2026.10.13 · 네이버 프리미엄 콘텐츠 · 올바른 미국주식 by SAPIENS

유형
네이버 프리미엄 콘텐츠
날짜
2026.10.13
강연자/작성자
올바른 미국주식 by SAPIENS
분석 주제
미지정
자료 길이
본문 11,057자
1

문서 전체 조망

핵심 구조

AI 경쟁은 모델 성능보다 비용·생산·전력의 실현 조건까지 함께 본다

메타의 Muse Wonder 공개부터 VR200 생산 루머, 광통신·전력·GPU 임대 가격과 의료·스테이블코인 관찰까지 당일 변화를 점검한다.

새 발표나 단기 주가 움직임만으로 결론을 내리지 않고, 비용 구조와 수율·수요·유통량의 실제 조건을 함께 대조하는 점이 중요하다.

Muse Wonder는 성능을 입증했지만 비용 효율은 별도 과제다

  • Muse Wonder Full은 Terminal-Bench 4.0-AA에서 57.1%로 Gemini 4 Argon과 같고 Muse Wonder는 52.0%를 기록했다.
  • 다만 Muse Wonder의 작업당 비용은 $4.52이고 평균 입력 토큰은 769만 개로, 모델 성능이 실제 기업 사용의 비용 경쟁력으로 바로 이어지지는 않는다고 평가한다.

VR200 출하 루머는 수율과 제품 구조를 먼저 확인해야 한다

  • VR200 NVL72 출하 기대치가 10K에서 5K로 낮아졌다는 루머가 나왔지만, 같은 이야기가 8월에도 있었고 Orthogonal Backplane의 적용 대상도 맞지 않을 수 있다고 짚는다.
  • 수율 우려가 남아도 GB300 수요와 이후 일정까지 보면 AI 하드웨어 전반의 하락을 단정할 근거는 부족하다고 본다.

광통신은 인터커넥트 규격보다 병목 부품과 레이저가 중요하다

  • OCP의 400G/lane USFP는 대역폭 밀도와 전력효율을 높이는 새 규격이지만, 광학·인터커넥트의 방향 자체를 바꾸는 발표는 아니라고 본다.
  • InP 기판 공급과 고속 EML·CW Laser의 역할, 800G·1.6T BoM에서 레이저가 미국산 비중을 좌우하는 구조가 더 직접적인 관찰 대상이다.

AI 인프라의 다음 제약은 전력과 실제 사용량이다

  • CY27에는 50GW 컴퓨트 장비에 57GW Powered Shell이 필요하지만 가시적인 물량은 38GW라는 계산을 제시한다.
  • BTM 현장발전 등으로 공백을 메우는 방안과 함께, B200 장기 임대가격 상승·GB300 계약 단가·USDC 유통량처럼 실제 수요와 사용량을 보여 주는 지표를 분리해 본다.
ANALYSIS VIEW사건별 사실과 작성자의 판단, 지속 정보를 나누어 읽기
2
발생·예정 사건과 출처별 관점

이슈 분석

이 자료가 이슈의 어떤 사실을 다루고, 작성자가 무슨 결론을 어떤 근거로 내렸는지 원문에 붙여 읽습니다.

발생발표·발생 후발생일 26-10-12

26-10 메타 Muse Wonder 모델 공개

작성자의 핵심 판단

작성자는 Muse Wonder의 절대 성능은 프론티어 AI Labs로 볼 만큼 높다고 평가하지만, Gemini 4 Argon이나 GPT-6.1 Sol과 비교한 가성비는 약하다고 본다.

근거 보기 3
  1. 원문 구간 1

    Muse Wonder 출시 이후에 바뀐 생각을 감안하더라도 AI Labs 등급은 Tier 1 : 오픈AI, 앤스로픽, 구글, 메타 Tier 2 : Z.ai, 딥시크, 미스트랄, 스페이스X, 알리바바, 문샷이라 생각합니다. 관전포인트는 (i) 구글 Gemini 4 Argon이 굉장히 잘 뽑힌 모델입니다. (ii) 메타의 Muse Wonder도 유의미하게 잘 나왔지만 각종 벤치마크에서 Gemini 4 Argon과 비등한데 더 비싸거나 그렇습니다. 그래도 기본적인 성능 자체가 워낙 잘 나왔습니다. (ii) 스페이스X가 Grok 4.7과 그 이후 모델 연구속도에서 워낙 뒤처지는 모습을 보이고 있습니다. Cursor의 코딩 데이터들을 넣어 잠깐 반짝했던 것인가 싶을 정도로 아쉬운 모습입니다. 모델은 (ㄱ) Muse Wonder, (ㄴ) Muse Wonder Full 두 가지 모델입니다. (ㄱ) Muse Wonder는 즉시 Meta Model API와 Muse Code를 통해서 서비스되고 있고, (ㄴ) Muse Wonder Full은 Muse Code 구독자에게만 먼저 제공됩니다.

  2. 원문 구간 2

    (ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%

  3. 원문 구간 3

    여기서도 보실 수 있듯이, 피크 지능을 놓고 보면 앤스로픽 모델들이 화려하지만 실제 기업들이 사용하는 비용까지를 고려하면 오픈AI의 모델 경쟁력이 유의미하게 높습니다. 이렇게 놓고 보면 Muse Wonder 시리즈의 가성비가 많이 별로인데, 문득 드는 생각은 중국 AI Labs들의 distillation 수요를 먹어서 성장하려는 건가 싶기도 합니다. ⓓ작업당 비용으로는 *첨부자료 3* Muse Wonder 기준 $4.52입니다. Opus 5.5의 $5.98과 비교하면 가격이 낮지만, GPT-6 Astra $3.26, Gemini 4 Argon $1.99에 비해서는 가격이 높습니다. 다만 해당 가격에서 Cache Write($1.92)와 Cache Hit($1.44) 비용이 유독 높습니다. 두 항목을 합치면 전체 작업당 비용의 74%입니다. 이는 캐시 단가가 비싸기 때문이라기보다 문제를 해결하는 과정에서 소비하는 입력 토큰의 양이 굉장히 많기 때문입니다. Muse Wonder는 작업당 평균 769만 개의 입력 토큰을 사용하는데, 이는 GPT-6 Astra, Gemini 4 Argon 등과 비교해 2~7배 많은 수준입니다.

이 자료에서 다룬 사실

  • 메타는 Muse Wonder와 Muse Wonder Full 두 모델을 공개했고, 전자는 Meta Model API와 Muse Code에서, Full은 먼저 Muse Code 구독자에게 제공한다고 적었다.
  • Terminal-Bench 4.0-AA에서 Muse Wonder는 52.0%, Muse Wonder Full은 57.1%를 기록했다고 제시했다.
  • Muse Wonder의 Input/Output 가격은 $4/$20이며, Full의 API 가격은 공개하지 않았다고 적었다.
  • Muse의 D7 유지율은 30% 초과, D14 유지율은 22.5%로 제시됐으며 D14 비교에서 ChatGPT 26.8% 다음이었다.
근거 보기 4
  1. 원문 구간 1

    Muse Wonder 출시 이후에 바뀐 생각을 감안하더라도 AI Labs 등급은 Tier 1 : 오픈AI, 앤스로픽, 구글, 메타 Tier 2 : Z.ai, 딥시크, 미스트랄, 스페이스X, 알리바바, 문샷이라 생각합니다. 관전포인트는 (i) 구글 Gemini 4 Argon이 굉장히 잘 뽑힌 모델입니다. (ii) 메타의 Muse Wonder도 유의미하게 잘 나왔지만 각종 벤치마크에서 Gemini 4 Argon과 비등한데 더 비싸거나 그렇습니다. 그래도 기본적인 성능 자체가 워낙 잘 나왔습니다. (ii) 스페이스X가 Grok 4.7과 그 이후 모델 연구속도에서 워낙 뒤처지는 모습을 보이고 있습니다. Cursor의 코딩 데이터들을 넣어 잠깐 반짝했던 것인가 싶을 정도로 아쉬운 모습입니다. 모델은 (ㄱ) Muse Wonder, (ㄴ) Muse Wonder Full 두 가지 모델입니다. (ㄱ) Muse Wonder는 즉시 Meta Model API와 Muse Code를 통해서 서비스되고 있고, (ㄴ) Muse Wonder Full은 Muse Code 구독자에게만 먼저 제공됩니다.

  2. 원문 구간 2

    (ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%

  3. 원문 구간 3

    Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다. ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다. ⓒ가성비를 보시면 *첨부자료 2* 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.

  4. 원문 구간 4

    ​ (2) 메타 Muse의 유지율이 공개됐는데, *첨부자료 5* D7에서 ChatGPT보다 높은 >30%이고, D14에서는 22.5%입니다. D14 기준 유지율은 ChatGPT 26.8% > Muse 22.5% > Threads 21.2% > Google Maps 18.5% > Grok Bot 10.4%로 유의미한 유지율을 보이고 있습니다. 메타 입장에서는 이제부터 무리해서 광고하고 사용자 풀을 확대하기보다 유지율이 충분하게 올라오는 속도에 맞춰서 사용자 풀을 확대할 것으로 예상합니다. ​ AI HW: ​ (1) 우선, 뚜렷하게 AI HW 위주의 하락세를 설명할 수 있는 뉴스는 크게 보이지 않습니다. 하나가 있다면 오늘 루머 중에서 GPU, Orthogonal Backplane, 전원쪽 이슈로 인해서 양산 과정상 CY26 VR200 NVL72 랙 출하량 기대치가 10K → 5K로 줄었다는 루머가 있습니다. 대만 서버 ODM쪽에서 Rubin 출하량이 낮아졌다는 것입니다. 최근 컨센은 7~8K정도까지는 컨센이 생기고 있었습니다.

그렇게 판단한 이유

동일한 mini-swe-agent로 모델을 비교하는 Terminal-Bench 4.0-AA의 성능, 작업당 비용과 토큰 사용량을 함께 대조해 절대 성능과 비용 경쟁력을 나눠 평가했다.

근거 보기 4
  1. 원문 구간 1

    (ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%

  2. 원문 구간 2

    Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다. ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다. ⓒ가성비를 보시면 *첨부자료 2* 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.

  3. 원문 구간 3

    여기서도 보실 수 있듯이, 피크 지능을 놓고 보면 앤스로픽 모델들이 화려하지만 실제 기업들이 사용하는 비용까지를 고려하면 오픈AI의 모델 경쟁력이 유의미하게 높습니다. 이렇게 놓고 보면 Muse Wonder 시리즈의 가성비가 많이 별로인데, 문득 드는 생각은 중국 AI Labs들의 distillation 수요를 먹어서 성장하려는 건가 싶기도 합니다. ⓓ작업당 비용으로는 *첨부자료 3* Muse Wonder 기준 $4.52입니다. Opus 5.5의 $5.98과 비교하면 가격이 낮지만, GPT-6 Astra $3.26, Gemini 4 Argon $1.99에 비해서는 가격이 높습니다. 다만 해당 가격에서 Cache Write($1.92)와 Cache Hit($1.44) 비용이 유독 높습니다. 두 항목을 합치면 전체 작업당 비용의 74%입니다. 이는 캐시 단가가 비싸기 때문이라기보다 문제를 해결하는 과정에서 소비하는 입력 토큰의 양이 굉장히 많기 때문입니다. Muse Wonder는 작업당 평균 769만 개의 입력 토큰을 사용하는데, 이는 GPT-6 Astra, Gemini 4 Argon 등과 비교해 2~7배 많은 수준입니다.

