
- 송재경, AI로 혼자 만든 오픈소스 MMORPG
- AI와 100일, 1인 개발로 완성한 예측 앱
- 500달러 9B 모델, 프런티어를 이기다
AI가 코드를 대신 써주는 시대, 정작 눈에 띄는 단어는 ‘혼자’와 ‘싼값’이다. 30년 경력의 게임 개발 거장은 회사도 팀도 없이 오픈소스 MMORPG를 만들고, 백엔드를 몰랐던 프론트엔드 개발자는 100일 만에 통계 예측 앱을 전 플랫폼에 출시했다. 그리고 단돈 500달러로 튜닝한 9B 모델이 수백억이 투입된 프런티어 모델을 이겼다. 오늘 GeekNews TOP3는 ‘규모가 곧 경쟁력’이라는 오래된 공식이 흔들리는 현장을 보여준다.
송재경, AI로 혼자 만든 오픈소스 MMORPG
“특이점은 이미 왔다” — 거장은 코드 대신 지시를 내린다
‘바람의나라’, ‘리니지’, ‘아키에이지’를 만든 송재경이 오픈소스 MMORPG 프로젝트 ‘Open MMO’를 공개했다. 인간 플레이어와 AI 에이전트가 완전히 동일한 웹소켓 프로토콜로 접속해, 서버는 상대가 사람인지 AI인지 구분하지 못하는 실험적 구조다. AI 전용 API도 따로 두지 않았다.
주목할 점은 만드는 방식이다. 프로젝트 대부분을 ‘바이브 코딩’으로 진행했고, 초기에는 AI가 짠 코드를 직접 리뷰했지만 최근에는 코드 리뷰마저 다른 LLM에게 맡기고 있다. 그는 자신의 역할을 “직접 코딩하기보다 AI 직원에게 지시하는 쪽에 가까워졌다”고 설명한다. 물론 한계도 분명하다. AI는 3D 공간 개념이 약해 다층 건물과 계단 시스템을 만들 때 반복적인 디버깅이 필요했다. 언어 이해력에 비해 공간 추론 능력은 아직 부족하다는 것이다. 그럼에도 그는 지금을 단순한 기술 발전이 아니라 “산업혁명급 변화의 시작점”, 즉 특이점이 이미 진행 중인 국면으로 본다.
Tech Insight — 개발자의 무게중심이 ‘코드를 쓰는 사람’에서 ‘문제를 정의하고 AI를 관리하는 사람’으로 옮겨가고 있다. 30년 경력자조차 상업성 때문에 미뤄둔 프로젝트를 AI의 힘으로 실현하는 지금, 신규 진입자의 무기는 특정 언어 숙련도가 아니라 무엇을 왜 만들지 정의하는 능력이다.
AI와 100일, 1인 개발로 완성한 예측 앱
백엔드도 통계도 낯설던 개발자가 예측 모델을 만든 법
한 프론트엔드 개발자가 AI 에이전트와 협업해 약 100일간 1인 개발로 아파트 가격 시뮬레이터 ‘APT Insights’를 완성했다. 오랫동안 데이터 시각화 위주로 일해 온 그에게 백엔드 인프라, 비동기 큐, 시계열 예측 모델은 매우 생소한 영역이었지만, AI 주도로 이를 넘어섰다. 결과물은 웹과 PWA를 넘어 iOS 앱스토어와 구글 플레이스토어 정식 네이티브 앱까지, 광고 없이 무료로 공개됐다.
기술적 접근도 만만치 않다. “24개월 뒤 정확히 얼마”라는 단일 점 예측 대신, 금리·환율·가계부채·정책 등 16개 거시·구조 팩터를 결합하고 VECM(벡터오차수정모델) 잔차 보정과 몬테카를로 시뮬레이션으로 중앙 50%(P25~P75) 확률 구간을 산출한다. 신뢰도 검증도 게을리하지 않았다. 12개월 표본 외(OOS) 백테스트에서 가격 MAPE 6.32%를 기록했고, 매일 무작위 5개 단지의 검증 결과를 백서에 투명하게 공개한다. 서버리스 하이브리드 구조로 월 고정 비용은 최소화했다.
Tech Insight — AI는 ‘내가 모르는 분야’의 진입장벽을 극적으로 낮춘다. 다만 이 사례의 진짜 실력은 예측 모델을 짠 것이 아니라, 과적합 위험을 확률 구간으로 우회하고 OOS 백테스트로 스스로를 검증하도록 설계한 판단력에 있다. AI 시대에 남는 경쟁력은 검증 체계를 세우는 힘이다.
500달러 9B 모델, 프런티어를 이기다
87.3% vs 76.9%, 그리고 68배의 비용 차이
전자상거래 카탈로그 검수용 9B 오픈소스 모델을 약 500달러로 강화학습(GRPO) 미세조정한 결과가 화제다. 같은 도구·이미지·채점기를 쓴 모든 프런티어 모델 구성보다 높은 점수를 냈다. 17만7,767개 검수 에피소드로 만든 ‘디지털 트윈’에서 상품 분류·브랜드 확인·속성 추출·정책 판정을 반복시켜, 기업 고유의 분류 체계와 판단 기준을 모델 가중치에 새겨 넣었다.
숫자가 인상적이다. 학습 모델은 달성 가능한 최대 점수의 87.3%를 기록해 최상위 프런티어 구성의 76.9%를 앞섰다. 비용 차이는 더 극적이다. 상품 1,000개당 약 0.50달러로, 가장 비싼 구성 대비 약 340배, 최고 점수를 낸 프런티어 구성 대비 68배 저렴하다. 하루 4,000만 건 규모라면 연 5억 달러와 700만 달러의 차이다. 핵심 조건은 결과를 규칙·테스트·평가표로 검증할 수 있느냐다. 변하는 사실은 검색 도구에 두고, 기업 고유의 판단 방식만 모델에 학습시키는 구조가 관건이다.
Tech Insight — ‘큰 모델이 곧 정답’이라는 공식이 흔들린다. 빈도가 높고 검증 가능한 반복 업무는 작은 전문 모델이 압도적으로 경제적이고, 드물지만 검증 가능한 업무는 프런티어 모델이 낫다. 경영진에게 진짜 역량은 ‘어디에 파인튜닝하고 어디에 범용 모델을 쓸지’를 나누는 판단이다.
관련 글
- OpenMMO – AI Agent와 인간 플레이어가 동등하게 대우받는 MMORPG
- 루프 안의 인간은 지쳤다
- AI 에이전트 시대의 새로운 SaaS 플레이북
- GLM-5.2, Artificial Analysis 오픈 가중치 모델 1위 등극
- 베테랑 개발자의 바이브 코딩: 8비트 어셈블리에서 영어-as-코드까지
출처
- GeekNews — 송재경, AI와 게임 (inven.co.kr)
- GeekNews — 100일간 AI로 1인 개발한 아파트 가격 시뮬레이터 (apt-insights.com)
- GeekNews — 500달러로 미세조정한 9B 오픈 모델, 카탈로그 검수에서 프런티어 모델 능가 (fermisense.com)
AI Biz Insider · Tech Digest · aibizinsider.com
댓글 남기기