Utopai X, 텍스트-투-비디오 부문에서 2위로 데뷔: 필름 스튜디오의 MiniMax H3 포스트 트레인 내부

Utopai X는 지난주에는 존재하지 않았고, 프런티어 연구소가 처음부터 학습시킨 모델도 아니며, API를 통해 판매되지도 않는 비디오 모델인데, 현재 텍스트-투-비디오 부문에서 세계 2위에 올라 있습니다. 이 모델은 마운틴뷰에 본사를 둔 AI 네이티브 영화·TV 스튜디오인 Utopai Studios에서 나왔으며, 이는 MiniMax H3, 즉 MiniMax의 옴니모달 비디오 모델을 포스트 트레인한 것입니다. Artificial Analysis의 오디오 포함 텍스트-투-비디오 리더보드(현재 Artificial Analysis가 AA-Video-T2V v2.0, 2026년 9월 29일 결과로 표기하는 보드)에서 Utopai X는 Elo 1,150으로, Aliba​sba의 Wan 3.0(1,157)에만 뒤지고, ByteDance의 Dreamina Seedance 2.5(1,143)와 튜닝의 기반이 된 MiniMax H3 (768p) 베이스 모델(1,138)보다는 앞서 있습니다. 이 모델은 리더보드가 갱신된 바로 그날인 2026-09-30에 등장했으며, 사용할 수 있는 곳은 단 한 곳, Utopai 자체 프로덕션 플랫폼인 PAI 내부뿐입니다. 공개 API는 없으며, Artificial Analysis의 해당 행 가격 열에는 'API 없음'이라고 적혀 있습니다.

그 조합, 즉 세계 2위, 단 하나의 배급 채널, 통상적인 의미의 초당 요금표가 없다는 점이 이야기의 전부다. 영화를 만드는 한 스튜디오가 다른 누군가의 파운데이션 모델을 가져다 자체 제작 판단에 맞게 튜닝하고는 대열을 앞질렀다. 그것이 지속적인 성과인지, 아니면 완전히 새로운 무대의 한 단면인지가 물어볼 만한 질문이며, 답은 보도자료가 아니라 리더보드를 읽는 데 달려 있다.

보드가 실제로 보여주는 것

Artificial Analysis는 블라인드 쌍대 인간 선호 투표에서 도출된 Elo를 사용해 비디오 모델의 순위를 매긴다. 투표자는 동일한 프롬프트로 생성된 두 클립을 보고, 어느 모델이 각각을 만들었는지 모른 채 더 선호하는 쪽을 고른다. 순위표는 투표가 쌓이면서 바뀌고, 각 행에는 해당 순위가 얼마나 움직일 수 있는지를 나타내는 신뢰구간이 붙는다. 2026-10-01에 캡처된 오디오 포함 텍스트-투-비디오 순위표는 다음과 같다:

• #1 Wan 3.0 — Elo 1,157(±10), 샘플 6,391개, 2026년 8월 출시, 분당 $12.00.

• #2 Utopai X (MiniMax H3 기반) — Elo 1,150(±11), 샘플 5,455개, 2026년 9월 출시, 사용 가능한 API 없음.

• #3 Dreamina Seedance 2.5 — Elo 1,143 (±10), 샘플 6,375개, 2026년 7월 출시, 분당 $34.12.

• #4 MiniMax H3 (768p) — Elo 1,138(±10), 샘플 6,343개, 2026년 7월 출시, 분당 $4.80.

• #5 FLUX 3 — Elo 1,129(±10), 샘플 5,628개, 2026년 7월 출시, 분당 $17.40.

순위보다 더 중요한 두 가지 세부 사항이 있다. 첫째, 1위와 2위 간 격차는 Elo 점수 7점이며, 두 구간은 명시적으로 겹친다 — Artificial Analysis는 Utopai X의 범위를 1,139에서 1,161로 표기하는데, 이는 Wan 3.0의 점 추정치 1,157을 포함한다. 보드는 Utopai X의 순위를 고정된 위치가 아니라 #1–3이라는 범위로 표시한다. 둘째, Utopai X와 포스트 트레이닝의 출발점이 된 모델 사이의 격차는 12점이며 같은 중첩 문제를 안고 있다. 따라서 "포스트 트레이닝 모델이 부모 모델을 이긴다"는 말은 방향성에서는 맞지만 통계적으로는 약하다. Utopai 자체의 설명은 이 점에 관해 대부분의 출시 게시물보다 더 신중하다. 여기서는 Elo 결과가 "생성된 영상에 대해 사람들이 어떻게 반응하는지에 대한 독립적인 평가를 제공한다"고 말하는데, 이는 인간 선호도 아레나가 측정하는 바에 대한 타당한 해석이며 영화 제작에 관한 주장은 아니다.