  4. 원문 구간 4

    원인들은 굉장히 복잡한 요소인데, 솔루션은 하나입니다. 원인들은 (a) 문제를 맞히는 것까지는 학습하지만 효율적으로 푸는 것은 학습하기가 어려워서 (b) 에이전트가 사용하는 도구 자체가 비효율적일 수 있어서 (c) 장기 작업 관리에서 명확한 종료나 검증 기준이 정해지지 않아서 등등입니다. 솔루션은 같은 작업을 더 적은 Agent step과 더 적은 토큰으로 해결할 수 있도록 하네스를 함께 최적화하는 것입니다. Muse Code 사용자들이 해당 환경에서 Muse Wonder를 사용해보면서 실제 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정이 필요합니다. 가장 퍼포먼스가 좋은 Muse Wonder Full를 Muse Code로만 서비스하는 이유도 Muse Code 사용량을 늘리기 위해서라고 생각됩니다. ⓔ작업당 토큰 수로는 *첨부자료 4* Muse Wonder/Full 모두 54K(생각 29K + 답변 26K)입니다. GPT-6 Astra 27K(생각 17K + 답변 11K), GPT-6.1 Sol 38K(생각 25K + 답변 13K)보다는 아니지만, Gemini 4 Argon 62K(생각 36K + 답변 26K)보다는 토큰을 덜 사용하고 Opus 5.5 119K(생각 84K + 답변 35K)보다도 토큰을 덜 사용합니다.

원문에서 직접 연결한 대상메타
발생 가능진행 중발생일 미확인

엔비디아 VR200 NVL72 랙 생산 시점 조정

작성자의 핵심 판단

작성자는 VR200 NVL72 출하 기대치가 10K에서 5K로 줄었다는 대만발 루머의 신빙성을 확신하기 어렵고, 5~7K 수준이라도 AI 하드웨어 전반의 가파른 매도를 설명할 뉴스는 아니라고 평가한다.

근거 보기 3
  1. 원문 구간 1

    근데 대만발 루머에서 10K → 5K 얘기 자체는 8월 27일에 대만에서 이미 얘기가 나왔던 것이라서 이게 얼마나 신빙성 있을지는 잘 모르겠습니다. 당시 루머가 나왔던 맥락 자체를 정리해보면: Strata 보드를 8월 초에 생산하기 시작했는데, 8월 27일 기준으로 UPH(시간당 최대 생산능력)는 20~30개이고 현장에 4개의 생산라인이 있으며, Compute Tray 하나에 필요한 HPM 보드는 Strata 보드 2개로 구성됩니다. 핵심 과제는 공정, 재료, 장비를 최적화한 다음 최적화한 생산 라인을 N개로 곱해 여러 지역으로 늘리는 게 핵심인데, 향후 9~10월까지는 생산 라인 수를 늘리는 게 아니라 UPH가 높고 초기 합격률이 안정적인 양질의 생산 라인을 만들어내는 데에 우선순위를 두고 있다는 것이었습니다. 그리고 이번 루머에서 Orthogonal Backplane이란 말이 좀 의심스러운 것은, 이건 Kyber에 적용된 것이지 Oberon 계열은 여전히 NVLink 연결에 약 5,000개의 구리 케이블이 들어간 Cable Cartridge Backplane을 사용하기 때문에 Orthogonal Backplane이 등장하지 않습니다.

  2. 원문 구간 2

    Rubin과 Rubin Ultra 프로젝트를 혼동하는 것이 아닌가 싶습니다. 9월 15일, 대만 ODM 서베이에서도 대략 Rubin CY26 출하 전망이 7~8K로 낮아졌다는 내용은 있긴 합니다. 당시에는 랙 단위 수율로 볼 때 Full Rack 기준 60%인 게 문제라는 코멘트가 있었습니다. 표준 서버 Full Rack 수율은 95~98%, HGX A100/H100 서버는 85%였습니다. 성숙 단계에 이르더라도 수율은 70%일 것으로 예상했습니다. 최근 10월 11일, JPM도 Full Rack 수율이 최적화되지 않아서 4Q26 VR200 NVL랙 출하량이 7K 정도로 제한될 것으로 예상한 바 있습니다. 그리고 5~7K라 할지라도 AI HW 전체의 가파른 매도를 불러일으킬 정도의 뉴스라고 생각하진 않습니다. GB300을 여전히 계속해서 팔고 있음에도 수요가 증가하는 속도가 더욱 가팔라 GPU 임대가격이 상승하는 중입니다. 스페이스X가 구글과 계약했던 GB300 계약가격이 1GW당 $31B였는데, 최근 신규 고객 2건은 $60~61B입니다.

  3. 원문 구간 3

    이후의 Rubin Ultra 프로젝트나 NPO/CPO 일정에도 변함이 없음은 OCP를 통해서 확인하고 있는 만큼 이런 것들을 함께 고려했을 때 '뚜렷하게 AI HW 위주의 하락세를 설명할 수 있는 뉴스는 크게 보이지 않습니다.'라고 생각했습니다. ​ (2) 2026 OCP Global Summit이 진행되고 있습니다 *첨부자료 2, 3, 4, 5*: 엔비디아와 시스코가 400G/lane 기반 차세대 광트랜시버인 'USFP(Ultra-Dense Small Form Factor Pluggable)'를 발표했습니다. 기존 OSFP 대비 대역폭 밀도는 4배, 전력효율 1.3배입니다. 대역폭은 200G/lane OSFP 대비 4배인데, 레인당 속도를 200G → 400G로 2배 빠르게, 트랜시버 내의 레인 수를 8개 → 16개로 2배 확대해기 때문입니다. 향후 32개까지도 확대할 수 있도록 설계했습니다. OSFP-XD와 같은데 USFP는 처음부터 400G를 지원하기 위해서 전기 커넥터나 발열 처리 스펙을 바꿨습니다.

이 자료에서 다룬 사실

  • 대만 서버 ODM발 루머는 GPU·Orthogonal Backplane·전원 이슈로 CY26 VR200 NVL72 랙 출하 기대치가 10K에서 5K로 낮아졌다고 전했다.
  • 9월 15일 대만 ODM 서베이는 Rubin CY26 출하 전망 7~8K와 Full Rack 기준 60% 수율 문제를, 10월 11일 JPM은 4Q26 VR200 NVL 랙 출하량 약 7K 제한 전망을 각각 제시했다고 적었다.
근거 보기 2
  1. 원문 구간 1

    근데 대만발 루머에서 10K → 5K 얘기 자체는 8월 27일에 대만에서 이미 얘기가 나왔던 것이라서 이게 얼마나 신빙성 있을지는 잘 모르겠습니다. 당시 루머가 나왔던 맥락 자체를 정리해보면: Strata 보드를 8월 초에 생산하기 시작했는데, 8월 27일 기준으로 UPH(시간당 최대 생산능력)는 20~30개이고 현장에 4개의 생산라인이 있으며, Compute Tray 하나에 필요한 HPM 보드는 Strata 보드 2개로 구성됩니다. 핵심 과제는 공정, 재료, 장비를 최적화한 다음 최적화한 생산 라인을 N개로 곱해 여러 지역으로 늘리는 게 핵심인데, 향후 9~10월까지는 생산 라인 수를 늘리는 게 아니라 UPH가 높고 초기 합격률이 안정적인 양질의 생산 라인을 만들어내는 데에 우선순위를 두고 있다는 것이었습니다. 그리고 이번 루머에서 Orthogonal Backplane이란 말이 좀 의심스러운 것은, 이건 Kyber에 적용된 것이지 Oberon 계열은 여전히 NVLink 연결에 약 5,000개의 구리 케이블이 들어간 Cable Cartridge Backplane을 사용하기 때문에 Orthogonal Backplane이 등장하지 않습니다.

  2. 원문 구간 2

    Rubin과 Rubin Ultra 프로젝트를 혼동하는 것이 아닌가 싶습니다. 9월 15일, 대만 ODM 서베이에서도 대략 Rubin CY26 출하 전망이 7~8K로 낮아졌다는 내용은 있긴 합니다. 당시에는 랙 단위 수율로 볼 때 Full Rack 기준 60%인 게 문제라는 코멘트가 있었습니다. 표준 서버 Full Rack 수율은 95~98%, HGX A100/H100 서버는 85%였습니다. 성숙 단계에 이르더라도 수율은 70%일 것으로 예상했습니다. 최근 10월 11일, JPM도 Full Rack 수율이 최적화되지 않아서 4Q26 VR200 NVL랙 출하량이 7K 정도로 제한될 것으로 예상한 바 있습니다. 그리고 5~7K라 할지라도 AI HW 전체의 가파른 매도를 불러일으킬 정도의 뉴스라고 생각하진 않습니다. GB300을 여전히 계속해서 팔고 있음에도 수요가 증가하는 속도가 더욱 가팔라 GPU 임대가격이 상승하는 중입니다. 스페이스X가 구글과 계약했던 GB300 계약가격이 1GW당 $31B였는데, 최근 신규 고객 2건은 $60~61B입니다.

그렇게 판단한 이유

8월 27일에도 같은 10K→5K 이야기가 있었고, Orthogonal Backplane은 Kyber에 적용되는 반면 Oberon 계열은 Cable Cartridge Backplane을 쓴다는 점을 들어 루머의 혼동 가능성을 짚었다. GB300 수요와 임대가격, Rubin Ultra 및 NPO/CPO 일정도 함께 고려했다.

근거 보기 3
  1. 원문 구간 1

    근데 대만발 루머에서 10K → 5K 얘기 자체는 8월 27일에 대만에서 이미 얘기가 나왔던 것이라서 이게 얼마나 신빙성 있을지는 잘 모르겠습니다. 당시 루머가 나왔던 맥락 자체를 정리해보면: Strata 보드를 8월 초에 생산하기 시작했는데, 8월 27일 기준으로 UPH(시간당 최대 생산능력)는 20~30개이고 현장에 4개의 생산라인이 있으며, Compute Tray 하나에 필요한 HPM 보드는 Strata 보드 2개로 구성됩니다. 핵심 과제는 공정, 재료, 장비를 최적화한 다음 최적화한 생산 라인을 N개로 곱해 여러 지역으로 늘리는 게 핵심인데, 향후 9~10월까지는 생산 라인 수를 늘리는 게 아니라 UPH가 높고 초기 합격률이 안정적인 양질의 생산 라인을 만들어내는 데에 우선순위를 두고 있다는 것이었습니다. 그리고 이번 루머에서 Orthogonal Backplane이란 말이 좀 의심스러운 것은, 이건 Kyber에 적용된 것이지 Oberon 계열은 여전히 NVLink 연결에 약 5,000개의 구리 케이블이 들어간 Cable Cartridge Backplane을 사용하기 때문에 Orthogonal Backplane이 등장하지 않습니다.

