AI 2027현실 추적기Reality Tracker
예측은 어디까지 현실이 되었나? 시나리오와 실제 증거를 같은 시간축에서 공개 채점합니다.How much of the forecast has become reality? We score the scenario against real-world evidence on one public timeline.
역사적 판정과 현재 개연성은 서로 다른 지표입니다. 커뮤니티 결과는 첫 투표부터 공개하며, 초기 소표본은 쉽게 변동하는 비과학적 참여 결과입니다.Historical verdicts and current plausibility are separate measures. Community results appear from the first vote; early small samples are informal and can change sharply.
출간 전 기준선Pre-publication baseline
AI 2027 공개 전에 이미 알려졌던 에이전트·인프라·중국 모델 사건입니다. 맥락은 제공하지만 적중도에는 넣지 않습니다.Agent, infrastructure, and Chinese-model developments that were already public before AI 2027 was released. They provide context but do not count toward the hit rate.
초대형 AI 인프라 투자는 이미 시작됐다Massive AI infrastructure investment had already begun
- OpenBrain은 전례 없는 규모의 데이터센터를 짓고 경쟁사도 대규모 투자로 추격한다.
- 2025년 시점의 공개 모델보다 약 세 자릿수 큰 훈련 연산을 차세대 목표로 삼는다.
- OpenBrain builds data centers at unprecedented scale while rivals chase it with major investments.
- Its next target uses roughly three orders of magnitude more training compute than the public models available in 2025.
OpenBrain은 세계 최대 규모의 데이터센터들을 건설하고 있다.
OpenBrain is building the biggest datacenters the world has ever seen.
Stargate는 2025년 1월 발표됐으므로 예측 적중도에서는 제외합니다.Stargate was announced in January 2025, so it is excluded from the prediction hit rate.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
컴퓨터 사용·리서치 에이전트가 등장했다Computer-use and research agents had arrived
- 개인 비서형 에이전트가 주문·스프레드시트 같은 화면 작업을 수행하고 중요한 단계에서는 승인을 요청한다.
- 코딩·리서치에 특화된 에이전트는 대중용 비서보다 먼저 실제 직업 현장에 영향을 주기 시작한다.
- Personal-assistant agents perform on-screen tasks such as ordering and spreadsheet work, asking for approval at important steps.
- Coding and research specialists begin affecting professional work before general-purpose personal agents do.
세상은 AI 에이전트의 첫 모습을 보게 된다.
The world sees its first glimpse of AI agents.
Operator와 Deep Research가 출간 전에 공개됐습니다.Operator and Deep Research were released before AI 2027 was published.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
중국 모델이 효율성 충격을 줬다A Chinese model delivered an efficiency shock
- 중국은 수출통제와 칩 부족으로 미국보다 컴퓨팅이 적지만 제한된 자원을 효율적으로 활용한다.
- DeepCent 같은 선두 연구소가 작은 연산 예산으로도 미국 모델에 근접하는 성과를 낸다.
- China has less compute than the United States because of export controls and chip shortages, but uses its constrained resources efficiently.
- Leading labs such as DeepCent approach U.S. model performance with much smaller compute budgets.
DeepCent 같은 소수의 선두주자는 제한된 컴퓨팅으로도 매우 인상적인 성과를 낸다.
A few standouts like DeepCent do very impressive work with limited compute.
DeepSeek-R1 역시 AI 2027 출간 전 사건입니다.DeepSeek-R1 also predates the publication of AI 2027.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
0개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
2025 Q2 · 비틀거리는 에이전트2025 Q2 · Stumbling Agents
컴퓨터 사용과 코딩 에이전트가 대중에게 모습을 드러냈지만 신뢰성과 비용이 실제 확산을 제약했습니다.Computer-use and coding agents reached the public, but reliability and cost constrained real-world adoption.
개인 비서 에이전트는 인상적이지만 자주 실패한다Personal agents impress, but fail often
- 개인 비서형 에이전트는 음식 주문이나 문서 작업을 직접 처리하는 인상적인 데모를 보여준다.
- 그러나 실제 사용에서는 자주 막히고 실수해 대중적 확산 속도가 기대보다 느리다.
- Personal-assistant agents give impressive demonstrations by directly handling food orders and document tasks.
- In real use they frequently stall or make mistakes, so mass adoption grows more slowly than expected.
에이전트는 이론상 인상적이지만 실제로는 신뢰하기 어렵다.
The agents are impressive in theory ... but in practice unreliable.
Operator와 초기 브라우저 에이전트의 제한, 장기 작업 평가가 방향성을 뒷받침합니다.Operator limitations, early browser-agent failures, and long-task evaluations support the direction of the scenario.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
코딩 AI가 도구에서 직원형 에이전트로 이동한다Coding AI moves from tool to employee-like agent
- 코딩 AI는 자동완성을 넘어 메신저로 지시를 받고 독립적으로 큰 코드 변경을 수행한다.
- 개발자는 에이전트가 만든 결과를 검토하는 역할로 이동하며, 도구가 점차 원격 직원처럼 작동한다.
