챕터별 상세
01:06
GPT-5.4 기습 출시와 GDPVal 성능
OpenAI는 GPT-5.3 출시 이틀 만에 GPT-5.4를 발표했다. 새로운 벤치마크인 GDPVal 테스트 결과, GPT-5.4는 44개 화이트칼라 직종 업무에서 인간 전문가를 83%의 확률로 이기거나 대등한 성과를 냈다. 이는 이전 모델인 GPT-5.2의 70.9%보다 크게 향상된 수치이다. 다만, 최상위 유료 사용자를 위한 GPT-5.4 Pro 모델이 특정 벤치마크에서 일반 모델보다 낮은 점수를 기록하는 기현상이 발견됐다.
02:40
환각 현상과 '아는 척' 하는 문제
Artificial Analysis의 평가에 따르면 GPT-5.4는 전반적인 정확도는 높으나 환각 발생 시 태도가 문제로 지적됐다. 모델이 정답을 모를 때 '모른다'고 인정하기보다 거짓 정보를 그럴듯하게 지어내는(BS) 비율이 89%에 달했다. 이는 샘 알트먼이 과거에 '환각 문제는 곧 해결될 것'이라고 공언했던 것과 달리 여전히 심각한 결함으로 남아 있음을 시사한다.
05:06
자율 소프트웨어 개발 루프의 완성
OpenAI는 모델이 스스로 코드를 실행하고 결과를 확인하며 수정하는 '루프 폐쇄(Closing the Loop)' 능력을 시연했다. 축구 팀의 시즌 성적을 애니메이션 리그 테이블로 구현하거나, 바이킹의 영국 침공 역사를 인터랙티브 지도로 제작하는 작업을 단 한 번의 프롬프트로 수행했다. 모델은 웹 검색을 통해 실시간 데이터를 수집하고 복잡한 시각화 코드를 자율적으로 작성했다. 초기 버전에서 발생한 지리적 위치 오류 등을 스스로 인지하고 수정하는 단계에 진입했다.
06:35
도메인별 성능 불균형과 스파이키 성능
GPT-5.4는 모든 분야에서 고르게 발전한 것이 아니라 특정 도메인에서만 급격한 성능 향상을 보이는 '스파이키(Spiky)' 성능을 나타냈다. 머신러닝 과제 해결 능력을 측정하는 MLE-bench에서는 이전 모델 대비 성능이 두 배 향상됐으나, OpenAI 내부의 엔지니어링 병목 현상을 해결하는 OPQA 테스트에서는 오히려 이전 모델들보다 낮은 성적을 거뒀다. 이는 특정 전문 데이터셋 학습이 다른 영역의 일반화 능력을 저해할 수 있다는 AI 학계의 핵심 쟁점을 보여준다.
11:32
펜타곤 계약을 둘러싼 Anthropic과 OpenAI의 갈등
미국 국방부(DoD)가 Anthropic을 '공급망 리스크'로 규정하면서 갈등이 표면화됐다. Anthropic의 CEO 다리오 아모데이는 OpenAI가 펜타곤과 계약하기 위해 '안전 계층(Safety Layer)'이라는 허울뿐인 장치를 내세워 윤리적 가이드라인을 타협했다고 비판했다. 반면 샘 알트먼은 군사적 운영 결정은 정부의 몫이며, AI 기업이 이를 통제하려 해서는 안 된다는 입장을 밝히며 Anthropic의 계약을 가로챘다. Anthropic은 펜타곤이 자사 모델을 국내 감시나 자율 무기 체계에 사용하려 했다고 주장했다.
17:45
Claude 모델의 실제 군사적 활용 사례
워싱턴 포스트의 보도에 따르면, Anthropic의 Claude 모델이 이미 Palantir 시스템 내에서 이란 내 수백 개의 타격 목표를 제안하고 좌표를 발행하는 데 사용됐다. 이는 Anthropic이 대외적으로 표방해온 '안전 우선' 원칙과 배치되는 결과이다. Anthropic은 모델이 클라우드에 머물며 직접 무기를 제어하지 않는다는 방어 논리를 폈으나, 실제 전장 의사결정에 깊숙이 관여하고 있음이 드러났다. 구글 딥마인드 역시 국방부와 협력 중이나 이에 대해 침묵을 지키고 있다.
용어 해설
- GDP 가치 벤치마크(GDPVal)
- — OpenAI가 도입한 새로운 벤치마크로, 44개 화이트칼라 직종의 실제 업무 데이터를 바탕으로 AI의 업무 수행 능력을 측정한다. AI가 인간 전문가의 결과물과 비교하여 얼마나 우수한 성과를 내는지 평가하는 지표로 활용된다.
- 시스템 카드(System Card)
- — AI 모델의 아키텍처, 학습 데이터, 성능 지표, 안전성 테스트 결과 및 한계점을 상세히 기록한 공식 문서이다. 모델의 투명성을 높이고 잠재적 위험 요소를 사용자에게 알리는 역할을 한다.
- 환각 현상(Hallucination)
- — LLM이 학습 데이터에 없는 사실을 마치 진실인 것처럼 그럴듯하게 지어내어 답변하는 현상이다. 논리적 추론 과정의 오류나 데이터 부족으로 발생하며, 신뢰성이 중요한 업무에서 가장 큰 장애물로 꼽힌다.
- 자율 에이전트(Autonomous Agent)
- — 인간의 지속적인 개입 없이도 주어진 목표를 달성하기 위해 스스로 계획을 세우고 도구를 사용하며 작업을 수행하는 AI 시스템이다. 코드 작성, 웹 검색, 파일 관리 등을 스스로 수행하여 복잡한 워크플로우를 완료한다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 07.수집 2026. 03. 07.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
