Pluto AI와 인간의 스타크래프트: 자가대전이 만든 다른 메타

Pluto는 2026년 스타크래프트: 브루드워 AI 대회와 한국 프로게이머들의 대인전을 통해 널리 알려진 강화학습 봇이다. 이 프로젝트가 흥미로운 이유는 단순히 “AI가 프로게이머를 이겼다”는 데 있지 않다. 인간이 25년 넘게 다듬은 스타크래프트의 정석과, 인간의 손·시선·화면 이동이라는 제약을 거의 받지 않는 에이전트가 자가대전을 통해 만든 별도의 메타가 실제 경기에서 충돌했다는 데 있다.

이 충돌은 세 가지 질문을 분리하게 만든다. Pluto는 인간보다 전략적으로 더 뛰어난가. 인간이 실행하기 어려운 조작 효율 때문에 강한가. 그리고 인간이 Pluto의 플레이에서 실제로 가져올 수 있는 전략은 무엇인가. 2026년 9월 말부터 10월 초까지 이어진 대결과 커뮤니티 토론은 이 세 질문이 서로 같은 문제가 아님을 선명하게 보여 주었다.

개발자부터 바로잡아야 한다

Pluto의 개발자는 네덜란드의 Martin Rooijackers가 아니라 노르웨이 개발자 Vegard Mella, 온라인 이름 tscmoo로 소개되었다. Rooijackers는 유명 스타크래프트 봇 LetaBot의 개발자로, Pluto와는 별개다. 두 사람이 모두 오래된 브루드워 AI 커뮤니티에서 활동했기 때문에 국적과 개발자가 뒤섞이기 쉽다.

Mella는 Pluto와 함께 갑자기 등장한 인물이 아니다. 대화에서 확인된 경력에 따르면 2015년부터 자신의 이름을 붙인 tscmoo 봇을 개발했고, 2015년 AIIDE와 2016년 CIG의 스타크래프트 AI 대회 우승 경력이 있는 것으로 소개되었다. 이후에도 게임 실행 환경, 봇, 추론 도구를 계속 만들어 온 장기 개발자라는 점이 중요하다. Pluto는 단일한 신작이라기보다 십 년 가까이 축적된 브루드워 자동화 경험 위에 대규모 신경망과 강화학습을 결합한 결과에 가깝다.

이 경력의 세부 연도와 수상 기록은 이 글을 편집하면서 새로 검증하지 않았으므로 외부 재확인이 필요하다.

Pluto의 핵심: 세 종족을 하나의 모델이 배운다

대화에서 소개된 2026년 공개 모델은 약 3억 1,500만 개의 파라미터를 가진 하나의 신경망으로 테란·저그·프로토스 세 종족을 모두 운용한다. 모델은 대체로 6게임 프레임마다 한 번씩 판단하며, 공개된 CPU 버전은 INT8 추론을 사용한다고 설명되었다.

기존 브루드워 봇은 “상대가 뮤탈리스크를 만들면 대공 유닛을 생산한다”, “체력이 낮으면 후퇴한다”처럼 사람이 규칙과 전략 모듈을 세분해 구현한 경우가 많았다. Pluto는 생산, 건설, 확장, 이동, 전투, 개별 유닛 조작을 신경망 정책이 넓게 담당한다. 훈련의 중심은 자가대전 강화학습(self-play reinforcement learning) 으로 설명되었다. 인간 프로게이머의 정석 빌드를 그대로 복제하는 것이 아니라 자신과의 경기에서 승패를 반복하며 정책을 개선한다는 것이다.

그렇다고 모든 것이 순수한 한 덩어리의 강화학습이라는 뜻은 아니다. 공개 버전에는 상대별 승패 기록을 참고해 초반 빌드를 고르는 밴딧 계열 메커니즘이 있다는 설명도 있었다. 따라서 Pluto를 “아무 선행 구조 없이 백지에서 모든 것을 발견한 AI”라고 표현하는 것은 지나친 단순화다.

