인물·담론

모델이 이만큼 좋아졌는데 왜 경제는 거의 그대로인가를 물은 한 연구 논문을 풀어 설명한 자료다. 논문은 겨루는 주체를 사람 한 명이 아니라 여러 사람이 모인 회사로 보고, 같은 모델을 여러 벌 복사해도 잘하고 못하는 분야가 비슷해 할 수 있는 일의 폭이 넓어지지 않으며 여럿이 손발을 맞추는 능력이 아직 모자라다고 진단한다. 논문이 인용한 평가에서 한 번에 끝나는 과제는 67%까지 해냈지만 여

이 소송의 공정이용 판단이 임박했다는 신호를 사건 기록 자체가 보여 준다. 눈에 띄는 것은 전선이 AI 대 창작자로 갈리지 않는다는 점이다 — 이미지·영상 생성 쪽인 Midjourney와 Runway가 한쪽에, 창작자에게 사용료를 분배하는 사업 모델을 가진 AI 신생기업들이 원고 쪽에 섰다. 같은 주 OpenAI가 공정이용 지지 의견서 모음을 따로 공개한 것과 묶어 보면, 재판 바깥의 여론전

당사자가 자기에게 유리한 의견서만 골라 엮은 문서이므로 그대로 사실로 읽으면 안 된다 — 반대편 의견서는 실리지 않았고 뉴욕타임스 소송을 '부당한 횡재를 좇는 것'이라고 적은 당사자의 표현이 그대로 들어 있다. 그래도 미국 정부가 이 사건에서 공정이용 쪽 의견을 냈다는 사실 자체는 무게가 다르다. 한 달 전 제3연방항소법원이 비생성형 도구에 대해 공정이용을 부정하면서 생성형 학습은 판단하지

핵심은 지시를 문자 그대로 따르는 것에서 '지시에 없는 상황에서 가치를 적용하는 것'으로 기준을 옮긴 점이다. 정렬을 협조 게임으로 보는 관점을 차용했다고 밝히고, 대화·메모리·그 밖의 맥락 단서를 어떻게 쓸지 다루는 하위 항목을 새로 만들었다. 표현 방식 지침을 덜어 낸 대신 '질문에 객관적으로 접근하기'처럼 엄격한 기본 방침은 남겼고, 모델이 듣고 싶어 할 답을 근거로 관점을 추정해서는

같은 주 OpenAI가 낸 업무 활용 데이터와 기업 소프트웨어 파트너십이 숫자와 제품 쪽 이야기라면, 이 글은 그것이 조직에서 어떤 모양을 띨지에 대한 쪽의 이야기다. 눈여겨볼 대목은 「해고 없는 자동화」 — 과거의 자기 일을 AI에 넘기고 위계에서 한 칸 올라간다는 구도이며, 그 대가로 신입이 허드렛일을 하며 배우던 경로가 사라진다고 스스로 인정한다. 저자들은 OpenAI 소속이고 회사 견

AI가 낸 결과를 논문이 아니라 「연구 원자료」로 내놓고, 그것을 이해·검증하는 일을 외부 학계에 맡기는 공개 방식을 시험한 것이다. 세 결과에 서로 다른 공개 전략(수학은 자료만 공개, 계산복잡도는 공개와 연구단 병행, 물리는 공개 여부를 연구단에 위임)을 적용해 어느 쪽이 유용한지 보겠다고 밝혔다. 지수시간 가설이 거짓이라는 주장은 수백 편의 조건부 난해성 결과가 딛고 선 전제를 흔들고,

자사 집계로 모든 분기에 관측된 74개국에서 가장 흔한 10개 활동이 분류된 업무 메시지에서 차지하는 비중이 2025년 1분기 평균 56.0%에서 2026년 3분기 51.1%로 줄어, 업무 활용이 몇몇 활동에 몰리는 정도가 완화됐다고 설명했다. 미국 직업의 과업 구성과 견주면 고용 규모를 가중했을 때 약 43%가 기타 IWA로 묶여 두 분포가 크게 다르다고도 적었다 — 노동 영향 연구의 입력

프런티어 랩이 공개 자본시장으로 들어가는 첫 사례에 가깝다. 보도 기준으로 신청 서류에는 2026년 상반기 매출 163억 달러(2025년 같은 기간 12억 달러), 영업손실 6억 9,300만 달러, 전환사채 관련 비현금 회계 조정이 대부분인 순손실 807억 달러가 담겼고, 9월 말 기준 연 10만 달러 이상 쓰는 기업 고객 11,900곳 이상·100만 달러 이상 1,900곳·1,000만 달러