  2. 원문 구간 2

    Rubin과 Rubin Ultra 프로젝트를 혼동하는 것이 아닌가 싶습니다. 9월 15일, 대만 ODM 서베이에서도 대략 Rubin CY26 출하 전망이 7~8K로 낮아졌다는 내용은 있긴 합니다. 당시에는 랙 단위 수율로 볼 때 Full Rack 기준 60%인 게 문제라는 코멘트가 있었습니다. 표준 서버 Full Rack 수율은 95~98%, HGX A100/H100 서버는 85%였습니다. 성숙 단계에 이르더라도 수율은 70%일 것으로 예상했습니다. 최근 10월 11일, JPM도 Full Rack 수율이 최적화되지 않아서 4Q26 VR200 NVL랙 출하량이 7K 정도로 제한될 것으로 예상한 바 있습니다. 그리고 5~7K라 할지라도 AI HW 전체의 가파른 매도를 불러일으킬 정도의 뉴스라고 생각하진 않습니다. GB300을 여전히 계속해서 팔고 있음에도 수요가 증가하는 속도가 더욱 가팔라 GPU 임대가격이 상승하는 중입니다. 스페이스X가 구글과 계약했던 GB300 계약가격이 1GW당 $31B였는데, 최근 신규 고객 2건은 $60~61B입니다.

  3. 원문 구간 3

    이후의 Rubin Ultra 프로젝트나 NPO/CPO 일정에도 변함이 없음은 OCP를 통해서 확인하고 있는 만큼 이런 것들을 함께 고려했을 때 '뚜렷하게 AI HW 위주의 하락세를 설명할 수 있는 뉴스는 크게 보이지 않습니다.'라고 생각했습니다. ​ (2) 2026 OCP Global Summit이 진행되고 있습니다 *첨부자료 2, 3, 4, 5*: 엔비디아와 시스코가 400G/lane 기반 차세대 광트랜시버인 'USFP(Ultra-Dense Small Form Factor Pluggable)'를 발표했습니다. 기존 OSFP 대비 대역폭 밀도는 4배, 전력효율 1.3배입니다. 대역폭은 200G/lane OSFP 대비 4배인데, 레인당 속도를 200G → 400G로 2배 빠르게, 트랜시버 내의 레인 수를 8개 → 16개로 2배 확대해기 때문입니다. 향후 32개까지도 확대할 수 있도록 설계했습니다. OSFP-XD와 같은데 USFP는 처음부터 400G를 지원하기 위해서 전기 커넥터나 발열 처리 스펙을 바꿨습니다.

원문에서 직접 연결한 대상엔비디아
발생발표·발생 당일발생일 26-10-12

26-10 OCP Global Summit 개최

작성자의 핵심 판단

작성자는 엔비디아·시스코의 USFP 발표 자체가 광학·인터커넥트 기업의 영향 변화를 뜻하지는 않으며, 구리·플러거블·NPO·CPO가 함께 성장할 것으로 본다.

근거 보기 1
  1. 원문 구간 1

    이것 자체로 광학/인터커넥트 기업들에게 미치는 영향은 없다고 생각합니다. 구리 + 플러거블 + NPO + CPO가 함꼐 성장할 것으로 예상합니다. 일각에서는 오늘 TSMC COPUE 수율이 95%인 게 다시 논의되기도 했는데, 이것도 마찬가지로 이전에 나왔던 코멘트가 반복된 것이라서 바뀐 건 없다고 보고 있습니다. Spectrum-6 CPO 스위치 양산은 정상적으로 잘 되고 있어서 양산 라인쪽에 문제는 없다고 봅니다. 메타의 Spectrum-6 102.4 Tb/s 스위치, 구글의 Falcon Transport, 아스테라랩스의 Orion 출시, 시스코의 새로운 칩과 시스템, 마벨 KV-Cache, 키사이트 1.6T Ethernet Test 데모, 크레도의 1.6T ZeroFlap 등등 다양한 발표/세션이 진행되고 있습니다. ​ (3) CXMT가 차세대 DRAM 구조인 4F² 기술에 진전을 이뤘다고 말했는데, 정작 CXMT나 중국 AI HW 밸류체인도 최근 약세입니다. ​ (4) Mizuho의 Optical Supply Chain 자료를 정리해보면 *첨부자료 6*:

이 자료에서 다룬 사실

OCP Global Summit에서 엔비디아와 시스코는 400G/lane 기반 USFP를 발표했고, 기존 OSFP 대비 대역폭 밀도 4배와 전력효율 1.3배를 제시했다.

근거 보기 1
  1. 원문 구간 1

    이것 자체로 광학/인터커넥트 기업들에게 미치는 영향은 없다고 생각합니다. 구리 + 플러거블 + NPO + CPO가 함꼐 성장할 것으로 예상합니다. 일각에서는 오늘 TSMC COPUE 수율이 95%인 게 다시 논의되기도 했는데, 이것도 마찬가지로 이전에 나왔던 코멘트가 반복된 것이라서 바뀐 건 없다고 보고 있습니다. Spectrum-6 CPO 스위치 양산은 정상적으로 잘 되고 있어서 양산 라인쪽에 문제는 없다고 봅니다. 메타의 Spectrum-6 102.4 Tb/s 스위치, 구글의 Falcon Transport, 아스테라랩스의 Orion 출시, 시스코의 새로운 칩과 시스템, 마벨 KV-Cache, 키사이트 1.6T Ethernet Test 데모, 크레도의 1.6T ZeroFlap 등등 다양한 발표/세션이 진행되고 있습니다. ​ (3) CXMT가 차세대 DRAM 구조인 4F² 기술에 진전을 이뤘다고 말했는데, 정작 CXMT나 중국 AI HW 밸류체인도 최근 약세입니다. ​ (4) Mizuho의 Optical Supply Chain 자료를 정리해보면 *첨부자료 6*:

그렇게 판단한 이유

200G/lane에서 400G/lane으로 속도를 두 배 높이고 트랜시버 레인을 8개에서 16개로 늘린 구조이며, Spectrum-6 CPO 스위치 양산은 정상적으로 진행 중이라는 점을 함께 들었다.

근거 보기 1
  1. 원문 구간 1

    이것 자체로 광학/인터커넥트 기업들에게 미치는 영향은 없다고 생각합니다. 구리 + 플러거블 + NPO + CPO가 함꼐 성장할 것으로 예상합니다. 일각에서는 오늘 TSMC COPUE 수율이 95%인 게 다시 논의되기도 했는데, 이것도 마찬가지로 이전에 나왔던 코멘트가 반복된 것이라서 바뀐 건 없다고 보고 있습니다. Spectrum-6 CPO 스위치 양산은 정상적으로 잘 되고 있어서 양산 라인쪽에 문제는 없다고 봅니다. 메타의 Spectrum-6 102.4 Tb/s 스위치, 구글의 Falcon Transport, 아스테라랩스의 Orion 출시, 시스코의 새로운 칩과 시스템, 마벨 KV-Cache, 키사이트 1.6T Ethernet Test 데모, 크레도의 1.6T ZeroFlap 등등 다양한 발표/세션이 진행되고 있습니다. ​ (3) CXMT가 차세대 DRAM 구조인 4F² 기술에 진전을 이뤘다고 말했는데, 정작 CXMT나 중국 AI HW 밸류체인도 최근 약세입니다. ​ (4) Mizuho의 Optical Supply Chain 자료를 정리해보면 *첨부자료 6*:

원문에서 직접 연결한 대상광학·인터커넥트 산업
발생발표·발생 후발생일 미확인

마이크로소프트 Maia 300 공개

작성자의 핵심 판단

작성자는 마이크로소프트가 ASIC에서 늦었고 CY27 Maia 실질 구축량은 500MW 내외, 칩 수는 경쟁 ASIC보다 많지 않을 것으로 예상한다.

근거 보기 2
  1. 원문 구간 1

    마이크로소프트의 CY27의 Maia 실질 구축량은 500MW 내외일 것으로 예상합니다. Maia 200은 현재 서비스 중입니다. Copilot을 비롯한 마이크로소프트 자체 워크로드를 지원하고 있고, 연말까지 GitHub Copilot과 Microsoft Foundry 워크로드도 지원할 계획입니다. 또한 차세대 모델 개발부터 공동 설계하기 위해 MAI 팀을 지원하고 있습니다. CY27 Maia 300이 온라인 될 예정입니다. 8개의 HBM4 스택을 사용해 TDP 950W에서 18.0TB/s의 메모리 대역폭을 제공하다보니 와트당 HBM 대역폭을 강점으로 삼았습니다. *첨부자료 10* 어쨌든 AWS는 Trainium, 구글은 TPU를 통해서 1GW당 CapEx 규모, FLOPS당 CapEx 규모에서 이점을 보고 있는 상황인데 마이크로소프트는 ASIC에서 가장 늦었습니다. 그러더라도 최근의 UBS ASIC 채널 체크상 CY27 칩 개수를 정리해보면 Maia는 그닥 많진 않습니다.

  2. 원문 구간 2

    TPU : CY27 900만 개 Trainium : 320만 개 Jalapeno : 60~70만 개 MTIA : 45만 개 Maia : 40만 개 (Maia 200 5만 개 + Maia 300 35만 개) 엔비디아 : 880만 개 AMD : 190만 개 ​ (8) TrendForce의 이번 주 리드타임 체크를 정리하면 *첨부자료 11*: CPU - Tight : 25~30주 / 균형 리드타임 16~20주 (=, 지난주와 동일) GPU - Balanced : 30~40주 / 30~40주 (=) DRAM - Very Tight : 20주 / 8주 (=) NAND - Tight : 16주 / 8주 (=) HDD - Very Tight : 50주 / 16주 (=) ABF - Very Tight : 48~56주 / 12주 (=) MLCC - Tight : 35주 / 12주 (=) Enterprise/GPU IaaS: ​

이 자료에서 다룬 사실

  • 마이크로소프트는 Azure Maia 시스템을 CY27부터 multi-GW급으로 배포하겠다고 발표했으며, Maia 200은 Copilot 등 자체 워크로드를 지원 중이라고 적었다.
  • Maia 300은 CY27 온라인 예정이며 HBM4 8개, TDP 950W, 18.0TB/s 메모리 대역폭을 제시했다.
근거 보기 1
  1. 원문 구간 1

    마이크로소프트의 CY27의 Maia 실질 구축량은 500MW 내외일 것으로 예상합니다. Maia 200은 현재 서비스 중입니다. Copilot을 비롯한 마이크로소프트 자체 워크로드를 지원하고 있고, 연말까지 GitHub Copilot과 Microsoft Foundry 워크로드도 지원할 계획입니다. 또한 차세대 모델 개발부터 공동 설계하기 위해 MAI 팀을 지원하고 있습니다. CY27 Maia 300이 온라인 될 예정입니다. 8개의 HBM4 스택을 사용해 TDP 950W에서 18.0TB/s의 메모리 대역폭을 제공하다보니 와트당 HBM 대역폭을 강점으로 삼았습니다. *첨부자료 10* 어쨌든 AWS는 Trainium, 구글은 TPU를 통해서 1GW당 CapEx 규모, FLOPS당 CapEx 규모에서 이점을 보고 있는 상황인데 마이크로소프트는 ASIC에서 가장 늦었습니다. 그러더라도 최근의 UBS ASIC 채널 체크상 CY27 칩 개수를 정리해보면 Maia는 그닥 많진 않습니다.

