독파모 2차 평가 결과: 점수표와 공개 모델 읽는 법
독파모 2차 평가의 통과 팀과 8월 27일 공개된 세부 점수를 정리합니다. 벤치마크 1위가 종합 점수에서 가장 낮았던 이유와, 공개 모델 카드에서 먼저 볼 라이선스와 실행 요건을 설명합니다.

세 줄로 먼저 읽기
- 2026년 8월 18일 독파모 2차 평가에서 SK텔레콤, 업스테이지, LG AI연구원이 통과했고 모티프테크놀로지스는 탈락했습니다.
- 8월 27일 공개된 세부 점수에서 모티프는 벤치마크가 24.6점으로 가장 높았지만 전문가와 사용자 평가를 더한 합계는 65.8점으로 가장 낮았습니다.
- K-EXAONE 2.0은 Apache 2.0 라이선스로 공개됐지만 공식 실행 예시가 H200 GPU 8장짜리 서버 두 대 구성이어서 도입은 순위보다 실행 비용과 자사 업무에서 나온 결과로 판단합니다.
독파모는 독자 AI 파운데이션 모델 프로젝트의 줄임말입니다. 파운데이션 모델은 대화, 요약, 코딩처럼 여러 서비스의 기반으로 쓰는 AI 모델입니다. 이 프로젝트는 정부가 개발팀을 선정하고 단계마다 평가하면서 GPU와 데이터 등을 지원하는 사업입니다. GPU는 AI 학습과 실행에 쓰는 연산 장치입니다.
2026년 8월 18일 2차 평가에서 SK텔레콤, 업스테이지, LG AI연구원이 다음 단계로 진출했고 모티프테크놀로지스는 탈락했습니다. 이어서 8월 27일에는 팀별 세부 점수가 공개됐습니다. 이 글은 두 발표를 나눠 보고, 점수표와 공개 모델 페이지에서 무엇을 봐야 하는지 설명합니다.
위 화면은 8월 18일의 최초 결과 발표이고, 팀별 세부 점수는 여기에 없습니다. 점수는 8월 27일 후속 발표에 나옵니다.
어떤 팀과 모델이 평가받았나요?
네 팀이 2차 평가에 모델을 냈습니다. 모델 이름 뒤의 B는 10억을 나타내는 단위입니다. 파라미터는 모델이 학습하면서 조정하는 내부 수치이고, 아래 막대는 그 전체 규모를 비교합니다.
2차 평가 모델의 전체 파라미터 규모
예를 들어 K-EXAONE 2.0-750B-A37B는 전체 파라미터가 약 7,500억 개이고, 한 번 처리할 때는 그중 약 370억 개만 씁니다. 이렇게 일부만 골라 계산하는 구조를 전문가 혼합(MoE)이라고 부릅니다. 규모가 크다고 모든 업무에서 답이 더 정확하지는 않습니다.
정부 보도자료에 실린 모델별 장점은 각 개발팀이 제공한 설명입니다. 그래서 시험 성적이나 사업 통과 여부와는 근거의 종류가 다릅니다.
점수표에서 무엇을 더하나요?
벤치마크는 같은 시험 문제와 채점 기준으로 모델을 비교하는 평가입니다. 이번 2차 평가는 벤치마크에 전문가 평가와 사용자 평가를 더해 100점 만점으로 매겼습니다.
2차 평가의 배점
40점벤치마크같은 시험 문제로 비교
35점전문가 평가개발 기술, 성과, 향후 계획
25점사용자 평가일반 국민 185명, AI 전문 사용자 49명
사용자 평가는 서비스를 직접 써 본 사람들의 평가입니다. 일반 국민은 200명을 선정했는데 실제로는 185명이 참여했고, 이와 별도로 AI 전문 사용자 49명이 참여했습니다.
8월 27일에 공개된 팀별 점수를 합계 순으로 놓으면 아래와 같습니다. 각 항목 점수는 이미 배점에 맞춰 환산된 값이므로 40%, 35%, 25%를 다시 곱하지 않고 그대로 더합니다.
2차 평가 합계 점수(100점 만점)
모티프는 벤치마크가 네 팀 가운데 가장 높았지만, 전문가 평가와 사용자 평가에서 점수가 낮아 합계는 가장 낮았습니다. 특히 사용자 평가 14.1점은 다른 세 팀보다 4점 이상 낮습니다.
이 표가 보여 주는 것은 이번 평가 방식으로 매긴 순위입니다. 70.6점은 세 평가 점수를 더한 값이며 시험 문제의 정답률이 아닙니다. 이 순위만으로 모티프 모델이 모든 업무에서 가장 약하다거나, 통과한 팀의 모델이 어떤 업무에나 가장 맞는다고 말할 수는 없습니다.
왜 2차 평가인데 참여 팀이 바뀌었나요?
처음 정예팀 다섯 곳을 뽑은 뒤 단계평가를 거치면서 팀 구성이 바뀌었고, 1차 평가 뒤에는 추가 선정도 있었습니다.
독파모 참여 팀이 바뀐 과정
2025년 8월정예팀 5곳 선발
LG, 네이버클라우드, SKT, 업스테이지, NC AI
2026년 1월 15일1차 평가 통과
LG, SKT, 업스테이지
2026년 2월 20일모티프테크놀로지스 추가
4팀 구성
2026년 8월 18일2차 평가
