추론 모델·AGI 논쟁

AI가 낸 수학 결과를 둘러싼 논쟁을 컴퓨터 증명의 역사 위에 놓고 해석한 해설이다. 1976년 4색 정리는 사람이 끝까지 따라갈 수 없는 컴퓨터 계산으로 증명돼 논쟁을 불렀고, 케플러 추측은 심사위원 12명이 4년을 보고도 99% 확신에 그쳤다가 2014년 컴퓨터가 한 줄씩 확인하는 형식 증명으로 마무리됐다. 이번 공개를 두고도 극찬과 거부가 엇갈렸고, 공개 직후 일부 결과가 철회되거나 수

자사 측정 체화 추론 벤치마크 ERQA 87%. 실제 탁자 사진 한 장에서 MuJoCo 시뮬레이션 쌍둥이를 스스로 만들고 4,500개 이상 에피소드를 모아 실제 로봇 성공률을 56%에서 75%로, 완료 시간을 35초에서 24초로 줄였다고 밝힘. 범용 모델이 로봇 데이터 라벨링·가치 함수·시뮬레이션 구축까지 맡는 흐름

주간 사용자 12억 명 이상인 ChatGPT의 기본 대화에 GPT-6 세대가 들어감. 생각을 이어 가면서 먼저 답을 시작해, 웹 검색이 필요한 질문에서 GPT-6 Instant가 GPT-5.6 Instant보다 평균 44% 빨리 답을 시작한다고 자사 측정

10만 토큰 이하 요청은 Haiku 4.5보다 90%, 그보다 긴 요청은 50% 싸서 평균 실행 비용이 약 75% 낮다고 자사 주장. 같은 날 Sonnet 5.5 캐시 읽기 가격을 절반으로 내리고 Max·Team 구독자에게 월간 API 크레딧을 도입해 소형 모델을 하위 에이전트로 쓰는 구성을 밀어줌

모델 추론 요약 10편, ChatGPT Pro 사용량으로 환산한 연산 추정, 시도한 문제 수 통계도 함께 공개했고 결과 하나에 평균 ChatGPT Pro 사고 약 3시간분의 연산이 들었다고 밝힘. 9월 자문그룹 발족 뒤 AI 수학 결과를 학계에 내놓는 방식을 정한 첫 사례

자사 측정 DeepSWE v1.1 77.9%, AutomationBench 51.3%(1위), LVBench 91.7%, CWE-bench v1 68%(공동 1위). 도입가는 100만 토큰당 $2/$10(이후 $4/$20)이고, 미국 정부의 자발적 출시 전 접근 절차에 참여하며 접근을 넓힌다고 밝힘. 사내에서는 Argon 에이전트가 데이터센터 메모리 최적화로 300TiB 이상을 확보했다고 자

같은 주에 Anthropic Sonnet 5.5와 나란히 나온 중급 등급 갱신이다. 두 랩이 동시에 '프런티어의 1/5 가격으로 거의 같은 일'을 내세웠다는 점에서, 2026년 하반기의 경쟁축이 최고 성능이 아니라 성능당 단가로 이동했음을 보여 준다.

중급 등급이 상급 등급의 두 점 아래까지 올라왔다는 벤더 주장 자체가 이 주의 사건이다. 등급 간 성능 간격이 좁아지면 가격이 선택 기준이 되고, 프런티어 모델을 쓸 이유가 과제 난이도에서 지연·비용으로 옮겨 간다. 다만 Terminal-Bench 10.3%→70.6% 같은 폭은 같은 조건 비교인지 외부 검증이 없어 자사 주장으로만 둔다.

