출처 https://youtu.be/wOOY3BjzTbQ · 채널 AI Frontier Korea (노정석) · 길이 1:15:34 · 공개 2026-07-18 포맷 노정석·최승준·박종현 세 진행자가 2026년 7월 11일 아침에 녹화한 팟캐스트 대담. 화면은 대부분 세 사람의 웹캠이지만 박종현이 정리한 Notion 자료와 AI Frontier 사이트의 ICML 부스 사진 슬라이드를 화면 공유로 함께 띄운다. 원본 자막: 2026-07-20-ai-frontier-ep104-gpt5-6-icml (raw/transcripts)
한눈에 보는 요약
- 왜 정신없는 한 주였나 — ICML 2026이 서울 코엑스에서 열린 주간에 OpenAI가 GPT-5.6 “Sol” 을 전격 공개했다. Grok 4.5·Muse Spark 1.1이 존재감 경쟁에 끼어들었고, 여름 출시 예고됐던 Gemini 3.5 Pro는 아직 안 나와 구글 진영이 침울해 보인다.
- GPT-5.6은 “새 데일리 드라이버” — 네임드들이 두 달 전부터 미리 써왔고 코딩 성능 향상이 뚜렷하다는 평. 가격은 Opus급(출력이 조금 더 비쌈)인데, 아직 구독제에 들어 있는 게 최대 관심사.
effort가 High/Max/Ultra로 세분화되며 test-time compute 관리가 사용자의 새 숙제가 됐다. - 재귀적 자기개선(RSI)의 실물 신호 — Sol이 가장 작은 모델 Luna를 직접 post-train하는 걸 라이브에서 시연. AtCoder 2026에서 OpenAI 에이전트가 인간 참가자 전원을 앞섰고, 순환 이중 덮개 추측(Cycle Double Cover Conjecture)을 64개 서브에이전트로 1시간 만에 풀었다(미검증).
- ICML의 압도적 분위기는 “AGI-pilled” — 대부분 연구자가 스케일링으로 게임은 끝났다고 보고, 논문의 무게추가 모델 알고리즘에서 evaluation(어떻게 측정할 것인가) 으로 옮겨갔다.
- 부스가 곧 산업 지도 — 네오클라우드/inference(RunPod·FriendliAI·VESSL), 전용 칩(HyperAccel·Cerebras·Broadcom), 데이터(Scale·Handshake AI), 월드모델(General Intuition MIRA)까지 하드웨어부터 서빙까지 비즈니스 모델이 굳어졌다. 채용이 모든 부스의 진짜 목적.
- AI for Science는 다음 트렌드로 예약 — 스케일주의자 vs 바이오 도메인 전문가가 물과 기름처럼 갈렸고, 데이터의 질(진짜 학습가치 있는 구간이 짧다) 문제가 현실적 병목. 가을~내년 봄이면 Physical AI의 뒤를 이을 것.
- 마무리 메시지 — 발전 속도가 압축되고 있고, 리서치와 인더스트리가 붙었다. 프론티어 랩에 워크플로를 다 밀어넣는 위험 때문에 온프레미스·오픈소스 모델의 중요도가 빠르게 오르는데, 그 오픈소스가 대부분 중국 모델이라 내년쯤 미국의 사용 금지 가능성까지 거론된다.
GPT-5.6 “Sol” 공개 — 무슨 일이 있었나
[00:00] 주요 이벤트 주변에 다들 존재감을 어필했다
ICML 주간이라 모두가 정신없는 와중에 GPT-5.6이 터졌다. 큰 이벤트에는 늘 “꼽사리”가 끼는데, 이번엔 xAI가 Grok 4.5를, Muse가 Spark를 0.1 올려 1.1로 내밀며 존재감을 어필했다. 정작 여름 출시를 예고했던 Gemini 3.5 Pro는 7월 초가 지나도록 소식이 없어, 최승준의 표현으로는 구글 AI Studio 쪽(로건 등)의 타임라인이 “슬퍼 보이는 느낌적 느낌”이었다.
