Project Perception과 모델 라우터 — MS가 멀티모델로 AI 보안 비용을 깎는 방법

mini_knows·2026년 7월 20일

AI보안 AI트렌드 Microsoft ModelRouter ProjectPerception mythos

AI 트렌드·이슈

목록 보기

49/143

안녕하세요, 미니지식공간입니다.

Project Perception — 마이크로소프트가 준비 중인 것으로 보도된 AI 보안 도구의 내부 코드명이다. Anthropic Mythos(미토스) 대비 확실히 낮은 가격을 내세우는데, 그 수단이 개발자에게 익숙한 '모델 라우터(model router, 요청을 작업 특성에 따라 여러 모델 중 하나로 배분하는 시스템)'라는 점이 흥미롭다. 이번 글에서는 2026년 7월 16일(현지) The Information 보도 내용을 정리하고, 라우팅이 어떻게 비용을 깎는지 Azure의 공식 문서를 기반으로 구조를 뜯어본다.

쟁점 요약

AI 취약점 탐지 시장의 가격 구조를 '단일 프런티어 모델(최고 성능급 AI 모델) 프리미엄'에서 '멀티모델 라우팅 최적화'로 바꿀 수 있느냐가 쟁점이다. 성능 손실 없이 비용만 줄일 수 있다면 게임이 바뀐다.

보도 내용 정리

The Information이 2026년 7월 16일(현지) 단독 보도했고, 7월 17일 TechRepublic·디지털투데이 등이 확인 보도했다. 요지는 아래 표와 같다.

항목	내용	비고
제품	Project Perception (내부 코드명)	정식 명칭 미정
기능	기업 IT 시스템의 버그·취약점 탐지 + 수정 제안
모델 구성	Anthropic + OpenAI + Microsoft 모델 조합	모델 라우터로 작업별 배분
출시	2026년 7월 말 이전 목표	확인 필요(공식 발표 아님)
가격	미정, Mythos 대비 대폭 저가 목표	Mythos API 비용은 Opus 대비 약 +100%, GPT 대비 약 +82% (TechRepublic 추정, 2026-07-17)
주도	Hayete Gallot (2026년 2월부터 MS 보안 총괄)	조직을 AI 중심으로 개편 중

마이크로소프트의 공식 발표가 아니라 소식통 인용 보도라는 점은 계속 전제해야 한다. 명칭·모델 구성·가격·출시일 전부 바뀔 수 있다.

라우팅은 왜 비용을 깎는가

취약점 스캔 워크로드는 균질하지 않다. 반복적인 코드 패턴 매칭·로그 분류 같은 작업과, 익스플로잇 경로 추론 같은 고난도 작업의 요구 성능 차이가 크다. 모든 요청을 최고가 모델로 보내면 쉬운 작업에서 마진이 통째로 낭비된다. 라우터는 요청 단위로 난이도를 판별해 "이 정도면 저가 모델로 충분"인 요청을 걸러낸다.

이 구조는 마이크로소프트가 이미 Azure AI Foundry에서 상용 기능으로 운영 중이다. 공식 문서(2026-06-05 업데이트) 기준으로 라우팅 품질 밴드 개념이 명시돼 있다. Balanced 모드는 최고 품질 모델 대비 1~2% 품질 범위 안의 모델 중 가장 싼 것을, Cost 모드는 5~6% 범위까지 넓혀 더 싼 것을 고른다. "품질을 얼마나 양보하고 비용을 얼마나 아낄 것인가"를 파라미터로 만든 셈이다.

Azure model router 문서로 보는 실제 구현

Project Perception 자체의 문서는 아직 없다. 대신 같은 원리의 상용 구현인 Azure AI Foundry model router의 공식 문서 스펙을 정리하면 아래와 같다(출처: https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/model-router).

