최신 AI가 대부분의 비체화 과업에서 인간을 능가했다는 고백

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

작성자는 자신이 AI에 강하게 반대하는 입장임을 밝히면서도 2025년 중후반부터 최신 모델들이 대부분의 비체화 과업에서 자신을 능가했다고 말한다. GDPval의 2025년 12월 리더보드 수치를 인용해 상위 모델이 49.7%의 과업에서 인간을 이기고 70.9%에서는 동등하거나 우수하다고 적시하며, Opus 5의 ELO가 인간 기준 1000 대비 1800을 넘는다고 적는다. 글은 무료로 배포되는 저성능 모델과 프런티어 모델 간 품질 격차를 강조하며, 반대자들이 실제 능력을 직시해야 진정한 반대가 가능하다고 주장한다.

주요 논점

01반대분열

작성자는 AI를 위험하고 무책임하게 개발되는 기술로 강하게 반대하지만, 동시에 최신 모델들이 많은 비체화 업무에서 인간을 능가했다고 인정한다. 그는 진정으로 반대하려면 전방위 모델들의 실제 능력을 먼저 이해해야 한다고 말한다.

합의점 vs 논쟁점

논쟁점

작성자는 일부 반대자들이 AI를 과대평가하지 못하는 이유로 저성능 무료 모델과의 경험을 지적하는데, 이 관점은 반대자 내부에서 큰 이견을 낳는다. 반대자 일부는 기술적 능력 자체보다 윤리·정책적 위험을 우선해 걱정하기 때문에 모델 성능 고지를 인정하더라도 규제 필요성을 유지한다. 따라서 '모델 능력의 인정'이 곧 '반대 철회'로 이어지는지는 커뮤니티에서 논쟁의 대상이 된다.
작성자가 인용한 GDPval 수치와 Opus 5의 ELO 값 표기는 모델 우위를 뒷받침하는 근거로 받아들여지지만, 이 근거의 해석 방식이 논란이다. 일부는 벤치마크가 특정·측정 가능한 과업에 편향될 수 있고 장기적 상호작용 능력이나 사회적 영향은 반영하지 못한다고 반박할 수 있다. 따라서 벤치마크 수치만으로 AI의 전반적 위험도를 단정하는 것은 이견의 핵심으로 남는다.

실용적 조언

작성자는 AI에 반대하는 사람들이 실제로 반대 효과를 얻고자 한다면 최첨단 모델을 직접 경험해 보라고 권한다. 그는 무료로 접하는 검색형 모델과 연구·상업용 고성능 모델 사이의 차이를 이해하지 못하면 현실을 오판할 수 있다고 지적한다. 따라서 현황을 기반으로 정책·윤리 논의를 할 때는 최신 벤치마크 수치와 직접적인 모델 비교를 참고하라고 권고한다.

섹션별 상세

작성자는 본인이 AI에 대해 강한 반대 입장을 갖고 있으나 동시에 최신 모델들이 자신을 능가했다고 고백한다. 본문은 2025년 중후반을 기점으로 대다수 비체화(non-embodied) 과업에서 최신 모델이 작성자 개인을 능가했다고 말하며, 그 사례로 구체적 벤치마크 결과를 인용한다. 이 경험 보고는 감정적 반대와 현실 평가를 함께 제시하면서 반대자에게 현 상태를 직시할 것을 요구하는 맥락을 제공한다.

글은 GDPval 벤치마크 결과를 중심 근거로 제시하는데, GDPval은 전문가 산출물과 모델 산출물을 블라인드 비교하고 동일 직업의 전문가들이 채점하는 방식으로 운영된다. 원문에 따르면 2025년 12월 리더보드에서 최상위 모델이 49.7%의 과업에서 인간을 '명백히' 이겼고 70.9%의 과업에서는 동등하거나 더 우수하다고 평가되었다고 되어 있다. 작성자는 이러한 수치가 특정·측정 가능한 과업에서의 우위를 보여준다고 해석하며, 장기적·비측정적 한계는 여전히 존재함을 부인하지 않는다.

작성자는 무료로 제공되는 검색형 AI와 최첨단(frontier) 모델 사이의 품질 격차를 강조한다. Google 검색 AI처럼 비용 절감과 대규모 배포를 목표로 의도적으로 성능을 낮춘 모델과, 연구·상업적 목적으로 고성능을 목표로 개발된 모델은 설계 목표와 제약에서 차이가 크기 때문에 사용자 경험이 완전히 달라진다고 적는다. 이 구분은 일부 반대자들이 실제 역량을 과소평가하는 원인으로 제시되며, '직접 체험한 모델'의 레벨을 기준으로 판단해야 한다는 논리로 연결된다.

작성자는 최신 모델들의 한계로서 장기적 지속성(long-term)과 특정 전문 지식의 결여를 인정한다. 본문은 많은 과업에서 모델이 인간보다 우수하지만 예외는 존재하며, 그 예외는 대체로 모델이 현재 갖지 못한 전문 지식 영역에 해당한다고 명시한다. 따라서 완전한 대체로 보는 것은 성급하지만, 특정하고 측정 가능한 목표에서는 이미 인간 수준을 초과하는 경우가 많다고 결론짓는다.

용어 해설

GDPval: — GDPval은 모델의 산출물을 해당 직업에서 평균 14년 경력의 전문가가 생산한 산출물과 블라인드로 비교해 평가하는 벤치마크다. 동일 직종의 전문가들이 채점하며 모델 성능을 인간 기준과 상대적으로 수치화한다. 작성자는 이 벤치마크의 2025년 12월 리더보드를 근거로 모델의 우위 사례를 제시한다.
프런티어 모델(frontier models): — 프런티어 모델은 연구·상업 분야에서 최신으로 공개되거나 상용화된 고성능 대형 언어 모델들로, 작성자는 Fable·Opus 5·Kimi K3·ChatGPT 6를 예로 든다. 이들은 저비용 무료 모델과 달리 정확도와 범용성이 크게 향상되어 특정 과업에서 인간 수준을 넘는 결과를 보였다. 글은 이러한 모델군과 무료 검색형 모델의 품질 차이를 핵심 근거로 삼는다.
Google 검색 AI(Google search AI): — Google 검색 AI는 규모와 비용을 절감한 목적형 배포 모델로, 작성자는 이 모델이 의도적으로 성능을 낮춰 저렴하게 대규모로 제공된다고 말한다. 작성자는 사람들이 주로 접하는 이 계열 모델 때문에 AI 능력을 과소평가한다고 지적한다. 해당 분류는 사용자 경험과 공개 성능 사이의 차이를 설명할 때 쓰인다.
ELO: — ELO는 대결 기반 성능 비교에서 상대적 실력을 수치화하는 지표로, 글에서는 Opus 5가 인간 기준 1000을 놓고 ELO가 1800을 넘는다고 적시되어 있다. 원문은 GDPval의 비교 결과를 ELO 값으로 제시해 모델 우위를 강조한다. 이 수치는 벤치마크 참가자들 간의 상대적 순위를 보여준다.
인간 베이스라인(human baseline): — 인간 베이스라인은 벤치마크에서 평균 경력의 전문가 집단을 기준 점수로 삼는 개념으로, 작성자는 GDPval에서 인간 기준을 1000으로 설정했다고 적는다. 모델 성능은 이 기준과의 상대 비교로 해석된다. 글은 이 기준 대비 모델의 상대적 우위를 근거로 삼아 AI 능력의 현실적 수준을 주장한다.