발표는 목요일로 예고됐는데, 그 직전에야 네임드들이 사용기를 쏟아냈다. 흥미로운 건 길게는 두 달 전부터 미리 써본 사람이 많았다는 점 — 정부가 통제한다고는 했지만 실제로는 꽤 널리 뿌려졌다는 뜻이다. 공통된 반응은 “Fable 5만큼의 ‘큰 모델 향기’는 안 나지만 매우 좋다, 새로운 데일리 드라이버”라는 것. 코딩 성능 향상이 특히 뚜렷했다.
[02:05] effort가 6단계로 — test-time compute를 인간이 관리하는 시대
박종현은 Codex에서 Sol을 High·Max·Ultra까지 위에서부터 다 눌러봤는데, 구독으로 쓰는데도 비용 차감이 꽤 빠르다고 느꼈다. OpenAI는 Claude처럼 상위 티어를 새로 얹어 test-time compute를 세분화해 놓았고, 노정석은 “6단계나 생겨서 뭘 골라야 하나 심경이 복잡하다”고 했다. 최승준의 정리: 어떤 effort가 내 일에 맞는지에 대한 감을 인간이 탑재해야 비용을 효율적으로 쓸 수 있는 시절이 됐다.
곁들여 GPT-Live가 기습 공개됐다. full duplex 형태로, 대화하면서 동시통역이 가능하다(5.6 라이브 발표 때 실제로 통역에 썼고 삑사리가 한 번 났다). 이런 걸 만들던 스타트업들이 하루 만에 좌절했다는 얘기가 신에서 돌았다.
[04:52] RSI의 실물 — Sol이 Luna를 직접 post-train하다
이번 라이브의 진짜 신호는 재귀적 자기개선(RSI) 이었다. OpenAI가 과거 예고했던 로드맵(automated AI research intern → 완전 자율 AI researcher)의 연장선에서, 이번엔 가장 큰 모델 Sol이 가장 작은 모델 Luna를 post-train(SFT인지 RL인지는 비공개)하는 걸 시연했다. 프롬프트 일부를 공개했는데 내용은 평범한데도 실무에 쓸 수 있는 Luna가 나왔다.
최승준은 이 맥락에서 Thinking Machines Lab 공동창립자로 옮긴 Lilian Weng의 “harness engineering + 자기개선” 포스팅을 추천했다. 자기개선에는 (1) weight를 업데이트하는 방식과 (2) harness 자체를 개선하는 Autoresearch류가 있는데, 현재 OpenAI는 둘 다 일어나고 있는 신호다. Anthropic도 한 달 전 “When AI builds itself”라는 유사한 포스팅을 냈다.
[06:55] 가격은 Opus급, 그런데 아직 구독제 — GPT-6 소문
가격은 입력 100만 토큰당 Opus 4.8 수준(5달러 입력 / 25달러 출력)이지만 출력이 5달러쯤 더 비싸다. 핵심 관심사는 이 Opus급 모델이 구독 정책 안에 있다는 것. 다만 소문이 있다 — 이미 두 달 전부터 써봤다는 건 GPT-6가 한참 전에 나왔다는 뜻이고, Mythos급의 큰 모델이 될 GPT-6가 상당히 준비된 상태라는 분위기다. 관전 포인트는 OpenAI가 그걸 구독에 넣을지 종량제로 돌릴지다. 세 사람 모두 프론티어 랩들이 구독제를 접을 신호(Fable 5도 그랬다)에 “벌벌 떨고” 있다고 농담했다 — 원래 쓰던 감각대로면 하루 100만 원도 우습다.
[08:19] “I smell fear” — 엑소더스를 막으려는 리셋
Sol 공개 후 OpenAI가 5시간·주간 rate limit을 리셋해주자, Anthropic의 Thibault(Tibo)가 라이브에 등장해 “I smell fear(두렵냐?)”를 날렸다. GPT-5.6이 충분히 좋으면 사람들이 엑소더스할 테니 서로 방어하는, 아직 배틀그라운드 같은 상황. 녹화 중에도 Codex 앱이 업데이트되며 ChatGPT 앱과 합쳐졌다(아이콘만 Codex로 유지할지 물어봄).
