 보도자료, MSIT Selects Five Elite Teams for the "Sovereign AI Foundation Model" (사업 영문 명칭 근거) | msit.go.kr/eng

• Kimi K3 모델 카드 (파라미터, 2026년 8월 19일 조회) | https://huggingface.co/moonshotai/Kimi-K3

• Artificial Analysis 모델 리더보드 (2026년 8월 18일 조회) | https://artificialanalysis.ai/leaderboards/models

• Artificial Analysis, Intelligence Index 산출 방법론 (v4.1.1) | https://artificialanalysis.ai/methodology/intelligence-benchmarking

• MIT 라이선스 조문 | https://opensource.org/license/mit

• NVIDIA H200 제품 사양 (141GB HBM3e, SXM 최대 700W TDP) | https://www.nvidia.com/en-us/data-center/h200/

• 한국전력 전기요금표, 산업용(을) 고압A 선택Ⅰ (2024년 10월 24일 적용) | https://online.kepco.co.kr/PRM004D00

• 토큰 효율은 Motif-3 공식 토크나이저(HuggingFace 배포 `tokenizer.json`)로 2026년 8월 18일 직접 측정했습니다.