AlphaStar와도 구분해야 한다. 스타크래프트 II의 AlphaStar는 인간 리플레이를 통한 초기 지도학습과 이후의 강화학습을 결합한 것으로 알려져 있다. Pluto는 대화에서 인간 전략 모방보다 자가대전의 비중이 훨씬 강조되었다. 두 시스템은 게임, 입력 인터페이스, 훈련 방법이 달라 단순한 성능 비교 대상은 아니다.

2026년 대회 우승과 공개 버전

Pluto는 2026년 CoG 스타크래프트 AI 대회에서 우승한 것으로 소개되었다. 결승에서 기존 강호 PurpleWave를 4:1로 이겼다는 경기 결과가 대화에서 제시되었고, 이 무렵 Pluto는 브루드워에서 대규모 자가대전 강화학습으로 훈련된 보기 드문 봇으로 주목받았다.

2026년 7월에는 초기 공개 모델이, 9월에는 더 발전한 대회용 모델이 사용되었으며, 9월 23일에는 CoG 대회 모델을 CPU에서도 실행할 수 있도록 한 공개 버전이 GitHub에 올라온 것으로 소개되었다. 대화 당시 공개된 것은 실행 바이너리와 학습된 가중치 중심이며, 전체 훈련 코드와 재현 가능한 학습 파이프라인이 모두 공개된 것은 아니라고 정리되었다.

공개 저장소로 제시된 경로는 다음과 같다.

• tscmoo/pluto

한국에서 알려진 Pluto와 원 개발자의 Pluto는 구분해야 한다

한국에서 Pluto가 폭발적으로 알려진 계기 중 하나는 배틀넷 래더와 프로게이머 방송이었다. 그러나 대화에서 정리된 설명에 따르면, 공식 래더에서 활동한 버전은 원 개발자가 직접 승인해 투입한 정식 서비스가 아니었다.

스타크래프트 AI 커뮤니티 관계자의 설명으로는 제3자가 Pluto를 스타크래프트 리마스터 환경에 이식해 ^333^ 계정으로 공식 래더에 진입시켰고, 한때 글로벌 래더 5위까지 올라갔다고 한다. 해당 이식판에 맵핵이 추가되었다는 주장도 있었지만, 이는 커뮤니티 측 주장으로 제시된 것이며 이 대화에서 독립적으로 프로그램을 분석해 확인한 사실은 아니다.

중요한 구분은 다음과 같다.

• 원 개발자가 BWAPI 기반 환경에서 만든 Pluto와
• 제삼자가 리마스터·공식 래더에 옮긴 버전은
• 동일한 배포·운영 주체가 아니다.

따라서 한국 프로게이머가 상대했던 특정 빌드의 결과를 곧바로 “공식 Pluto의 검증된 대인전 성능”으로 일반화하면 안 된다. 모델 버전과 실행 환경도 시기별로 달랐다는 지적이 있었다.

이 문제를 설명한 경로로 당시 다음 TeamLiquid 글이 제시되었다.

• TeamLiquid — Bot on ladder

APM 숫자보다 중요한 것은 인터페이스다

Pluto가 화면에서 보여 주는 APM은 때때로 수천 단위로 올라간다. 그러나 이를 “신경망이 분당 수천 번 독립적으로 생각한다”는 뜻으로 읽으면 곤란하다. 대화에서 설명된 구조는 약 6프레임마다 한 차례 모델 판단을 하며, 이를 일반적인 게임 속도로 환산하면 대략 분당 240회 수준의 모델 행동이라는 것이었다. 한 번의 판단이 여러 유닛에 대한 개별 명령으로 풀려 게임 엔진에 전달되면서 화면상 APM은 훨씬 커질 수 있다.

더 본질적인 문제는 무엇을 클릭할 수 있는가다.

인간은 겹쳐 있는 뮤탈리스크 중 특정한 저체력 개체를 화면만 보고 즉시 골라내기 어렵다. 화면 밖의 두 장소를 동시에 정밀하게 조작할 수도 없다. 체력바, 유닛 위치, 선택 가능성은 모두 시선과 마우스에 묶여 있다. 반면 BWAPI 계열 봇은 관측 가능한 유닛을 화면 그래픽의 덩어리가 아니라 개별 객체로 다룰 수 있다.