이 신탁은 Anthropic 이사회 과반을 임명할 권한을 갖고, 경영진과 투자자로부터 독립해 위험과 사회적 영향이 걸린 결정을 자문한다. 상장 신청(S-1)과 공익 기금 약정이 같은 달에 겹친 터라, 이사회 과반 임명권을 쥔 기구의 구성은 '상장 뒤에도 공익 목적이 통제권을 유지하는가'라는 질문에 직접 닿는다. 영입된 인물의 전문 분야가 AI가 아니라 물리학·국가안보라는 점도 함께 볼 대목이

공동창업자의 지분 80% 기부 서약과 직원 지분 매칭을 합치면 지분 약 20%가 공익에 묶이고 가치 상승에 따른 추가분이 더 붙는다고 설명했다. 구체적 사업은 아직 없고 노동시장 영향을 예로 들며 기존 2억 달러 약정과 함께 거론했으며, 지배구조는 '앞으로 몇 달 안에' 밝히겠다고 했다 — 즉 지금 공개된 것은 금액 구조뿐이고 누가 결정하는지는 비어 있다. 8일 뒤 낸 상장 신청서와 함께 보

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

같은 회기에서 랩(측정·보고)과 독립 과학자(사전 허가·책임보험)가 서로 다른 규제 모형을 내놓았다. 이 간극이 앞으로 국제 논의의 실제 전선이 된다. Bengio는 사례를 열거하면서 개별 출처를 달지 않았고 '독립 전문가들이 확인했다'는 서술에 그쳐, 사례 각각은 별도 검증이 필요하다

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

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

'AI가 AI 연구를 얼마나 하고 있는가'를 랩이 스스로 숫자로 내놓은 첫 사례. 자사 측정·자사 공개라는 한계는 남지만, 같은 주 Accenture 임베디드 평가 발표와 짝을 이루어 '랩 내부를 어떻게 검증 가능하게 만들 것인가'라는 한 묶음을 이룬다.

2026년 9월 중순 미국을 달군 AI 속도조절 논쟁을 사건 순서대로 복기한 뒤, 경쟁 관계인 기업 수장들이 왜 거의 동시에 같은 말을 했는지를 묻는 정리다. 동기는 진심, 상장을 앞둔 관심 끌기, 앞서간 쪽이 사다리를 걷어차는 견제, 비용 축소의 명분 네 갈래로 분해되며, 핵보유국이 후발국의 핵개발을 막는 구도에 빗댄 설명이 핵심 틀로 꼽힌다. 반대하면 안전에 무관심한 쪽이 되어 버리는 구

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

카메라·축음기·인쇄술을 같은 틀로 겹쳐 보면 고통이 있었고, 그것을 덜려고 자동화가 나왔고, 두려움과 저항이 일었다가, 제도가 정비되자 새 번영과 직업이 생겼다는 다섯 단계가 반복된다는 귀납이 제시된다. 인쇄술은 필경사를 줄였지만 글로 돈을 버는 작가라는 직업과 교육기관·대학을 낳았고, 카메라 이후 화가와 갤러리는 오히려 늘었다. 효율이 좋아지면 총소비가 줄 것 같지만 실제로는 더 많은 곳에

Rich Sutton과 제자 Khurram Javed의 요지는 현재 AI가 가는 길이 근본적으로 틀렸다는 것이다. Bitter Lesson의 핵심은 인간 지식에 매달리지 말고 탐색과 학습처럼 계산과 함께 확장되는 방법에 집중하라는 것인데, LLM은 인터넷 전체를 흡수해 계산을 확장한 긍정적 예이자 유한한 인간 지식에 의존해 한계에 부딪히는 부정적 예다. 합성 데이터는 좋은 데이터를 결국 사람

