11월 2일, 2026 홍콩 핀테크 위크 개막식에서 Du Xiaoman(두샤오만)은 홍콩과학기술대학교, 홍콩 생성형 인공지능 연구개발센터(HKGAI)와 함께 금융 강화 대형 모델 쉬안위안 4.5(Xuanyuan 4.5)를 공동 발표했다. 발표 측에 따르면 자기 진화형 RSI 기술을 모델 학습과 에이전트 활용 장면의 목표 적응에 적용한 금융 분야 최초의 모델로, 대형 언어 모델과 멀티모달 모델을 모두 포함한다. 금융 분야 모델 경쟁은 범용 능력을 겨루는 단계에서 구체적인 업무를 누가 더 잘 이해하고 업무와 함께 스스로 진화할 수 있는지를 겨루는 단계로 옮겨가고 있다.
쉬안위안 4.5의 핵심은 자체 개발한 Xuanyuan-Machine이다. 에이전트 데이터 합성과 지도 미세 조정, 강화 학습 등에 참여해 모델이 금융 업무에 계속 적응하도록 한다. 논리는 이해하기 쉽다. 금융 업무의 정의와 규칙, 고객 표현은 자주 바뀌기 때문에 한 번만 학습한 모델은 금세 뒤처진다. 기계가 데이터와 학습 순환에 참여해야만 모델이 업무 안에서 계속 조정될 수 있다. 협력에는 연속성이 있다. 2025년 3월 두샤오만과 홍콩과학기술대학교는 공동 연구실을 설립하고 HKGAI와 함께 대형 모델의 신용 리스크 관리 적용을 연구해 왔다.
고객 유치, 리스크 관리, 고객 운영: 효과 주장을 어떻게 읽을 것인가
두샤오만에 따르면 쉬안위안 4.5는 고객 유치와 리스크 관리, 고객 운영 등 핵심 금융 장면에서 효과를 30% 높였고, 추론 비용은 범용 최상위 모델의 10% 수준에 불과하다고 한다. 발표에서는 또 쉬안위안을 기반으로 1,000개가 넘는 에이전트와 5,000여 개의 스킬이 구축됐고, 하루 토큰 사용량이 1,000억 개를 넘었다고 밝혔다. 이 숫자들은 할인해서 봐야 한다. 보도에서는 평가 방법이나 비교 대상이 된 범용 모델 목록, 재현 가능한 테스트 세부 사항을 공개하지 않았고, '최초'라는 표현 역시 발표 측의 주장일 뿐 독립적인 검증은 아직 이뤄지지 않았다.
금융 기관에는 효과 숫자 외에 더 현실적인 장벽이 있다. 숫자는 틀려서는 안 되고 정의는 일관돼야 하며 모든 단계를 추적할 수 있어야 하고, 모델 출력은 컴플라이언스와 감사 관문을 통과해야 한다. 쉬안위안 4.5가 홍콩의 실제 업무에서 통할 수 있을지는 발표회에서의 효과 주장뿐 아니라 이러한 엄격한 제약 아래에서의 성능에 달려 있다. 앞으로 주목할 점은 홍콩의 구체적인 도입 사례와 평가 세부 사항이 공개되는지, 그리고 비용 우위가 실제 부하에서도 유지되는지다.
