한국어 ✓ English

말하는 동안 뒤에서 일한다, 값은 아직 대기 명단뿐 — Higgs Realtime Duplex, 160ms로 쪼갠 대화와 비어 있는 청구서

기준일 2026-11-11 · Boson AI 공식 발표·공식 가격 페이지와 OpenAI·Google 공식 가격 페이지를 직접 확인했다 개골 · 조회 -회

음성 에이전트를 실제 업무에 붙여 본 사람이라면 어색함이 어디서 생기는지 안다. 내가 말을 끝낼 때까지 기다렸다가 답하는 템포, 옆 사람에게 한 말에까지 끼어드는 눈치 없음, 그리고 도구를 부르는 순간 찾아오는 긴 침묵이다. 11월 5일 Boson AI가 공개한 Higgs Realtime Duplex는 그 세 가지를 한 번에 겨냥한 모델이다. 듣고, 카메라를 보고, 말하고, 자기 얼굴까지 실시간으로 그리면서, 대화 뒤에서는 생각하고 도구를 부른다. 그런데 성적표보다 먼저 읽어야 할 줄이 따로 있다. 이 모델의 API는 아직 대기 명단 단계이고, 공식 가격표에는 이 모델의 행 자체가 없다는 점이다. 이 글에서는 공식 발표로 확정되는 구조와 토큰 장부, 회사가 잰 성적의 자리, 그리고 아직 값을 매길 수 없는 자리를 갈라서 읽는다.

핵심만 먼저

모든 스트림을 160ms 청크로 자르는 전체 이중 구조 — 프런트 45B MoE가 스스로 생각하고 도구를 부르며, 힘에 부치는 과제만 큰 백엔드 모델에 위임한다 (공식 발표 직접 대조)

비용 설계는 분당 약 2,600토큰, 생각·도구 포함 2,600~5,000토큰이라는 회사 추산이고 「1시간 대화 값이 사람 값의 10분의 1 이하」는 판매 가격이 아닌 설계 목표다

API는 coming soon·대기 명단 단계, 공식 가격표(2026-11-11 재대조)에도 Duplex 행은 없다 — 오늘 살 수 있는 것은 전 세대 Higgs Realtime뿐이다

Higgs Realtime Duplex 구조 요약 — 160ms 청크와 45B 프런트를 공식 발표 내용으로 재구성한 패널
Boson AI 공식 발표의 구조 설명을 재구성한 패널. 모든 스트림을 160ms 청크로 자르고, 45B 프런트가 스스로 생각하고 도구를 부르며 힘에 부치는 과제만 백엔드에 위임한다. 내용 출처: Boson AI 공식 발표 「Higgs Realtime Duplex: Face to Face, Working in the Background」(발표 도식은 인라인 그래픽이라 공식 내용을 패널로 재구성했다)

턴을 버리고 시간을 쪼갠 구조

지금까지의 음성 모델은 대개 턴제였다. 상대가 말을 마치면 그제야 듣고, 생각하고, 답한다. Duplex는 그 단위를 버리고 모든 스트림을 160ms짜리 청크로 자른다. 내 음성과 카메라 화면이 들어오는 동안, 모델의 음성과 얼굴이 나가고, 생각과 도구 호출은 그 사이를 여러 청크에 걸쳐 흐른다. 침묵도 빈칸이 아니라 청크로 들어가고, 영상이 켜져 있으면 아무도 말하지 않는 동안에도 프레임은 계속 들어온다. 모델이 맞장구를 치고, 말이 끝나기 전에 답을 시작하고, 내가 끼어들면 멈추는 동작은 이 구조 위에서 나온다.

지능을 얹는 방식은 세 갈래다. 우선 프런트 모델이 스스로 생각한다. 질문이 다 도착하기를 기다리지 않고, 의미 단위가 도착할 때마다 추론을 이어 붙인다. 다음으로 도구를 비동기로 일찍 부르고, 전체 결과가 오기 전에 부분 결과로 말하기 시작한다. 마지막으로 자기 힘에 부치는 과제만, 대화의 전체 문맥을 통째로 붙여 훨씬 큰 백엔드 모델에 넘긴다. 발표가 스스로 대조하는 경쟁 구조와의 차이가 여기 있다. Thinking Machines의 인터랙션 모델은 생각과 도구 호출을 배경 모델에 맡기는 쪽이고, Duplex의 프런트는 그 일을 직접 한다. 배경 모델에 매 턴 기대면 답이 10초 이상 걸릴 수 있고 값도 통제하기 어렵다는 것이 Boson의 논거다. 프런트 모델 자체는 45B MoE로, 텍스트 사전학습 모델에서 출발해 약 2조 토큰의 텍스트·오디오·시각 데이터로 추가 학습했다.