그렇게 판단한 이유

AWS Trainium과 구글 TPU가 CapEx 효율에서 이점이 있는 상황과 UBS ASIC 채널 체크의 CY27 칩 수 비교를 근거로 Maia 규모를 상대적으로 평가했다.

근거 보기 2
  1. 원문 구간 1

    마이크로소프트의 CY27의 Maia 실질 구축량은 500MW 내외일 것으로 예상합니다. Maia 200은 현재 서비스 중입니다. Copilot을 비롯한 마이크로소프트 자체 워크로드를 지원하고 있고, 연말까지 GitHub Copilot과 Microsoft Foundry 워크로드도 지원할 계획입니다. 또한 차세대 모델 개발부터 공동 설계하기 위해 MAI 팀을 지원하고 있습니다. CY27 Maia 300이 온라인 될 예정입니다. 8개의 HBM4 스택을 사용해 TDP 950W에서 18.0TB/s의 메모리 대역폭을 제공하다보니 와트당 HBM 대역폭을 강점으로 삼았습니다. *첨부자료 10* 어쨌든 AWS는 Trainium, 구글은 TPU를 통해서 1GW당 CapEx 규모, FLOPS당 CapEx 규모에서 이점을 보고 있는 상황인데 마이크로소프트는 ASIC에서 가장 늦었습니다. 그러더라도 최근의 UBS ASIC 채널 체크상 CY27 칩 개수를 정리해보면 Maia는 그닥 많진 않습니다.

  2. 원문 구간 2

    TPU : CY27 900만 개 Trainium : 320만 개 Jalapeno : 60~70만 개 MTIA : 45만 개 Maia : 40만 개 (Maia 200 5만 개 + Maia 300 35만 개) 엔비디아 : 880만 개 AMD : 190만 개 ​ (8) TrendForce의 이번 주 리드타임 체크를 정리하면 *첨부자료 11*: CPU - Tight : 25~30주 / 균형 리드타임 16~20주 (=, 지난주와 동일) GPU - Balanced : 30~40주 / 30~40주 (=) DRAM - Very Tight : 20주 / 8주 (=) NAND - Tight : 16주 / 8주 (=) HDD - Very Tight : 50주 / 16주 (=) ABF - Very Tight : 48~56주 / 12주 (=) MLCC - Tight : 35주 / 12주 (=) Enterprise/GPU IaaS: ​

원문에서 직접 연결한 대상마이크로소프트
3
사실·구조, 해석·전망, 시점 관찰, 판단 방법

지식·관점

사건 밖에서도 다시 참고하거나 다른 자료와 비교할 가치가 있는 내용을 대상과 반복 가능한 논점으로 묶습니다.

사실·구조AI 추론 모델의 코딩 성능과 작업 비용주 대상 · 기술·제품 · AI 추론 모델

코딩 에이전트 모델은 절대 성능 외에 어떤 비용·토큰 지표로 비교해야 하는가?

이 자료가 더한 내용

Terminal-Bench 4.0-AA 성능, Input/Output 가격, 작업당 비용, 작업당 토큰을 함께 비교하며, Muse Wonder의 작업당 비용은 $4.52이고 캐시 Write·Hit가 그 비용의 74%를 차지한다고 정리한다.

근거 보기 4
  1. 원문 구간 1

    (ㄱ) Muse Wonder를 곧 Muse에서 서비스할 예정입니다. 이번에도 ⓐ성능, ⓑ가격, ⓒ가성비, ⓓ작업당 비용, ⓔ작업당 토큰 순으로 살펴봅니다. ⓐ코딩 성능으로 보자면 *첨부자료 1* Terminal-Bench 4.0-AA 기준 (ㄱ) Muse Wonder는 52.0%, (ㄴ) Muse Wonder Full은 57.1%입니다. 절대적인 성능 자체가 굉장히 좋습니다. 프론티어 AI Labs라고 꼽을 수 있을 정도입니다. 다만 가성비를 생각하자면 Gemini 4 Argon이나 GPT-6.1 Sol에 비해서는 경쟁력이 약간 떨어집니다. Terminal-Bench 4.0-AA 업데이트(2026-10-13) → Opus 5.5 59.6% = GPT-6 Astra 59.6% > Muse Wonder Full 57.1% = Gemini 4 Argon 57.1% = GPT-6.1 Sol 56.1% > Fable 5.1 55.1% > Muse Wonder 52.0% > GLM-5.3 41.9% > Qwen3.8-Max 38.9% > Muse Spark 1.3 33.3% > Haiku 5.5 32.8% = GLM-5.3 Flash 32.8% > DeepSeek-V4.1-Flash 26.8% = Mistral Large 4 26.8% > Grok 4.7 25.8%

  2. 원문 구간 2

    Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다. ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다. ⓒ가성비를 보시면 *첨부자료 2* 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.

  3. 원문 구간 3

    여기서도 보실 수 있듯이, 피크 지능을 놓고 보면 앤스로픽 모델들이 화려하지만 실제 기업들이 사용하는 비용까지를 고려하면 오픈AI의 모델 경쟁력이 유의미하게 높습니다. 이렇게 놓고 보면 Muse Wonder 시리즈의 가성비가 많이 별로인데, 문득 드는 생각은 중국 AI Labs들의 distillation 수요를 먹어서 성장하려는 건가 싶기도 합니다. ⓓ작업당 비용으로는 *첨부자료 3* Muse Wonder 기준 $4.52입니다. Opus 5.5의 $5.98과 비교하면 가격이 낮지만, GPT-6 Astra $3.26, Gemini 4 Argon $1.99에 비해서는 가격이 높습니다. 다만 해당 가격에서 Cache Write($1.92)와 Cache Hit($1.44) 비용이 유독 높습니다. 두 항목을 합치면 전체 작업당 비용의 74%입니다. 이는 캐시 단가가 비싸기 때문이라기보다 문제를 해결하는 과정에서 소비하는 입력 토큰의 양이 굉장히 많기 때문입니다. Muse Wonder는 작업당 평균 769만 개의 입력 토큰을 사용하는데, 이는 GPT-6 Astra, Gemini 4 Argon 등과 비교해 2~7배 많은 수준입니다.

  4. 원문 구간 4

    원인들은 굉장히 복잡한 요소인데, 솔루션은 하나입니다. 원인들은 (a) 문제를 맞히는 것까지는 학습하지만 효율적으로 푸는 것은 학습하기가 어려워서 (b) 에이전트가 사용하는 도구 자체가 비효율적일 수 있어서 (c) 장기 작업 관리에서 명확한 종료나 검증 기준이 정해지지 않아서 등등입니다. 솔루션은 같은 작업을 더 적은 Agent step과 더 적은 토큰으로 해결할 수 있도록 하네스를 함께 최적화하는 것입니다. Muse Code 사용자들이 해당 환경에서 Muse Wonder를 사용해보면서 실제 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정이 필요합니다. 가장 퍼포먼스가 좋은 Muse Wonder Full를 Muse Code로만 서비스하는 이유도 Muse Code 사용량을 늘리기 위해서라고 생각됩니다. ⓔ작업당 토큰 수로는 *첨부자료 4* Muse Wonder/Full 모두 54K(생각 29K + 답변 26K)입니다. GPT-6 Astra 27K(생각 17K + 답변 11K), GPT-6.1 Sol 38K(생각 25K + 답변 13K)보다는 아니지만, Gemini 4 Argon 62K(생각 36K + 답변 26K)보다는 토큰을 덜 사용하고 Opus 5.5 119K(생각 84K + 답변 35K)보다도 토큰을 덜 사용합니다.

원문에서 제시한 근거

동일 mini-swe-agent 환경의 벤치마크는 에이전트 종류 차이를 줄이기 위한 것이며, 효율 개선에는 더 적은 Agent step과 토큰으로 풀도록 하네스를 최적화하고 성공 trajectory를 학습 데이터로 쓰는 과정이 필요하다고 적는다.

근거 보기 2
  1. 원문 구간 1

    Terminal-Bench 4.0-AA란? Terminal-Bench 4.0 공식 프로젝트 업데이트가 느리다보니 Artificial Analysis가 평가한 지표입니다. 기존 Terminal-Bench 4.0과의 차이는 공식버전은 예를 들어 GPT-6.1 Sol을 Codex에서 실행하는 것인데, Terminal-Bench 4.0-AA는 GPT-6.1 Sol을 mini-swe-agent에서 실행합니다. 모델간의 깡성능 차이를 비교하려면 4.0-AA가 더 좋습니다. 모든 모델에 동일한 mini-swe-agent를 사용하기 때문에 에이전트 종류에 따른 차이를 줄일 수 있어서 그렇습니다. ⓑ가격은 (ㄱ) Muse Wonder 기준 Input/Output $4/$20입니다. (ㄴ) Muse Wonder Full의 API 가격은 공개하지 않았습니다. ⓒ가성비를 보시면 *첨부자료 2* 파레토 프론티어를 쭉 정리해봅니다. 모델(reasoning) 코딩성능/작업당 비용 순입니다. GPT-6.1(max) 56.1%/$1.82 → Opus 5.5(high) 56.6%/$5.12 → GPT-6 Astra(xhigh) 59.6%/$5.86 → Gemini 4 Argon(high) 57.1%/$6.78 → GPT-6 Astra(max) 59.1%/$8.50 → Opus 5.5(xhigh) 59.6%/$8.78 → Opus 5.5(max) 59.6%/$13.11 → Muse Wonder(max) 52.0%/$17.97입니다.

