중국 최대 검색·인공지능 기업 바이두가 차세대 대형언어모델 ‘ERNIE 5.1(文心大模型 5.1)’을 앞세워 중국 AI 시장의 주도권 경쟁에 속도를 내고 있다. 텍스트와 이미지, 영상, 음성을 하나의 구조에서 처리하는 ERNIE 5.0의 기술적 기반을 활용하면서도 모델 규모와 연산비용을 크게 줄이고, 추론과 검색, 지능형 에이전트 능력을 강화한 것이 특징이다.

바이두는 2026년 5월 9일 ERNIE 5.1을 공식 출시했다. 회사는 5.1이 기존 ERNIE 5.0의 사전학습 결과를 이어받아 전체 매개변수 규모를 약 3분의 1로, 실제 작동하는 활성 매개변수를 약 절반으로 줄였다고 밝혔다. 같은 규모의 모델과 비교한 사전학습 연산비용은 약 6% 수준이라는 것이 바이두의 설명이다. 

텍스트부터 영상·음성까지 하나의 구조로

ERNIE 5.1의 출발점이 된 ERNIE 5.0은 바이두가 개발한 2조4천억 매개변수 규모의 원천 전모달 모델이다. 기존 멀티모달 AI가 텍스트 언어모델에 이미지·음성·영상 처리 모듈을 추가하는 방식이었다면, ERNIE 5.0은 처음부터 모든 정보를 하나의 자기회귀 네트워크에서 학습하도록 설계됐다.

텍스트에는 다음 토큰 예측 방식을, 이미지와 영상에는 다음 프레임 및 화면 크기 예측 방식을 적용한다. 음성은 의미에서 세밀한 음향 정보까지 단계적으로 예측하는 구조를 사용한다. 서로 다른 정보가 하나의 공통 공간에서 학습되기 때문에 텍스트로 영상을 분석하거나, 영상과 음성의 관계를 이해하고, 여러 형태의 콘텐츠를 연계해 생성할 수 있다는 설명이다.

ERNIE 5.0은 전체 매개변수 가운데 매번 약 3%만 활성화하는 초희소 혼합전문가 방식도 적용했다. 2조4천억 개라는 대규모 매개변수를 확보하면서 실제 연산에 필요한 비용을 낮추기 위한 설계다. 

5.1의 초점은 ‘더 큰 모델’ 아닌 ‘더 효율적인 AI’

ERNIE 5.1의 핵심은 모델의 외형을 키우는 것이 아니라, ERNIE 5.0이 학습한 지식과 능력을 상대적으로 작은 구조에 효과적으로 이전하는 데 있다.

바이두는 이를 위해 ‘다차원 탄력적 사전학습’ 기술을 적용했다. 하나의 대규모 모델을 학습하는 과정에서 네트워크의 깊이와 전문가 수, 매번 활성화하는 전문가의 비율이 서로 다른 다수의 하위 모델을 함께 훈련한다. 이후 용도와 연산환경에 적합한 하위 구조를 선택해 별도의 대규모 재학습 없이 활용할 수 있다.

이러한 방식은 여러 크기의 모델을 각각 처음부터 훈련해야 했던 기존 방식과 비교해 개발기간과 비용을 줄일 수 있다. 또한 기업은 보유한 서버와 서비스 목적에 따라 성능과 운영비용 사이의 균형을 선택할 수 있다.

검색·추론 넘어 스스로 일하는 에이전트로

바이두가 ERNIE 5.1에서 특히 강조하는 분야는 지능형 에이전트다. 에이전트는 사용자의 질문에 답하는 수준을 넘어 작업을 계획하고, 필요한 도구를 선택하며, 여러 단계를 거쳐 결과를 만들어내는 AI를 뜻한다.

이를 위해 바이두는 학습, 추론, 보상평가, 에이전트 실행 과정을 분리한 ‘완전 비동기 강화학습’ 시스템을 구축했다. 각 작업을 서로 다른 서버와 연산장치에서 독립적으로 처리해 자원 이용률을 높이고, 시간이 오래 걸리는 일부 작업 때문에 전체 학습이 지연되는 문제를 줄였다고 설명했다.

여러 분야의 전문가 모델을 개별적으로 학습한 뒤, 그 능력을 하나의 모델에 통합하는 다단계 후속학습 방식도 적용했다. 코딩, 수학적 추론, 검색, 도구 사용 등 서로 다른 능력을 동시에 강화할 때 특정 능력이 향상되는 대신 다른 능력이 떨어지는 현상을 줄이기 위한 것이다.

이에 따라 ERNIE 5.1은 복잡한 질의를 검색하고 정리하는 심층검색, 여러 프로그램을 연속해서 사용하는 도구 호출, 문서·스프레드시트 처리, 전문적인 글쓰기와 지식 질의응답 등에 초점을 맞췄다. 바이두 첸판 플랫폼에서 제공되는 ERNIE 5.1의 문맥 길이는 12만8천 토큰, 최대 출력 길이는 6만5천536토큰이다. 

중국 AI 모델 평가에서 상위권

바이두에 따르면 ERNIE 5.1은 2026년 5월 검색형 AI 성능을 평가하는 ‘Arena Search’에서 1천223점을 받아 중국 모델 가운데 1위, 세계 4위에 올랐다. 공개 전 시험 버전인 ERNIE 5.1 Preview도 LMArena 텍스트 부문에서 중국 모델 1위, 세계 13위를 기록했다.

다만 이러한 순위는 특정 시점과 평가방식에 따른 결과다. AI 모델의 실제 경쟁력은 평가점수뿐 아니라 정확성, 응답속도, 운영비용, 서비스 안정성, 기업 현장에서의 활용성 등을 종합해 판단해야 한다.

바이두, AI 클라우드 성장과 연결

ERNIE 5.1은 바이두의 AI 클라우드 전략과도 밀접하게 연결돼 있다. 바이두가 발표한 2026년 1분기 실적에 따르면 회사의 AI 클라우드 인프라 매출은 88억 위안으로 전년 같은 기간보다 79% 증가했다. GPU 클라우드 매출도 같은 기간 184% 늘었다.

바이두는 ERNIE 모델을 독립적인 챗봇에 머물게 하지 않고 검색과 문서작성, 클라우드, 자율주행, 기업용 업무시스템 등에 연계하고 있다. 보다 작고 효율적인 ERNIE 5.1은 AI 모델의 성능 경쟁을 실제 기업 서비스의 비용 경쟁력으로 연결하려는 전략적 모델로 풀이된다. 

초거대 경쟁에서 효율 경쟁으로

ERNIE 5.0이 텍스트·이미지·영상·음성을 하나의 모델에서 이해하고 생성하는 기술적 기반을 제시했다면, ERNIE 5.1은 이 기반을 보다 작고 경제적인 모델로 전환하는 데 초점을 맞췄다.

중국 AI 시장에서도 이제 단순히 매개변수가 많은 모델을 만드는 경쟁에서 벗어나, 적은 연산비용으로 높은 성능을 내고 실제 업무를 자율적으로 수행하는 모델을 만드는 경쟁이 본격화되고 있다.

바이두 ERNIE 5.1은 이러한 변화의 대표적인 사례다. 텍스트·영상·음성을 통합하는 전모달 기술과 비용 효율적인 에이전트 모델이 결합하면서, 중국 AI 산업의 경쟁 무대도 챗봇에서 검색·콘텐츠 제작·업무자동화·기업용 지능형 서비스 전반으로 빠르게 확대되고 있다.