최승준은 이 모든 걸 RTS(스타크래프트) 에 비유했다. 남은 rate limit을 보며 “이거 쓸까 저거 쓸까, effort를 올릴까 낮출까, 준비되면 Fable 5에 크게 한 방 던지자”처럼 자산과 에이전트를 전략 시뮬레이션하듯 관리한다는 것. 프롬프트가 near-hit/miss로 도파민을 주는 슬롯머신 감각에, 목표 완수를 매니징하는 전략 게임 감각이 더해졌다 — 그러다 정신이 나간다.
[11:05] 코딩·수학의 돌파 — AtCoder 전원 격파, 추측 증명
7월 9일 AtCoder(휴리스틱·알고리즘 경진대회)에서 OpenAI 에이전트가 알고리즘 부문 8,300점 만점을 풀고 휴리스틱 부문에서도 인간 참가자 전원을 앞섰다. 1년 전(작년 여름, IMO 돌파와 같은 시기)만 해도 saiho(psyho)가 “내가 1등”이라 Sam Altman의 shout-out을 받았는데, 1년 만에 코딩 최정상급 문제까지 뒤집혔다.
수학에서도 신호가 있다. 공개되지 않은 모델이 순환 이중 덮개 추측(Cycle Double Cover Conjecture) 을 64개 서브에이전트(그래프 분해·흐름 이론·대수적 표현·귀납법·임베딩)를 활용한 agentic workflow로 1시간 만에 풀어 CDN에 슬쩍 올렸다(수학 커뮤니티 미검증). 이런 자동 증명 시대에 인간의 이해는 어때야 하는가 — “루프 안 vs 루프 밖” 두 스쿨을 둘 다 경험해봐야 한다는 문제의식은 다음 회차 예고로 남겼다(Dwarkesh × 3Blue1Brown 인터뷰 참조).
[14:32] AI 2040, 그리고 15분짜리 자동 번역
AI 2027로 유명한 Daniel Kokotajlo(전 OpenAI)와 Scott Alexander가 GPT-5.6 공개 1시간 전에 AI 2040 “Plan A” 를 냈다. 분량이 방대하고 영어라, 노정석은 그냥 Codex에 “링크 주고 로컬에 클론해서 한국어로 번역해줘”만 시켰고 15분 만에 전체 번역본을 받았다 — LLM이 직접 번역한 게 아니라 Python 도구를 써서 번역한 흔적이 보였다. 아직 내용은 안 읽었지만, 중국이 핵심 키워드로 등장한다는 인상.
ICML 2026 (서울 코엑스) 현장
[15:54] 거의 전부가 “AGI-pilled”, 그리고 evaluation으로 옮겨간 연구
전 세계 톱 프론티어 랩 연구자·미디어·회사가 몰려온 이번 ICML에서 노정석이 만난 사람들의 압도적 공통점은 AGI-pilled — “이건 거의 다 된 게임”이라는 관점이 주류였다. 그리고 많은 연구가 모델 알고리즘보다 어떻게 하면 evaluation을 더 잘, 더 앞으로 끌고 갈지로 이동했다. 된다는 믿음이 깔려 있으니, 지금처럼 좋은 모델·후진 모델 할 것 없이 벤치마크가 다 maxxing된 상황에서 무엇을 어떻게 측정할지가 탐구 주제가 된 것이다.
[16:35] AI for Science — 스케일주의자와 도메인 전문가의 냉전
LLM 쪽은 거의 다 스케일주의자지만, 그 뒤를 잇는 도메인(Physical AI 다음의 AI for Science)에서는 두 부류가 확연히 갈린다. 한쪽은 “데이터·모델·컴퓨트를 더 부으면 Bitter Lesson이 지배한다”는 스케일주의자, 다른 쪽은 도메인(특히 바이오)에 오래 있다가 AI로 온 분들로 “바이오는 그렇게 안 풀린다”는 입장. 모임에서 두 계층이 맞닥뜨리면 서로 불편해할 만큼 물과 기름이다. 노정석 본인은 스케일주의에 베팅했다고 밝혔다. 다만 올해가 AI for Science의 해라던 것에 비해 신호가 많진 않았고, Periodic Labs는 창립 1년이 다 돼가며 열심히 공장을 짓고(실험까지 루프를 닫으려면 현실의 시간이 필요) RL을 병행하고 있었다.