얼굴과 목소리는 모델의 몸이 아니라 옷이다. 짧은 참조 음성 클립 하나가 목소리를 정하고, 사진 한 장이 얼굴을 정하며, 파인튜닝은 없다. 참조는 모델 본체가 아니라 출력을 그리는 두 디코더에 들어가서, 참조를 바꾸면 목소리와 얼굴이 통째로 바뀐다. 회의에서 발표하고 화이트보드를 읽어 도표를 고치는 장면, 영어 발음에서 「west」와 「vest」를 가려내는 튜터 장면, 드라이브스루에서 운전자가 점원과 하는 주문 대화에는 끼어들지 않고 자기 일만 보고하는 장면, 엔지니어가 책을 읽는 동안 음성만으로 코드 비교와 규정 검사를 돌리고 없는 도구는 Claude Code에 맡겨 배경에서 만들게 하는 장면이 발표의 시연 목록이다. 여기서 분명히 갈라 둔다. 이 네 장면은 전부 Boson이 만든 회사 시연이며, API 자체가 아직 열리지 않았으니 회사 밖에서 이 모델을 실제로 썼다는 확인된 도입·사용 사례는 존재할 수 없는 자리다. 이 글의 사례는 시연이 보여 주는 사용 장면의 목록일 뿐, 실사용 증거로 읽으면 안 된다.

값의 자리 — 토큰 장부는 있는데 청구서가 없다

비용 설계는 이 모델이 가장 구체적으로 숫자를 내놓은 자리다. 전체 이중은 가만히 있어도 청크를 계속 처리하므로, 스트림을 바짝 졸였다. 입력 오디오는 초당 6.25토큰, 출력 오디오는 초당 12.5토큰, 카메라 프레임은 6청크에 한 번 약 12토큰, 얼굴은 청크당 잠재 2개다. 합치면 오디오·시각 스트림이 분당 약 2,600토큰이고, 생각과 도구 호출까지 합쳐도 분당 대략 2,600~5,000토큰이라는 것이 회사 추산이다. 실제로는 최근 5분의 스트림(약 13K~25K 토큰)을 유지하고 오래된 이력은 텍스트로 남긴다는 표기도 있다. 「1시간 대화 값이 사람 1시간 값의 10분의 1 이하」라는 문구는 이 설계의 목표 문장으로 적혀 있을 뿐, 판매 가격이 아니다.

Higgs Realtime Duplex의 토큰 장부 — 160ms 청크당 토큰 배분과 분당 총량을 공식 발표 수치로 재구성한 패널
Boson AI 공식 발표의 토큰 예산 수치를 재구성한 패널. 입력 오디오 청크당 1토큰, 출력 2토큰, 카메라 프레임은 6청크에 한 번으로 졸여 분당 약 2,600토큰의 스트림 장부를 만든다. 수치 출처: Boson AI 공식 발표 「Higgs Realtime Duplex」

실제로 오늘 값을 매길 수 있는 것은 경쟁 모델과 전 세대뿐이다.

모델 (실시간 음성, API)값 (공식 가격표 직접 대조, 2026-11-11 재확인)제공 상태
Higgs Realtime Duplex (Boson)확인 필요 — 공식 가격표에 행 없음, 설계 목표만 「사람 시간 값의 1/10 이하」API 대기 명단 (coming soon)
Higgs Realtime (Boson, 전 세대)오디오 입력 분당 0.0023달러·출력 분당 0.014달러 (토큰 기준 입력 0.75달러·출력 4.50달러/100만 토큰)오늘 사용 가능
GPT-Live-1 (OpenAI)분당 0.05달러, 초 단위 과금 + 백엔드 모델·도구 별도사용 가능
GPT-Realtime-2.1 (OpenAI)오디오 입력 32.00달러·출력 64.00달러/100만 토큰 (캐시 입력 0.40달러)사용 가능
Gemini 3.8 Live (Google, Extended Thinking·3.1 Flash Live Preview와 공통 단가)오디오 입력 분당 0.005달러·출력 분당 0.018달러 (무료 티어 있음)사용 가능

표에서 읽을 것은 순위가 아니라 전제다. 입력·출력 분당 요율을 단순 합산한 산술로 견주면 전 세대 Higgs Realtime이 약 0.016달러/분, Gemini 3.8 Live가 약 0.023달러/분으로 GPT-Live-1의 분당 0.05달러보다 아래에 있지만, 이 합산은 어떤 회사의 공식 표기도 아니고 과금 축이 모델마다 다르다. GPT-Live-1의 0.05달러에는 백엔드 모델·도구 비용이 포함되지 않아 실제 총액은 그보다 크고, Duplex는 단가 자체가 없어 총액 비교에 들어오지 못한다. 게다가 Duplex는 백엔드 위임이 설계에 들어 있어, 어려운 턴마다 프런티어 모델을 부르면 그 값이 별도로 붙는다. 분당 2,600~5,000토큰이라는 장부도 중간 추론을 압축해 나간다는 전제 위의 추산이라, 긴 도구 흔적이 쌓이는 실제 업무에서는 자기 세션으로 재기 전에는 확정값이 아니다.

