월드모델의 본질은 에이전트 훈련장이라는 General Intuition

한 줄 핵심

General Intuition와 Decart 사례를 통해, 월드모델은 단순한 게임·주행 시뮬레이터가 아니라 에이전트 훈련장과 데이터 생성·평가 인프라로 진화하고 있음을 보여준다.

시간별 요약

1. 0:00
   General Intuition는 Medal에서 스핀오프한 회사로, OpenAI의 5억 달러 인수를 거절하고 게임 데이터를 기반으로 월드모델과 에이전트를 만들고 있다. ICML 현장에서 공개된 Mira는 Rocket League를 실제 게임이 아니라 생성형 월드모델로 구동해 큰 주목을 받았다.
2. 1:02
   Mira는 여러 플레이어의 시점과 행동을 동시에 일관되게 생성하는 멀티 에이전트용 월드모델이라는 점이 핵심이다. 한 모델이 4개 프레임을 함께 만들며, 시계 같은 일부 요소는 깨지지만 뷰포인트 간 일관성은 유지하려고 설계됐다.
3. 3:06
   구조는 플레이어별 입력을 인코딩해 Latent World Model이 action-conditioned future를 autoregressive하게 생성하고, 이를 디코딩해 다음 프레임을 복원하는 방식이다. 다만 잘못 생성된 프레임이 다음 프레임으로 연쇄 전파되기 쉬워 mode collapse가 발생할 수 있어, diffusion forcing 같은 노이즈 내성 기술이 중요하다.
4. 5:00
   General Intuition는 5 Billion Parameter 규모를 B200 GPU 한 장에서 20Hz로 돌리고, Context Window는 4초 수준이라고 밝혔다. 핵심 목표는 월드모델 자체보다 그 위에서 작동하는 에이전트이며, 게임 데이터를 통해 현실을 101번째 게임장처럼 다루는 관점이 드러난다.
5. 8:06
   이 회사가 특히 관심을 두는 것은 단순 경로 이동이 아니라 TV를 끄는 것처럼 의미론적 이해가 필요한 인텔리전트 내비게이션이다. 같은 맥락에서 Decart 같은 회사는 리얼타임 World Model로 운전 시뮬레이션, 데이터 생성, evaluation까지 확장하며 시장이 빠르게 형성되고 있다.

실무 인사이트

• 월드모델은 생성 품질보다도 멀티 에이전트 일관성, 짧은 컨텍스트에서의 복원력, 오류 누적 방지 설계가 성패를 가른다.
• 게임 데이터는 현실과 다른 조작 한계가 있지만, 내비게이션·주행·상호작용 같은 에이전트 학습에는 충분히 강한 사전학습 자산이 될 수 있다.
• 월드모델은 에이전트 훈련뿐 아니라 시뮬레이션 데이터 생성과 평가 인프라로도 가치가 있어, 모델·클라우드·도구 생태계가 함께 커질 가능성이 높다.