개방형 AI 모델은 놀라운 속도로 폐쇄형 프론티어 모델과의 격차를 줄이고 있습니다. 반도체 연구 회사인 SemiAnalytic의 새로운 분석에 따르면 대규모 언어 모델이 연속적으로 등장할 때마다 개방형 모델이 해당 시대의 첫 번째 폐쇄형 모델을 따라잡는 데 절반의 시간이 걸립니다.
"개방형 모델이 따라잡고 있는가?"라는 제목의 연구입니다. Evan Cloutier, Max Kan, Jordan Nanos 및 Dylan Patel이 8월 21일에 출판한 이 책은 전체 AI 산업에 걸려 있는 질문을 정량화하려는 가장 체계적인 시도 중 하나입니다. 개방형 모델이 적은 비용으로 폐쇄형 프론티어만큼 성능을 유지한다면 프론티어 연구소가 내구성 있는 사업을 할 수 있을까요? 이러한 변화를 주도하는 모델 출시에 대한 자세한 내용을 보려면 AI Buzz Wire를 팔로우하세요.
프론티어 AI의 세 시대
저자는 LLM의 역사가 초기 스케일링, 추론, 에이전트의 세 가지 별개의 시대로 분류된다고 주장합니다. 각 시대는 모델이 유용하게 수행할 수 있는 기능의 단계적 증가를 나타냅니다.
그들의 핵심 방법론적 요점은 시대에 따른 모델을 단일 벤치마크로 비교하는 것이 실수라는 것입니다. 모든 벤치마크는 그 시대의 산물입니다. 당시에 존재하는 기능 차이를 식별하기 위해 만들어진 다음 포화될 때까지 모델 제조업체에 의해 올라간 다음 업계는 관심을 멈추고 계속 진행합니다. 대신 SemiAnalytic 팀은 각 시대의 모델에 대해 선별된 벤치마크 세트를 실행하여 종합적인 기능 점수를 생성했습니다.
이런 식으로 보면 개방형과 폐쇄형 간극이 주기적으로 움직입니다. 각 시대가 시작될 때 프론티어 연구소는 유망한 연구를 완료하고 인상적인 모델을 훈련하며 앞서 나갑니다. 그런 다음 다른 연구실에서는 주요 발전 사항을 파악하고 이를 리버스 엔지니어링하여 격차를 해소합니다. 저자는 "영원히 비밀로 남아 있는 것은 없습니다. 특히 증류를 고려할 때 더욱 그렇습니다"라고 썼습니다. "얼마나 시간이 걸리는지 문제일 뿐입니다."
해당 질문에 대한 측정 결과 연구의 헤드라인 결과가 나왔습니다. 즉, 각 세대마다 오픈 소스 모델이 해당 시대 최초의 폐쇄 소스 모델을 따라잡는 데 절반의 시간이 걸립니다.
이 주기가 다르게 느껴지는 이유
보고서는 과거 개방형 모델 순간과 현재 순간의 차이에 대해 무뚝뚝합니다. 2025년 1월의 "DeepSeek 순간"이 헤드라인을 장식했지만 "실제로 경제적으로 가치 있는 작업을 수행하기 위해 R1을 사용한 사람은 아무도 없었다"고 저자는 지적합니다.
대조적으로 그들은 GLM 5.3 및 Kimi K3와 같은 모델이 "Anthropic을 650억 달러 이상의 ARR로 급등시킨 동일한 코딩 및 에이전트 작업을 실제로 수행할 수 있다"고 지적합니다. 이는 Claude 제조사가 코딩 및 에이전트 워크로드를 통해 창출한 수익 궤적에 대한 언급입니다. 이러한 개방형 모델은 단순한 데모웨어가 아니기 때문에 이러한 주장은 특히 중요합니다. 폐쇄형 실험실에서 실제 수익을 창출하는 것과 동일한 작업을 위해 프로덕션 환경에 배포되고 있습니다.
사용량이 변화를 강화합니다. 많은 개방형 모델을 제공하는 추론 제공업체인 Fireworks는 현재 매일 40조 개가 넘는 토큰을 처리하고 있습니다. 이는 SemiAnalytics에 따르면 3월 말 OpenAI API의 두 배에 해당합니다. 보고서에 따르면 지금은 "토큰 소비자가 되기에 흥미로운 시기"이며, 토큰을 위한 전쟁은 이제 OpenAI-인류학적 이중점을 훨씬 넘어 확장되고 있습니다.
상품화 질문
이 연구는 유능하고 저렴한 개방형 모델이 모델 계층을 완전히 상품화할 것이라는 두려움(일부에서는 FUD라고 표시)을 직접적으로 다루고 있으며, 이는 개척 연구실 마진에 재앙이 될 결과입니다.
분석의 공개 부분은 완전한 답변에 미치지 못하며 OpenAI 및 Anthropic의 재무에 대한 자세한 처리를 위해 회사의 유료 토큰경제학 모델을 독자에게 알려줍니다. 그러나 이동 방향은 분명합니다. 각 시대의 개방형 모델이 이전 시대에 비해 절반의 시간 내에 출시된다면 폐쇄형 연구소가 프론티어 기능에 대해 프리미엄 가격을 청구할 수 있는 창구는 계속 줄어들 것입니다.
저자들은 또한 이 추세를 개척 연구에 대한 사형 선고로 해석하지 말라고 경고합니다. 그들은 벤치마크가 "전체 내용을 말해주지는 않는다"고 썼으며, 보고서의 결론은 독자들이 처음에 생각하는 것보다 개척 모델에 대해 "덜 약세"라고 설명합니다. 부분적으로 원시 벤치마크 패리티는 안정성, 제품 통합, 기업 배포 또는 대규모 모델을 제공하는 데 필요한 자본의 패리티와 동일하지 않기 때문입니다.
중요한 이유
구매자의 경우, 조사 결과는 많은 기업이 이미 채택한 전략을 입증합니다. 즉, 가장 어려운 작업을 위해 프리미엄 폐쇄형 모델을 예약하면서 대량의 토큰 볼륨에 대해 개방형 또는 저렴한 모델을 기본으로 설정하는 것입니다. 연구실의 경우 아래의 개방형 모델과 위의 막대한 컴퓨팅 비용이라는 두 가지 측면에서 직면하는 압박을 수량화합니다.
그리고 오픈 소스 생태계의 경우 SemiAnalytic 데이터는 종종 공급이 부족했던 것을 제공합니다. 즉, 이데올로기보다는 격차가 예측 가능한 일정에 따라 줄어들고 있다는 증거입니다. 하프타임 패턴이 차세대 프론티어 AI 시대에도 적용된다면 업계에서 가장 중요한 질문은 개방형 모델이 따라잡을지 여부가 아니라, 따라잡은 후에도 여전히 방어 가능한 것이 무엇인지입니다.
오픈 웨이트 AI 경주 추적 AI 뉴스 자세히 보기 →
