오픈AI(OpenAI)의 테드 샌더스(Ted Sanders)가 새로 나온 GPT-6.1 테라(Terra)의 위치를 설명하며, 사용자가 GPT 모델을 고를 때 참고할 만한 경험칙을 내놓았다. 모델 이름 체계가 복잡하다는 지적에 대한 답변 성격으로, 오픈AI가 언어모델 이름을 짓는 방식도 함께 소개했다.
GPT-6.1 테라, 성능은 '다차원' 문제
샌더스는 모델 성능이 한 가지 축으로 설명되지 않는다고 말했다. 수학을 잘하는 모델이 농담까지 잘하는 것은 아니라는 취지다. 그럼에도 성능 격차의 대부분은 결국 모델 크기라는 하나의 변수로 설명된다고 그는 설명했다.
오픈AI의 모델 이름을 단순화하기 어려운 이유로는 모델 크기, 추론 노력(reasoning effort), 멀티 에이전트 시스템이 서로 별개의 차원이라는 점을 들었다. 이를 하나의 'IQ 점수'로 합치면 세부 차이가 가려진다는 것이다.
작은 최신 모델이 큰 구형을 넘어서기도
다만 크기가 모든 것을 설명하지는 않는다. 샌더스에 따르면 더 나은 학습 데이터나 개선된 아키텍처 덕분에 새롭고 작은 모델이 오래된 큰 모델을 앞서는 경우도 있다.
GPT-6.1 테라는 더 큰 모델인 아스트라(Astra)보다 기술 문서 작성형 커뮤니케이션에서 나을 가능성이 크고, 이미지 처리와 컴퓨터 사용에서는 비슷한 수준이며, 가격은 훨씬 낮다고 그는 평가했다. 반면 나머지 대부분의 영역에서는 아스트라에 못 미친다고 덧붙였다.
용도별 선택 기준
샌더스가 제시한 기준은 간단하다. 그는 "품질만 중요하다면 아스트라를 고르고, 가격에 다소 민감하다면 솔(Sol)을, 가격에 매우 민감하다면 테라나 루나(Luna)를 고르라"고 말했다.
이는 API나 서비스에 GPT 모델을 도입하려는 국내 기업과 개발자에게도 비용 대비 성능을 따질 때 참고할 만한 가이드로 보인다.