반면 {{1}}벤더가 보고한{{/1}} 계층은 {{2}}확신에 차 있습니다{{/2}}. {{3}}Utopai{{/3}}는 반사와 코스틱 — 빛이 반사되거나 굴절될 때 형성되는 집중된 패턴 — 그리고 클립 내 공간적 일관성에서의 강점을 설명합니다. 이 두 가지 모두 벤치마크 결과가 아니라 개발 목표입니다. 이는 {{4}}Artificial Analysis{{/4}}의 측정치가 아니라 벤더의 말입니다.

실험실 대신 스튜디오

Utopai Studios는 자체 영화 및 TV 프로젝트를 개발하고 자금을 조달하며 제작하고, 그 사업 옆이 아니라 그 사업 내부에서 자사 모델을 구축한다. 제시된 메커니즘은 피드백이다: 제작 과정에서 시나리오, 승인된 캐릭터 및 로케이션 디자인, 촬영 계획과 연속적인 테이크가 생성되고, 스튜디오의 감독, 촬영감독, 아티스트들은 어떤 테이크가 채택되었는지뿐만 아니라 다른 테이크가 왜 거부되었는지도 기록한다. 그 기록은 훈련 및 평가 신호가 된다. 연구팀은 또한 인간 선호도 평가와 비전-언어 모델의 자동 투표를 결합한 내부 Elo 시스템을 운영하며, 아티스트들은 인간 측에 참여한다.

그것은 그럴듯한 이점이지만, 외부에서는 검증할 수 없는 이점이다. 포스트트레이닝은 파운데이션 모델을 대체하지 않고도 범용 비디오 모델을 영화 및 광고 사용자의 선호에 맞춰 이동시킬 수 있다 — 적어도 그 부분은 리더보드와 일치한다. MiniMax H3 대비 12포인트 상승분 중 얼마가 학습 데이터, 선호 최적화, 프롬프트 처리, 추론 설정 또는 서빙 시점 변경에서 비롯된 것인지는 출시 자료가 말해주지 않는다. Utopai는 포스트트레이닝 데이터 공개, 최적화 방법, 컴퓨트 예산, 안전성 평가를 전혀 발표하지 않았다. 독립 연구자들은 이 이득을 재현할 수 없고, 반박할 기술 보고서도 없다.

배포 계층은 스튜디오 테제가 구체화되는 곳이다. PAI — Production Assistive Intelligence — 는 Utopai가 모델과 함께 출시한 플랫폼으로, 프로젝트 맥락을 담고 있다: 대본을 장면과 숏으로 분해하는 것, 캐릭터·장소·오브젝트로 구성된 프로덕션 라이브러리, 버전 기록, 엔터프라이즈 팀을 위한 공유 승인, 그리고 Premiere Pro나 DaVinci Resolve로 내보낼 수 있는 타임라인. 핵심 주장은 클립 하나를 생성하는 것이 저렴한 부분이고, 한 숏을 영화의 나머지와 일관되게 유지하는 것이 비싼 부분이라는 것이다. Utopai X는 회사 자체 표현에 따르면 "영화 제작자가 선택했을 때" 그 워크스페이스 안에서 영상을 생성한다 — 이 모델은 PAI에서 사용할 수 있는 여러 이미지, 비디오, 오디오 모델 중 하나의 선택지이며, 유일한 것은 아니다.

Utopai X의 비용과 이를 읽는 방법

PAI는 초당 API가 아니라 크레딧이 포함된 구독으로 판매됩니다. 공개된 요금제는 1,000크레딧에 월 $15, 3,500크레딧에 월 $49, 10,000크레딧에 월 $129, 35,000크레딧에 월 $379이며, 연간 결제 시 약 8~10% 할인되고, 1,000크레딧당 $15에 추가 충전도 가능합니다. Utopai X는 PAI의 크레딧 표에서 별도 항목을 차지합니다. 1080p 영상 1초당 93크레딧입니다. 플랫폼의 다른 비디오 모델은 더 낮습니다 — 스탠더드 티어에서 1080p 기준 초당 50크레딧, 프로 티어에서는 76크레딧입니다.