  2. 원문 구간 2

    원인들은 굉장히 복잡한 요소인데, 솔루션은 하나입니다. 원인들은 (a) 문제를 맞히는 것까지는 학습하지만 효율적으로 푸는 것은 학습하기가 어려워서 (b) 에이전트가 사용하는 도구 자체가 비효율적일 수 있어서 (c) 장기 작업 관리에서 명확한 종료나 검증 기준이 정해지지 않아서 등등입니다. 솔루션은 같은 작업을 더 적은 Agent step과 더 적은 토큰으로 해결할 수 있도록 하네스를 함께 최적화하는 것입니다. Muse Code 사용자들이 해당 환경에서 Muse Wonder를 사용해보면서 실제 작업에 성공한 Trajectory를 가져다가 모델에 학습 데이터로 넣는 과정이 필요합니다. 가장 퍼포먼스가 좋은 Muse Wonder Full를 Muse Code로만 서비스하는 이유도 Muse Code 사용량을 늘리기 위해서라고 생각됩니다. ⓔ작업당 토큰 수로는 *첨부자료 4* Muse Wonder/Full 모두 54K(생각 29K + 답변 26K)입니다. GPT-6 Astra 27K(생각 17K + 답변 11K), GPT-6.1 Sol 38K(생각 25K + 답변 13K)보다는 아니지만, Gemini 4 Argon 62K(생각 36K + 답변 26K)보다는 토큰을 덜 사용하고 Opus 5.5 119K(생각 84K + 답변 35K)보다도 토큰을 덜 사용합니다.

판단 방법AI 하드웨어 랙 출하 루머의 해석주 대상 · 산업·업종 · AI 하드웨어 산업

초기 생산 수율과 출하량 루머를 AI 하드웨어 수요 판단에서 어떻게 구분해야 하는가?

이 자료가 더한 내용

VR200 출하량 루머는 기존 보도, 제품 구조의 일치 여부, 랙 수율, GB300 수요·임대가격과 이후 프로젝트 일정을 함께 대조해야 한다는 관찰을 제시한다.

근거 보기 3
  1. 원문 구간 1

    근데 대만발 루머에서 10K → 5K 얘기 자체는 8월 27일에 대만에서 이미 얘기가 나왔던 것이라서 이게 얼마나 신빙성 있을지는 잘 모르겠습니다. 당시 루머가 나왔던 맥락 자체를 정리해보면: Strata 보드를 8월 초에 생산하기 시작했는데, 8월 27일 기준으로 UPH(시간당 최대 생산능력)는 20~30개이고 현장에 4개의 생산라인이 있으며, Compute Tray 하나에 필요한 HPM 보드는 Strata 보드 2개로 구성됩니다. 핵심 과제는 공정, 재료, 장비를 최적화한 다음 최적화한 생산 라인을 N개로 곱해 여러 지역으로 늘리는 게 핵심인데, 향후 9~10월까지는 생산 라인 수를 늘리는 게 아니라 UPH가 높고 초기 합격률이 안정적인 양질의 생산 라인을 만들어내는 데에 우선순위를 두고 있다는 것이었습니다. 그리고 이번 루머에서 Orthogonal Backplane이란 말이 좀 의심스러운 것은, 이건 Kyber에 적용된 것이지 Oberon 계열은 여전히 NVLink 연결에 약 5,000개의 구리 케이블이 들어간 Cable Cartridge Backplane을 사용하기 때문에 Orthogonal Backplane이 등장하지 않습니다.

  2. 원문 구간 2

    Rubin과 Rubin Ultra 프로젝트를 혼동하는 것이 아닌가 싶습니다. 9월 15일, 대만 ODM 서베이에서도 대략 Rubin CY26 출하 전망이 7~8K로 낮아졌다는 내용은 있긴 합니다. 당시에는 랙 단위 수율로 볼 때 Full Rack 기준 60%인 게 문제라는 코멘트가 있었습니다. 표준 서버 Full Rack 수율은 95~98%, HGX A100/H100 서버는 85%였습니다. 성숙 단계에 이르더라도 수율은 70%일 것으로 예상했습니다. 최근 10월 11일, JPM도 Full Rack 수율이 최적화되지 않아서 4Q26 VR200 NVL랙 출하량이 7K 정도로 제한될 것으로 예상한 바 있습니다. 그리고 5~7K라 할지라도 AI HW 전체의 가파른 매도를 불러일으킬 정도의 뉴스라고 생각하진 않습니다. GB300을 여전히 계속해서 팔고 있음에도 수요가 증가하는 속도가 더욱 가팔라 GPU 임대가격이 상승하는 중입니다. 스페이스X가 구글과 계약했던 GB300 계약가격이 1GW당 $31B였는데, 최근 신규 고객 2건은 $60~61B입니다.

  3. 원문 구간 3

    이후의 Rubin Ultra 프로젝트나 NPO/CPO 일정에도 변함이 없음은 OCP를 통해서 확인하고 있는 만큼 이런 것들을 함께 고려했을 때 '뚜렷하게 AI HW 위주의 하락세를 설명할 수 있는 뉴스는 크게 보이지 않습니다.'라고 생각했습니다. ​ (2) 2026 OCP Global Summit이 진행되고 있습니다 *첨부자료 2, 3, 4, 5*: 엔비디아와 시스코가 400G/lane 기반 차세대 광트랜시버인 'USFP(Ultra-Dense Small Form Factor Pluggable)'를 발표했습니다. 기존 OSFP 대비 대역폭 밀도는 4배, 전력효율 1.3배입니다. 대역폭은 200G/lane OSFP 대비 4배인데, 레인당 속도를 200G → 400G로 2배 빠르게, 트랜시버 내의 레인 수를 8개 → 16개로 2배 확대해기 때문입니다. 향후 32개까지도 확대할 수 있도록 설계했습니다. OSFP-XD와 같은데 USFP는 처음부터 400G를 지원하기 위해서 전기 커넥터나 발열 처리 스펙을 바꿨습니다.

원문에서 제시한 근거

생산라인을 늘리기보다 UPH와 초기 합격률이 안정적인 라인을 만드는 단계라는 설명과, Full Rack 수율의 과거·현재 수준을 함께 적었다.

근거 보기 2
  1. 원문 구간 1

    근데 대만발 루머에서 10K → 5K 얘기 자체는 8월 27일에 대만에서 이미 얘기가 나왔던 것이라서 이게 얼마나 신빙성 있을지는 잘 모르겠습니다. 당시 루머가 나왔던 맥락 자체를 정리해보면: Strata 보드를 8월 초에 생산하기 시작했는데, 8월 27일 기준으로 UPH(시간당 최대 생산능력)는 20~30개이고 현장에 4개의 생산라인이 있으며, Compute Tray 하나에 필요한 HPM 보드는 Strata 보드 2개로 구성됩니다. 핵심 과제는 공정, 재료, 장비를 최적화한 다음 최적화한 생산 라인을 N개로 곱해 여러 지역으로 늘리는 게 핵심인데, 향후 9~10월까지는 생산 라인 수를 늘리는 게 아니라 UPH가 높고 초기 합격률이 안정적인 양질의 생산 라인을 만들어내는 데에 우선순위를 두고 있다는 것이었습니다. 그리고 이번 루머에서 Orthogonal Backplane이란 말이 좀 의심스러운 것은, 이건 Kyber에 적용된 것이지 Oberon 계열은 여전히 NVLink 연결에 약 5,000개의 구리 케이블이 들어간 Cable Cartridge Backplane을 사용하기 때문에 Orthogonal Backplane이 등장하지 않습니다.

  2. 원문 구간 2

    Rubin과 Rubin Ultra 프로젝트를 혼동하는 것이 아닌가 싶습니다. 9월 15일, 대만 ODM 서베이에서도 대략 Rubin CY26 출하 전망이 7~8K로 낮아졌다는 내용은 있긴 합니다. 당시에는 랙 단위 수율로 볼 때 Full Rack 기준 60%인 게 문제라는 코멘트가 있었습니다. 표준 서버 Full Rack 수율은 95~98%, HGX A100/H100 서버는 85%였습니다. 성숙 단계에 이르더라도 수율은 70%일 것으로 예상했습니다. 최근 10월 11일, JPM도 Full Rack 수율이 최적화되지 않아서 4Q26 VR200 NVL랙 출하량이 7K 정도로 제한될 것으로 예상한 바 있습니다. 그리고 5~7K라 할지라도 AI HW 전체의 가파른 매도를 불러일으킬 정도의 뉴스라고 생각하진 않습니다. GB300을 여전히 계속해서 팔고 있음에도 수요가 증가하는 속도가 더욱 가팔라 GPU 임대가격이 상승하는 중입니다. 스페이스X가 구글과 계약했던 GB300 계약가격이 1GW당 $31B였는데, 최근 신규 고객 2건은 $60~61B입니다.

사실·구조광통신 부품의 공급 병목과 원산지 구성주 대상 · 산업·업종 · 광학 인터커넥트 산업

고속 광트랜시버에서 병목과 미국산 부품 비중을 가르는 부품은 무엇인가?

이 자료가 더한 내용

InP 기판은 가장 심각한 공급 병목이며 Sumitomo와 AXT가 공급량의 85%를 차지한다고 적는다. 800G·1.6T 광트랜시버에서 레이저·DSP·TIA·PD를 합친 미국산 비중은 65~67%이고, 레이저를 빼면 40~52%로 낮아진다고 정리한다.

근거 보기 2
  1. 원문 구간 1

    InP 기판이 여전히 가장 심각한 공급 병목입니다. Sumitomo와 AXT가 전체 공급량의 85%를 차지하고 있습니다. InP 기판 생산능력은 CY26 YoY 81% → CY27 +32% → CY28 +34% 증가할 것으로 예상하며 아시아에서 계속해서 공급량이 늘어날 것으로 예상됩니다. EML은 계속해서 광학의 핵심 역할을 맡을 것입니다. 루멘텀은 고속 EML 시장의 점유율 50%+, 전체 EML 시장의 점유율 33%를 차지하고 있습니다. UHP CW Laser 시장은 루멘텀과 브로드컴이 선도하고 있으며 CY29 기준 전체 CW Laser 시장 점유율 기준 브로드컴 23%, 루멘텀 20%일 것으로 예상했습니다. 3.2T에서 쓰이는 400mW급 UHP CW Laser를 넘어서, 6.4T에서는 800mW급 SHP CW Laser를 사용해야 하므로 여기서는 더욱 광원이 중요해질 전망입니다. ​ (5) 10월 9일 발표된 Nomura의 광트랜시버 BoM을 정리해보면 *첨부자료 7, 8, 9*:

  2. 원문 구간 2

    800G/1.6T, EML/SiPh+CW 모두다 레이저 + DSP + TIA + PD를 합하면 BoM의 65%~67%를 미국산으로 채울 수 있습니다. 레이저를 빼면 BoM의 미국산 비중이 40~52%로 하락합니다. 사실 DSP + TIA + PD는 이미 대부분 미국산이기 때문에 BoM 65%를 미국산으로 맞추기 위해서는 거의 반드시 미국산 레이저를 써야 한다는 것을 의미합니다. 루멘텀, 코히런트의 입장이 좋습니다. ​ (6) 대만 공상시보에 따르면 인텔, 퀄컴, AMD가 모두 CPU 가격을 인상했거나 인상 계획입니다. 인텔은 9월 1일 제품군 전반에 걸쳐 CPU 가격을 5~20% 인상했습고, 퀄컴은 10월부터 Snapdragon X/X2 Elite를 10% 인상하며, AMD도 향후 CPU 가격 인상을 계획 중이라는 내용입니다. ​ (7) 마이크로소프트가 Azure Maia 시스템을 multi-GW급으로 배포하겠다고 발표했습니다. CY27부터 multi-GW로 배포한다고 했지 'CY27에' 배포하겠다고 한 것이 아닙니다.