[20:02] 부스 = 산업 지도, 그리고 진짜 목적은 채용
박종현은 프레스 자격으로 다녀왔다. 빅테크(OpenAI·Google·Apple·Meta·Amazon·Microsoft)가 모두 왔고, 운영 방식은 대개 lightning talk + 연구자 상주 Q&A로 비슷했다. Meta는 글라스 체험 세션도 열었다. 한국의 Naver도 같은 방식으로 분야별 연구자를 상주시켜(박종현은 로보틱스 담당자와 대화) 운영했다.
핵심은 거의 모든 부스의 진짜 목적이 채용이었다는 점 — 졸업을 앞둔 대학원생이 많으니 그들을 노린다. Mistral은 프랑스계인데 한국에서 파운딩 멤버를 뽑고 있어 지사를 열려는 듯했고, 중국계(ByteDance의 Seedance, Alibaba, Xiaomi)도 대거 참가했다. 중국 학생 발표자 비율이 압도적이라 “중국에서 중국인을 채용하러 부스를 연 느낌”. 노정석의 농담대로 “AI 업계는 미국의 중국인과 중국의 중국인이 진보시킨다”는 게 통계적으로 맞고, 이상하게 인도 분들은 적었다.
[23:30] inference 생태계 — RunPod·VESSL·FriendliAI, 그리고 vLLM 계보
눈에 띈 큰 분류는 네오클라우드/inference 업체(RunPod·Together AI·Nebius)로, inference가 이제 사업 모델로 굳어졌음을 보여줬다. 한국인이 창업한(본사는 SF) 두 곳: VESSL AI는 Lambda Labs처럼 GPU 클러스터를 프론티어 랩에 통째로 넘기는 B2B, FriendliAI는 GPU를 임대해 모델을 서빙하고 API로 파는 inference 업체(OpenRouter에서 볼 수 있음).
FriendliAI에 기술 해자를 물으니 “latency·대역폭을 충족하며 uptime 99.9%, inference 가격 인하”라고 답했다. 계보가 흥미롭다 — inference 서빙의 대표 프로젝트 vLLM은 UC Berkeley의 권우석 박사가 PagedAttention 논문으로 만들었는데, FriendliAI는 서울대 전병곤 교수 랩에서 나왔고 권 박사가 Berkeley로 가기 전 이 랩에서 함께 논문을 썼다. 즉 비슷한 계열에서 파생된 프로젝트(단, FriendliAI는 오픈소스 아님). 노정석 정리: inference는 요새 대부분 vLLM 아니면 SGLang을 쓴다.
노정석은 이 모든 게 “종합 예술” 이 됐다고 봤다. 예전엔 fine-tuning → 프론티어 모델 + RAG → harness로 우르르 몰려갔다가, 이제 무거워진 걸 다시 작은 task로 묶어 소형 모델 inference에 넣는 식으로 RAG·harness·fine-tuning·post-train·데이터셋이 하나로 돌아간다. inference도 모델 크기와 workload(prefill이냐 decode냐)에 따라 전략이 완전히 달라진다. Lablup 신정규 대표를 소개받은 Nikhil이 “칩부터 데이터센터·inference·애플리케이션 workload까지 밑바닥부터 다 꿰고 있는 사람”이라며, 며칠간 만난 누구보다 1시간 미팅이 영양가 있었다고 극찬했다. 이 종합 예술은 “‘해줘 해줘’로 안 되는 티어”다.
