Fugu-Cyber가 보여준 ‘모델 조합’의 경쟁력

일본 Sakana AI가 다중 에이전트 오케스트레이션 모델 Fugu의 보안 특화 버전인 Fugu-Cyber를 공개했다. 하나의 거대 모델을 새로 개발한 것이 아니라, 여러 전문 AI 모델과 검증 에이전트를 과제에 따라 선택·분업시키고 그 결과를 종합하는 일종의 ‘AI 지휘자’ 방식이다.

이용자는 하나의 API만 호출하지만, 내부에서는 모델 선택과 업무 분담, 교차검증, 결과 통합이 자동으로 이뤄진다. Sakana AI는 이를 통해 특정 빅테크 모델에 대한 의존도와 단일 공급자 위험을 낮출 수 있다고 강조한다.

벤치마크가 보여준 것

공개된 평가에서 Fugu-Cyber는 실제 소프트웨어 취약점의 분석·재현 능력을 측정하는 CyberGym에서 86.9%, 위협정보를 실전 탐지 규칙으로 전환하는 CTI-REALM에서 72.1%를 기록했다. Sakana AI가 제시한 동일 조건의 비교에서는 GPT-5.5-Cyber(85.6%, 67.3%)와 Mythos Preview(83.1%, 68.5%)를 모두 앞섰다.

단일 모델의 규모와 성능뿐 아니라, 전문 모델과 보안 도구, 검증 절차를 어떻게 조합하고 지휘하느냐가 실제 사이버 역량을 좌우할 수 있음을 보여주는 결과다.

벤치마크 성능이 곧 보안 역량은 아니다

물론 벤치마크 성능을 실제 기업의 보안 역량과 곧바로 동일시해서는 안 된다. Sakana AI 역시 고성능 모델에 접근하는 것만으로 보안 문제가 해결되지는 않는다고 강조한다.

실제 도입을 위해서는 내부 소스코드와 운영환경에 대한 접근, 전문 보안인력, 오탐 검증, 패치 적용 전 안전성 확인, 기존 보안시스템과의 연계가 함께 갖춰져야 한다. Fugu-Cyber도 공개 가중치 모델이 아니라, 이용 목적과 신원을 심사받아야 접근할 수 있는 제한형 API 서비스다.

‘최고 성능의 단일 국산 모델’만이 답은 아니다

정책적으로 주목할 점은 ‘최고 성능의 단일 국산 모델’만이 소버린 AI의 유일한 해답은 아니라는 것이다. 통제 가능한 환경에서 국내외 모델과 보안 도구를 선택적으로 결합하고, 수행 과정과 결과를 독립적으로 검증할 수 있는 오케스트레이션·검증 인프라 역시 중요한 소버린 AI 역량이 될 수 있다.

다만 공급자를 다변화하는 것만으로 기술 주권이 확보되는 것은 아니다. 민감한 데이터가 어떤 모델과 사업자에게 전달되는지, 에이전트의 활동 로그와 판단 근거를 추적·감사할 수 있는지, 특정 모델의 접근이 차단되더라도 핵심 기능을 자체 또는 대체 모델로 전환할 수 있는지까지 함께 점검해야 한다.

결국 사이버 AI 경쟁의 핵심은 가장 강력한 모델 하나를 보유하는 데 그치지 않고, 여러 모델을 통제하고 검증하며 필요할 때 교체할 수 있는 능력에 있다.

출처: sakana.ai/fugu-cyber-release