원문에서 제시한 근거

고속 EML, UHP CW Laser와 더 높은 전력의 SHP CW Laser가 맡는 역할, 그리고 DSP·TIA·PD가 이미 대부분 미국산이라는 구성을 근거로 든다.

근거 보기 2
  1. 원문 구간 1

    InP 기판이 여전히 가장 심각한 공급 병목입니다. Sumitomo와 AXT가 전체 공급량의 85%를 차지하고 있습니다. InP 기판 생산능력은 CY26 YoY 81% → CY27 +32% → CY28 +34% 증가할 것으로 예상하며 아시아에서 계속해서 공급량이 늘어날 것으로 예상됩니다. EML은 계속해서 광학의 핵심 역할을 맡을 것입니다. 루멘텀은 고속 EML 시장의 점유율 50%+, 전체 EML 시장의 점유율 33%를 차지하고 있습니다. UHP CW Laser 시장은 루멘텀과 브로드컴이 선도하고 있으며 CY29 기준 전체 CW Laser 시장 점유율 기준 브로드컴 23%, 루멘텀 20%일 것으로 예상했습니다. 3.2T에서 쓰이는 400mW급 UHP CW Laser를 넘어서, 6.4T에서는 800mW급 SHP CW Laser를 사용해야 하므로 여기서는 더욱 광원이 중요해질 전망입니다. ​ (5) 10월 9일 발표된 Nomura의 광트랜시버 BoM을 정리해보면 *첨부자료 7, 8, 9*:

  2. 원문 구간 2

    800G/1.6T, EML/SiPh+CW 모두다 레이저 + DSP + TIA + PD를 합하면 BoM의 65%~67%를 미국산으로 채울 수 있습니다. 레이저를 빼면 BoM의 미국산 비중이 40~52%로 하락합니다. 사실 DSP + TIA + PD는 이미 대부분 미국산이기 때문에 BoM 65%를 미국산으로 맞추기 위해서는 거의 반드시 미국산 레이저를 써야 한다는 것을 의미합니다. 루멘텀, 코히런트의 입장이 좋습니다. ​ (6) 대만 공상시보에 따르면 인텔, 퀄컴, AMD가 모두 CPU 가격을 인상했거나 인상 계획입니다. 인텔은 9월 1일 제품군 전반에 걸쳐 CPU 가격을 5~20% 인상했습고, 퀄컴은 10월부터 Snapdragon X/X2 Elite를 10% 인상하며, AMD도 향후 CPU 가격 인상을 계획 중이라는 내용입니다. ​ (7) 마이크로소프트가 Azure Maia 시스템을 multi-GW급으로 배포하겠다고 발표했습니다. CY27부터 multi-GW로 배포한다고 했지 'CY27에' 배포하겠다고 한 것이 아닙니다.

해석·전망AI 데이터센터 전력 확보 경로주 대상 · 산업·업종 · AI 데이터센터 전력

CY27 컴퓨트 장비 수요와 가시적인 Powered Shell 간의 전력 공백은 어떤 경로로 메울 수 있는가?

이 자료가 더한 내용

CY27 컴퓨트 장비 50GW에는 PUE를 감안해 57GW의 Powered Shell이 필요하지만 가시적인 물량은 38GW라며, 나머지 약 19GW는 BTM으로 대부분 충당될 것으로 예상한다.

근거 보기 1
  1. 원문 구간 1

    크게 보자면, CY27부터 본격 심화될 전력 문제는 몇 가지 방법을 통해서 충당될 것으로 예상합니다: 전력망(FTM)을 통한 데이터센터 온라인 노후화되어 페쇄하는 석탄화력발전소의 수명연장 혹은 천연가스 발전소로 업그레이드 기존 원전의 Uprate + 폐쇄 원전 재가동 BTM 프로젝트에서 현장발전원을 통한 온라인 → 발전원 믹스는 #1 가스터빈엔진(Gas Turbine Engine) #2 왕복엔진(Reciprocating Engine) #3 SOFC입니다. 호주, 캐나다, 일본 등 미국의 우방국에 각각 1GW의 클러스터들을 구축하여 비동기식 학습 궤도 컴퓨팅 → 스페이스X / 구글 더 먼 미래이지만 CY28~CY29쯤이 되면 이전의 칩들인 B200/300, Trainium2/3, TPU6/7을 뜯어내고 Feynman과 같은 시기에 나오는 칩들로 교체함으로써 일부 해결될 수 있습니다. 전력이 훨씬 부족해질 경우에는 와트당 토큰에 대한 중요성이 달러당 토큰에 대한 우선순위를 넘어섭니다.

원문에서 제시한 근거

전력망, 석탄화력 수명연장·가스 발전 업그레이드, 원전 uprate·재가동, 현장발전 BTM, 우방국 클러스터, 궤도 컴퓨팅과 차세대 칩 교체를 가능한 경로로 열거한다.

근거 보기 2
  1. 원문 구간 1

    크게 보자면, CY27부터 본격 심화될 전력 문제는 몇 가지 방법을 통해서 충당될 것으로 예상합니다: 전력망(FTM)을 통한 데이터센터 온라인 노후화되어 페쇄하는 석탄화력발전소의 수명연장 혹은 천연가스 발전소로 업그레이드 기존 원전의 Uprate + 폐쇄 원전 재가동 BTM 프로젝트에서 현장발전원을 통한 온라인 → 발전원 믹스는 #1 가스터빈엔진(Gas Turbine Engine) #2 왕복엔진(Reciprocating Engine) #3 SOFC입니다. 호주, 캐나다, 일본 등 미국의 우방국에 각각 1GW의 클러스터들을 구축하여 비동기식 학습 궤도 컴퓨팅 → 스페이스X / 구글 더 먼 미래이지만 CY28~CY29쯤이 되면 이전의 칩들인 B200/300, Trainium2/3, TPU6/7을 뜯어내고 Feynman과 같은 시기에 나오는 칩들로 교체함으로써 일부 해결될 수 있습니다. 전력이 훨씬 부족해질 경우에는 와트당 토큰에 대한 중요성이 달러당 토큰에 대한 우선순위를 넘어섭니다.

  2. 원문 구간 2

    문제는 이렇게 될 때 향후 감가상각이 어떻게 될지는 업계가 좀 생각해볼 문제입니다. 광고/이커머스: ​ (1) 요즘 워낙 AI HW 주가들이 약세이다보니, ⓐAI를 활용하는 포지션인 유니티와 ⓑAI가 이끄는 차세대 수요인 포티넷에 대해서도 계속해서 타이트하게 살펴보고 있습니다. 이에 대해서는 이번 주 주간전략보고에 각각의 생각을 정리드린 바 있습니다. 의료기기/핀테크/코인: ​ (1) 트랜스메딕스의 4Q 비행 건수는 374건, 오늘의 일간 비행데이터는 +28건이었습니다. 4Q는 12일이 지났으며 일평균 비행 속도는 31.17건 속도였습니다. 이제부터 내년 1~2월까지는 원래 계절적으로 이식 건수가 줄어드는 주기라서 실적 기대감은 더 낮아질 단계입니다. 트랜스메딕스의 3Q 비행 건수는 2,841건, 일간 비행데이터는 +35건이었습니다. 3Q는 92일이 지났으며 일평균 비행속도는 30.88건 속도였습니다. ​ (2) 오늘의 서클 USDC 유통량은 $72.85B, CCTP 전송량은 30일 기준 $18.5B입니다.

시점 관찰USDC 유통량주 대상 · 시장·자산 · USDC기준 2026.10.13

USDC 유통량의 횡보 탈피는 어떤 성장 기준으로 판단하는가?

이 자료가 더한 내용

USDC 유통량은 $72.85B, 30일 CCTP 전송량은 $18.5B이며, 유통량은 거의 1년간 횡보했고 주간 -1.98%, 월간 -2.08%라고 적는다.

근거 보기 1
  1. 원문 구간 1

    USDC 유통량 자체는 거의 1년간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다. 오늘 주간 기준 -1.98%, 월간 기준 -2.08% 수준입니다. 지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다. 그래서 크립토가 오르면 USDC 유통량이 일시적으로 오르고 합니다. 아직 스테이블코인 결제가 더 쓰인다거나 하는 요소로 펀더멘탈이 바뀌는 것은 아닙니다. ​ (3) 피겨 테크의 주간/월간 잠정 영업 지표를 여기서 확인하실 수 있습니다. 저희의 생각을 담아서 랩을 운용하고 있습니다 메리츠증권 : https://naver.me/xQiZ5UHt SK증권 : https://naver.me/FlcOtVGm

원문에서 제시한 근거

월간 20% 이상 성장세가 1주간 유지되는지를 횡보 이탈 기준으로 제시하며, 현재 변화는 BTC·USDC나 ETH·USDC 페어 트레이딩 예탁금 영향이 크고 스테이블코인 결제 확대로 펀더멘털이 바뀐 것은 아니라고 설명한다.

