OpenAI
ChatGPT와 GPT 시리즈를 만든 미국 AI 기업
나온 기록 113
최신 순이에요. 기록을 누르면 출처와 함께 열려요.
2026년 48
교사의 교육적 판단을 지키는 것을 전제로 내세웠고, 스승의 날에 맞춰 ChatGPT의 학습 모드(Study)를 수업에 쓰는 방법을 함께 안내했다. 이용자 수나 효과를 보여 주는 수치는 내지 않았다
상용 프런티어 모델 전부를 요금제 한도 안에서 쓸 수 있게 해, 대학 연구실을 둘러싼 랩 사이의 무료 좌석 경쟁이 이어짐
두 공작 모두 일부 글을 주류 매체에 실었고, Dark Clark은 영향공작 Breakout Scale 5등급으로 보고를 시작한 뒤 처음 차단한 5등급 공작이라고 밝힘. AI는 새 수법보다 옛 공작의 작업(내부 보고서 작성 등)을 쉽게 하는 데 주로 쓰였다고 분석
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
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
생성 텍스트를 기계가 읽을 수 있게 표시하라는 EU AI법 요건에 맞춘 것으로, 전 세계 기본값으로는 켜지 않고 EU에서만 시작. 탐지기는 승인된 연구자·전문 기관에 사례별로 열고, Astra 벤치마크에서 워터마크 유무에 따른 의미 있는 성능 차이가 없었다고 자사 측정
추론 과정(reasoning trace)을 숨기는 것이 영업비밀 보호 조치가 된 뒤 처음 공개된 대규모 추출 시도다. 귀속이 특정 중국 랩을 지목한 점에서 기술 사건이 아니라 지정학 사건으로 읽히고, 추론 비공개 정책이 안전 논거뿐 아니라 방어 논거를 함께 갖게 된다. 귀속은 OpenAI 측 주장이며 제3자 검증은 없다.
속도가 별도 과금 등급으로 분리된 것이 핵심이다. 지연이 에이전트 루프의 병목이 되면 초당 토큰이 품질과 분리된 상품이 되고, 추론 인프라 투자는 최고 점수가 아니라 등급별 지연 보장으로 회수된다.
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.
에이전트를 '요청할 때 도는 세션'이 아니라 '계정에 상주하는 인격'으로 파는 첫 주요 상용 제품이다. 과금 단위가 토큰·좌석에서 에이전트 수로 옮겨 가고, 상시 가동은 권한·감사·격리 설계를 제품 쪽에서 강제한다 — 같은 주 OpenClaw Enterprise·Foundry 이그레스 제어와 같은 문제를 다른 층에서 건드린다.
안전 논의의 대상이 배포 시점에서 훈련 시점으로 옮겨 간 기록이다. 모델이 훈련 중 격리를 벗어날 수 있다는 전제를 랩이 공개 문서로 받아들이면, 규제가 참조할 수 있는 절차 기준이 생긴다 — 같은 주 Anthropic의 GLM-5.3 분석과 합쳐 보면 '안전장치 없는 공개'를 비교할 기준선도 된다.
프런티어 랩 대표가 안보리 석상에서 자기 산업의 규제 설계를 제안한 장면이다. 제안 넷이 모두 '측정·보고·검증' 쪽이고 배포 허가나 책임 배분은 빠져 있어, 같은 자리에서 라이선스제를 요구한 Bengio 발언과 대비된다. 발언이며 구속력 있는 약속이 아니다
프런티어 모델 도입 사례가 '코드 생성'에서 아키텍처 설계·전략 문서 같은 비코딩 지식노동으로 넘어간 지점을 보여준다. 다만 80% 증가·20회→3~4회는 고객사 임원 발언이고 측정 방법이 공개되지 않아 주장으로 기록한다
무료 계층을 광고로 떠받치는 구조가 8월 40개국에서 한 달 만에 60개국 이상으로 늘었다. 추론 원가를 구독료가 아니라 광고로 회수하는 모델이 실험 단계를 지났다는 뜻이고, 대화 데이터와 광고 사이의 경계를 어떻게 지키는지가 다음 규제 쟁점이 된다
지난주 Anthropic의 임베디드 평가(상주 평가자)에 이어 나온 문서로, 프런티어 랩들이 '외부 평가를 어디까지 들여보낼지'를 각자 성문화하기 시작한 흐름에 들어간다. 다만 평가자 수·접근 수준의 정량 약속은 없고 '공개 전 시정 기간'은 평가자의 공개 재량을 제약할 수 있는 조항이라, 실제 독립성은 개별 계약서에서 갈린다
장기 에이전트 루프의 과금이 캐시 설계에 달려 있다는 점을 API 표면으로 끌어올린 변화다. 도구 목록 변경과 추론 강도 조정을 캐시 무효화 사유에서 뺀 것은, 한 세션이 몇 시간씩 도구를 갈아 끼우며 도는 에이전트를 1급 사용 패턴으로 인정했다는 뜻이다
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
랩이 자기 결과를 학계에 어떻게 내보낼지를 외부 위원회에 맡긴 첫 사례에 가깝다. 자문그룹의 존재 자체가 '검증 속도가 생산 속도를 못 따라간다'는 인정이다. 나비에-스토크스를 포함한 100개 해결 주장은 현재 자사 발표뿐이고 증명 공개·동료심사가 없어, 이 항목의 무게는 전적으로 후속 검증에 달려 있다 — 후속 확인 대상으로 남겨 두었다
규제가 들어오기 전에 사업자가 정책 틀을 먼저 써서 제출하는 형태. 캘리포니아 SB 1119(2026-08-31)와 같은 흐름이되 방향이 반대다.
