하이퍼클로바 X (HyperCLOVA X)

하이퍼클로바 X(HyperCLOVA X)는 네이버가 자체 개발한 한국어 중심 대규모 언어 모델(LLM)입니다. 해외 모델을 가져다 쓰는 대신 학습 데이터 수집부터 사전학습까지 국내에서 진행한 파운데이션 모델이라는 점에서, 국내 AI 산업에서 차지하는 자리가 특별합니다. 네이버는 검색, 쇼핑, 지도 같은 자사 서비스와 클라우드 API, 공공·금융 부문 도입까지 같은 모델 계열로 묶어 제공하고 있습니다.

이 모델의 핵심 주장은 한국어 데이터의 양입니다. 네이버는 경쟁 모델 대비 6,500배 많은 한국어 데이터를 학습했다고 밝혔고, 그 결과 한국 사회와 문화 맥락에 대한 감도가 높다고 설명합니다. 실제로 존댓말 단계 구분, 관공서 문서 어투, 국내 고유명사 표기처럼 한국어 특유의 결을 다뤄야 하는 작업에서 해외 모델과 차이가 드러나는 경우가 있습니다.

라인업 구성

하이퍼클로바 X는 하나의 모델이 아니라 용도별 라인업입니다. THINK는 복잡한 질문을 단계적으로 따져 답하는 추론 모델로, 텍스트와 이미지를 함께 다루는 멀티모달 과제에도 쓰입니다. DASH는 응답 속도와 비용을 낮춘 경량 모델이라 대량 호출이 필요한 서비스에 맞습니다. SEED는 외부에 가중치를 공개하는 라인으로, 0.5B·1.5B·3B·4B 같은 소형부터 8B Omni, 14B Think, 32B Think까지 크기별로 나뉘어 있습니다.

SEED의 작은 모델들은 SLM 범주에 들어갑니다. 크기가 작으면 성능이 떨어지는 대신 한 대의 서버에 여러 개를 띄우거나 기기 안에서 직접 돌리는 온디바이스 AI 구성이 가능해집니다. 모든 질문을 최상위 모델로 보내는 대신, 분류나 형식 변환처럼 단순한 작업은 작은 모델에 맡기고 어려운 판단만 큰 모델로 넘기는 식으로 비용을 조절할 수 있습니다.

SEED 계열이 특히 의미 있는 이유는 국내에서 상업적으로 쓸 수 있는 한국어 공개 가중치 모델이 그동안 드물었기 때문입니다. 그중 SEED Think는 추론 능력을 갖춘 첫 공개 SEED 모델로, 복잡한 문제를 작은 단위로 쪼개는 능력, 상황에 맞는 도구를 고르는 능력, 자기 실수를 되짚어 고치는 능력을 함께 강화했다고 설명합니다. 네이버는 글로벌 경쟁 모델 대비 1% 수준의 비용으로 학습했다고 밝혔습니다.

왜 국산 모델이 필요한가

성능만 놓고 보면 굳이 국산 모델을 쓸 이유를 찾기 어려울 수도 있습니다. 실제 도입 이유는 대개 다른 곳에 있습니다. 개인정보나 금융 데이터를 국외로 반출할 수 없는 조직은 데이터가 어디에 저장되고 누가 접근하는지를 계약으로 확인할 수 있어야 합니다. 2026년 1월 시행된 AI 기본법처럼 국내 규제에 맞춰 문서와 절차를 갖추는 일도 국내 사업자 쪽이 대응하기 수월합니다. 이런 요구를 묶어 소버린 AI라고 부릅니다.

실무에서 고려할 지점도 있습니다. 개발자 생태계와 서드파티 도구 지원은 GPT나 Claude 같은 해외 주요 모델 쪽이 아직 두텁고, 영어 기술 문서나 코드 작업에서는 강점이 덜한 편입니다. 그래서 하나의 모델로 전부 처리하기보다, 한국어 응대와 국내 문서 처리는 하이퍼클로바 X에 맡기고 코딩이나 영어 리서치는 다른 모델에 맡기는 식으로 나누는 구성이 현실적입니다.

도입 방식은 대체로 두 가지로 나뉩니다. 네이버클라우드가 제공하는 API를 붙여 쓰거나, 공개된 SEED 모델을 내려받아 사내 서버에 직접 올리는 방식입니다. 앞쪽은 모델 운영 부담이 없는 대신 데이터가 외부로 나가고, 뒤쪽은 통제권을 가져오는 대신 GPU와 운영 인력을 감당해야 합니다. 사내 문서를 근거로 답하게 하려면 어느 쪽이든 RAG 구성을 함께 얹는 것이 보통입니다.

국내 파운데이션 모델이라는 점에서 LG AI연구원의 엑사원과 자주 함께 거론됩니다. 두 모델은 출발점이 다릅니다. 하이퍼클로바 X는 검색과 커머스 같은 대규모 소비자 서비스에서 축적한 데이터와 트래픽을 배경으로 하고, 엑사원은 화학·바이오·제조처럼 산업 현장 데이터를 강조합니다. 어느 쪽이 맞는지는 처리해야 할 문서와 질문의 성격에 따라 갈립니다.