Seedance의 새 에이전트가 말한다, 모델은 제품이 아니었다고

Volcano Engine은 10월 21일 Seedance Managed Agent를 내놨습니다. Seedance와 Seedream 모델 위에 올린 비주얼 제작 에이전트인데, 홍보 문구가 “이게 무엇이 아닌지”를 놀랍도록 구체적으로 짚습니다.

모델 API가 아닙니다. 이 구분은 회사가 직접 긋습니다. 모델 API는 요청 하나에 이미지 한 장, 또는 샷 하나를 돌려줍니다. 실제 작업은 그렇게 생기지 않았습니다. 실제 작업은 흐릿한 브리프를 붙잡고, 레퍼런스를 뒤지고, 소재를 정리하고, 계속 생성하고, 결과물이 브리프에 맞는지 확인하고, 다시 하는 겁니다.

Seedance MA는 그 모든 걸 감싸는 껍데기입니다. 그러니까 이건 “이 산업에서 가치는 어디에 있는가”에 대한 베팅이고, 다른 모두가 조용히 걸고 있는 것과 같은 베팅입니다.

실제로 뭐가 다른가

이 시스템은 생성 모델에 자체 개발한 harness를 붙입니다. harness는 의도를 해석하고, 작업을 단계로 쪼개고, 컨텍스트를 관리하는 오케스트레이션 레이어입니다. 여기에 제작 절차를 코드로 담은 스킬 묶음과, 검색·합성·검증용 도구가 더해집니다.

회사 설명에서 핵심 단어는 “joint tuning”, 즉 공동 튜닝입니다. harness는 완성된 모델에 나중에 볼트로 붙인 게 아닙니다. 모델과 함께 학습시켰습니다. 그래서 모델은 harness가 보내는 지시가 어떤 형태여야 제대로 된 것인지 배우고, harness는 이 모델에 무엇을 요구할 수 있고 무엇은 안 되는지 배웁니다.

흔한 방식과는 확실히 다릅니다. 흔한 방식은 모델을 프롬프트 템플릿으로 감싸고 그걸 agent라고 부르는 겁니다. 프롬프트 템플릿은 모델이 방금 내놓은 것에 맞춰 적응하지 못합니다. 같이 학습한 harness는 합니다.

숫자, 그리고 그 숫자가 재는 것

Volcano는 숏드라마, 단일 이미지, 이미지 세트 시나리오에서 모델을 직접 쓸 때보다 종합 품질이 17% 올랐다고 주장합니다. 그런데 더 많은 걸 말해주는 건 그 뒤의 네 가지 세부 항목입니다.

대본·스토리보드 규격 미달이 약 67% 감소. 플롯 혼란 54% 감소. 이미지 편집 일관성 문제 50% 감소. 이미지 세트 일관성 문제 60% 감소.

이 숫자들이 뭘 재는지 보십시오. 화질을 재는 항목은 하나도 없습니다. 전부 “어긋남”을 재는 지표입니다. 모델이 그럴듯한 일을 해냈는데 요청한 일이 아니거나, 세 장을 뽑았는데 같은 세트로 안 보이는 것 말입니다.

공략해야 할 문제를 제대로 짚은 겁니다. 상업 작업을 실제로 죽이는 게 어긋남이니까요. 그림이 못생기면 다시 생성하면 됩니다. “6번 샷이 2번 샷과 안 이어진다”는 손으로 연속성을 다시 맞추지 않으면 못 고칩니다. 그리고 그 손작업이 이 일에서 가장 비싼 부분입니다.

늘 붙는 단서는 있어야 합니다. 이건 벤더 숫자이고, 벤더가 고른 평가셋에, 벤더 하드웨어에서 나온 겁니다. 그래도 반박 가능할 만큼 구체적입니다. 그것만 해도 대부분의 발표보다 낫습니다.

“harness”라는 단어가 괜히 나온 게 아니다

이 어휘는 코딩 에이전트에서 빌려온 것이고, 우연이 아닙니다.

지난 1년 반 소프트웨어 업계의 교훈은 모델은 대략 범용 재화이고 harness가 제품이라는 겁니다. 같은 모델, 다른 harness 두 개면 결과물 품질이 완전히 달라집니다. Claude Code와 같은 모델을 날것의 API로 호출하는 것은 같은 도구가 아닙니다.