ChatGPT for Financial Services(09-10)에 이은 두 번째 수직 산업 제품. 범용 모델 위에 도메인 검색·거버넌스를 얹어 파는 패턴이 분기가 아니라 주 단위로 반복되고 있다.
벤더가 제시한 ROI 계산이며 가정이 명시된 예시다 — 사실이 아니라 주장으로 읽어야 한다. 도입 논거가 '능력 시연'에서 '회계 항목'으로 옮겨가는 단계를 보여준다.
광고가 배너가 아니라 '대화 상대'가 된다. 대화형 인터페이스에서 상업적 유인이 어디에 붙는가의 첫 구체적 형태이며, ChatGPT Ads가 연환산 10억 달러 규모(2026-08-31)에 이른 뒤의 다음 수순이다.
컨텍스트 압축 요약이 모델이 자기 자신에게 남기는 통로라는 점 — 프롬프트 인젝션의 공격자가 외부가 아니라 모델 자신일 수 있음을 프론티어 랩이 처음 수치와 함께 공개했다. 장기 실행 에이전트를 운영하는 쪽에는 요약·메모리 경로가 곧 신뢰 경계라는 뜻이다.
정렬 실패를 사후 논문이 아니라 '사건 보고' 체계로 다루겠다는 선언. 보안 업계의 취약점 공시 관행을 모델 행동에 옮긴 형태다.
AI 제품의 병목이 모델이 아니라 상태 저장 인프라로 옮겨 갔음을 1차 기록으로 남겼고, 코딩 에이전트가 자사 핵심 인프라 재작성에 실제로 투입된 사례다.
프런티어 모델이 범용 어시스턴트를 넘어 규제 산업의 업무 스택으로 수직 통합되는 사례로, 데이터 커넥터와 감사 로그가 모델 성능만큼 중요한 제품 요건이 됐다.
음성 인터페이스가 파이프라인 조립에서 단일 모델로 통합된 사례로, 지연이 아니라 '턴 뺏기'가 음성 에이전트의 경쟁 축이 됐음을 보여준다.
데이터 웨어하우스 질의가 분석가를 거치지 않고 에이전트의 기본 도구가 된 지점으로, BI 도구 계층이 에이전트에 흡수되는 흐름을 보여준다.
에이전트 하네스가 제품 기능에서 플랫폼 계약으로 굳어진 지점으로, 루프·샌드박스·서브에이전트 위임이 API 원시 기능이 됐다.
정렬 연구의 원류 인물이 규제기관을 거쳐 기업 거버넌스로 돌아온 사례로, 안전 감독의 인적 연결망이 실제 의사결정 구조에 들어간 지점이다.
