오늘의 흐름 정리
화요일 이후 들어온 소식은 두 방향으로 갈렸다. 하나는 프런티어 모델의 점수가 모델 자체보다 그것을 감싼 설정과 하네스에서 나온다는 증거가 양쪽 진영에서 동시에 나왔다는 점이다. 다른 하나는 오픈 웨이트 쪽이 규모와 비용 양쪽에서 실물로 압박을 시작했다는 점이다. 본인은 이 두 흐름이 “어떤 모델을 고르느냐”의 비중을 계속 깎아내리고 있다고 본다.
하네스가 점수를 만든다
OpenAI는 API 설정 두 개를 켜서 ARC-AGI-3 점수를 세 배로 올렸다고 밝혔다. 추론 내용을 턴 사이에 유지하고 컨텍스트 압축을 켠 것이 전부다. 같은 모델·같은 벤치마크에서 설정만으로 세 배가 움직인다면, 공개된 점수의 상당 부분은 모델 성능이 아니라 실행 환경의 성능을 재고 있었다는 뜻이 된다. 같은 시기에 OpenAI가 GPT-5.6의 성과를 “달러당 지능”으로 설명한 것도 같은 축이다.
반대편 증거도 나왔다. 요구사항이 단계적으로 누적되는 장기 코딩 벤치마크 SlopCodeBench에서 Opus 5는 17개 체크포인트 중 4개만 엄격 기준으로 통과했다. 단발 과제 점수와 장기 유지보수 능력은 서로 다른 축이라는 뜻이다. 커뮤니티에서도 Opus 5가 과도하게 RL에 절여져 실수가 잦다는 불만이 올라왔고, Opus 5·Kimi K3·Grok 4.5·Gemini 3.6 Flash를 퍼즐 게임으로 교차 비교한 시도처럼 공식 지표를 우회하는 자체 벤치마크도 늘고 있다.
오픈 웨이트가 규모로 답한다
Kimi K3가 Hugging Face에 공개됐다. 2.8조 매개변수에 104만 토큰 컨텍스트, Kimi Delta Attention과 LatentMoE를 얹은 오픈 웨이트 모델로 현재 공개된 오픈 웨이트 모델 중 규모가 가장 크다. 아키텍처 해설도 곧바로 따라붙었다.
규모만이 아니다. 약 500달러로 강화학습 미세조정한 9B 오픈 모델이 카탈로그 검수 과제에서 프런티어 구성을 전부 앞질렀고, Gemma 4 26B를 약 2GB 메모리로 M 시리즈 Mac에서 돌리는 엔진도 공개됐다. 좁은 과제와 로컬 실행 양쪽에서 오픈 웨이트의 실효 범위가 넓어지고 있다.
압박은 정치로도 번졌다. Anthropic은 위험한 능력이 없는 오픈 웨이트 모델은 공공재이므로 범주 전체를 금지하는 데 반대한다는 입장을 냈지만, 로컬 추론 커뮤니티는 그 논지가 결국 오픈 웨이트의 우물에 독을 타는 수순이라는 반박으로 맞섰다.
한 줄 정리
설정 두 개로 점수가 세 배 움직이고 500달러 미세조정이 프런티어를 앞지르는 국면에서, 승부는 어떤 모델을 쓰느냐보다 그 모델을 어떤 환경에 앉히느냐에서 갈린다.
조회수: 0