[30:22] 전용 칩 — HyperAccel·Cerebras·Broadcom, 그리고 최적화
AI Frontier 채널에도 나온 이진원 CTO의 HyperAccel이 전용 가속기(B로 시작하는 칩, A·B·C·D 코드로 진행 — “옛날 안드로이드 네이밍”)를 곧 낼 예정이다. OpenAI도 여기 집중해 Cerebras에서 실제로 GPT를 돌리고 Broadcom과 inference 전용 칩을 설계 중이라는 소식. 다양한 가속기(예: Qualcomm NPU)에 LLM을 잘 올리도록 quantization·포팅을 최적화하는 Nota AI도 있었다. 하드웨어 → 최적화 → 서빙까지 비즈니스 모델이 굳어졌다. 박종현은 구독제 이탈이 두렵다면 GLM 등 중국 오픈소스 모델을 이런 인프라에 저렴하게 서빙하는 게 대안이 될 수 있겠다고 봤다.
[33:13] 데이터 — Scale AI, 그리고 “Handshake AI”라는 크롤러
데이터 부스도 많았다. Scale AI가 대표적이고(학회라 사업보다 리서치·채용 홍보 위주), Physical AI/로봇 데이터를 모으는 Voxel51·Toloka 같은 회사도 있었다. 인상적이었던 Handshake AI는 수학과·특정 언어 전공 학부·대학원생을 도메인 전문가로 모아 데이터를 만들게 하고 프론티어 랩에 파는, 규모가 상당히 큰 회사다.
노정석의 통찰: Mercor·AfterQuery처럼 이들은 과거 검색 시대의 크롤러 역할을 한다. 도메인(finance·legal·physics·chemistry)을 정하면 그 안의 세부 분야에 사람이 intent를 설정하고, 데이터셋 자체는 모델이 재조합해온다(사람이 직접 쓰는 데이터셋은 사실상 없음). 대신 완결된 post-train 세트로 만들려면 끝에서 아는 사람이 evaluate 해야 하니 사람이 꽤 필요하다 — 고급 영역은 비싼 전문가, 국영수급은 학부생 레벨로. 이렇게 새 데이터 영역을 창출하면 한 랩이 사주고 나머지 랩에도 똑같이 팔 수 있는 장사이고, 데이터가 늘수록 성능이 오르니 프론티어 랩은 여기에 어마어마한 돈을 쓴다.
[37:22] 월드모델 — General Intuition의 MIRA
박종현이 특히 조명한 General Intuition은 게임 클립 공유 플랫폼 Medal을 기반으로 한다. 게이머가 잘한 장면을 클립으로 공유하는 곳이라 게임 영상이 방대한데, 결정적으로 게이머의 input(키 입력)까지 함께 수집한다 — 보통 영상엔 액션에 해당하는 input이 없어서, 이 데이터는 월드모델에 딱 유리하다.
여기서 만든 월드모델 MIRA를 데모하고 있었는데, Rocket League(미니카 축구 게임)를 game engine 렌더링 없이 월드모델이 직접 화면을 쏴준다 — 게임을 물리 시뮬레이션으로 보면 월드모델이 그 시뮬레이션을 해주는 셈. 스펙은 5B 파라미터(실시간 interaction을 위해 일부러 작게; 대개의 video model이 5~14B), Rocket League 1만 시간 학습, 전체 데이터는 “YouTube scale”이라고만 답했다. Seed·Series A를 크게 받았지만, 데이터는 해자라 프론티어 랩에 팔지 않고 자기네가 월드모델을 만들어 판다는 전략.
[40:49] 그 밖의 부스 — ElevenLabs, METR, 퀀트
ElevenLabs는 음성→텍스트(STT/ASR) 제품 Scribe 담당자가 나와 설명했다. METR 부스(자리값 3~4만 달러라는 소문)는 사람이 계속 없어 대화를 못 해 아쉬웠다 — 옆 싱가포르 정부 부스도 기간 내내 한 번도 못 봤다고. 퀀트·트레이딩 회사들도 부스가 엄청 컸는데 다들 채용 목적. 점심마다 프론티어 랩 연구자들끼리 모이는 방이 있었고 전부 젊었는데, OpenAI와 Google DeepMind는 잘 몰려다니는 반면 Anthropic은 인원이 적어 잘 안 띄었다.
