Thinking Machines의 인터랙션 모델, 챗봇 턴제를 흔든다

턴 기반 챗봇 이후의 인터페이스

Mira Murati가 설립한 Thinking Machines Lab은 인터랙션 모델 연구 미리보기를 공개했다. 핵심은 기존 챗봇처럼 사용자가 입력을 끝내고 모델이 답하는 구조를 넘어, 오디오·비디오·텍스트 흐름을 시간에 맞춰 계속 주고받는 모델이다. 회사는 예시에서 약 200ms 단위의 “마이크로 턴”을 설명하며 침묵, 끼어들기, 백채널, 시각적 단서까지 맥락으로 다룬다고 밝혔다.

The Verge 보도는 이를 Thinking Machines가 무엇을 만들고 있는지 보여주는 첫 공개 신호로 해석했다. 모델 성능 벤치마크보다 인터페이스 구조를 먼저 내세운 점이 흥미롭다.

왜 200ms가 중요한가

사람의 대화는 문장 단위 API 호출보다 훨씬 조밀하다. 고개 끄덕임, 말 끊기, 잠깐의 침묵, 화면 속 변화가 모두 협업 신호다. 음성 에이전트가 자연스럽지 않은 이유도 대개 지능 부족이 아니라 타이밍 부족에 있다. 답은 맞지만 한 박자 늦거나, 사용자가 아직 말하는데 끼어들거나, 화면을 보고도 반응하지 못하면 도구가 아니라 방해물이 된다.

이는 OpenAI Realtime API와 음성 AI 문제에서 다룬 지점과 맞닿아 있다. 실시간 AI는 모델 하나가 아니라 지연시간, 오디오 처리, UI 상태, 안전장치가 함께 만드는 시스템이다.

개발자에게는 상태 관리 문제가 된다

인터랙션 모델이 상용화되면 개발자는 프롬프트보다 “상태”를 더 많이 설계해야 한다. 사용자가 보고 있는 화면, 말하던 문맥, 방금 취소한 작업, 카메라에 잡힌 시각 단서가 모두 모델 입력이 된다. 이 상태를 어떻게 저장하고, 무엇을 버리고, 어떤 권한으로 처리할지가 제품 품질을 좌우한다.

Gemini API File Search와 멀티모달 RAG가 문서와 이미지 검색을 기본 기능으로 끌어올렸다면, Thinking Machines의 메시지는 사용자와 모델의 상호작용 자체도 멀티모달 데이터가 된다는 것이다. 기업용 제품은 녹취, 화면 공유, 개인정보, 감사 로그를 함께 다뤄야 하므로 초기 설계 부담도 커진다.

FAQ

Q1. 인터랙션 모델은 새 LLM인가?
공개 내용상 특정 제품 출시라기보다 실시간 멀티모달 상호작용을 목표로 한 연구 미리보기다.

Q2. 일반 챗봇과 가장 다른 점은?
사용자 입력이 끝난 뒤 답하는 대신, 시간에 맞춘 연속 신호를 모델 맥락으로 다룬다는 점이다.

Q3. 어떤 제품에 먼저 쓰일까?
회의 보조, 코딩 페어, 교육 튜터, 디자인 리뷰처럼 타이밍과 화면 맥락이 중요한 영역이 유력하다.

Q4. 위험 요소는 무엇인가?
오디오·비디오 데이터가 늘어나므로 개인정보 보호, 녹화 동의, 보관 정책, 권한 통제가 더 중요해진다.

Q5. 한국 스타트업에는 어떤 기회가 있나?
모델 자체보다 특정 업무의 협업 리듬을 잘 설계한 수직형 인터페이스에서 기회가 있다.