이 차이 때문에 단순한 APM 제한은 인간과 AI의 조건을 같게 만들지 않는다. 인간에게 APM 1만을 허용한다고 해도 그래픽 뒤에 가려진 개체를 API처럼 직접 지정할 수 있게 되는 것은 아니다.

이 지점에서 Pluto 논쟁은 “AI가 얼마나 빠른가”보다 인간의 스타크래프트와 API 스타크래프트가 같은 게임인가라는 질문으로 이동한다.

Pluto의 전투가 무서운 이유

Pluto의 강점은 여러 작은 전투 효율이 동시에 누적되는 데 있다.

첫째, 점사와 화력 배분이다. 여러 유닛이 이미 죽을 대상 하나에 과잉 화력을 쏟지 않고, 체력이 낮은 목표를 분리해 제거할 수 있다. 시즈탱크·마린·드라군 같은 유닛이 동일한 전투력 수치를 가지고 있어도 실제 교환비가 달라진다.

둘째, 멀티태스킹이다. 인간은 본진 뮤탈 견제를 보고 있으면 전진 병력, 생산, 다른 멀티의 세밀한 전투를 동시에 완벽히 처리하기 어렵다. Pluto에는 화면을 이동하며 주의를 전환하는 비용이 거의 없다.

셋째, 인간에게 관리 부담이 큰 유닛을 적극적으로 쓴다. 대화에서 관찰된 Pluto 테란은 프로토스전에서 마린·메딕·탱크뿐 아니라 고스트와 레이스를 섞고, 하이템플러를 노리거나 락다운을 활용했다. 인간 메타에서 비정상적으로 보이는 조합도 높은 동시 제어 능력이 있으면 성립할 수 있다.

물론 완벽하지는 않다. 자신의 시즈탱크에 락다운을 거는 것처럼 황당한 실수도 관찰되었다. 이 대비가 Pluto의 성격을 잘 보여 준다. 거시 전략이 항상 완성되어 있지 않아도, 미시 전투에서는 인간이 따라가기 어려운 효율로 손해를 복구할 수 있다.

인간이 가져갈 수 있는 것과 가져갈 수 없는 것

Pluto를 보고 “전부 인간에게 무의미한 컨트롤 쇼”라고 말하는 것도 과도하다. 토론에서는 실제로 인간이 실험할 수 있는 아이디어와 AI 전용 기술을 구분하려는 시도가 이어졌다.

인간에게 옮겨 볼 수 있는 아이디어

일꾼 생산의 이른 중단. Pluto는 인간 정석보다 이른 시점에 SCV 생산을 끊고 당장 병력 우위를 사는 경우가 있다는 관찰이 나왔다. 컨트롤을 복제하지 못해도 특정 타이밍의 경제-병력 교환 자체는 인간 빌드 연구의 대상이 될 수 있다.

1베이스·빠른 타이밍 공격. 충분한 후반 인프라를 갖추기 전에 벌처, 바이오닉, 탱크를 섞어 밀어붙이는 공격은 인간도 시험할 수 있다. 다만 Pluto가 후방 견제를 비정상적으로 적은 피해로 막을 수 있기 때문에 같은 타이밍이 인간에게 그대로 성립하는지는 별도 문제다.

메딕 길막. 메딕을 치료 유닛이 아니라 충돌 판정을 가진 몸으로 써 드라군의 이동을 지연시키는 장면은 인간에게도 응용 가능한 전술 아이디어로 거론되었다.

고스트·레이스의 재평가. 인간이 조작 부담 때문에 덜 쓰는 유닛의 가치가 실제 유닛 성능 때문인지, 인간의 관리 한계 때문인지 다시 묻게 한다.

인간이 그대로 복제하기 어려운 부분

• 겹친 뮤탈리스크의 저체력 개체를 객체 단위로 저격하는 것
• 여러 전장에서 동시에 세밀한 전투를 수행하는 것
• 대량의 개별 유닛에 거의 낭비 없는 목표 배분을 하는 것
• 화면 이동과 선택 비용 없이 서로 먼 전장을 관리하는 것

이 구분이 중요한 이유는 “Pluto가 강하게 썼다”와 “인간 메타에서도 강한 전략이다”가 서로 다른 명제이기 때문이다.