# Azure AI Foundry model router — 공식 문서 스펙 요약 (버전 2025-11-18)

배포        : 일반 Foundry 모델처럼 model router를 단일 배포로 생성
             → 이후 해당 배포에 일반 chat 요청을 보내면 라우터가 모델 선택
라우팅 모드  : Balanced(기본) | Cost | Quality
모델 서브셋  : 라우팅 후보 모델을 직접 지정 (미지정 시 지원 모델 전체)
             ※ Claude 계열(claude-haiku-4-5, claude-sonnet-4-5 등)은
               모델 카탈로그에서 별도 배포해야 라우팅 대상에 포함됨
지원 모델    : gpt-4.1/gpt-5 계열, grok-4, DeepSeek-V3.2, Llama-4, Claude 계열 등
자동 failover: 기본 활성화 — 특정 모델 장애 시 차선 모델로 자동 재라우팅
프롬프트 캐싱: 하위 모델이 지원하면 자동 적용 (같은 모델로 연속 라우팅 시 유효)
리전        : East US 2, Sweden Central

호출 자체는 배포 이름만 라우터로 바꾼 일반 chat completions 요청이다(문서의 사용 방식을 요약한 형태).

# 배포 이름을 model router 배포로 지정하는 것 외에는 일반 호출과 동일
resp = client.chat.completions.create(
    model="model-router",   # 라우터 배포 이름
    messages=[{"role": "user", "content": "이 코드에서 취약점을 찾아줘: ..."}],
)
print(resp.model)  # 실제로 라우팅된 하위 모델 확인 가능

주목할 부분은 응답에서 실제 처리 모델이 확인된다는 점이다. 보안 제품에서는 "어떤 판단을 어떤 모델이 했는가"가 감사(audit) 요구사항이 될 수 있어서, Project Perception이 이 수준의 투명성을 제공할지가 기술적 관전 포인트다.

단일 프런티어 모델 vs 멀티모델 라우팅

	단일 특화 모델 (Mythos 방식)	멀티모델 라우팅 (Perception 방식, 보도 기준)
비용	높음 (전 요청 프리미엄)	요청 난이도에 비례
성능 일관성	높음	라우팅 판단 품질에 의존
장애 대응	단일 장애점	failover로 우회 가능
감사 추적	단순 (모델 1개)	요청별 모델 기록 필요
리스크	가격, 공급자 종속	저가 모델의 미탐(취약점을 놓치는 오류)

보안 도메인에서 미탐 1건의 비용은 추론 비용 절감분을 쉽게 넘어선다. 라우터가 "이 요청은 싼 모델로 충분한가"를 얼마나 보수적으로 판단하도록 튜닝되는지가 제품의 실질 품질을 결정할 것이다. Anthropic이 보안 모델의 위험도 평가를 어떻게 계량화하는지는 이전 글 Anthropic CJS — 4개 축으로 재일브레이크 심각도를 계량화하다에서 다뤘다. 흥미롭게도 마이크로소프트는 그 CJS 프레임워크의 파트너사이기도 하다 — 보안 협력과 제품 경쟁이 동시에 굴러가는 구도다.

관전 포인트

첫째, 7월 말로 알려진 출시가 실제로 이뤄지는지와 가격표다. 둘째, 라우팅 정확도의 공개 검증 여부 — 취약점 벤치마크에서 Mythos 대비 어느 정도 성능을 보여주는지가 나와야 실무 비교가 가능해진다. 셋째, 마이크로소프트의 엔터프라이즈 AI 전략 전반과의 연결이다. 모델 경쟁이 배포·운영 경쟁으로 넘어가는 흐름은 MS 프론티어 컴퍼니와 FDE 확산에서 정리한 바 있는데, 보안은 그 다음 전선이 될 가능성이 크다.

자주 묻는 질문

Project Perception API가 공개되나?

현재 보도에는 API 제공 여부에 대한 언급이 없다(확인 필요). 기업 IT 시스템 내 배포형 제품으로 묘사되고 있으며, 세부 제공 형태는 공식 발표를 기다려야 한다.

모델 라우터는 지금도 쓸 수 있나?

쓸 수 있다. Azure AI Foundry에서 model router를 단일 배포로 생성하면 GPT·Claude·Grok·DeepSeek 계열에 요청이 자동 배분된다. 단, Claude 계열은 별도 배포가 선행돼야 하고 리전은 East US 2·Sweden Central로 제한된다(2026-06-05 문서 기준).