EP 104. GPT-5.6 공개부터 ICML 현장까지

한 줄 핵심

GPT-5.6 공개와 ICML 현장을 통해, 프론티어 AI 경쟁이 모델 성능을 넘어 평가·추론 인프라·데이터·하네스·산업 구조 전체의 재편으로 확장되고 있음을 보여주는 영상이다.

시간별 요약

1. 0:00
   GPT-5.6 공개 직후의 반응과 경쟁 구도가 정리된다. 코딩 성능은 확실히 좋아졌지만, 모델 선택과 effort 조절이 복잡해져 사용자가 비용과 효율을 스스로 관리해야 하는 국면이 강해졌다.
2. 3:01
   GPT-Live와 full duplex 동시 통역 같은 기능이 등장하면서, 작은 팀이 만들던 작업도 빠르게 대체되는 흐름이 나타난다. 동시에 ChatGPT Work와 Chat이 분리되는 등 제품 사용 방식이 점점 역할별로 나뉘고 있다.
3. 5:04
   자기 개선은 weight 업데이트와 하네스 개선이 함께 진행되는 방향으로 보인다. OpenAI, Anthropic, Lilian Weng의 논의가 모두 연결되며, 이제는 모델 자체뿐 아니라 자기 개선을 돌리는 실행 구조가 중요한 자산이 되었다.
4. 10:01
   AtCoder와 수학 추측 해결 사례가 보여주듯, 에이전트는 코딩과 수학에서 인간 최상위권에 근접하거나 일부는 앞서기 시작했다. 문제를 푸는 능력뿐 아니라, 여러 서브 에이전트를 묶어 결과를 만들어내는 agentic workflow가 성능의 핵심으로 떠오른다.
5. 16:00
   ICML 현장에서는 대부분이 AGI-pilled 상태였고, 연구의 중심이 알고리즘 자체보다 evaluation과 측정 방식으로 옮겨가고 있었다. 한편 AI for Science와 Physical AI는 여전히 스케일주의자와 도메인 전문가 진영이 강하게 갈라져 있었다.
6. 20:02
   전시 부스에서는 빅테크, 중국계 회사, 네오클라우드, inference, 데이터 수집, 칩, 로보틱스까지 AI 산업의 밸류체인이 한눈에 드러난다. vLLM, SGLang, RunPod, FriendliAI, HyperAccel, Nota AI처럼 서빙과 최적화가 실제 사업 모델로 굳어지고 있다.
7. 37:04
   General Intuition의 게임 데이터, Handshake AI의 전문가 데이터, 바이오와 AI의 교차점 논쟁은 데이터 품질과 도메인 이해가 앞으로의 승부처임을 보여준다. 동시에 기업들은 프론티어 랩에 핵심 업무를 그대로 넘기는 것에 경계심을 가지기 시작했고, 온프레미스와 오픈 소스 대안의 가치가 커지고 있다.

실무 인사이트

• 프론티어 모델을 바로 쓰기보다, 업무별로 Chat, Work, 에이전트, 온프레미스를 분리해 비용과 권한을 설계해야 한다.
• AI 도입 성과는 모델 선택보다 evaluation과 데이터 품질에 더 크게 좌우되므로, 토큰 사용량보다 결과 품질 지표를 먼저 정해야 한다.
• AI for Science나 로보틱스는 범용 모델만으로는 부족하므로, 도메인 데이터 수집·정제·실험 루프까지 묶어 설계해야 한다.