[43:35] 사이드 이벤트가 사실상 메인 — 파티, 밋업, token maxxing
노정석의 관찰: ICML은 메인 컨퍼런스보다 주변 음식점·커피숍·저녁 파티를 오가는 게 사실상 메인이다. 프론티어 랩 분들도 반 이상은 놀러 오는 목적이라 제주·부산을 끼워 다닌다. 이번 참가자는 역대급(1만~1만5천 명 추정)이라 코엑스가 홍역을 치렀고, 세련된 관광객이 아닌 “우리와 비슷한 엔지니어들”로 가득 차 “샌프란시스코에 다시 온 기분”이었다 — 공돌이 밀도가 압도적인 주간.
박종현이 RealWorld의 Robotics Night(100여 명, Toyota Research Institute 등)에서 들은 것도 결국 “scale이 정답 vs domain knowledge가 정답”, “RL을 해야/하지 말아야”로 의견이 갈렸다. 특히 SF에서 온 사람들의 token maxxing 대화가 충격적이었다 — 한 스타트업이 “인당 주 1만 달러어치 토큰”을 쓴다 하니 다른 이가 “왜 그것밖에? 나는 하루 2만 달러(≈3천만 원)도 태운다”고 받았다. 다만 노정석은 “token maxxing은 결과물 품질·evaluation과 pair로 묶여야 평가 가능하지, ‘얼마 썼다’만으로는 안 된다”며 그 시대가 살짝 지나간 것 아니냐고 짚었다. 참고로 프론티어 랩 기준 개인 구독보다 enterprise 소비 토큰이 압도적으로 많다(enterprise는 구독제로 쓰면 ToS 위반).
[49:11] 파티 릴레이 — Flapping Airplanes, AI Industry Night, GenBio
노정석은 월일 저녁을 전부 파티로 보냈다. 인상 깊은 인물은 Flapping Airplanes — SSI 레벨에서 “트랜스포머리즘은 잘못됐다, 훨씬 더 data-efficient하고 few-shot으로 배우는 모델이 나와야 한다”는 집단 중 하나다. 이런 회사들의 특징: 매우 똑똑한 1030명, 출발 valuation이 조 단위, 투자금이 몇천억 단위. Flapping Airplanes도 생긴 지 1년이 안 됐는데 시드에서 1.5B(≈2조 3천억 원) valuation에 2~3천억 원을 받았다(창업자는 20대, Stanford 졸업 후 Citadel 출신).
노정석의 해석: 프론티어 모델 레시피는 사실상 다 공개·공유돼 특이할 게 없고, 다만 그 스케일로 자본 리스크를 감당할 회사가 몇 없을 뿐이다. Sequoia·a16z·Index 같은 초대형 펌들이 과거 손정의(SoftBank)식으로 조 단위 valuation을 “선언”해 자본적 우위와 마켓 리더십을 찍어주는 전략을 벤치마크한 것 — next transformer paradigm을 만들 수만 있다면 어마어마한 return이 기대되기 때문. (Jerry Tworek도 OpenAI를 나와 비슷한 걸 하는 듯.)
수요일엔 AI Frontier Korea × SemiAnalysis 공동 주최 AI Industry Night를 Lablup 로비에서 열어(신청이 몰려 급히 venue를 키움), 데이터센터 밸류체인의 병목과 한국의 기회를 논했다. 외국인들이 보는 한국은 “SK하이닉스·삼성전자·BTS” 정도라, 메모리 앞단의 데이터센터·전력·중소 사업자 이야기를 나눴다. 목요일은 AfterQuery와 Yacht Night(비로 복잡), 금요일부터는 노정석이 사업을 AI×바이오로 돌리는 중이라 GenBio 밋업을 열었다.
[59:30] 바이오의 불편한 진실 — 데이터의 질과 “위험한 테이블”
GenBio 밋업(Arc Institute·NVIDIA·Anthropic·Harvard 등)이 바로 스케일주의자 vs 도메인 전문가의 싸움 현장이었다. 한 참석자는 “저 테이블은 위험하다, 스케일리스트 이상주의자들이 바이오를 위험하게 접근한다”며 다른 테이블로 도망갔다. 노정석이 많이 대화한 사람은 Arc Institute에서 Evo 3(DNA 파운데이션 모델)를 만드는 분 — 모든 랩이 virtual cell을 말하지만 그 개념이 제각각이다.