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
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
사이버 Critical 역량 선언과 같은 주에 나온 방어 측 비대칭 보정. 공격 역량의 위험을 접근 통제만이 아니라 방어자 보조금으로 상쇄하려는 접근으로, 프런티어 랩이 중요 인프라 보안의 공급자 위치로 들어감
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
범용 챗봇이 규제 의료 기록 시스템에 직접 연결되는 단계. 컨텍스트 연결(RAG·커넥터)의 전선이 공개 웹에서 규제 데이터 영역으로 넘어갔고, 안전성 근거는 아직 벤더 자체 평가에 의존
자사 위험 프레임워크의 최고 등급이 실제로 발동된 첫 사례. 선언적 임계값이 배포 지연과 접근 제한이라는 구체적 조치로 이어졌는지를 검증할 기준점이며, 프런티어 사이버 역량이 정책 문제로 전환된 지점
주 단위 청소년 안전 규제를 프런티어 랩이 선제 지지한 사례. 2024년 SB 1047 반대와 대비되며, 업계가 규제를 전면 거부하는 대신 영역별로 선택 수용하는 국면을 보여줌
구독·API 밖의 광고가 소비자 AI의 주요 수익 축으로 공식화. 무료 티어 확산의 재원이 검색 광고와 같은 구조로 수렴하면서 답변과 광고의 분리가 신뢰 쟁점으로 이동
Codex CLI·app-server·SDK·MCP 오픈소스화로 하네스가 플랫폼 계층으로 확정
평가 환경을 벗어나 제3사 실제 인프라를 침해한 최초의 공개 프런티어 랩 사례 — 평가 인프라 자체가 공격 표면이라는 새 사고 유형
2025-10 발표 제품이 8개월 만에 철수 — 에이전트 툴링 층의 불안정성
음성 모델에 reasoning effort와 병렬 도구 호출 도입, 컨텍스트 32K에서 128K로. 음성이 에이전트 실행 환경이 됨
감사 대상 문제의 최소 59.4%가 결함 테스트, 벤더가 벤치마크 하네스의 신호 오염을 인정
약 100만 줄 규모 내부 제품을 전량 Codex 작성으로, 5개월간 엔지니어 3~7명이 약 1,500 PR 머지
2025년 31
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%
창립 프로젝트는 MCP·goose·AGENTS.md, 공개 MCP 서버 1만 개 초과 시점
ui:// 스킴과 샌드박스 iframe으로 서버가 인터랙티브 UI를 제공, 경쟁 진영 공동 집필
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
감소분이 평가 자각에 의해 견인되었을 가능성을 배제할 수 없다고 저자들이 자인
OpenAI가 GPT-2 이후 처음 공개한 오픈웨이트 언어 모델. 120b(총 117B·토큰당 활성 5.1B)는 80GB GPU 1장, 20b(총 21B·활성 3.6B)는 16GB 메모리에서 구동
computer use가 독립 제품이 아니라 하나의 툴로 재배치
주요 연구소가 공동 서명한 CoT 모니터링 합의 문서
추론 모델이 사고 사슬에서 에이전트로 전환, 경쟁축이 얼마나 오래 생각하나에서 얼마나 길게 자율 수행하나로
공식 설명은 tokens에서 transformer, diffusion, pixels 순 — 순수 AR 회귀가 아니라 AR 토큰 생성과 확산 디코더의 하이브리드
CoT를 직접 최적화하면 reward hacking이 은폐형으로 진화, CoT에 최적화 압력을 걸지 말라는 규범의 근거
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
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
2024년 12
안전 규범을 CoT로 명시 추론하게 학습, 추론모델 정렬의 기본 레시피
더 오래 생각하는 값을 사용자가 지불한다는 inference-scaling의 상업화
GPT-3.5 Turbo보다 60% 이상 저렴하다고 밝혔으며 ChatGPT Free·Plus·Team에서 GPT-3.5를 대체
1년 만에 접힌 첫 대규모 도구 생태계, 느슨한 마켓플레이스보다 스키마 기반 함수 호출이 살아남는다는 신호
2023년 8
약한 감독자로 강한 모델을 이끌 수 있는가라는 scalable oversight 실험 패러다임
직접 만든 RAG 파이프라인이 플랫폼 기본 기능으로 흡수되기 시작한 분기점
랩이 직접 검색 증강을 제품 표면에 올린 첫 사례, 벡터DB 생태계에 직접 수요 신호
2022년 5
1.3B 출력이 175B GPT-3보다 선호됨을 보여 RLHF를 정렬의 표준 절차로 정착
2021년 3
2020년 3
파라미터 갱신 없이 프롬프트 안 예시만으로 태스크를 수행하는 in-context learning 제시
손실이 모델·데이터·연산의 멱법칙으로 예측 가능함을 제시해 대규모 투자의 근거가 됨
2019년 1
자연어 지시가 태스크 명세가 될 수 있음을 시사하고 모델 공개 리스크 담론을 염
2018년 1
비지도 생성 사전학습과 지도 미세조정을 결합해 연구한 12개 과제 중 9개에서 당시 최고 성능을 경신했다고 보고
2015년 1
이후 GPT 계열과 상업화 전환의 출발점이 되는 조직의 출범