오픈웨이트 AI 모델이 프론티어급 성능에 근접하며 '소유하는 AI' 시대를 예고하다

핵심 메시지

• 영상은 프론티어 AI 접근이 정부 규제로 제약될 수 있다는 우려 속에서, 다운로드해 영구 소유 가능한 오픈웨이트 모델의 가치를 강조한다.
• 발표자는 영상에서 'GLM 5.2'로 표기한 오픈 모델이 이전 버전 대비 3개월도 안 되는 사이에 코딩·수학·일반지식에서 크게 도약해 다른 오픈 모델을 압도했다고 말한다.
• 이 모델은 벤치마크 부정행위를 막는 장치, 여러 토큰을 동시에 예측하는 멀티토큰 예측, 단계별로 세밀하게 보상을 주는 훈련 방식 등을 채택했다고 설명한다.
• 약 7,500억 개 파라미터로 매우 커서 개인이 직접 구동하려면 상당한 하드웨어가 필요하고, 토큰 사용량이 많다는 한계도 지적된다.
• 발표자는 한 연구자가 2027년 전에 프론티어급 오픈 모델을 내놓겠다고 예고했다며 '자신의 모델을 소유하라'는 메시지를 던진다.

쉽게 이해하기

영상은 미국 정부가 최상위 프론티어 AI 시스템의 사용을 사실상 제한했다는 문제의식에서 출발한다. 발표자는 이런 능력이 개발자에게조차 잠기면, 같은 수준에 도달하는 다른 모델도 규제 대상이 될 수 있다고 우려한다. 그러면서 대안으로 누구나 내려받아 영구히 쓸 수 있는 오픈웨이트 모델을 제시한다.

핵심 사례로 영상은 'GLM 5.2'라고 표기한 오픈 모델을 든다. 발표자는 자체 테스트 결과 이 모델이 다른 오픈 모델을 크게 앞섰고, 폐쇄형 프론티어 시스템과 완전히 같지는 않지만 매우 근접했다고 말한다. 특히 직전 버전에서 3개월도 안 되는 사이에 이룬 도약이라는 점을 놀라운 대목으로 꼽는다.

기술적으로는 몇 가지 장치가 소개된다. 벤치마크에서 답을 베끼는 식의 부정행위를 무력화하는 장치, 초안을 여러 토큰 동시에 쓰고 상위 판정 단계가 취사선택하는 멀티토큰 예측, 그리고 학생 한 명 한 명의 모든 단계를 개별 채점하듯 세밀하게 보상을 주는 훈련 방식이 장시간 코딩 같은 긴 작업에 유리하다고 설명한다.

다만 한계도 분명하다. 약 7,500억 파라미터 규모라 개인이 직접 돌리려면 큰 비용의 하드웨어가 필요하고, 토큰 사용량이 평소의 두 배에서 많게는 열 배까지 늘 수 있어 API 과금 구조에서는 부담이 될 수 있다고 짚는다.

발표자는 한 주요 연구자가 2027년 이전에 프론티어급 시스템을 내놓겠다고 밝혔다는 점을 전하며, 무엇도 보장되지는 않지만 이런 도약의 속도를 보면 믿어볼 만하다고 말한다. 결론은 '내 가중치가 없으면 내 모델도 아니다'라는 소유의 메시지다.

주요 인사이트

• 규제로 최상위 모델 접근이 막힐 수 있다는 불안이, 역설적으로 '직접 소유 가능한 오픈 모델'의 가치를 부각시키고 있다는 관점.
• 오픈 모델의 성능 향상 속도가 매우 빨라, 버전 하나 차이만으로도 폐쇄형 프론티어와의 격차를 크게 좁힐 수 있다는 점.
• 벤치마크 점수만으로 모델을 판단하기 어려우며, 부정행위 방지 같은 설계 요소가 신뢰도에 중요하다는 시각.
• 성능이 좋아도 거대한 파라미터 규모와 높은 토큰 사용량은 실제 운용 비용이라는 현실적 장벽으로 남는다는 지적.

자주 묻는 질문

관련 AI 소식