분당 단가로 환산하는 것은 누구나 할 수 있는 산수일 뿐이며, 거의 아무도 가격으로 제시해서는 안 되는 수치입니다. 초당 93크레딧이라면 Utopai X 출력 1분에 5,580크레딧이 듭니다. 월 $15인 엔트리 요금제는 한 달에 1,000크레딧을 주는데, 모든 크레딧을 이 모델에 쓴다고 가정하면 대략 10.8초 분량의 영상에 해당합니다. 엔트리 크레딧 요율을 선형으로 확장하면, 함축되는 비용은 생성 영상 1분당 $80 이상 수준입니다. 이 숫자는 단서를 함께 붙일 때에만 언급할 가치가 있습니다. 즉 이것은 크레딧 대 달러 환산이 엄격히 선형이라고 가정하며, 크레딧이 PAI의 모든 모델에 걸쳐 공용으로 쓰이고 만료되거나 사용되지 않고 남는다는 점을 무시하고, 연간 할인과 추가 충전 번들을 무시하며, Utopai가 Utopai X에 대해 별도로 명시하지 않은 해상도나 길이 제한에 대해서는 아무 말도 하지 않습니다. 이는 유용한 대략적 규모일 뿐, 정식 요율표가 아닙니다.

비교하자면, 같은 Artificial Analysis 보드에서 MiniMax H3(768p)는 분당 $4.80, Wan 3.0은 $12.00로 표시되어 있는 반면, Dreamina Seedance 2.5는 $34.12로 표시되어 있습니다. 이는 벤더 자체 API에서 자동으로 제공되는 가격 피드이며 구독에서 파생된 추정치가 아니므로, 이 비교는 기껏해야 방향성을 보여줄 뿐입니다. 하지만 방향은 분명합니다. 엔트리 티어에서는 크레딧 기반 스튜디오 플랫폼 내부의 생성이 초당 API 가격과 경쟁하지 않습니다. 구매자가 지불하는 것은 모델을 둘러싼 작업 공간이지, 모델의 한계 1초가 아닙니다.

공개되지 않은 부분

세 가지 격차는 짚고 넘어갈 가치가 있습니다. 각각이 서로 다른 결정을 가로막기 때문입니다.

• API도 없고, 통합 경로도 없습니다. Utopai X는 현재 직접적인 통합 경로가 없습니다. 파이프라인에서 호출하려는 제품 팀은 그럴 수 없습니다. Artificial Analysis는 이를 "API 사용 불가"로 표시하고 있으며, 출시 자료에도 개발자 접근에 대한 설명이 없습니다.

• 별도의 사양은 없습니다. MiniMax H3는 최대 2K 해상도로 4~15초 길이의 클립을 네이티브 스테레오 오디오와 함께 생성합니다. Utopai는 Utopai X의 자체 최대 길이나 해상도를 공개하지 않았으며, 따라서 크레딧 표의 1080p 수치가 유일하게 확인 가능한 해상도 정보이고 클립 길이는 알 수 없습니다.

• 아레나 밖에서는 평가하지 않는다. Elo 결과는 짧은 클립에 대한 인간 선호도를 독립적으로 측정한 값이다. 이는 해당 푸티지가 의도한 샷에 부합하는지, 편집에 끼워지는지, 수정을 견뎌내는지를 측정하는 지표가 아니다. Utopai의 자체 게시물도 이를 직접 인정한다 — "평가는 클립이 생성된 후에도 계속된다" — 이는 출시와 관련해 이례적으로 솔직한 표현이며, 동시에 그 순위가 어디까지 퍼져 나가는지에 대한 경고이기도 하다.

