Boris Power는 OpenAI 연구 대부분이 후속 GPT 세대를 겨냥한다고 말한다

2026년 9월 23일 Fellows Forum에서 OpenAI 응용 연구 책임자 Boris Power는 회사 연구의 80~90%가 ‘GPT-7, GPT-8 및 그 이후’를 겨냥한다고 추정했다. 그는 현재 제품을 위한 작업과 더 강력한 모델을 위한 연구 사이에서 OpenAI가 균형을 잡는 방식을 설명하면서 이 수치를 제시했다. 이는 공개 대화에서 밝힌 그의 추정치다. OpenAI는 이를 대조해 확인할 수 있는 연구 배분 내역을 공개하지 않았다.

큰 변화

• 무엇이 달라졌나: Power는 서로 연결된 두 가지 연구 축을 설명했다. 사람들이 현재 사용하는 모델의 개선과 이후 세대를 겨냥한 연구다. 그는 후자가 OpenAI 연구의 대부분을 차지한다고 추정했다.
• 왜 중요한가: 더 강력한 대형 모델은 특정 과제에서 더 작고 저렴한 모델을 학습시키는 예시를 제공할 수 있다. 따라서 제품에 더 작은 모델을 사용하더라도 개발자에게는 최첨단 연구를 지켜볼 이유가 있다.
• 앞으로 지켜볼 점: 향후 모델 출시와 기술 공개를 통해 대형 모델의 발전이 소형 모델에 전해지는지 확인할 수 있다. 이 인터뷰에서는 GPT-7이나 GPT-8의 출시일과 사양, 성능 결과가 제시되지 않았다.

이 추정의 배경

Power는 고객 요청이 연구에 어떻게 반영되는지에 관한 Zachary Lipton의 질문에 답하고 있었다. 그는 OpenAI가 특수 학습 데이터와 응용 연구를 통해 도구 사용 등 특정 행동을 개선할 수 있다고 말했다. 그의 설명에 따르면 한 모델 세대 안의 점진적 업데이트가 이런 요구를 해결하는 경우가 많다. 그는 더 큰 신세대 모델이 등장하면 어떤 전문적 수정이 여전히 필요한지가 달라질 수 있다고 주장했다. 장기 전략이 아니더라도 일부 현재 투자는 당장 배우고 더 빠르게 개선하는 방법이라고 설명했다.

그 구분을 설명하며 Power가 말한 80~90% 수치는 Fellows Forum 녹화 영상 1:32:52 시점에 나온다. 그는 연구가 OpenAI에서 이뤄지는 연구를 가리킨 것이지 자신의 팀에 한정한 연구를 말한 것은 아니다. 녹화 영상이나 OpenAI가 공개한 자료에는 어떤 연구를 집계했는지에 관한 정의도, 기간과 예산, 인원수, 추정 산출 방법도 없다. 따라서 이 수치는 OpenAI의 지출이나 인력 배분을 감사한 측정치가 아니라 Power가 설명한 우선순위에 관한 견해로 읽어야 한다.

Power는 GPT-7과 GPT-8을 후속 세대의 예로 들었다. 그는 어느 모델도 발표하지 않았고 개발 단계나 출시 일정을 공개하지도 않았다. OpenAI의 현행 모델 카탈로그에는 GPT-6 Astra와 Sol, Luna가 나열돼 있다. 이는 Power가 언급한 모델 이름의 공개된 맥락을 제공할 뿐 후속 세대의 개발 상황을 입증하지는 않는다.

그가 증류를 언급한 이유

Power는 추정치를 말한 직후 대형 GPT-6 Astra 모델이 소형 GPT Luna 모델을 학습시키는 사례를 설명했다. 강력한 대형 모델이 소형 모델을 훈련할 예시를 제공할 수 있다는 것이 그의 요지였다. 그는 특정 출시 버전의 Luna가 Astra를 이용해 학습됐다고 문서화한 것이 아니라 연구 접근법을 설명한 것이다.

OpenAI의 지도형 미세 조정 안내는 작동 원리를 설명한다. 개발자는 먼저 대형 모델이 특정 과제를 잘 수행하는지 확인하고, 적절한 출력을 골라 소형 모델을 훈련할 예시로 사용한 뒤, 소형 모델을 해당 과제에서 평가한다. OpenAI는 이 방법으로 소형 모델을 특정 과제에서 대형 모델의 성능에 더 가깝게 만들 수 있다고 말한다. 그렇다고 소형 모델이 교사 모델의 모든 능력을 물려받는다는 뜻은 아니다. OpenAI의 모델 증류 발표는 평가와 저장된 출력, 미세 조정을 반복하는 과정으로 설명한다.

이 아이디어의 역사는 더 오래됐다. 2015년 연구 논문에서는 Geoffrey Hinton과 Oriol Vinyals, Jeff Dean이 더 큰 시스템의 지식을 배포하기 쉬운 모델로 옮기는 방식을 연구했다. 이 연구는 교사-학생 개념의 배경을 설명하지만 OpenAI의 현재 연구 배분에 대해서는 아무것도 말하지 않는다.

이 내용은 Power가 최첨단 연구와 실용적인 모델 사이의 관계를 어떻게 설명했는지 보여 준다. 더 역량 있는 교사 모델은 특정 목적의 저비용 시스템에 유용한 학습 자료를 만들 수 있다. 그 성과는 과제와 선택한 예시, 평가 방식에 달려 있다. Power는 Astra와 Luna 사례에 관한 증류 결과나 비교 측정치를 제시하지 않았다.

Power의 추정은 OpenAI가 연구 가치가 가장 클 것으로 보는 분야에 대한 그의 견해를 밝힌다는 점에서 눈여겨볼 만하다. 공개 증거로 확인할 수 있는 것은 그 발언과 그가 언급한 일반적인 기법이다. OpenAI의 자원이 실제로 어떻게 나뉘는지 또는 차세대 GPT가 무엇을 내놓을지는 입증하지 않는다.