근거 보기 1
  1. 원문 구간 1

    USDC 유통량 자체는 거의 1년간 횡보 중입니다. 횡보를 뚫는 기준은 MoM 기준 20% 이상의 성장세를 1주간 유지하는가입니다. 오늘 주간 기준 -1.98%, 월간 기준 -2.08% 수준입니다. 지금은 Crypto Pair Trading(e.g. BTC/USDC, ETH/USDC 등)을 위한 예탁금으로 인해서 USDC 유통량이 바뀌는 게 가장 큽니다. 그래서 크립토가 오르면 USDC 유통량이 일시적으로 오르고 합니다. 아직 스테이블코인 결제가 더 쓰인다거나 하는 요소로 펀더멘탈이 바뀌는 것은 아닙니다. ​ (3) 피겨 테크의 주간/월간 잠정 영업 지표를 여기서 확인하실 수 있습니다. 저희의 생각을 담아서 랩을 운용하고 있습니다 메리츠증권 : https://naver.me/xQiZ5UHt SK증권 : https://naver.me/FlcOtVGm

4

시간흐름대로 모든 내용을 살려 정리

시간흐름대로 모든 내용을 살려 정리

1
일간보고의 출처와 범위

올바른 미국주식 by SAPIENS의 네이버 프리미엄 콘텐츠로, 2026년 10월 13일 화요일에 전하는 데일리입니다. 제목은 일간보고 : 투자의 생각 (261013)이고 원문 URL은 네이버 프리미엄 콘텐츠 페이지입니다. 수집 기준은 구매회원 본인이 QR 로그인으로 승인한 구독 열람권으로 실제 본문을 개인 문서 보관용으로 확보했다는 안내입니다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 쓴다는 점도 밝힙니다. 주간전략보고 링크와 투자 손익의 책임 및 과거 수익률 비보장 고지를 함께 두고, 실제 본문을 바탕으로 당일 시장과 산업별 관찰을 이어갑니다. 신규 구독 전에는 투자자문계약 권유문서의 계약 관련 사항을 읽고 충분히 검토하라고 안내합니다. 이 글은 주간전략보고의 10월 12일~16일 범위와 당일 일간보고를 이어 읽는 구성입니다.

2
지수·상승 비율과 강약 섹터

주요 지수는 다우 +0.38%, S&P -0.06%, 나스닥 -0.44%, 러셀 -0.45%였습니다. 상승 종목 비율은 NYSE 90%, Nasdaq 63%였고, 원문의 신호 표시는 녹색 원으로 표시됩니다. 에너지·필수소비·커뮤니케이션·헬스케어는 강세, 반도체·적자성장주·바이오텍·테크는 약세로 적었습니다. 지수는 혼조였지만 두 거래소의 상승 종목 비율은 모두 50%를 넘었고, 이후 메이저 뉴스는 빅테크·AI Labs부터 분야별로 배열합니다. 당일 하락 섹터에 반도체와 테크가 포함돼 있지만, 뒤의 AI HW 단락은 이를 곧바로 특정 생산·수요 악화 뉴스로 연결하지 않습니다.

3
메타의 Muse Wonder 공개와 AI Labs 등급

메타가 코드명 Watermelon인 Muse Wonder를 공개했습니다. 메타에 대한 Overweight을 유지하며, 메타가 프론티어 AI Labs 자리에 올라왔다고 봅니다. 오픈AI·앤스로픽·구글·메타를 Tier 1, Z.ai·딥시크·미스트랄·스페이스X·알리바바·문샷을 Tier 2로 놓았습니다. 이 등급은 Muse Wonder 출시 뒤에 바뀐 생각을 감안한 것이라고 밝힙니다. 구글과 메타는 사전학습에서 도약했고 이제 RL을 얼마나 잘 갈고닦느냐가 갈릴 것이라고 보며, 이는 10월 5일 주간전략보고에서도 전한 생각이라고 연결합니다. Gemini 4 Argon은 굉장히 잘 뽑혔고, Muse Wonder도 유의미하게 잘 나왔지만 비슷한 벤치마크 성능에 더 비싸거나 합니다. 기본 성능 자체는 워낙 잘 나왔다는 평가입니다. 스페이스X는 Grok 4.7과 그 이후 모델 연구 속도에서 뒤처졌고, Cursor의 코딩 데이터를 넣어 잠깐 반짝했던 것인가 싶을 정도로 아쉽다고 평가합니다.

4
Muse 모델의 서비스 범위와 코딩 성능

Muse Wonder와 Muse Wonder Full 두 모델입니다. Wonder는 즉시 Meta Model API와 Muse Code에서 서비스되고, Full은 Muse Code 구독자에게 먼저 제공됩니다. 이후 Wonder를 Muse에도 서비스할 예정입니다. Terminal-Bench 4.0-AA에서 Wonder는 52.0%, Full은 57.1%입니다. Opus 5.5와 GPT-6 Astra가 59.6%, Gemini 4 Argon도 57.1%, GPT-6.1 Sol은 56.1%라는 비교 속에서 절대 성능은 좋지만 Gemini 4 Argon이나 GPT-6.1 Sol보다 가성비 경쟁력은 약간 떨어진다고 봅니다. 그 아래로 Fable 5.1 55.1%, GLM-5.3 41.9%, Qwen3.8-Max 38.9%, Muse Spark 1.3 33.3%, Haiku 5.5와 GLM-5.3 Flash 32.8%, DeepSeek-V4.1-Flash와 Mistral Large 4 26.8%, Grok 4.7 25.8%가 이어집니다.

5
벤치마크 방식과 API 가격

Terminal-Bench 4.0-AA는 공식 프로젝트 업데이트가 느려 Artificial Analysis가 평가한 지표입니다. 공식 Terminal-Bench가 Codex에서 GPT-6.1 Sol을 실행한다면, 4.0-AA는 mini-swe-agent에서 실행합니다. 모든 모델에 같은 에이전트를 쓰므로 모델 자체 성능 차이를 보기 좋다는 설명입니다. 즉 에이전트 종류에 따른 차이를 줄여 모델간 깡성능 차이를 보려는 비교입니다. Muse Wonder의 Input/Output 가격은 $4/$20이고, Muse Wonder Full API 가격은 아직 공개되지 않았습니다.

6
가성비 비교와 중국 AI Labs 수요라는 해석

파레토 프론티어에서 코딩 성능과 작업당 비용을 함께 봅니다. GPT-6.1(max) 56.1%/$1.82, Opus 5.5(high) 56.6%/$5.12, GPT-6 Astra(xhigh) 59.6%/$5.86, Gemini 4 Argon(high) 57.1%/$6.78, GPT-6 Astra(max) 59.1%/$8.50, Opus 5.5(xhigh) 59.6%/$8.78, Opus 5.5(max) 59.6%/$13.11, Muse Wonder(max) 52.0%/$17.97로 정리했습니다. 피크 지능은 앤스로픽이 화려하지만 실제 기업의 비용까지 보면 오픈AI 모델 경쟁력이 유의미하게 높습니다. Muse Wonder 시리즈 가성비는 많이 별로하고, 중국 AI Labs의 distillation 수요를 먹어 성장하려는 것인가 하는 생각도 적습니다.

7
작업 비용과 토큰 효율을 고치는 방법

Muse Wonder 작업당 비용은 $4.52로 Opus 5.5 $5.98보다 낮지만 GPT-6 Astra $3.26, Gemini 4 Argon $1.99보다 높습니다. Cache Write $1.92와 Cache Hit $1.44가 전체의 74%이고, 캐시 단가보다 문제 해결에 드는 입력 토큰이 많기 때문이라고 봅니다. 작업당 평균 입력 토큰은 769만 개로 GPT-6 Astra·Gemini 4 Argon보다 2~7배 많습니다. 문제를 맞히는 것과 효율적으로 푸는 학습은 다르고, 도구가 비효율적이거나 장기 작업의 종료·검증 기준이 불명확할 수 있습니다. 해법은 하네스를 최적화하고 Muse Code에서 성공한 trajectory를 학습 데이터로 넣는 것이며, Full을 Muse Code 전용으로 먼저 낸 이유도 사용량 확대를 위한 것이라고 봅니다. Wonder/Full의 작업당 토큰은 모두 54K(생각 29K+답변 26K)입니다. GPT-6 Astra는 27K(생각 17K+답변 11K), GPT-6.1 Sol은 38K(생각 25K+답변 13K)이고, Gemini 4 Argon 62K(생각 36K+답변 26K)보다는 적지만 Opus 5.5의 119K(생각 84K+답변 35K)보다도 적습니다.

8
Muse 유지율과 사용자 확대 속도

Muse 유지율은 D7에서 ChatGPT보다 높은 30% 초과, D14에서 22.5%로 공개됐습니다. D14는 ChatGPT 26.8%, Muse 22.5%, Threads 21.2%, Google Maps 18.5%, Grok Bot 10.4% 순입니다. 이 수치는 Muse가 D14에서 ChatGPT보다 낮지만 Threads·Google Maps·Grok Bot보다 높다는 비교이기도 합니다. 메타는 무리하게 광고해 사용자 풀을 키우기보다 유지율이 충분히 올라오는 속도에 맞춰 확대할 것으로 예상합니다. D7과 D14의 서로 다른 시점, 그리고 서비스별 D14 비교를 함께 두어 초기 사용 후 남는 비율을 살핍니다.

9
VR200 출하량 루머의 출발점

AI HW 하락세를 뚜렷하게 설명할 뉴스는 크게 보이지 않습니다. 다만 GPU·Orthogonal Backplane·전원 이슈로 CY26 VR200 NVL72 랙 출하 기대치가 10K에서 5K로 줄었다는 대만 서버 ODM발 루머가 있습니다. 최근 컨센서스는 7~8K 정도였습니다. 그런데 10K→5K 얘기는 8월 27일 대만에서 이미 나왔던 것이어서 신빙성은 잘 모르겠습니다. Strata 보드는 8월 초 생산을 시작했고, 8월 27일 UPH는 시간당 최대 생산능력으로 20~30개, 현장에는 4개 라인이 있었으며 Compute Tray 하나에 필요한 HPM 보드는 Strata 보드 2개로 구성된다고 정리합니다. 공정·재료·장비를 최적화한 뒤 그 라인을 N개로 곱해 여러 지역으로 늘리는 것이 핵심 과제입니다. 9~10월에는 라인 수 확대보다 높은 UPH와 초기 합격률이 안정적인 양질 라인 구축이 우선이라는 맥락입니다.

10
수율 논점과 하락 해석의 한계

이번 루머의 Orthogonal Backplane은 Kyber에 적용되는 것이고 Oberon 계열은 NVLink 연결에 약 5,000개 구리 케이블을 쓰는 Cable Cartridge Backplane이라 Rubin과 Rubin Ultra를 혼동한 것일 수 있다고 봅니다. 9월 15일 대만 ODM 서베이는 Rubin CY26 7~8K와 랙 단위 Full Rack 수율 60% 문제를 전했습니다. 비교 기준으로 표준 서버 Full Rack 수율은 95~98%, HGX A100/H100 서버는 85%였고 성숙 단계에 이르러도 70%일 것으로 예상했습니다. 10월 11일 JPM도 Full Rack 수율이 최적화되지 않아 4Q26 VR200 NVL 랙 출하를 약 7K로 봤습니다.

11
GB300 수요와 OCP 이후 일정

그래도 5~7K가 AI HW 전체의 가파른 매도를 부를 뉴스는 아니라고 봅니다. GB300을 계속 팔아도 수요 증가 속도가 더 가팔라 GPU 임대가격이 오르고 있습니다. 스페이스X가 구글과 맺은 GB300 계약은 1GW당 $31B였지만 최근 신규 고객 두 건은 $60~61B입니다. OCP에서 Rubin Ultra와 NPO/CPO 일정에 변함이 없음을 확인한 점까지 고려하면, AI HW 위주 하락을 설명할 뚜렷한 뉴스는 없다는 결론입니다. 즉 수율 문제는 생산 램프의 확인 대상이지만, GB300의 계약 가격과 이후 플랫폼 일정은 원문 안에서 반대 방향의 수요 근거로 같이 놓입니다.