GPT-6 세대가 발표 3주 만에 가격 계층으로 내려왔다. 상위 모델의 성능을 1/10 안팎 비용에서 재현한다는 주장이 사실이라면, 에이전트 배포의 병목은 모델 지능이 아니라 어느 단가 계층에 얹느냐로 옮겨간다. 전 항목이 자사 벤치마크다

같은 세대 안에서 성능을 올리면서 단가를 함께 내린 갱신이다. 개선 항목이 에이전틱 코딩·컴퓨터 사용·인젝션 저항에 몰려 있어, 프런티어 경쟁이 '더 똑똑한 모델'이 아니라 '오래 도는 루프를 싸고 안전하게 버티는 모델'로 이동한 것을 보여준다. 벤치마크 수치는 전부 자사 주장이며 독립 재현은 없다

속도 조절 주장이 왜 하필 지금 나왔는지를 모델 교체 주기라는 숫자로 설명한 대담 정리다. 한 계열은 상위 모델 사이 간격이 877일에서 336일, 다시 56일로 줄었고 다른 계열은 63일·23일·20일까지 내려와 거의 한 달에 한 번 새 모델이 나오는 상태로 제시된다. 원인으로는 모델이 다음 모델을 만드는 재귀적 자기 개선이 지목되고, 한 연구 조직에서 에이전트 가동 시간이 사람 근무 시간

확산 언어모델의 고질적 한계였던 '청크 경계에서 상태가 끊긴다'를 아키텍처로 푼 사례. 관찰 주제 「확산 언어모델」이 누적 10건을 넘긴 시점에 나온 실질 진전이다.

같은 주에 나온 안전 경고와 성능 돌파를 한자리에 묶은 짧은 보도의 정리다. 구성이 특이한데, 두 상용 모델에 각자 소속 회사가 책임 있게 개발하고 있다고 확신하느냐고 직접 물어 그 답을 근거로 쓰고, 나아가 10년 내 인류 멸종 확률까지 물어 5~10%와 1~5%라는 숫자를 받아 전문가 추정치와 같은 층위로 나열한다. 이 숫자는 측정값도 조사 결과도 아니라 모델이 생성한 문장이어서, 모델에

RSI를 구호가 아니라 단계로 쪼개 측정 대상으로 만들려는 시도. 이번 주 arXiv에 RSI·하네스 자기개선 논문이 동시에 몰린 흐름의 이론 축이다.

형식 검증기 없이 순수 자연어 추론만으로 IMO 금메달권에 이른 결과를 가중치와 데이터까지 공개한 사례로, 최상위 수학 추론의 재현 가능성을 크게 넓혔다.

OpenAI 주장 기준으로 에이전트 약 100개가 약 50시간 협업해 외력 없는 오일러 방정식의 정칙성 문제도 반증했고, 첫 에이전트 투입 뒤 약 88시간 만에 결론에 이른 뒤 GPT-6 Astra로 Lean 형식화에 17시간을 더 썼다고 설명. 상금은 청구하지 않겠다고 했으며, 같은 시기 해법을 낸 Levent Alpöge(Anthropic)·Tristan Buckmaster(NYU)에게

서빙 중 발생하는 라우팅 로그를 다음 학습 데이터로 되먹이는 구조로, 배포와 학습의 경계가 사라지는 자기개선 루프의 초기 프로토타입이다.

'답하는 AI'에서 '직접 일하는 AI'로 넘어갔다는 규정과 함께, 새 모델이 스스로 컴퓨터를 조작해 업무를 끝낸다는 점이 차별점으로 제시된다. 기술적으로 가장 쓸모 있는 수치는 같은 모델이라도 이전 작업 내용을 유지한 환경에서는 99.9%를 냈지만 초기화한 환경에서는 62.7%에 그쳤다는 대목으로, 세션을 매번 새로 띄우는 구조 자체가 성능을 깎는다는 근거가 된다. 이 격차는 대규모 데이터

프런티어 랩 최고과학자 본인의 발언이라 그 발언에 대해서는 1차 출처다. 자사 모델 GPT-6 Astra가 사이버 Critical 임계를 충족했다고 선언한 직후에 나온 글이라, 능력 선언과 정렬 미해결 인정이 같은 주에 붙어 있다

여러 AI 기업 경영진이 내놓은 전망을 한 장의 연표로 겹치면 2026년 에이전트화, 2027년 AI 연구 자체의 자동화, 2028년 긴 연구 과정의 완주, 2029년 최고 수준 지능의 대량 복제, 2030년 결정권 이동, 2031년 로봇 연결이라는 흐름이 만들어진다. 다만 이는 합의된 예측이 아니라 서로 다른 전망을 포개 만든 구성물이며, 반도체·전력·데이터센터·건설이라는 물리적 병목이 일