스튜디오 측면에서는 짚을 만한 역사가 더 많다. Utopai는 2026-06-02에 PAI 2.0을 출시했고, 당시 플랫폼이 4월 데뷔 이후 두 달도 안 되어 연간 반복 매출(ARR) 1,100만 달러에 도달했다고 밝혔다. 이는 제작사들에 판매된 상업용 라이선스에 힘입은 것이다. 회사는 2027년에 예정된 극장용 영화 3편과 시리즈 2편이 있다고 말하며, 자사 제작물에 PAI와 Utopai X를 적용하고 있다. 그중에는 The Most Serious Fart, 마이크 벤더가 각본을 쓰고 연출한 애니메이션 장편이 있다. 이것들은 스튜디오의 수치이자 스튜디오의 일정이며, API가 없는 post-train에 대해 굳이 글을 쓸 가치가 있는 이유이기도 하다: 그 모델은 회사가 개봉하려는 영화를 만드는 데 사용되고 있으며, 이는 리더보드보다 더 어려운 시험이다.

기본 모델이 여전히 실용적인 선택인 경우

이번 주에 실제로 영상을 생성해야 하는 사람이라면, 이 제품군에서 라우팅 가능한 쪽은 베이스 모델입니다. MiniMax H3는 OrcaRouter에서 제공업체의 정가 — 768p 기준 초당 $0.08, 즉 분당 $4.80으로 Artificial Analysis가 명시한 것과 동일한 수치 — 로 제공되며, 마크업 0%라서 어떤 벤더의 가격 인하든 재가격 주기를 거친 뒤가 아니라 같은 날 바로 반영되고, 자동 장애 조치가 제공업체 전반에 적용되어 단일 엔드포인트 장애로 파이프라인이 중단되는 일이 없습니다. 텍스트, 이미지, 영상, 오디오 레퍼런스를 하나의 통합 컨텍스트로 받아들이고 768P 또는 2K로 4~15초 클립을 네이티브 스테레오 오디오와 함께 반환하며, 생성된 출력의 초 단위로 과금됩니다.

Utopai X는 라우팅되지 않으며, 이 글의 어떤 내용도 그것이 라우팅된다는 주장으로 읽혀서는 안 됩니다. 기본 모델이 제공하는 것은 H3 패밀리의 미학과 모션 특성 — Utopai가 적용한 후속 학습이 무엇이든 그 이전에 Utopai가 출발했던 것과 동일한 기반 — 을, 하나의 API 키로 200개의 다른 모델 이상과 함께, PAI 구독 없이 테스트할 수 있는 방법입니다. Utopai X가 언젠가 라우팅 가능한 제공자에 도달한다면, 같은 날 정가로 등장할 것이며, 공급업체의 요율은 마크업되지 않고 그대로 전달될 것입니다. 그때까지는: PAI 내부의 스튜디오에게는 Utopai X, 파이프라인을 구성하는 모든 이에게는 Mini H3입니다.

이것이 데뷔였는지 아니면 한순간이었는지를 무엇이 결정할까

다음 분기에 지켜볼 만한 세 가지가 있다. 첫째, 선두의 7점 격차가 또 수천 표를 버텨낼 수 있는지다 — 오늘 기준으로 구간이 겹치며, 새로운 비교 묶음이 들어올 때마다 순위가 뒤바뀌는 리더보드는 아무것도 확정하지 못한 것이다. 둘째, Utopai가 개발자 접근을 과연 열긴 하는지다. 세계 2위 모델이면서 PAI 구독자만 호출할 수 있다면 이는 제품 결정이며, 되돌릴 수 있다. 셋째, 경쟁이 다른 방향으로 움직이는지다. Wan 3.0은 이미 네이티브 오디오와 함께 최대 30초의 1080p를 생성하고 텍스트, 이미지, 비디오, 오디오, 문서, 웹 페이지를 참조로 받아들이며, 사용 사례 분석에서 조명, 재질, 카메라 제어 부문 리더보드를 선도한다. 베이스 모델 대비 12포인트의 포스트트레이닝 향상은 시사하는 바가 크지만, 더 넓은 입력 범위를 가진 파운데이션 모델을 상대로 2위를 유지하는 것은 다른 일이다.

여기서 진정으로 새로운 것은 Elo가 아니다. 새로운 것은 주장의 형태다: 제작 파이프라인을 갖춘 스튜디오가 푸티지 뒤에 있는 결정들 — 어떤 테이크인지, 어떤 레퍼런스인지, 어떤 리비전인지 — 을 소유하는 것이 사전 학습 실행을 소유하는 것보다 더 가치 있다고 주장한다. 그 주장은 검증 가능하며, 2027년 라인업의 박스오피스는 그 검증들 중 하나다.