비주얼 생성 쪽은 그 깨달음보다 1년쯤 뒤에 있습니다. 생태계 대부분은 여전히 “더 좋은 checkpoint가 답”이라고 생각하고, 그래서 이 분야는 리더보드에서 이기고 고객을 잃는 모델을 계속 만들어냅니다.

harness 가설이 맞다면, AI 영상에서 오래 남는 자산은 모델 가중치가 아닙니다. 쌓인 스킬 라이브러리입니다. 브리프를 어떻게 샷으로 쪼갤지, 테이크를 받아들이기 전에 뭘 확인할지, 캐릭터를 40개 클립에 걸쳐 어떻게 유지할지 — 그런 지식을 코드로 만든 것입니다. 그 지식은 지금 대부분 현업 감독들 머릿속에 있고, 처음으로 그걸 소프트웨어로 만드는 쪽이 이 카테고리를 가져갑니다.

구매자 입장에서 뭐가 달라지나

agent API는 구매 단위를 바꿉니다. 토큰이나 초를 사는 걸 멈추고, 결과물을 삽니다.

구매자에게 더 좋아 보이지만 실은 더 복잡합니다. 모델 API라면 장당 비용을 예측해 예산을 짤 수 있습니다. agent라면 비용이 “얼마나 재시도하기로 판단했는가”에 달려 있고, 그건 “브리프를 얼마나 엉망으로 썼는가”에 달려 있습니다. 에이전트가 자기 작업에 내리는 판단에 돈을 내는 겁니다.

그래서 가격 논의가 “생성 1회당 비용”에서 “승인된 결과물 1건당 비용”으로 옮겨갑니다. 계약도 따라갈 겁니다. 승인된 소재당 고정 가격, 수정 라운드 수는 명시. 대행사는 원래 그렇게 값을 매겨왔습니다. 소프트웨어가 크리에이티브 업계에서 가장 미움받는 구조를 도입하는 걸 보는 건 좀 묘한 일입니다.

실무적 결과가 둘 더 있습니다. 첫째, 디버깅 가능성. 모델이 나쁜 그림을 내면 프롬프트를 고칩니다. agent가 나쁜 그림을 내면 계획이 틀렸는지, 레퍼런스 검색이 틀렸는지, 승인 검사가 느슨했는지부터 가려내야 합니다. 새로운 디버깅 스킬이고, 아직 아무도 없습니다.

둘째, 락인. 제작 과정을 코드로 담은 harness는 옮기기 어렵기 때문에 가치가 있습니다. 같은 성질이 떠나기 어렵게도 만듭니다.

왜 이미지 하는 사람들이 가장 신경 써야 하나

영상 밖에서 진짜 중요한 건 일관성 숫자입니다.

AI로 제품 카탈로그를 만들어본 사람은 압니다. 진짜 문제는 멋진 이미지 한 장이 아닙니다. 같은 날, 같은 스튜디오, 같은 조명으로 찍은 것처럼 보이는 스무 장입니다. 지금 이걸 하는 워크플로는 레퍼런스 한 장, 기도, 그리고 손으로 하는 대량 보정입니다.

일관성 실패가 50~60% 줄어든다면, 그게 유지된다면, “AI가 히어로 컷에 쓸 만하다”와 “AI가 200 SKU 카탈로그에 쓸 만하다”의 차이입니다. 품질이 한 단계 더 오르는 것보다 훨씬 큰 상업적 문입니다.

벤더에게 뭘 물을지도 바뀝니다. “모델이 얼마나 좋은가” 대신 “한 배치에서 내가 한 장씩 고치지 않아도 되는 이미지를 몇 장 뽑을 수 있는가”. 프로덕션 매니저가 실제로 예산을 짜는 숫자는 그쪽입니다.

앞으로 어디로 가나

이제 주요 랩은 모두 자기 모델 위에 agent 레이어를 얹습니다. Volcano는 Seedance MA, Google은 Flow, Adobe는 Firefly agents, OpenAI는 자체 호스팅 워크플로. 패턴이 너무 빨리 수렴해서, 모델 자체가 발표에서 가장 지루한 부분이 되고 있습니다.

아마 그게 맞습니다. 최고 이미지 모델과 다섯 번째 모델의 차이는 작고 좁혀지고 있습니다. 일관된 소재 200개를 안정적으로 납품하는 스튜디오와 못 하는 스튜디오의 차이는 어마어마하고, 그건 어떤 checkpoint를 올렸는지와 거의 무관합니다.

Seedance MA는 돈이 그 차이에 있다는 베팅입니다. 지루한 베팅이고, 아마 맞는 베팅입니다.