인간 커뮤니티가 수년 단위로 진행하던 대형 형식화 과제를 에이전트 군집이 단기간에 수행했다는 주장. 검증 가능한 산출물(Lean 증명)이 결과물이라 벤치마크와 달리 외부 재검증이 가능하다는 점에서 자율 연구 주장 중 검증 난도가 낮은 사례

GPT-6 세대 개시. Anthropic Fable 5.1과 같은 주에, 100만 토큰당 10/50달러라는 동일한 가격표로 출시돼 프런티어 가격이 사실상 수렴했고, 벤치마크 경쟁의 중심이 컴퓨터 사용·사이버·에이전틱 코딩으로 이동

보안 전용 파생 모델을 프런티어 라인업의 정식 변종으로 분리 — 취약점 탐지·패치가 모델 제품군의 독립 축이 됨

MSL이 폐쇄 API 노선을 유지한 채 에이전트 효율(툴 호출·토큰 절감)을 전면 지표로 내세움

프런티어 모델의 경쟁 축이 코딩에서 자율 과학 연구로 이동. 최상위 모델을 심사된 사용자에게만 여는 계층 배포가 제품 라인으로 굳어졌고, 가격 인하가 성능이 아니라 캐시 읽기 단가에서 나온 점은 장기 에이전트 루프가 과금의 중심임을 보여줌

장시간 실행 에이전트에 초점. 안전 서술은 능력에 맞춰 보정했다는 수준이고 별도 모델 카드가 링크되지 않음

챗봇에서 상주형 자율 에이전트로의 제품 축 이동

랩 발표가 아닌 커뮤니티 주도의 감사 추적 공개 + 독립 채점 방식 실시간 올림피아드 평가가 새 검증 관행으로 등장

코딩 제품사와의 공동 학습이라는 새 형태. 경쟁사 수치는 각사 시스템 카드에서 인용했다고 명시

기존의 신중한 AGI 타임라인 화법에서 적극적 프레임으로 이동했음을 보여주는 2026년 대표 발언

AGI 정의가 실은 계약·거버넌스 장치였음을 드러낸 사건

벤치마크 간 제1주성분 설명력이 2023~24년 92%에서 추론 모델 등장 이후 64%로, 겉보기 일반성 아래의 전문화 주장

test-time에 새로움에 적응하는 fluid intelligence의 등장을 이유로 든 조건부 전향

AI 생성 논문의 심사 통과가 정식 학술 기록으로 편입. 자동 연구의 평가 기준 논쟁이 본격화

정적 문제풀이에서 지시 없는 대화형 탐색·기술 습득으로 축 이동

LLM 회의론이 10억 달러 규모의 대안 노선 베팅으로 자본화

Free·Pro 요금제의 claude.ai와 Claude Cowork 기본 모델이 됐고, 조기 접근 개발자들이 전작보다 크게 선호했으며 2025년 11월의 Opus 4.5보다도 자주 선호했다고 자사 발표

스케일링 종료와 AGI 임박이 같은 주장의 양면이라는 논리 구조

ARC-AGI-2 사실상 포화. 발표문은 AGI를 논하지 않고 과학·연구·공학 가속으로 프레이밍

자사 측정 GPT-5.2 Thinking이 GDPval 승·무 70.9%(GPT-5 38.8%), ARC-AGI-2(Verified) 52.9%(GPT-5.1 Thinking 17.6%), SWE-bench Verified 80.0%

2025년의 핵심 기술 변화는 탐색·검증 반복 루프였음을 확인

자사 주장 기준 V3.2-Speciale가 IMO·IOI 2025 등에서 금메달 수준 결과를 냈다고 밝힌 오픈웨이트 추론 모델

자사 측정으로 effort를 중간으로 두면 SWE-bench Verified에서 Sonnet 4.5 최고점과 같은 점수를 출력 토큰 76% 적게 써서 낸다고 밝힘