3팀 진출
2026년 8월 27일2차 평가
세부 점수 공개
네이버클라우드는 1차 평가에서 다음 단계에 진출하지 못해 2차 평가 명단에 없습니다. 정부는 자체 기술로 만든 모델인지를 기술과 정책 두 면에서 따지는 기준을 네이버클라우드 모델이 충족하지 못했다고 판단했습니다. 이 판단은 사업이 정한 기준에 따른 것이고, 네이버클라우드 AI 서비스 전반의 품질을 평가한 결과가 아닙니다.
모티프를 추가로 선정할 때 정부는 기존 팀과 같은 수준의 개발 기간과 자원을 지원하겠다는 목표를 밝혔습니다. 그래서 합류 날짜만 보고 모티프의 준비 기간이 반년 짧았다고 계산하기는 어렵습니다.
공개 모델을 검토하려면 어디서 시작하나요?
허깅페이스(Hugging Face)는 AI 모델과 관련 자료를 공유하는 플랫폼입니다. 아래는 LG AI연구원의 K-EXAONE 2.0 페이지입니다. 모델 카드(Model card)는 모델의 용도, 사용 조건, 실행 방법을 설명하는 문서입니다.
다운로드 버튼보다 공식 모델 카드를 먼저 엽니다. 모델 카드에서는 아래 세 곳을 차례로 봅니다.
모델 카드에서 볼 곳
1. 모델 이름과 버전K-EXAONE 2.0처럼
버전까지 맞는지 봄
2. License사용과 재배포에
적용되는 조건을 읽음
3. Quickstart실행에 필요한
장비와 프로그램을 봄
K-EXAONE 2.0은 Apache 2.0 라이선스를 표시합니다. Apache 2.0은 상업적 사용과 수정, 재배포를 허용하는 오픈소스 라이선스입니다. 다만 모델 파일을 내려받아 쓸 수 있다는 것과 무료로 운영할 수 있다는 것은 다른 이야기입니다. 공식 실행 예시는 H200 GPU를 8장씩 단 서버 두 대를 쓰는 구성이어서, 일반 노트북에서 같은 명령을 그대로 실행할 수 있는 규모가 아닙니다. 도입을 검토한다면 GPU 서버 비용을 아는 담당자와 함께 이 구성의 비용부터 추산한 뒤 시험 여부를 정합니다.
가중치는 모델이 학습으로 얻은 내부 수치입니다. 가중치를 공개했다고 학습 데이터와 학습 절차 전체까지 공개한 것은 아닙니다. 둘의 차이는 오픈소스와 오픈 웨이트 구분에 정리했습니다.
실제 도입을 검토할 때는 "고객 문의를 배송, 환불, 기타로 분류"처럼 업무 하나를 정합니다. 지난 문의 기록 일부를 후보 모델에 똑같이 넣고 잘못 분류한 건수, 응답 시간, 실행 비용을 함께 비교합니다. 정부 평가 순위는 후보를 고르는 출발점이고, 자사 업무에서 나온 결과가 최종 판단의 근거입니다.
다음 지원과 일정은 어떻게 확인하나요?
8월 18일 발표에는 다음 단계에 진출한 팀의 B200 GPU 지원을 늘리는 계획이 담겼습니다.
진출 팀의 B200 GPU 지원 계획
768장상반기 지원 수준
1,000장하반기 지원 계획
이 숫자는 정부가 개발팀에 지원하는 장비 규모이고, 기업이나 개인이 모델을 실행할 때 필요한 장비 수와는 다릅니다. 이후 일정은 최초 기사에 적힌 전망보다 과기정통부의 후속 공고와 발표를 기준으로 봅니다.
Sources
- 8월 18일 과기정통부 2차 단계평가 결과 보도자료
- 8월 27일 과기정통부 세부 점수 공개
- 같은 자료의 PDF를 제공하는 KDI 페이지
- 1차 평가 공식 브리핑
- 추가 선정 공식 브리핑
- K-EXAONE 2.0 공식 모델 카드
3줄 요약
-
2026년 8월 18일 독파모 2차 평가에서 SK텔레콤, 업스테이지, LG AI연구원이 통과했고 모티프테크놀로지스는 탈락했습니다.
-
8월 27일 공개된 세부 점수에서 모티프는 벤치마크가 24.6점으로 가장 높았지만 전문가와 사용자 평가를 더한 합계는 65.8점으로 가장 낮았습니다.
-
K-EXAONE 2.0은 Apache 2.0 라이선스로 공개됐지만 공식 실행 예시가 H200 GPU 8장짜리 서버 두 대 구성이어서 도입은 순위보다 실행 비용과 자사 업무에서 나온 결과로 판단합니다.

제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
벤치마크 점수가 가장 높은 모델이 종합평가에서도 반드시 1위일까요?

새 글과 AI 소식을 메일로 받아 보세요
AI가 바꾸는 일과 도구, 측정 실무 이야기를 매주 한 번 보내 드려요.
이 글이 도움이 되었나요?
메일, 회의록, 리포트처럼 반복되는 일을 AI로 자동화하는 순서와 안전장치를 다룹니다
코스 전체 보기 →