가장 유명해진 약점: 수송선과 드롭

여러 대인전이 쌓이면서 가장 반복적으로 지적된 취약점은 셔틀·드롭십과 그 안에서 내리는 유닛이었다.

Pluto는 상대 셔틀을 먼저 제거하기보다 리버가 내린 뒤 지상 유닛을 상대하려 하거나, 자신이 만든 수송선을 제대로 활용하지 못하는 모습을 보였다는 경기 관찰이 이어졌다. 레이스나 고스트가 있어도 셔틀을 최우선 목표로 처리하지 않는 장면도 보고되었다.

이 현상은 자가대전의 흥미로운 맹점 가설로 이어졌다.

Pluto A가 드롭을 충분히 발견하지 못한다. 그러면 Pluto B 역시 드롭을 거의 사용하지 않는다. 서로가 드롭을 쓰지 않으니 드롭에 당하는 경험도 적다. 결국 인간 스타크래프트에서는 수십 년간 너무 당연한 전술이 Pluto의 학습 세계에서는 충분히 “발명”되지 않았을 수 있다는 것이다.

이 가설은 모델 내부를 분석해 입증한 사실이 아니다. 그러나 자가대전이 모든 전략을 자동으로 균등하게 발견한다는 보장은 없다는 문제를 잘 드러낸다. 강한 정책끼리 반복 대전해도 서로 공유한 사각지대가 하나의 폐쇄된 문화처럼 굳을 수 있다.

그 밖에 발견된 취약점

비정상적인 초반 상태

전진 게이트, 빠른 질럿, 히드라 올인처럼 초반부터 게임 상태를 크게 흔드는 플레이가 효과를 보였다는 보고가 있었다. 인간끼리라면 이미 널리 알려져 대응법이 정착된 치즈가 오히려 자가대전 분포에서 드문 상황일 수 있다는 해석이다.

다크스웜 이후의 교전

Pluto 테란의 강점 중 하나가 마린의 높은 집중 사격 효율이라면, 다크스웜은 그 계산을 근본적으로 바꾼다. 문제는 저그가 그 단계까지 무사히 가는 것이다. 뮤탈리스크 견제가 인간 테란에게 주는 시선·멀티태스킹 압박이 Pluto에게는 크게 줄어들기 때문에, 저그가 디파일러 체제로 넘어가기 전에 무너질 수 있다는 반론이 함께 제기되었다.

불리할 때의 소극성

병력 열세에서 시야가 부족한 지역으로 나가는 것을 지나치게 꺼리거나, 인간의 고지대·좁은 길 수비에 걸리는 장면도 약점 후보로 언급되었다. 강력한 교전 최적화와 전세를 뒤집는 거시적 위험 감수는 별개의 능력일 수 있다.

인간도 학습했다: ‘Pluto전’이라는 새로운 메타

초기 반응은 “AI가 인간 프로를 압도한다”에 가까웠지만, 반복 대결이 쌓이면서 인간 쪽도 빠르게 적응하기 시작했다. 대화에서 인용된 경기 보고를 정리하면 다음과 같다.

이 표의 점수는 대화에서 인용된 방송·커뮤니티 정리값이며, 이번 편집에서는 원 영상 전체와 공식 전적표를 새로 대조하지 않았다. 따라서 정식 통계가 아니라 대화 당시의 경기 보고로 읽어야 한다.

이 변화의 핵심은 “프로가 AI보다 다시 강해졌다”는 단순한 결론이 아니다. 인간들이 Pluto를 일반적인 고수처럼 상대하는 대신, Pluto라는 고유한 상대의 학습 분포와 약점을 연구하기 시작했다는 데 있다.

표준적인 장기 운영에서는 Pluto의 전투 효율을 견디기 어렵지만, 드롭·치즈·비정상적인 초반 상태로 학습 분포 바깥을 찌르면 승산이 생긴다. 인간 쪽에 새로운 ‘Pluto 메타’가 생긴 셈이다.

