야오순위(Yao Shunyu)는 자리에 앉기도 전이다.

지금 그를 의심하기에는 이르다. 2025년 12월 HunYuan을 인수했고, 6월 초 첫 번째 공식 발언까지 채 6개월 반이다. 조직 구조, 데이터 파이프라인, 컴퓨팅 스케줄링 세 가지 차원에서 완전히 재구축해야 하는 초대형 시스템에게 반년은 너무 짧다.

재구축은 시작에 불과, 약점은 모두 인프라에 있다

Hy3 Preview는 야오가 제출한 첫 번째 반제품에 불과하며, 완성형 주력 모델과는 거리가 멀다. 그本人도 말한다: “계속 사전 학습과 사후 학습 규모를 확대 중이며, 정식 버전은 대폭 개선될 것이다.”

그가 인수한 것은 정예 부대가 아니라 쌓여온 역사적 부채 더미였다. 탕다오성(Tang Daosheng)은 공개적으로 인정했다: 과거 HunYuan 팀은 여러 비즈니스 라인에 분산되어 통합된 기반이 없었고, 고품질 훈련 데이터 공급이 심각하게 부족했으며, 훈련 GPU는 오랫동안 내부 제품에 우선 배정되어 컴퓨팅 자원이 빠듯했다.

야오순위가 이 반년 동안 해낸 것은 분산된 인력 통합, 새로운 데이터 정제 및 평가 파이프라인 구축, 컴퓨팅 확장 및 스케줄링 추진이다. 이러한 작업은 모두 수개월이 소요되며, 현재도 데이터 인프라는 완전히 가동되지 않았고, 컴퓨팅 자원은 여전히 ByteDance와 Alibaba의 풍부한 자원에 미치지 못한다.

따라서 중간 버전 하나로 전체 시스템을 판단하는 것은 합리적이지 않다. 업계 분석가들은 Alibaba의 Qwen 3.7과 ByteDance의 Doubao 2.1이 안정화되기까지 2년 이상의 반복이 필요했다고 지적한다. 통합된 지 반년밖에 안 된 팀에게 즉각적인 돌파를 기대하는 것은 시간 차이가 너무 명백하다.

텐센트는 모델 훈련을 이해하는가? 당연히 이해한다.

야오순위는 자리에서 전체 기술 체인을 설명했다. Hy3 Preview는 주류 MoE 아키텍처를 채택하여 ByteDance, Alibaba, DeepSeek의 접근 방식과 완전히 일치한다. 그는 ReAct 아키텍처의 원조 제안자이며 OpenAI의 GPT 훈련에 깊이 참여했다 — 방법론에 인식 사각지대가 없다.

진정한 발목은 실행 자원

수천억 파라미터급 NLP 사전 학습 및 MoE 전문가가 2025년 말에야 본격적으로 영입되기 시작했으며, 완전한 인재 파이프라인은 아직 구축 중이다. WeChat과 QQ의 소셜 데이터는 규제로 엄격히 제한되어 무제한 개방이 불가능하며, 고품질 코퍼스의 규모와 구조화 정도는 Alibaba의 전자상거래 데이터와 ByteDance의 공개 도메인 자산에 크게 미치지 못한다.

탕다오성은 자원이 제품에 우선 배정되어 대규모 모델 전용 컴퓨팅 자원이 빠듯하다고 여러 번 인정했다. 단일 카드 활용률과 클러스터 규모 모두 일일 반복을 지원하기 어렵다.

전장의 강도는 최고조: 반복은 일 단위, 경쟁사는 이미 컨베이어 벨트 위

하지만 전장은 기다려주지 않는다. 2026년의 반복 속도는 이미 한계까지 압축되었다.

업계 반복 주기는 15-30일로 단축되어 2023년 대비 4-6배 빨라졌다. 게다가 연중무휴로, 춘절과 단오절에도 새 버전을 출시하며 연구개발은 7x24 교대근무체제다. IDC 데이터는 냉혹하다: 한 번의 반복 주기를 놓치면 순위와 API 호출량이 즉시 하락한다. “일일 미세 조정, 월별 출시 — 강도가 전례 없다.”

텐센트의 경쟁사들은 이미 “혼토니 조우즈”(本当上手, 제 실력을 발휘하고 있다). ByteDance의 Doubao 2.1 발표에서는 완전한 파이프라인이 공개되었다: 멀티모달 데이터로 사전 학습 확장, 자동화된 사후 학습 클러스터가 18시간 만에 맞춤형 미세 조정 완료, 매주 롤링 업데이트, 3억 1500만 MAU 제품이 실제 사용자 피드백을 모델에 환류시키는 폐쇄 루프가 이미 완성되었다.

텐센트는 아직 반수동에서 산업화로 넘어가는 과정에 있다.

야오순위에게 남은 시간이 많지 않다.

하지만 지금 그에 대한 판단을 내리는 것은 자리가 따뜻해지기도 전에 조사를 읽는 것과 같다. 시스템 전반의 재구축은 겨우 형태를 갖추기 시작했으며, 그의 능력은 부정되지 않았다.

앞으로 1년, 그는 최대한 빠른 속도로 손발을 묶고 있는 줄을 풀어야 한다 — 인력 공백을 메우고, 데이터 인프라를 가동하고, 컴퓨팅 격차를 해소하며, “아는 것”을 “빠르게 하는 것”으로 바꿔야 한다.

AI는 분명 장거리 달리기다. 하지만 전제는 선두 그룹에서 먼저 시야에서 사라지지 않는 것이다.

추격의 페이스를 올릴 때다.