금융·법률·컨설팅·운영 담당자들이 고객 앞에 내놓는 산출물은 대개 정해져 있다. 투자 설명 자료(덱), 엑셀 재무 모델, 그리고 보고용 메모다. 이런 '지식 노동'은 그동안 최상위 프런티어 모델의 단골 과제였지만, 반복적으로 많은 분량을 처리해야 하는 특성상 비용 부담이 컸다. 페이퍼 인스트루먼츠(Paper Instruments)가 공개한 울트라마린 1 플래시(Ultramarine 1 Flash)는 바로 이 영역을 겨냥한 오픈 모델로, 핵심 메시지는 단순하다. 상위 모델에 준하는 결과물을 훨씬 낮은 비용에 만들어낸다는 것이다.
제조사는 이 모델을 'Fable급(Fable-class)' 성능이라고 표현하면서 동시에 Fable 대비 60배 저렴하다고 밝혔다. 베이스 모델인 GLM-5.3 플래시와 비교하면 6개 벤치마크에서 평균 6.5% 더 적은 토큰으로 결과를 낸다는 점도 강조했다. 토큰을 덜 쓰면서도 결과 품질은 더 낫다는 주장인데, 실무 관점에서 토큰 절감은 곧바로 호출당 비용과 응답 지연으로 직결되는 요소여서 눈여겨볼 만하다. API 가격은 백만 토큰 기준으로 GLM-5.3 플래시와 동일하게 책정됐다.
비용 대비 품질, 어디쯤에 서 있나
페이퍼 인스트루먼츠가 제시한 숫자의 핵심은 '과제당 비용(per task)'이다. 울트라마린 1 플래시는 과제당 0.13달러 수준에서, 과제당 8.19달러인 클로드 Fable 5(max)와 2.09달러인 GPT-5.6 Sol(max)보다 높은 점수를 기록했다고 한다. 또한 과제당 6.96달러의 클로드 Opus 5.5(max), 1.26달러의 GPT-6 Sol(max)과는 3점 차 이내로 따라붙었다고 밝혔다. 즉 최상위 모델과 품질 격차를 수 점 이내로 좁히면서 비용은 수십 배 낮은 지점에 자리 잡았다는 것이 이 모델의 세일즈 포인트다.
이 수치는 PI Knowledge Work라는 자체 벤치마크에서 측정됐다. 이 벤치마크는 완성된 엑셀 워크북, 파워포인트 덱, 워드 문서를 만들어내는 과제뿐 아니라 ERP, MES 같은 실제 비즈니스 시스템 안에서 작업하는 과제까지 포함한다. 과제마다 별도의 평가 기준(루브릭)을 두고 내용의 충실도, 정확성, 표현(프레젠테이션)을 채점하며, 모든 모델을 동일한 실행 환경에서 돌리고 비용은 각 개발사의 공식 API 요금으로 계산했다고 설명한다. 제조사는 이 내부 점수가 아티피셜 애널리시스 인텔리전스 인덱스와 상관계수 0.81로 강하게 연동된다고 덧붙였다.
결과물의 '보기 좋음'을 노린 설계
흥미로운 지점은 이 모델이 글의 품질과 정보 구조를 전면에 내세운다는 점이다. 울트라마린 1 플래시는 간결하고 군더더기 없는 문장을 쓰며 시각적·정보적 위계 감각이 강하다고 소개된다. 전문 서비스업의 애널리스트에게 요구되는 규칙을 그대로 따르도록 설계했다는 것이다. 제조사가 든 예시는 구체적이다. 다섯 개 기간의 사업부별 매출과 이익을 하나의 표에 담되 모든 소계와 합계가 맞아떨어지도록 하고, 철강 사업부 이익이 2022년 72억 달러에서 2025년 24억 달러로 줄어드는 동안 매출 비중은 58%에서 62%로 오르는 흐름을 정리해 보여준다. 숫자가 서로 어긋나지 않게 '리컨사일(reconcile)'되는 표를 만들어내는 능력은 재무 실무에서 신뢰성의 기본 조건이다.
국내 실무자 입장에서 이런 접근의 매력은 분명하다. 반복적으로 양이 많은 보고 자료를 뽑아야 하는 현업에서는 모델 한 번의 똑똑함보다 비용·속도·형식 일관성이 더 중요한 경우가 많기 때문이다. 오픈 모델이라는 점도 사내 데이터를 외부로 내보내기 어려운 금융·법률 환경에서는 자체 인프라 운영 선택지를 넓혀준다. 토큰을 적게 쓰면서 표와 문서 형식을 깔끔하게 유지한다면, 대량 생성 파이프라인의 단가를 실질적으로 끌어내릴 수 있다.
받아들일 때 유의할 점
다만 공개된 근거의 성격은 냉정하게 볼 필요가 있다. 비교 수치는 모두 제조사가 직접 만든 내부 벤치마크 PI Knowledge Work에서 나온 것이며, 외부 인덱스와의 상관계수가 높다는 설명이 있어도 자체 평가라는 한계는 남는다. '3점 차 이내', '60배 저렴' 같은 표현 역시 평가 기준과 과제 구성에 따라 달라질 수 있는 상대적 수치다. 또한 과제당 비용은 각 모델이 과제를 푸는 데 쓴 토큰량에 좌우되므로, 실제 업무 부하와 프롬프트 설계에 따라 체감 비용은 얼마든지 달라진다.
결국 이 발표가 말하는 바는 최상위 지능의 경쟁이 아니라, '충분히 좋은 결과를 얼마나 싸게 반복할 수 있는가'라는 축에서의 경쟁이다. 도입을 검토한다면 제조사가 함께 공개한 기술 보고서로 학습 데이터와 평가 방식을 확인하고, 자사의 실제 보고서·모델 포맷을 소량 샘플로 돌려 형식 일관성과 수치 정확성을 직접 검증해보는 절차가 선행되어야 한다. 벤더의 숫자를 그대로 믿기보다, 현업 과제에 맞춘 작은 파일럿이 투자 판단의 더 확실한 근거가 될 것이다.