12
OCP의 USFP와 광인터커넥트 발표

2026 OCP Global Summit에서 엔비디아와 시스코가 400G/lane 기반 USFP(Ultra-Dense Small Form Factor Pluggable)를 발표했습니다. 기존 OSFP보다 대역폭 밀도는 4배, 전력효율은 1.3배입니다. 레인 속도를 200G에서 400G로, 레인 수를 8개에서 16개로 각각 두 배 늘렸고 향후 32개 확장도 가능하게 설계했습니다. OSFP-XD와 비슷하지만 처음부터 400G 지원을 위해 전기 커넥터와 발열 처리 스펙을 바꿨습니다. 이것 자체가 광학·인터커넥트 기업 영향 변화는 아니며 구리·플러거블·NPO·CPO가 함께 성장할 것으로 봅니다. TSMC COPUE 수율 95% 재논의도 기존 코멘트 반복이고, Spectrum-6 CPO 스위치는 정상 양산 중이라고 봅니다. 메타 Spectrum-6 102.4Tb/s 스위치, 구글 Falcon Transport, 아스테라랩스 Orion 출시, 시스코 새 칩과 시스템, 마벨 KV-Cache, 키사이트 1.6T Ethernet Test 데모, 크레도 1.6T ZeroFlap 등 여러 세션도 진행 중입니다.

13
메모리·광학 공급망의 병목

CXMT는 차세대 DRAM 구조인 4F² 기술 진전을 말했지만 CXMT와 중국 AI HW 밸류체인도 최근 약세입니다. Mizuho 자료에서는 InP 기판이 가장 심각한 공급 병목이고 Sumitomo와 AXT가 공급량의 85%를 차지합니다. InP 생산능력은 아시아 공급 증가와 함께 CY26 YoY 81%, CY27 +32%, CY28 +34% 증가 전망입니다. EML은 계속 광학의 핵심이고 루멘텀은 고속 EML 50% 이상, 전체 EML 33% 점유율로 제시됩니다. UHP CW Laser 시장은 루멘텀과 브로드컴이 선도하고, CY29 전체 CW Laser 점유율은 브로드컴 23%, 루멘텀 20% 전망입니다. 3.2T의 400mW UHP CW Laser를 넘어 6.4T에서는 800mW SHP CW Laser가 필요해 광원의 중요성이 더 커질 전망입니다.

14
광트랜시버 BoM과 CPU 가격

10월 9일 Nomura 광트랜시버 BoM에서는 800G/1.6T와 EML/SiPh+CW 모두 레이저·DSP·TIA·PD 합계로 미국산 비중 65~67%를 만들 수 있고, 레이저를 빼면 40~52%로 낮아집니다. DSP·TIA·PD는 이미 대부분 미국산이라 65%를 맞추려면 거의 반드시 미국산 레이저가 필요하며, 루멘텀·코히런트의 입장이 좋다고 봅니다. 다시 말해 BoM에서 레이저가 원산지 비중을 가르는 부품이라는 설명입니다. 이 구성은 앞서 InP 기판과 고속 EML·CW Laser의 병목을 짚은 공급망 관찰과 연결됩니다. 대만 공상시보는 인텔이 9월 1일 제품군 전반 가격을 5~20% 인상했고, 퀄컴은 10월부터 Snapdragon X/X2 Elite를 10% 올리며, AMD도 향후 CPU 가격 인상을 계획한다고 전했습니다.

15
Maia 배포의 시점과 사양

마이크로소프트는 Azure Maia 시스템을 CY27부터 multi-GW급으로 배포한다고 했지 CY27 한 해에 모두 배포한다고 한 것은 아니며, CY27 실질 구축량은 500MW 내외로 예상합니다. Maia 200은 현재 서비스 중으로 Copilot을 비롯한 마이크로소프트 자체 워크로드를 지원하고 연말까지 GitHub Copilot·Microsoft Foundry도 지원할 계획이며, 차세대 모델 개발부터 공동 설계하기 위해 MAI 팀을 지원합니다. CY27 온라인 예정인 Maia 300은 HBM4 8개로 TDP 950W에서 18.0TB/s 메모리 대역폭을 내세우며, 와트당 HBM 대역폭을 강점으로 삼습니다. AWS Trainium과 구글 TPU는 1GW당 CapEx와 FLOPS당 CapEx에서 이점이 있는 반면, 마이크로소프트가 ASIC에서는 가장 늦었다고 봅니다. 그래서 multi-GW라는 장기 배포 표현과 CY27의 실제 구축량 추정을 구분해 읽습니다.

16
CY27 ASIC 수량과 부품 리드타임

UBS ASIC 채널 체크 기준 CY27 칩 개수는 TPU 900만, Trainium 320만, Jalapeno 60~70만, MTIA 45만, Maia 40만(Maia 200 5만+Maia 300 35만), 엔비디아 880만, AMD 190만으로 적었습니다. Maia가 그다지 많지 않다는 평가는 이 수량 비교에서 나옵니다. TrendForce 리드타임은 CPU Tight 25~30주(균형 16~20주), GPU Balanced 30~40주(30~40주), DRAM Very Tight 20주(8주), NAND Tight 16주(8주), HDD Very Tight 50주(16주), ABF Very Tight 48~56주(12주), MLCC Tight 35주(12주)이며 전주와 동일합니다. 각 괄호 안은 원문이 함께 적은 균형 리드타임 기준으로, 단순 주수만이 아니라 평상시 기준과의 차이를 보게 합니다.

17
GPU IaaS 가격과 GB300 계약

B200 1년 고정계약 가격은 $6.57/GPU-hours로 2026년 3월보다 78% 상승했습니다. 이는 Enterprise/GPU IaaS 단락의 첫 관찰입니다. 스페이스X는 Grok 모델 경쟁력이 하락하면서도 네오클라우드로 GB300 계약을 이어가고 있습니다. 최근 GB300 11만 개 계약 두 건을 MW당 $60~61M에 맺었고, 구글과 계약한 MW당 약 $31보다 훨씬 높은 값입니다. 앞의 AI HW 단락에는 스페이스X가 구글과 맺은 GB300 계약가격 1GW당 $31B와 신규 고객 두 건 $60~61B라는 표기가 있으며, 여기서는 원문에 쓰인 MW당 $60~61M 단위를 그대로 보존합니다. 두 계약의 고객 이름이나 계약의 세부 조건은 원문에 더 적히지 않았습니다.

18
CY27 전력 공백을 메우는 경로

UBS에 따르면 CY27 컴퓨트 장비 50GW에는 데이터센터 PUE를 감안해 Powered Shell 57GW가 필요하지만 가시적인 것은 38GW입니다. 남은 약 19GW는 BTM을 통해 대부분 충당될 것으로 예상합니다. 전력망(FTM)을 통한 데이터센터 온라인, 폐쇄 석탄화력 수명연장 또는 천연가스 발전소 업그레이드, 기존 원전 uprate와 폐쇄 원전 재가동, BTM 프로젝트의 현장발전원 온라인(가스터빈엔진·왕복엔진·SOFC), 호주·캐나다·일본의 각각 1GW 클러스터 비동기식 학습, 스페이스X·구글의 궤도 컴퓨팅을 방안으로 열거합니다. 이 목록은 전력 문제가 CY27부터 본격 심화될 것이라는 전제에서 제시한 충당 경로입니다.

19
전력·광고·의료기기 관찰

CY28~CY29에는 이전 칩인 B200/300, Trainium2/3, TPU6/7을 뜯어내 Feynman과 같은 시기 나오는 칩으로 교체해 일부 전력 문제를 풀 수 있다고 봅니다. 전력이 더 부족해지면 달러당 토큰보다 와트당 토큰이 중요해지고, 이렇게 될 때 향후 감가상각은 업계가 생각할 문제입니다. AI HW 주가 약세 속에서 AI를 활용하는 포지션 유니티와 AI가 이끄는 차세대 수요 포티넷도 타이트하게 살펴봅니다. 이 두 기업의 상세 판단은 이번 일간보고가 아니라 이번 주 주간전략보고에 정리했다고 연결합니다. 트랜스메딕스 4Q 비행은 374건, 당일 +28건, 12일간 일평균 31.17건이었고, 3Q는 2,841건·당일 +35건·92일간 일평균 30.88건이었습니다. 이제부터 내년 1~2월까지는 원래 계절적으로 이식 건수가 줄어드는 주기라 실적 기대감은 더 낮아질 단계라고 적습니다.

20
USDC 유통량과 마무리 링크

오늘 서클 USDC 유통량은 $72.85B, CCTP 전송량은 30일 기준 $18.5B입니다. 유통량은 거의 1년 횡보했고, 이를 뚫는 기준은 MoM 20% 이상 성장세가 1주일 유지되는가입니다. 주간 -1.98%, 월간 -2.08%입니다. 이 기준은 하루나 한 번의 증가가 아니라 월간 성장세가 1주간 이어지는지를 보는 조건입니다. 지금은 BTC/USDC, ETH/USDC 같은 Crypto Pair Trading을 위한 예탁금이 유통량 변화에 가장 크게 작용해 크립토가 오르면 일시적으로 늘며, 스테이블코인 결제가 더 쓰여 펀더멘털이 바뀐 것은 아니라고 봅니다. 따라서 유통량 증가 자체와 결제 사용 확대를 같은 것으로 보지 않고, 현재 수치의 변화가 단기 예탁금 요인인지도 함께 봅니다. 피겨 테크의 주간·월간 잠정 영업지표 확인처와, 생각을 담아 랩을 운용한다는 안내 및 메리츠증권·SK증권 링크를 끝에 남겼습니다.

5

그럼에도 빠진내용 정리

잡담·곁다리 내용
  • 잡담, 화면 설명, 불확실한 표현을 무작정 버리지 않는다.
생략 기록
  • 원문에 첨부자료 번호가 반복되지만 실제 첨부 이미지·표는 보존 원문에 포함되지 않아 별도 시각 근거로 복원하지 않았다.

그럼에도 빠진내용 정리

압축/생략
첨부자료의 원본 이미지·차트와 링크 대상 본문은 보존 원문에 수록되지 않아 수치와 설명 문장만 회수했다.
잡담/운영
주간전략보고·계약 권유문서와 랩 운용 링크, 투자 손실 고지는 흐름에 남겼다.
전사 오류 가능성
원문 속 VR200 출하량은 루머이며, Orthogonal Backplane의 적용 대상과 Maia의 CY27 구축량은 작성자의 검토·예상으로 구분했다.
원문 확인

document_work_runner prepare가 입력 원문을 수정 없이 보존했다.