[짧] Inkling 2 small, AI 뉴스 보기

한 줄 핵심

이번 영상은 최근 AI 뉴스 몇 가지를 훑은 뒤, Thinking Machines Lab의 오픈 웨이트 모델 Inkling 2 small의 학습 방식과 파인튜닝 가능성을 중심으로 왜 주목할 만한지 정리한 영상이다.

시간별 요약

1. 0:26
   가벼운 뉴스 워밍업 최근 X에서 빠르게 퍼지는 AI 소식들을 훑으며 분위기를 예열한다. 데이터 센터 논란, DeepMind의 글, Anthropic의 R&D 자동화 같은 주제가 스쳐 지나가지만, 핵심은 아직 본편이 아니라는 점이다.
2. 10:02
   웨이트 스페이스 프로그래밍의 충격 모델의 웨이트를 직접 뜯어 고쳐 동작을 바꾸는 웨이트 스페이스 프로그래밍 사례가 가장 큰 화제로 다뤄진다. 수학 성능을 학습 없이 개선할 수 있다는 점이 충격적이며, 해석 가능성과 모델 편집의 실용성이 동시에 열릴 수 있음을 보여준다.
3. 24:08
   업계 이동과 연이은 출시 소식 Anthropic, OpenAI, AMD, Meta 등에서 인재 이동과 인수 소식이 이어지고, Kimi K3.1, GPT Image 2.6 같은 모델·제품 뉴스가 빠르게 교차한다. AI 업계가 기술 경쟁과 인재 경쟁을 동시에 겪고 있음을 보여주는 구간이다.
4. 30:00
   Inkling 2 small의 학습 방식과 의미 Inkling 2 small은 594B 총 파라미터, 17B 활성화 규모의 오픈 웨이트 모델로, 8.4T 토큰 사전학습을 포함해 여러 단계의 학습과 RL을 거쳤다. 특히 4-bit 포맷 학습, 적은 토큰으로도 파인튜닝이 잘 먹는 성질, 그리고 학습 자체를 판매하는 전략이 함께 제시되어 오픈 모델의 다음 비즈니스 모델까지 보여준다.
5. 44:01
   왜 이 모델이 중요한가 Thinking Machines Lab은 스타급 인력으로 주목받았지만 실제 모델 공개는 생각보다 늦었고, 이제 Inkling 계열이 본격적으로 모습을 드러내고 있다. 결국 이 모델은 단순한 출시가 아니라, 오픈 웨이트 고성능 모델과 파인튜닝 서비스가 결합된 새로운 경쟁 구도를 예고한다.

실무 인사이트

• 오픈 웨이트 모델을 평가할 때는 단순 벤치마크 점수보다 파인튜닝이 얼마나 잘 먹히는지까지 봐야 실제 활용성을 판단할 수 있다.
• 4-bit 학습과 짧은 학습 시간은 대형 모델 개발의 비용 구조를 바꿀 수 있으므로, 서빙보다 학습 최적화 쪽 변화도 같이 추적해야 한다.
• 모델 자체보다 '모델 + 튜닝 서비스' 조합이 핵심 수익모델이 될 수 있어, 제품 기획자는 배포 이후의 커스터마이징 경험을 함께 설계해야 한다.