바이오의 현실적 병목은 데이터의 질이다. 바이오 데이터는 LLM만큼 많지 않고 랩별로 쪼개져 있는데, 양이 많아도 결정적이진 않다. 실험 데이터에서 진짜 학습가치가 있는 구간은 반응이 일어나는 뒤쪽 몇 분~몇 시간에 몰려 있고 앞부분은 압축 가능한데, 지금은 앞 데이터까지 다 포함해 “몇백만 실험”이라 말한다. 즉 compute는 준비돼도 training할 만큼의 데이터셋은 아직 모자란다는 인식은 공유되지만, “그건 이렇게 해결하면 되지 않을까”라는 현실을 넘어선 낙관도 조금씩 다 있다. 도메인 출신은 선결 조건을 구체적으로 정의하는 반면, CS 출신은 슈퍼 제너럴리스트라 “제대로 안 배운 전산쟁이들이 몇 번 하면 될 거라 생각한다”는 비하 섞인 긴장이 흐른다.
노정석이 꼽은 컨퍼런스의 가치: 각 분야 최전선 사람들이 짧은 시간에, 서로 안다는 가정하에 본질로 훅 들어가 티키타카하고, 안 되면 쿨하게 헤어지고 되면 핵심 질문 몇 개를 주고받는 것 — 그 속에서 프론티어들이 느끼는 문제 난이도의 분포가 머릿속에 선다. 결론적으로 AI for Science는 가을~내년 봄이면 Physical AI의 뒤를 물려받을 다음 트렌드로 확실히 자리 잡는 중(아직 일부 앞선 VC 외에는 안 왔다).
마무리 — 오늘의 wrap-up
[01:05:45] 발전 속도의 압축, 그리고 “아직 시작도 안 한” 애플리케이션
노정석이 꼽은 핵심 메시지는 발전 속도의 압축이다. 예전 같으면 분기에 나눠 했을 이야기를 지금은 1·2·3주 연속으로 하고 있고, 비슷한 얘기 같아도 변화 속도가 빨라지고 있다는 조급함이 깔려 있다.
흥미로운 건 이번 ICML에서 AI 애플리케이션(에이전트로 뭘 만들었다) 이야기를 아무도 안 했다는 점. 두 가지 시그널로 읽힌다 — (1) “그건 Codex/코딩 하네스 슈퍼앱이 generative UI·service로 다 하는 거 아냐?”, (2) “이 분야는 아직 시작도 안 했다”. 노정석은 후자에 무게를 둔다: Codex·Claude가 다 만들어주더라도 시키는 것조차 안 하는 사람들을 위해 대신 시켜주는 회사(AI 에이전트 SaaS) 가 쏟아질 텐데, 기저가 아직 촘촘히 자리 잡히지 않아 시작을 안 한 것뿐이다. ICML이라 그런 얘기가 없었을 뿐, YC 데모데이였으면 온통 이 얘기였을 것.
[01:09:10] 리서치와 인더스트리가 붙었다 — 그리고 온프레미스의 부상
과거와 달라진 건 리서치가 인더스트리와 훨씬 붙었다는 점이다. 박종현이 “주목할 페이퍼가 뭐냐”고 물으면 대부분 “요즘은 페이퍼보다 인더스트리에서 나오는 얘기가 더 가치 있다”고 답했다. 노정석의 비유: 예전엔 어셈블러 → C → Python → Django로 레이어가 분리돼 위에서 Django만 잘 쓰면 됐는데, 지금은 어셈블러부터 Django까지가 하나로 들러붙어 있다. 그 깊고 넓은 스택을 전부 아는 팔방미인이 돼야 애플리케이션이든 뭐든 대화에 낄 자격이 생긴다.