도재욱의 0:9가 남긴 반례

Pluto의 약점이 발견되었다고 해서 인간이 전체적으로 더 강하다고 결론 내릴 수는 없다. 대화에서 특히 중요하게 다뤄진 사례가 Best(도재욱)의 연패다.

도재욱은 알려진 최대 약점으로 거론된 셔틀·리버를 적극적으로 악용하지 않고 지상군 중심의 비교적 정석적인 싸움을 시도했고, 이 조건에서 9전 9패가 보고되었다. 이 사례는 “Pluto를 이길 방법이 있다”와 “같은 규칙의 표준 게임에서 Pluto보다 잘한다”가 다른 명제임을 보여 준다.

동일한 100의 병력이라도 인간은 시선 전환, 선택, 과잉 점사, 여러 전선의 우선순위 때문에 실제 효율을 모두 끌어내지 못한다. Pluto는 바로 그 작은 손실들을 여러 전장에서 동시에 줄인다. 그래서 전략이 조금 거칠어도 교전 단계에서 손실을 회수할 수 있다.

뮤탈리스크가 보여 주는 인간 메타의 조건

뮤탈리스크는 이 차이를 가장 잘 드러내는 유닛이다.

인간 저그가 뮤탈리스크를 뭉치는 이유는 단순히 이동 효율 때문만이 아니다. 여러 개체가 겹치면 인간 테란이 저체력 뮤탈을 정확히 클릭하기 어려워진다. 뮤탈 견제는 상대 화면을 본진으로 끌어당기고, 진출 병력과 생산의 주의를 빼앗는 효과도 있다.

Pluto에게는 두 효과가 모두 약해진다.

겹친 유닛도 API 객체로 식별할 수 있고, 본진 방어를 하면서 전진 병력과 생산을 동시에 관리할 수 있다. 인간 스타크래프트에서 강한 전술이 상대 인간의 주의력과 입력 장치를 공격하는 전술이었다면, 인간이 아닌 상대 앞에서는 그 가치가 달라질 수 있다.

이 때문에 Pluto는 스타크래프트의 상성을 다시 보는 실험 장치가 된다. 어떤 전략이 게임 엔진 자체의 물리 때문에 강한지, 어떤 전략이 인간의 손과 시선이라는 병목 때문에 강해졌는지를 분리해 볼 수 있기 때문이다.

알파고와 같은 충격인가

초기에는 Pluto를 브루드워의 알파고로 비유하는 반응이 자연스럽게 나왔다. 그러나 대결이 늘어나면서 이 비유는 점차 까다로워졌다.

알파고의 충격은 바둑의 동일한 수읽기 규칙 아래에서 인간의 판단과 전략 자체가 밀렸다는 의미가 강했다. Pluto는 그보다 전략적 판단과 비인간적 조작 능력이 섞인 사례다. 인간에게 없는 입력 인터페이스와 동시 제어 능력이 경기력을 크게 끌어올리므로, 승패만으로 인간 전략이 완전히 정복되었다고 말하기 어렵다.

그렇다고 Pluto의 전략을 무시할 수도 없다. 고스트, 레이스, 메딕, 빠른 일꾼 생산 중단처럼 인간 메타에서 주변부에 있던 선택을 반복적으로 사용하면서 “이 유닛이 약해서 안 쓰였는가, 아니면 인간이 관리하기 어려워서 안 쓰였는가”라는 질문을 던지기 때문이다.

따라서 Pluto의 가치는 “인간보다 잘하느냐” 하나보다 두 실험을 동시에 제공하는 데 있다.

1. 인간과 비슷한 제약 아래에서 전략적으로 무엇을 배울 수 있는가.
2. 인간의 제약을 제거하면 브루드워라는 게임 자체가 어떤 다른 형태로 변하는가.