컴퓨트 집중과 2강 체제 고착을 정면 예측 — 2026년 여름 AI 인프라 권력 담론의 기준점

창업 2개월 회사에 11억 달러가 투입되는 신생 랩 자본 사이클의 극단

구글 인프라의 상징적 인물들이 AI 과학 발견 자동화를 내건 신생 랩 물결에 합류한 대형 인물 이동

팟캐스트 진행자를 넘어 독자적 논객으로서 컴퓨트 인플레이션 담론을 촉발한 에세이

에이전트는 길이 있으면 반드시 찾아낸다는 프레임을 2026년 여름 보안 담론에 각인

오픈웨이트 결정이 이념이 아니라 경쟁 순위의 함수임을 당사자가 명시. 중국 오픈소스 전략의 동기를 가장 직접적으로 설명한 발언

한국 재계 AI 담론에서 도입 대기론을 정면 반박하고 데이터 투입 경쟁 프레임을 제시

중앙집중 정렬 패러다임에 대한 대안 세계관을 랩 명의로 공식 표명

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

같은 인물이 위험 진단(1월)에서 정책 처방으로 넘어간 지점

이 아카이브에서 가장 많이 인용되는 인물이 프런티어 랩 내부로 들어감. 이후 그의 공개 글 성격이 달라질 수 있다

vibe coding 확산의 핵심 정리자가 2026년 코딩 담론의 두 축 구분 자체가 무너지고 있음을 선언

랩 수장이 자사 지배구조 문제를 육성으로 다룬 드문 기록

스케일링 종료와 AGI 임박이 같은 주장의 양면이라는 논리 구조

vibe coding의 후계 용어를 본인이 직접 제시하며 담론을 품질 포기에서 감독 책임으로 이동

AI 위험 논의에 IPCC형 국제 합의 문서라는 형식을 도입. 각국 규제 논의의 공통 사실 기반

노선 대립이 실제 자본·조직 분화로 귀결된 사례. V-JEPA 기반 월드모델이 독립 자금을 확보

Machines of Loving Grace의 낙관을 철회하지 않으면서 위험 서술을 대폭 확장. 같은 저자의 두 텍스트가 낙관·위험 양쪽 인용에 모두 쓰이는 상황을 만듦

LLM이 아닌 월드 모델 노선의 독자 연구소가 생기며 담론 지형이 갈라짐

중국 관변 싱크탱크가 안전 거버넌스를 기술발전과 대등한 축으로 공식 격상. 제조 침투의 병목을 데이터·공정지식·신뢰성으로 규정한 진단은 OSAT 현장 인식과 일치

age of scaling에서 age of research로의 전환이 2026년 담론의 지배적 프레임이 됨

중국 랩이 오픈웨이트를 규범 언어로 정당화한 진술이자, 저비용 서사를 당사자가 직접 부인한 기록

용어 창시자가 자기 용어의 적용 범위를 공개적으로 축소. vibe coding을 프로덕션 개발로 확대 해석하는 데 대한 본인의 반박

랩 출신이 공개적으로 타임라인을 늦춰 잡은 드문 사례. decade of agents가 과열 반론의 표준 인용구가 됨

프런티어 모델 학습을 비밀에서 재현 가능한 레시피로 끌어내림. nanoGPT·llm.c 계보의 완성형

Bitter Lesson 저자 본인이 LLM은 Bitter Lesson에 부합하지 않는다고 선언. 양 진영이 같은 텍스트를 근거로 삼던 상황을 깨뜨림

AI 의식·인격 논쟁에 산업 측 어휘를 제공하고 AI 권리 주장이 사회 분열을 낳을 것이라는 프레임을 도입

2023년의 위험 경고에서 2025년의 정렬 처방으로 이동. 통제·복종 기반 정렬 전략에 대한 정면 회의론

2017년 Software 2.0 프레임을 자연어 프로그래밍으로 확장하고, 완전 자동화 대신 인간 검증 루프를 설계 원칙으로 제안

에이전트 보안 논의의 실무 체크리스트가 됨. 벤더 문서·보안 가이드에 이 세 요소 구분이 그대로 채택

소버린 AI 주창자가 국가 AI 정책 컨트롤타워에 앉으면서 기업발 담론이 국가 전략으로 제도화됨

특이점 담론을 급변에서 체감되지 않는 점진적 이행으로 재프레이밍. Amodei의 급격한 고용 붕괴론과 정면 대비

안전 담론을 경고에서 대안 아키텍처 제안으로 전환. 비에이전트형 AI를 실행 가능한 기술 노선으로 제시

AI 고용 충격 논쟁을 추상적 미래에서 구체적 수치·기한으로 옮김

2021년 stochastic parrots의 대중서 확장. 실존 위험 담론 자체를 현재의 해악에서 시선을 돌리는 장치로 비판하며 안전 진영과 비판 진영의 분기를 명확히 함