최대 회의론 진영의 조직적 분리

ARC-AGI-2 SOTA가 한 번에 2배 도약

정서적·창작적 상호작용을 명시적 최적화 대상으로 삼은 릴리스

Thinking은 질문에 따라 사고 시간을 더 동적으로 조절해, 가장 빨리 끝나는 과제에서는 약 2배 빠르고 가장 오래 걸리는 과제에서는 약 2배 오래 생각한다고 밝혔으며, 이름은 GPT-5 세대 안의 반복 갱신임을 뜻한다고 설명

사고 과정과 도구 호출을 번갈아 수행하도록 학습한 오픈웨이트 추론 에이전트로, 자사 주장 기준 사람 개입 없이 200~300회 연속 도구 호출을 유지

실세계 지식노동 전이 실패의 정량 증거

AGI 정의를 수사에서 심리측정학적 척도로 이전, 최대 결손은 장기기억 저장

5개월 전 최고 수준이던 Sonnet 4와 비슷한 코딩 성능을 3분의 1 비용, 2배 이상 속도로 제공한다고 밝혔고, CBRN 위험이 제한적이라는 판단에 따라 ASL-2로 출시

복잡한 다단계 작업에서 30시간 넘게 집중을 유지하는 것을 관찰했다고 밝혔고, Claude Agent SDK 공개와 함께 ASL-3 보호 조치 아래 출시

프런티어 LLM이 정식 동료심사를 거쳐 학술지에 실린 첫 사례. 기업 기술보고서 중심의 관행에 균열

저가 코딩 모델을 Copilot·Cursor·Cline 등에 무료 배포해 점유율을 먼저 확보하는 전략

DeepSeek가 에이전트 시대로 가는 첫걸음이라고 밝힌 릴리스로, API의 deepseek-chat·deepseek-reasoner가 한 모델의 비사고·사고 모드가 되면서 V3와 R1으로 나뉘어 있던 제공 방식이 합쳐짐

AGI 기대의 환멸 구간, Altman 스스로 AGI 정의상 중요한 무언가가 빠져 있다고 인정

자사 측정 SWE-bench Verified 74.5%. 가격은 Opus 4와 같고 모든 용도에서 Opus 4.1로 전환하라고 권고

형식화 없이 자연어 end-to-end 범용 모델의 성취라는 점이 일반성 논쟁의 핵심 증거

RL 컴퓨트를 사전학습 수준으로 끌어올린 노선. 인용 점수는 모두 xAI 발표문 기준이며 독립 검증 주체가 명시되지 않음

Apple 논문의 평가 설계를 부분 반박하되 일부 실패는 실제 추론 한계라고 인정

유럽 랩 최초의 오픈웨이트 추론 모델 계열. 학습 인프라·RL 알고리즘 논문 동시 공개

가장 널리 인용된 회의론 실증, 추론 노력이 임계 이후 오히려 감소

자사 측정 SWE-bench Verified Opus 4 72.5%·Sonnet 4 72.7%, Terminal-bench Opus 4 43.2%. 100만 토큰당 Opus 4 $15/$75, Sonnet 4 $3/$15로 이전 세대와 같고 ASL-3 등 상위 안전 수준 조치를 함께 시행

약 1년 내 총 학습 연산 프론티어 도달 후 성장률이 연 4배 수준으로 수렴할 것이라는 정량 예측

추론 모델이 사고 사슬에서 에이전트로 전환, 경쟁축이 얼마나 오래 생각하나에서 얼마나 길게 자율 수행하나로

짧은 타임라인 진영의 대표 문서

thinking이 특수 모드에서 기본값으로 이동하는 선언

수학·과학·코딩 추론에 특화한 LG의 오픈웨이트 계열로, 자사 발표 기준 32B가 2025학년도 수능 수학 94.5점·AIME 2024 90.0점을 기록

신중한 낙관 진영의 기준점

하이브리드 아키텍처, 23개 언어, RAG·그라운딩·툴 사용 특화. 자기정제와 모델 머징을 쓰는 분산 학습 접근

QwQ-32B-Preview의 정식 후속으로, 자사 주장 기준 총 671B(활성 37B)인 DeepSeek-R1과 비슷한 성능을 32B로 냈다고 밝힘

