2025 Interconnects 연말 결산: AI 연구와 오픈 모델의 격변기

섹션별 상세

01

2025년은 o1, DeepSeek R1 등 '생각하는' 모델이 대세가 되었으며 대규모 강화학습(RL)이 할루시네이션 제어와 추론 능력 향상의 핵심 동력으로 자리 잡았다.

02

DeepSeek V3와 R1, Qwen 3 등 중국발 오픈 모델들이 성능과 비용 효율성 면에서 프론티어 모델들을 위협하며 글로벌 AI 표준을 재정의했다.

03

미국 내 오픈 모델 구축을 위한 즉각적인 투자를 촉구하는 ATOM 프로젝트가 런칭되었으며 기술 주권 확보를 위한 오픈 소스 생태계의 중요성이 강조되었다.

04

DeepSeek V3 사례 분석을 통해 단순 GPU 연산 시간을 넘어선 실제 학습 비용과 인프라 운영의 복잡성이 구체적으로 다루어졌다.

05

코딩이 AI 발전의 진앙지가 되었으며 Claude 4와 같은 모델들이 자율적인 에이전트로서의 가능성을 입증하며 일반 인공지능(AGI)으로 가는 경로를 보여주었다.

06

강화학습의 르네상스가 도래하며 무작위 보상을 활용한 RL이 Qwen 2.5 등 실제 모델에서 유효하게 작동함이 확인되었다.

인간 피드백 기반 강화학습(RLHF): — 인간의 선호도를 보상 모델로 학습시켜 언어 모델이 인간의 의도에 맞게 행동하도록 미세 조정하는 기법이다. 2025년에는 단순한 정렬을 넘어 모델의 추론 능력을 극대화하는 핵심 기술로 진화했다.
추론 시간 스케일링(Inference-time Scaling): — 모델이 답변을 생성할 때 더 많은 연산 자원과 시간을 투입하여 복잡한 문제를 해결하는 기법이다. o1이나 DeepSeek R1처럼 모델이 내부적으로 '생각'하는 과정을 거치게 하여 성능을 높인다.
오픈 모델(Open Model): — 모델의 가중치나 학습 방법론이 대중에게 공개된 AI 모델을 의미한다. Llama, DeepSeek, OLMo 등이 대표적이며 폐쇄형 모델인 GPT 시리즈와 경쟁하며 생태계의 민주화를 이끌고 있다.
추론 모델(Reasoning Model): — 단순한 다음 단어 예측을 넘어 논리적 단계에 따라 문제를 풀이하는 능력을 갖춘 모델이다. 강화학습을 통해 체계적인 사고 과정을 학습하며 수학, 코딩 등 복잡한 작업에서 높은 성능을 보인다.