MacPaw와 Liquid AI가 만드는 것은 로컬 모델이 아니라 AI 앱 운영 플랫폼이다

MacPaw가 Liquid AI와 함께 추진하는 온디바이스 AI는 Eney에 로컬 모델을 붙이는 기능 추가로만 보기 어렵습니다. 우크라이나 기반 앱 개발사 MacPaw는 지난해 공개한 AI assistant Eney의 로컬 버전을 준비하고 있으며, Liquid AI와 함께 기기에서 추론을 실행하는 시스템 Elix와 로컬 메모리 시스템을 개발하고 있습니다. 모델을 먼저 정한 뒤 하드웨어에 맞춰 최적화하는 일반적인 접근이 아니라, 하드웨어에 맞는 아키텍처를 선택해 효율적인 실행 경로를 만들겠다는 설명입니다. 제품 관점에서 가장 직접적인 변화는 오프라인 사용입니다. MacPaw CEO Oleksandr Kosovan은 로컬 모델을 통해 사용자가 인터넷 연결 없이 assistant와 agentic workflow를 실행할 수 있다고 설명했습니다. 데이터가 기기 밖으로 나가지 않는 구조는 프라이버시와 보안에도 유리할 수 있습니다. 하지만 온디바이스라는 표지만으로 경쟁력이 보장되지는 않습니다. Apple도 개발자에게 자체 로컬 모델을 제공하기 때문입니다. Liquid AI가 제시하는 차별점은 기능별 성능과 하드웨어별 효율, 그리고 사용자 입력을 반영해 시간이 지나며 적응하는 모델입니다. 실제 경쟁은 이 설명이 앱 경험의 차이로 증명될 때 시작됩니다. MacPaw의 계획은 자체 제품에 머물지 않습니다. 회사는 Liquid AI와 로컬 처리 아키텍처를 확정한 뒤 Setapp 개발자에게 온디바이스 추론 기술을 제공하려 합니다. 동시에 Google 같은 기업의 클라우드 모델도 플랫폼 안에서 이용할 수 있게 해 개발자가 작업에 따라 로컬 모델과 클라우드 모델을 선택하는 원스톱 경로를 만들겠다는 구상입니다. 이는 모델을 하나 배포하는 문제가 아니라, 어떤 요청을 어느 실행 환경으로 보내고 그 결과를 앱 기능에 어떻게 연결할지 정하는 개발자 인프라에 가깝습니다. 과금 방식도 이 전략의 일부입니다. Setapp은 15만 명 이상의 유료 사용자를 보유하고 있고, MacPaw는 AI 작업의 횟수와 복잡도에 따라 사용자가 크레딧을 소모하는 가격 모델을 실험하고 있습니다. 로컬 실행과 클라우드 호출을 한 서비스 안에서 섞는다면 크레딧은 단순한 이용권이 아니라 모델 선택과 비용을 조정하는 운영 장치가 될 수 있습니다. 반대로 기기별 성능 차이, 로컬 메모리의 관리 방식, 클라우드로 넘어가는 조건, 작업별 크레딧 단가가 불명확하면 개발자와 사용자는 예측하기 어려운 경험을 겪게 됩니다. 따라서 앞으로 확인할 것은 발표용 데모의 속도가 아닙니다. Eney가 오프라인에서 실제로 처리할 수 있는 작업 범위, Setapp 앱이 로컬과 클라우드 사이를 선택하는 기준, 사용자 입력을 반영하는 로컬 메모리의 통제 방식, 그리고 복잡도 기반 크레딧이 비용을 얼마나 투명하게 보여주는지입니다. 이 네 가지가 맞물리면 MacPaw는 앱스토어에 AI 기능을 추가하는 회사를 넘어, 실행·메모리·모델 라우팅·과금을 한데 묶은 AI 앱 운영 경로를 확보하게 됩니다.