응답 전에 생각하지 않는 비추론 모델로, 자사 측정 GPQA 71.4%·SWE-bench Verified 38.0%는 o3-mini(high)의 79.7%·61.0%보다 낮았으나 MMMLU 85.1%(o3-mini 81.1%)·SWE-Lancer Diamond 32.6%(10.8%)에서는 앞섬

추론은 별도 모델이 아니라 프론티어 모델의 통합 능력이어야 한다는 노선 천명

Think 버튼 기반 추론 모드 분리. 발표문의 20만 GPU 클러스터는 차기 모델 학습용 언급이며 Grok 3 학습에 전부 쓰였다는 서술은 없음

2024년 12월 예고 후 ChatGPT Plus·Team·Pro와 API(사용 티어 3~5)에 같은 날 제공했고, 무료 사용자에게도 'Reason' 버튼으로 열어 ChatGPT 무료 사용자에게 추론 모델을 처음 제공. 과학·수학·코딩에 강점을 둔 모델이라고 밝힘

R1의 저비용 학습 주장이 AI 자본지출 해자론을 흔듦

MMLU 포화 이후의 다음 한계선, 당시 모델 정답률 10% 미만

추론 능력이 폐쇄형 랩의 비밀 레시피가 아님을 증명, 자기검증·재검토·전략 전환이 창발. RLVR과 소형 모델로의 능력 이전 레시피도 같은 보고서에서 공개됐다

ARC 설계자가 program synthesis 대안 노선을 자본과 조직으로 옮김

프론티어 랩 CEO의 가장 직접적인 AGI 선언, 목표를 초지능으로 이동

Google 첫 추론 모델, 사고 과정을 사용자에게 노출하는 노선

2.0 Flash가 주요 벤치마크에서 1.5 Pro를 두 배 속도로 앞선다고 자사 주장했고, Multimodal Live API와 Deep Research를 함께 내놓으며 Project Astra·Mariner·Jules 등 에이전트 시제품을 소개

더 오래 생각하는 값을 사용자가 지불한다는 inference-scaling의 상업화

o1 이후 최초의 오픈 추론 모델

보상 모델을 검증 함수로 대체하는 접근을 명명, 파이프라인 전 단계 공개

사전학습 스케일링 회의론의 최초 공개 발언

스케일링 벽 논쟁 점화

최초의 상용 추론 모델, AIME 2024에서 GPT-4o 12%에서 o1 74%로

연구 자동화 담론을 논문 1편 15달러라는 구체 수치로 전환

이미지 생성은 자체 모델이 아니라 외부 모델(Black Forest Labs FLUX.1) 연동으로 시작

test-time compute가 파라미터 확대보다 효율적일 수 있음을 실증

형식언어 기반 자기학습이 올림피아드 수준에 도달. DeepMind는 Lean·Mathlib 없이는 불가능했다고 명시

GPT-3.5 Turbo보다 60% 이상 저렴하다고 밝혔으며 ChatGPT Free·Plus·Team에서 GPT-3.5를 대체

중급 Sonnet 가격으로 Claude 3 Opus를 넘는 성능을 2배 속도로 낸다고 밝혔고, 자사 에이전트 코딩 평가 해결률 64%(3 Opus 38%). 영국 AISI가 배포 전 안전성 평가를 했고, 자사 레드팀 평가로 ASL-2 유지 판정

컨텍스트를 이전 대비 16배로 확대

Opus·Sonnet은 발표 당일 claude.ai와 159개국 정식 API로 제공되고 Haiku는 추후 제공. 100만 토큰당 Opus $15/$75, Sonnet $3/$15, Haiku $0.25/$1.25이며 RSP상 ASL-2로 평가

형식 검증 가능한 보상이 추론 학습을 이끈 초기 사례. 인간이 읽을 수 있는 증명 생성

첫 제품. 위트와 반항적 기질을 명시적 설계 목표로, X 플랫폼 실시간 지식을 차별점으로 제시

DeepMind·OpenAI·구글 출신으로 구성된 신생 프런티어 랩의 출발점. 설립 인원 명단은 위키피디아 기준이며 xAI 공식 발표문은 미확인