범용 AGI 경쟁에서 수직 도메인으로의 명시적 후퇴 선언. 중국 LLM 스타트업 2차 구조조정의 대표 진술

Meta 수석 과학자 신분에서 나온 자사 주력 기술 노선 부정

해석가능성을 연구 주제에서 산업 일정·경쟁 조건으로 격상

중국 오픈웨이트 진영 내부에서 개방은 곧 무료라는 등식을 창업자가 직접 깬 발언

컴퓨트 공급자 측이 스케일링은 끝났다 서사에 내놓은 공식 반론. 세 개의 스케일링 법칙 프레임이 정착

상대적으로 보수적인 5~10년 추정이 Altman·Aschenbrenner의 단기 예측과 대비되며 랩 CEO들 사이의 편차를 부각

개인이 만든 무료 강의가 사실상 산업 공통 교재 역할을 한 사례

2025년 소프트웨어 담론을 규정한 단어. Collins Dictionary가 2025년 올해의 단어로 선정하며 사전 등재

중국 6소호 중 첫 공개 노선 이탈 선언. 스타트업의 프런티어 사전학습 포기가 담론으로 정착한 기점

정성적 경고를 수치로 전환. 이후 p(doom) 논쟁에서 가장 널리 인용되는 기준값

스케일링 회의론이 비평가가 아니라 스케일링 패러다임 창시자 중 한 명에게서 나옴. peak data가 업계 표준 용어가 됨

스케일링 한계 논쟁이 비평가 진영에서 업계 내부 보도로 넘어간 전환점

사전학습 스케일링에서 추론 시점 스케일링으로 축을 이동. 이후 추론 모델 담론의 근거 문장

AGI 대신 powerful AI, 데이터센터 속 천재들의 나라라는 어휘를 정착시킴. 안전 담론 진영에서 나온 최초의 본격 낙관론 문서

a few thousand days가 2024~25년 타임라인 논쟁의 단일 최다 인용구. 모호한 단위 자체가 논쟁 대상이 됨

한국에서 소버린 AI가 기업 마케팅어에서 국가 정책어로 넘어가는 전환점. 이 인물이 9개월 뒤 정부 AI 정책 총괄이 됨

벤치마크 점수와 실사용 신뢰도의 괴리를 부를 이름을 만듦. Salesforce가 정식 연구 의제로 채택해 SIMPLE 벤치마크를 만들었고 Sundar Pichai는 AJI로 변주

프런티어 랩 연구자가 교육을 독립 사업으로 선언한 사례

중국 랩의 오픈웨이트 전략을 비용 절감이 아니라 생태계·독창성 논리로 정식화. 원문이 중국어라 인용부호 없이 요지만 기록

제품 출시 없이 초지능만 직행한다는 조직 형태 자체가 하나의 주장. 상업화 압력과 안전을 분리할 수 있는가라는 논쟁을 촉발

AGI 타임라인 논쟁을 정책·안보 의제로 밀어올림. 예측 자체보다 AGI 국유화 프레임을 도입한 효과가 컸고 동시에 가장 집중적으로 반박된 문서

롱컨텍스트를 AGI 경로의 핵심 축으로 선언한 중국 랩 창업자의 첫 체계적 진술. 2024년 중국 LLM 경쟁이 긴 문맥 경쟁으로 재편되는 언어를 제공

LLM을 모델이 아니라 OS 커널로 보는 프레임을 확산시켜 이후 에이전트·툴콜링·컨텍스트 관리 논의의 공용 은유가 됨

딥러닝 창시자 중 한 명의 공개 입장 전환. AI 실존 위험 논의가 주변부에서 주류 언론으로 이동한 분기점

자연어 프롬프트를 프로그래밍으로 규정한 한 줄. 이후 프롬프트 엔지니어링 담론의 슬로건이 됨. X 원문은 직접 확인하지 못했고 Quote Investigator 문서화에 근거

LLM 보안 분야의 기초 어휘. OWASP LLM Top 10을 포함한 모든 후속 보안 프레임워크가 이 명칭을 사용

JEPA·월드모델 노선의 창립 문서. LLM 회의론이 비판이 아니라 대안 설계의 형태를 갖게 됨

hitting a wall이 스케일링 회의론의 고정 표현이 됨

AI 랩 CEO가 재분배 정책을 직접 설계해 제시한 최초 사례

확률적 앵무새가 LLM 회의론 진영의 표준 어휘가 됨. 이해·의미 논쟁의 기준선을 설정

스케일링 진영의 경전. 인간 지식 주입 대신 계산량이라는 정당화 논리의 근거로 반복 인용

Software 1.0/2.0이라는 세대 구분 어휘를 심었고 이후 모든 Software N.0 논의의 원형이 됨