마지막 큰 포인트: 아무 생각 없이 Codex에 “해줘 해줘”로 회사의 핵심 워크플로를 다 밀어넣고 auto-compacting까지 쓰면, 프론티어 랩 입장에서 한 회사의 업이 그냥 넘어오는 셈이다. Anthropic·OpenAI도 valuation을 정당화하려면(과거 Microsoft가 Office로 그랬듯) 핵심 인더스트리를 먹어야 하는데, AI는 스토리지·function·채널이 아니라 intelligence를 파는 것이라 레이어 구분이 어렵다. 그래서 프론티어 랩에 다 퍼주는 위험에 엔터프라이즈가 눈을 뜨며 온프레미스·오픈소스 모델의 중요도가 빠르게 오르고 있다.
문제는 미국 엔터프라이즈가 기대는 오픈소스가 대부분 중국 모델(Qwen·Kimi 등) 이라는 것. SemiAnalysis 측은 내년쯤 미국 정부가 미국 국적 엔터프라이즈의 중국 오픈소스 모델 사용을(온프레미스 실행까지) 금지할 수 있다고 예측했다. 그렇게 되면 서방 친화 국가가 공급하는 준-프론티어 오픈소스 모델의 값어치가 확 오를 것 — 사업적으로 큰 의미를 갖는 대목이다.
부록 — 이 에피소드에서 챙길 키워드·리서치 거리
- 모델/개념: GPT-5.6 “Sol”·Luna(post-train 대상), GPT-6(Mythos급 소문), RSI, harness engineering(Lilian Weng), Cycle Double Cover Conjecture, AI 2040, Evo 3, virtual cell, MIRA(월드모델), Fable 5 / Mythos.
- 인프라/서빙: vLLM(PagedAttention·권우석), SGLang, FriendliAI(전병곤 랩), VESSL AI, RunPod·Together AI·Nebius, HyperAccel·Cerebras·Broadcom, Nota AI, Lablup(신정규).
- 데이터: Scale AI, Handshake AI, Mercor, AfterQuery, Voxel51·Toloka, General Intuition/Medal.
- 읽을거리: Lilian Weng “harness engineering + self-improvement”, Anthropic “When AI builds itself”, AI 2040 “Plan A”(Kokotajlo·Alexander, AI Futures Project, 2026-07-09), Dwarkesh × Grant Sanderson(3Blue1Brown).
- 관전 포인트: GPT-6를 구독에 넣을까 종량제로 갈까 · AI for Science가 다음 트렌드로 서는 시점(가을~내년 봄) · 미국의 중국 오픈소스 모델 사용 금지 여부.
원문 인용 모음
- [08:52] (Anthropic Tibo) “I smell fear. 두렵냐?” — Sol 공개 후 OpenAI가 rate limit을 리셋하자 던진 도발.
- [11:36] (saiho/psyho) “Humanity has prevailed (for now!) … I had 10h of sleep in the last 3 days and I’m barely alive.” — AtCoder에서 인간이 (아직은) 버텼다는 자조.
- [18:31] (노정석) “여기는 그런 곳이 아니야 — 어디 전산쟁이 나부랭이들이 와서 컴퓨터 키보드 좀 두드리면 되는 문제라고 생각하는데.” (바이오 도메인 전문가들의 뉘앙스 인용)
- [30:14] (최승준) “그거는 ‘해줘, 해줘’로 안 되는 티어라는 거죠.” — 종합 예술이 된 AI 스택에 대해.
- [45:30] (박종현이 전한 SF 참가자) “왜 그것밖에 안 쓰지? 나는 하루에 2만 달러어치의 토큰을 태우기도 하는데요.” — token maxxing 문화.
- [51:38] (노정석) 프론티어 모델 레시피는 “사실상 특이할 게 없다, 다 공개된 거고 서로 아는 레시피 — 다만 그 스케일로 자본 리스크를 감당할 회사가 몇 개 없을 뿐.”
- [01:05:52] (노정석) “발전의 속도가 더 압축되고 있다 … 변화의 속도는 더 빨라지고 있다는 조급함을 가지고 이야기하고 있다.”
- [01:13:16] (SemiAnalysis 측 인용) “내년 정도면 미국 정부가 미국 국적 엔터프라이즈에서 중국 오픈소스 모델 사용을 ban하지 않을까.”