1000만 토큰 AI 모델, 온디바이스 실행 겨냥

포키 AI(Pokee AI)가 최대 1,000만 토큰의 문맥창을 지원하는 에이전트형 AI 모델 ‘포키-아이작 28B(Pokee-Isaac 28B)’를 공개했다. 모델 규모를 280억 파라미터로 제한하면서 긴 문서와 코드 저장소, 도구 실행 기록을 한 번에 처리하는 데 초점을 맞췄다.

포키 AI는 공식 모델 페이지와 기술 보고서에서 포키-아이작 28B가 RULER 장문 벤치마크의 1,000만 토큰 구간에서 93.3점을 기록했다고 밝혔다. 잠정 가격은 100만 입력 토큰당 0.15달러(약 214원), 100만 출력 토큰당 1달러(약 1429원)로 제시했다.

문맥창은 AI 모델이 한 번에 읽고 참고할 수 있는 입력 범위다. AI 에이전트는 사용자 지시뿐 아니라 중간 추론과 외부 도구 호출 결과, 파일 내용, 이전 작업 기록을 누적해 처리하기 때문에 장기 작업일수록 넓은 문맥창이 필요하다.

문맥창이 좁으면 누적된 정보를 요약하거나 일부를 잘라내야 한다. 포키 AI는 아이작이 이런 압축 부담을 줄여 기업 내부망과 온프레미스, 기기 내 실행 환경에서 장기 작업을 수행하도록 설계됐다고 설명했다.

기술 보고서에 제시된 RULER 점수는 △25만6000토큰 96.9점 △51만2000토큰 96.7점 △100만토큰 95.0점 △200만토큰 95.8점 △400만토큰 96.7점 △1,000만토큰 93.3점이다. 문맥 길이가 40배 가까이 늘어난 구간에서도 점수가 90점대를 유지했다는 게 회사 측 설명이다.

같은 패널의 비교군에는 GPT-5.6 루나와 제미나이 3.5 플래시 라이트, 클로드 하이쿠 4.5, 네모트론 3 슈퍼 120B, 큐원 3.5 122B가 포함됐다. 이들 모델은 포키 AI의 평가에서 200만토큰 이상 구간에 사용 가능한 점수가 없는 것으로 표시됐다.

다만 벤치마크 결과는 포키 AI가 자체 통제 환경에서 측정한 수치다. 독립 연구기관이나 외부 개발자가 같은 조건에서 재현한 결과는 아직 확인되지 않았다.

일부 과제에서는 비교 대상인 클라우드 모델이 앞섰다. Terminal-Bench 2.1의 텍스트 전용 86개 과제에서 GPT-5.6 루나는 69.8%, 포키-아이작 28B는 65.1%를 기록했다. 포키 AI도 이 항목에서 아이작의 성능이 뒤졌다고 기술했다.

모델 구조에 관한 공개 정보도 제한적이다. 포키 AI는 아이작을 ‘비(非) 디코더 전용’ 파운데이션 모델로 소개했지만 세부 아키텍처와 어텐션 구조, 메모리 운용 방식은 충분히 공개하지 않았다. 일부 가중치는 아파치 2.0 라이선스의 Qwen3.6-27B를 파인튜닝해 만들었다고 설명했다.

포키 AI는 2024년 설립됐다. 주저칭 빌 주(Zheqing Bill Zhu) 포키 AI 창업자는 메타(Meta)에서 응용 강화학습을 담당했던 인물로 소개됐다.

긱와이어(GeekWire)는 포키 AI가 2025년 7월 포인트72 벤처스(Point72 Ventures) 주도로 1,200만달러(약 171억원)의 시드 투자를 유치했다고 보도했다. 퀄컴(Qualcomm)과 삼성(Samsung)도 투자에 참여했다.

포키-아이작 28B는 크립토 프로젝트나 토큰 발행과 직접 연결된 모델은 아니다. 다만 거래소와 커스터디, 온체인 분석, 컴플라이언스 조직처럼 민감한 데이터를 외부 클라우드로 보내기 어려운 곳에서는 내부망·온프레미스 AI가 검토 대상이 될 수 있다. 앞서 테더 데이터도 기기 구동을 겨냥한 4억6000만 파라미터 AI 모델을 공개했다.

포키 AI가 내세운 1,000만 토큰 성능과 비용 구조의 실제 효율은 외부 환경에서 같은 결과가 재현되는지에 달렸다. 현재 공개된 수치는 회사의 모델 페이지와 기술 보고서에서 확인할 수 있다.