성적표 — 1위 하나, 2위 다수인 회사 측정

성능 쪽 회사 성적표는 「1위 하나, 2위 다수」로 읽는 것이 정확하다. 음성 질의응답 Big Bench Audio에서 98.9점으로 표의 최고를 찍었지만, 전체 이중 상호작용 Full-Duplex-Bench v1.5는 75.5점으로 GPT-Live-1의 80.1점과 TML Interaction Small의 77.8점 아래고, 음성 에이전트 과제 완료 τ-Voice도 69.8%로 GPT-Live-1(Astra medium)의 74.5% 아래다. 지시 따르기 IFEval 94.1점, 능동 영상 질의 ProactiveVideoQA 31.9점, 스트리밍 정확도 QIVD 56.0점, Audio MultiChallenge 44.9점도 각각 2위권이다. 프런트가 45B로 TML 프런트 276B의 약 6분의 1이라는 몸집 대조는 Boson의 읽기를 뒷받침하지만, 이 표 전체가 Boson의 파이프라인에서 나온 값이고 다른 모델 점수는 공개 보고서에서 가져와 절반 이상만 재현 확인했다는 단서가 표 아래에 붙어 있다.

가려 읽을 자리 — 아직 살 수 없고, 아직 남이 재지 않았다

첫째, 제공 상태다. Duplex API는 대기 명단이고 출시 날짜도, 가격도, 한국어 지원 여부도 공식 자료에 없다. 오늘 당장 프로덕션에 붙일 수 있는 Boson 모델은 전 세대 Higgs Realtime뿐이다. 발표의 시연을 보고 설계를 시작하더라도, 붙이는 대상은 아직 존재하지 않는 API라는 점을 일정에 먼저 적어야 한다.

둘째, 성적표의 설계자다. 일곱 종목 중 여섯에서 1위를 놓쳤다는 사실 자체는 발표 표 안에 정직하게 실려 있지만, 종목 선정과 측정 파이프라인은 전부 Boson의 것이고, 경쟁 모델의 설정(생각 수준 등)은 Boson이 고른 조합이다. 특히 「사람처럼 느끼는가」라는 이 모델의 본래 주장은 벤치마크 점수로는 거의 재어지지 않는 영역이라, 독립 사용 후기와 제3자 재현이 쌓이기 전에는 시연 영상이 곧 제품의 일상이라고 읽으면 안 된다.

셋째, 값의 빈칸이다. 토큰 장부가 촘촘하다는 것과 청구서가 싸다는 것은 다른 문장이다. 얼굴 렌더링과 영상 입력이 실제 과금에서 어떤 행으로 붙는지, 백엔드 위임의 기본값과 상한은 어떻게 되는지, 긴 세션에서 압축 전제가 깨질 때 분당 토큰이 어디까지 느는지가 전부 미확정이다. 같은 회사의 Higgs Avatar가 분당 0.07달러부터라는 참조값은 있지만, 그것은 정지 이미지 기반 토킹헤드 상품의 값이지 Duplex의 값이 아니다.

결론은 이렇게 갈라진다. 확인된 것은, 45B 프런트가 160ms 청크로 듣고·보고·말하고·생각하는 전체 이중 구조와 분당 2,600~5,000토큰이라는 비용 설계, 스스로 생각하고 도구를 부르다 힘에 부칠 때만 위임하는 구조, 그리고 API가 아직 대기 명단이고 공식 가격표에 이 모델의 행이 없다는 사실이다. 아직 확인되지 않은 것은, 확정 단가와 출시 날짜, 한국어 대화를 포함한 실제 다자 대화에서의 끼어들기 판단, 그리고 회사 밖에서 잰 성능이다. 검증법은 대기 명단 다음에 있다. 자기 업무의 실제 통화 열 건 — 끼어듦과 옆 대화와 도구 호출이 섞인 — 을 같은 조건으로 나란히 돌려, 잘못 끼어든 횟수와 과제 완료율, 분당 총 토큰과 백엔드 위임 비용을 함께 재는 것이다. 그 숫자가 나온 뒤에야 이 모델의 진짜 단가와 진짜 자연스러움을 말할 수 있다.

출처

퍼즈 한 줄 정리

Higgs Realtime Duplex는 구조와 토큰 장부까지는 숫자로 읽히는 모델이지만, 청구서와 출시 날짜는 아직 비어 있다. 대기 명단 뒤의 숫자가 나오기 전에는 설계만 가능한 모델이다 개골.