개발자 Vegard Mella는 한국의 붐에 뭐라고 했는가

2026년 10월 8일까지 대화에서 확인된 범위에서는 Mella가 한국 프로게이머들과의 연전, 한국에서의 Pluto 붐, Snow·Soma·Larva 등이 약점을 찾아낸 과정에 대해 직접 장문의 소감이나 분석을 공개한 흔적은 찾지 못했다.

Pluto 주변의 AI 개발자와 연구자들은 한국 대인전을 인지하고 있었고, 관련 정보가 영어권 커뮤니티에도 전달되었다. 그러나 “Mella 본인이 한국 방송을 보고 어떤 판단을 내렸는가”는 별개의 문제다. 한국 열풍을 전혀 모른다고 보기에는 주변 커뮤니티의 관심이 너무 컸지만, 그가 직접 알고 있다고 확인한 발언도 당시에는 확보되지 않았다.

향후 개발에 대해서도 마찬가지다. 9월 23일 CPU 공개판 이후 프로젝트가 완전히 끝났다는 근거는 없었지만, 다음 학습 런이나 ‘Pluto 2.0’의 일정과 로드맵을 Mella가 공개적으로 약속한 자료도 당시 확인되지 않았다.

10월 8일 시점에는 AIIDE 2026 제출 마감이 10월 14일로 예정되어 있어 차기 버전 등장 여부가 관전 포인트로 제시되었다. 그러나 이 글은 그 뒤 실제 제출·대회 결과를 새로 조사하지 않았다. 따라서 10월 8일 이후의 개발 상태는 열린 채로 남긴다.

다음 단계가 더 중요하다: 인간과 AI의 두 번째 학습 사이클

현재까지의 과정은 고정된 AI를 인간이 분석해 공략하는 단계였다.

1. Pluto가 자가대전으로 자신의 메타를 만든다.
2. 인간 프로들이 처음에는 그 메타와 전투 효율에 압도된다.
3. 반복 대결을 통해 수송선, 치즈, 특정 심시티와 거시 판단의 약점을 찾는다.
4. 인간 쪽에 ‘Pluto전’이라는 별도 메타가 생긴다.

진짜 다음 단계는 이 인간의 공략법을 다시 Pluto가 학습하는가다.

다음 모델이 리버 드롭, 셔틀 우선 타격, 초반 치즈, 다크스웜, 인간의 비정상적 빌드를 충분히 경험한다면 지금의 공략법은 빠르게 사라질 수 있다. 반대로 같은 구조적 사각지대가 반복된다면 자가대전의 탐색 한계가 더 선명해진다.

그때부터 실험은 단순한 인간 대 AI가 아니다.

AI가 자기 세계의 메타를 만들고, 인간이 그것을 해킹하듯 공략하고, 다시 AI가 인간의 공략을 학습하는 순환이 된다. 스타크래프트는 오랜 e스포츠를 넘어 서로 다른 학습 체계가 상대의 문화와 약점을 발견하는 실험장이 될 수 있다.

남아 있는 검증 과제

이 글은 2026년 10월 8일까지 이 대화에서 실제로 확인된 설명과 당시 제시된 공개 경로를 총합한 것이다. 편집 과정에서 새로운 인터넷 조사를 하지 않았다. 따라서 다음 항목은 후속 외부 재검증이 필요하다.

• Mella의 2015·2016년 대회 경력과 세부 순위
• Pluto의 정확한 파라미터 수, 프레임 주기, INT8 실행 조건과 버전별 차이
• CoG 2026 결승 세트 스코어와 모델 버전
• ^333^ 래더 계정의 최고 순위와 이식판의 맵핵 여부
• 한국 프로게이머별 전체 전적과 각 경기의 Pluto 모델 버전
• 10월 8일 이후 Mella의 직접 발언, 새 모델 공개, AIIDE 참가·결과

특히 경기 전적은 방송과 커뮤니티 요약이 섞여 있으므로 정식 통계로 고정하지 않는 편이 안전하다. 반면 이 글의 중심 논점인 인간 메타와 API 메타의 차이, 자가대전의 공유 사각지대 가능성, 인간이 AI 상대 전용 메타를 형성하는 과정은 개별 점수 하나보다 더 오래 남는 분석 틀이다.