좋은 점심이에요! 오늘은 브리핑이 조금 늦었어요 🙏 점심 드시면서 가볍게 읽어 주세요.
한 줄 정의
확산 언어 모델(dLLM)은 글을 왼쪽에서 오른쪽으로 한 토큰씩 쓰지 않아요. 대신 답 전체의 초안을 한꺼번에 잡고, 여러 위치를 병렬로 여러 번 다듬어서 완성하는 LLM이에요. 이미지 생성 모델이 노이즈에서 그림을 점점 선명하게 만드는 방식을 텍스트에 가져온 거예요. Claude나 GPT 같은 기존 모델은 자기회귀(autoregressive) 방식이라 출력이 길수록 시간이 늘어나는데, dLLM은 이 병목을 비켜 가서 속도가 크게 빨라져요.
타임라인: 새 기술은 아니에요
- 2021~2022년, 연구 단계: 텍스트에 확산을 적용한 연구는 2021년 D3PM(이산 확산), 2022년 5월 Stanford의 Diffusion-LM 논문부터 이어져 왔어요.
- 2025년 2월 26일, 첫 상용화: Inception이 Mercury Coder를 “첫 상용 규모 dLLM”으로 공개했어요. 같은 해 2월에는 오픈소스 LLaDA, 5월에는 Google의 Gemini Diffusion 실험 모델도 나왔어요.
- 2026년 10월 19일(현지 기준), 이번에 화제가 된 뉴스: Inception이 Mercury 3를 발표했어요.
그러니까 개념은 4년 넘게 연구되어 왔고, 이번 뉴스는 “규모를 키워도 통하느냐”에 대한 답이라서 주목받고 있어요.
왜 지금 뜨나
Mercury 3는 Mercury 1보다 40배 이상 크고 컨텍스트는 1M 토큰이에요. Inception은 NVIDIA GPU에서 초당 1,068토큰을 낸다고 밝혔어요. 품질은 GPT-6 Luna, Claude Haiku 5.5와 비슷하거나 더 낫다고 주장하고, 가격은 출시 할인가 기준 입력 $0.10, 출력 $0.35(100만 토큰당)예요.
다만 이 숫자들은 모두 회사 자체 측정이에요. 10/21 OpenRouter 실사용 트래픽에서는 초당 약 223~246토큰이 관측됐어요(TokenPost). 그래도 빠른 편이지만 발표 수치와는 거리가 있어요. 자체 벤치마크에서도 코딩과 긴 컨텍스트 검색 항목은 Claude Haiku 5.5에 졌다고 나와 있어요.
Claude만 써 본 개발자라면 이렇게 써 보세요
역할을 “생각은 Claude, 반복 작업은 dLLM”으로 나누면 돼요.
- dLLM에 맡길 일: 지연 시간이 체감되는 짧고 많은 작업이에요. 에이전트 루프 안의 작은 단계(로그 요약, 페이지 탐색 판단), 대량 분류와 변환, 자동완성 같은 즉답형 UX, 음성 응대가 여기에 해당해요. OpenAI API 호환이라
base_url과 모델명만 바꾸면 기존 코드에 바로 붙일 수 있어요(OpenRouter, Vercel 등에서도 제공돼요). - Claude에 넘길 일: 설계, 어려운 디버깅, 긴 코드베이스를 이해해야 하는 작업, 그리고 dLLM이 낸 결과의 검토예요. 1M 컨텍스트라는 스펙이 그 길이를 안정적으로 활용한다는 뜻은 아니라는 점도 기억해 두세요.
- 추천 패턴: Claude가 계획과 기준을 정하고, dLLM이 빠르게 여러 후보를 만들고, 테스트나 Claude가 검증해요. 이렇게 하면 속도와 비용은 dLLM에서, 신뢰도는 Claude에서 가져올 수 있어요.
도입하기 전에는 내 워크로드로 끝에서 끝까지 걸린 시간과 정확도를 꼭 직접 재 보세요. 초당 토큰 수만 보고 결정하면 안 돼요.
관련 용어
- 자기회귀(Autoregressive) 디코딩: 한 토큰씩 순서대로 생성하는 기존 LLM 방식이에요. dLLM과 비교할 때 기준이 돼요.
- 마스크드 확산(Masked Diffusion): 빈칸(마스크)을 채워 가며 텍스트를 만드는 dLLM의 대표 방식이에요. LLaDA가 이 계열이에요.
- 추측 디코딩(Speculative Decoding): 자기회귀 모델 진영에서 속도를 끌어올리는 대표 기법이에요. dLLM과 자주 비교돼요.