사카나 AI의 자기개선 연구와 모델 조합 기술 Fugu

자기개선 AI에 모이는 투자와 연구

올해 5월, Recursive Superintelligence가 6억 5,000만 달러, 원화로 약 9천억 원의 투자 유치를 발표했어요. 기업가치는 46억 5,000만 달러로 평가됐고, GV와 Greycroft가 투자를 주도했어요. NVIDIA와 AMD도 참여했어요. 공동 창업자 중에는 사카나 AI와 자기개선 연구를 함께했던 UBC의 제프 클룬(Jeff Clune)이 있어요.

사카나 AI도 도쿄에 자기개선 연구 전담 조직인 RSI Lab¹을 세웠어요. 두 회사는 연구자의 협업 이력과 관심 분야에서 연결돼 있지만, 하나의 회사가 두 갈래로 분리된 관계는 아니에요. 모두 AI가 연구와 개발 과정을 개선하도록 만드는 기술에 투자하고 있어요.

제가 늦은 시간에 이 메일을 쓰게 된 계기는 사카나 AI의 Fugu 출시였어요. 자기개선이라는 장기 목표와, 여러 AI 모델을 조합해 쓰는 제품이 어떻게 연결되는지 살펴보고 싶었어요. 다만 두 회사의 성과를 같은 시험에서 비교한 결과가 나온 것은 아니에요.

두 회사가 접근하는 자기개선 연구

AI가 더 나은 AI를 설계한다는 생각은 오래됐어요. I. J. Good은 1960년대에 인간보다 뛰어난 기계가 후속 기계를 설계하면 지능 향상이 빨라질 수 있다고 논의했어요. 오늘날 RSI 연구는 이런 가능성을 실제 모델과 에이전트로 시험하고 있어요. 2026년 4월 ICLR에도 관련 워크숍이 마련됐어요.

여기서 “자기개선”은 여러 수준을 포함해요. 에이전트가 사용하는 도구와 코드를 고치는 일, 모델의 학습 방법을 찾는 일, 그 결과로 연구 능력 자체가 계속 향상되는 일은 구분해서 봐야 해요.

Recursive는 리처드 소처를 비롯해 여러 AI 연구 조직 출신들이 세운 회사로, 런던과 샌프란시스코에 거점을 두고 있어요. 5월 출범 보도 당시에는 30명 미만의 팀이었어요. 회사는 대규모 연산 자원과 개방형 탐색 알고리즘으로 AI 연구를 자동화하겠다고 밝혔어요.

6월 11일에는 실제 초기 연구 결과도 공개했어요. 제한된 예산에서의 언어 모델 학습, 학습 속도, GPU 커널 최적화 등 세 과제에서 개선을 보고했어요. 다만 이 결과도 끝없이 성능이 높아지는 자기개선 시스템을 입증한 것은 아니에요.

사카나 AI는 2023년 도쿄에서 설립됐어요. CTO 라이언 존스(Llion Jones)는 트랜스포머를 제안한 논문 「Attention Is All You Need」의 공저자예요. 사카나는 여러 모델의 협력과 진화적 탐색, 적은 시행으로 개선안을 찾는 방법을 강조해 왔어요.

두 회사의 차이를 “자본을 쓰는 쪽”과 “아이디어를 쓰는 쪽”으로 나누면 지나치게 단순해져요. 사카나도 많은 모델 호출과 연산을 활용하고, Recursive도 탐색 방법을 연구해요. 비교할 것은 어떤 과제에서 얼마의 비용으로 얼마나 개선했는지예요.

두 조직의 연구 이력을 연결하는 사례가 Darwin Gödel Machine²이에요. 사카나와 제프 클룬의 UBC 연구실이 2025년에 함께 개발했어요. 에이전트가 자신의 도구와 작업 절차를 담은 코드를 수정하고 시험하는 방식이에요. SWE-bench에서 성능이 20%에서 50%로 높아졌어요. 기초 모델의 가중치를 스스로 다시 학습시킨 결과와는 구분해야 해요.