한눈에 보기
이 판에 들어 있는 그림 20장입니다. 제목이 곧 그 그림의 결론입니다. 번호는 개정해도 바뀌지 않습니다.
| 번호 | 그림이 말하는 것 | 장 |
|---|---|---|
| AIC-001 | AI 능력 최고 기록, 3.5년 사이 102에서 169으로 | 하나의 척도로 보기 |
| AIC-002 | 전체 1위 회사는 2023년 이후 11번 바뀌었다 | 하나의 척도로 보기 |
| AIC-003 | 공개 가중치 모델은 닫힌 모델의 기록을 약 5.5개월 뒤에 따라잡는다 | 하나의 척도로 보기 |
| AIC-004 | 지능의 사다리: 시험 57개 중 51개를 이미 넘었다 | 하나의 척도로 보기 |
| AIC-005 | 넘은 시험만 보면, 2023년 이전 시험은 3.5년, 2024년 이후 시험은 9개월 만에 80%를 넘었다 | 벤치마크의 세대교체 |
| AIC-006 | Transformer에서 GPT-6 Astra까지, 학습 연산량 약 1.3억 배 | 규모: 연산·매개변수·돈·전력 |
| AIC-007 | 2025년 6월까지 자료로 2026년 9월을 맞혀 보면: '최근 1년 직선'이 5.4점 높게 빗나가 더 가까웠다 | 언제 어디까지 오나 |
| AIC-008 | 가장 어려운 시험 CL-bench, 절반쯤 푸는 시점은 2027-06~2028-02 | 언제 어디까지 오나 |
| AIC-009 | 이미지·영상 1위는 7개 회사가 번갈아 차지했다 | 이미지·음성·영상 |
| AIC-010 | 시도와 철수: 대체 없이 접은 제품은 Sora 하나, 다른 종료는 판 교체·통합(사건 9건) | 이미지·음성·영상 |
| AIC-101 | 매개변수를 밝히는 모델이 줄었다: 2020년 93% → 2025년 57% | 규모: 연산·매개변수·돈·전력 |
| AIC-103 | 최고 수준 모델 한 번 학습에 드는 돈, 해마다 약 3.8배 | 규모: 연산·매개변수·돈·전력 |
| AIC-105 | 주요 AI 모델을 낸 나라: 2025년 미국 65개, 중국 36개 | 규모: 연산·매개변수·돈·전력 |
| AIC-202 | 나온 시기가 다른 시험 8개, 최고 점수는 모두 80%를 넘었다 | 벤치마크의 세대교체 |
| AIC-301 | 신뢰 구간을 견줄 수 있는 새 최고 기록 17번 중 14번은 앞 기록과 구간이 겹친다 | 하나의 척도로 보기 |
| AIC-302 | 중국 모델은 미국 모델의 최고 기록을 약 5.3개월 뒤에 따라잡는다 | 하나의 척도로 보기 |
| AIC-401 | 1년 앞 예측은 평균 11.1점(전체 직선)·6.0점(최근 1년 직선) 빗나갔다 | 언제 어디까지 오나 |
| AIC-502 | 최고 수준 모델 학습에 쓰는 전력, 해마다 약 2.3배 | 규모: 연산·매개변수·돈·전력 |
| AIC-602 | 소라: 시연에서 API 종료까지 952일 | 이미지·음성·영상 |
| AIC-603 | 이미지 순위에 오른 모델, 2025-01 7개에서 2026-11 84개로 | 이미지·음성·영상 |
앞날을 그린 AIC-008은 예언이 아니라 '지금까지의 속도가 이어진다면'의 계산입니다. 같은 방법이 과거에 얼마나 빗나갔는지(AIC-007, AIC-401)와 함께 읽어 주세요.
마지막 수정