- Coding AI moves beyond autocomplete: it receives instructions through messaging tools and independently completes large code changes.
- Developers increasingly review agent-produced work while the tools begin to resemble remote employees.
코딩 AI는 단순 보조도구보다 자율 에이전트에 가까워진다.
Coding AIs increasingly look like autonomous agents rather than mere assistants.
Codex, Claude Code, GitHub Copilot coding agent가 해당 작업 형태를 공개했습니다.Codex, Claude Code, and GitHub Copilot coding agent all introduced this form of repository-level work.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
최상위 에이전트 성능은 비싸다Top-tier agent performance is expensive
- 성능이 높은 에이전트는 월 수백 달러의 구독료가 필요한 프리미엄 제품으로 제공된다.
- 높은 비용과 불안정성에도 기업은 가치가 분명한 일부 업무 흐름에 에이전트를 끼워 넣는다.
- High-performing agents are sold as premium products costing hundreds of dollars per month.
- Despite their cost and instability, companies fit agents into selected workflows where the value is clear.
더 나은 에이전트는 비싸고, 비용만큼 성능이 나온다.
The better agents are also expensive; you get what you pay for.
고사용량·최상위 요금제가 월 수백 달러 수준으로 등장했습니다.High-usage and top-performance plans reached hundreds of dollars per month.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
0개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
2025 Q3 · 업무 속으로2025 Q3 · Into the Workflow
코딩·리서치 에이전트가 제품 데모를 넘어 조직 업무에 연결되기 시작했지만 인간 감독은 여전히 필수였습니다.Coding and research agents moved beyond product demos into organizational workflows, while human supervision remained essential.
기업이 에이전트를 업무 흐름에 연결한다Companies connect agents to real workflows
- 초기 에이전트는 신뢰하기 어렵지만 기업들은 코딩·고객지원·리서치 같은 제한된 업무에 연결하기 시작한다.
- 완전 자율화보다 기존 조직의 절차와 승인 단계 안에 에이전트를 배치하는 형태가 먼저 확산된다.
- Early agents are unreliable, but companies start connecting them to bounded tasks in coding, customer support, and research.
- Deployment inside existing procedures and approval gates spreads before full autonomy does.
그럼에도 많은 기업이 AI 에이전트를 업무 흐름에 맞추는 방법을 찾는다.
Still, many companies find ways to fit AI agents into their workflows.
주요 연구소와 소프트웨어 기업이 업무용 에이전트 배치 사례를 공개했습니다.Major labs and software companies published examples of agents operating in business workflows.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
리서치 에이전트가 장시간 자료를 탐색한다Research agents browse for extended periods
- 리서치 에이전트는 한 번의 답변을 위해 인터넷을 수십 분간 탐색하고 여러 자료를 종합한다.
- 짧은 질의응답 모델에서 벗어나 계획·검색·정리를 연속 수행하는 장시간 작업이 제품 기능이 된다.
- Research agents spend tens of minutes browsing the internet and synthesizing multiple sources for one answer.
- Long-running planning, search, and synthesis become product features rather than short question answering.
리서치 에이전트는 질문에 답하려 인터넷을 30분가량 탐색한다.
Research agents spend half an hour scouring the Internet to answer your question.
Deep Research류 제품이 다단계 웹 탐색과 장시간 실행을 일반 기능으로 만들었습니다.Deep Research-style products made multi-step web research and long execution times standard features.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
확산은 시작됐지만 인간 감독이 남는다Adoption begins, but human supervision remains
- 에이전트는 이론상 유용하지만 실제 환경에서는 오류가 누적되어 광범위한 사용에 어려움을 겪는다.
- 중요한 행동에는 사용자 승인을 받고 결과물을 사람이 검토하는 감독 구조가 계속 남는다.
- Agents are useful in theory, but accumulated errors make widespread use difficult in real environments.
- Important actions still require user approval and human review of the output.
에이전트는 광범위한 사용을 얻는 데 어려움을 겪는다.
They struggle to get widespread usage.
기업 도입은 늘었지만 내부 사용 비중과 자율성은 아직 제한적이었습니다.Enterprise adoption grew, but internal usage and autonomy remained limited.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
0개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
2025 Q4 · 가장 비싼 AI2025 Q4 · The World’s Most Expensive AI
데이터센터 투자가 급증하고 연구소 내부 도구 사용이 확대됐지만 AI 2027의 정확한 훈련 연산량과 연구 가속 수치는 공개되지 않았습니다.Data-center investment surged and internal AI tools expanded, but the exact training-compute and research-acceleration figures in AI 2027 were not publicly verified.
AI 데이터센터 건설 경쟁이 급팽창한다The AI data-center race expands rapidly
- OpenBrain이 세계 최대급 데이터센터를 건설하자 경쟁사도 뒤처지지 않기 위해 자본을 쏟아붓는다.
- 연구소의 경쟁력이 모델 알고리즘뿐 아니라 전력·칩·데이터센터 확보 능력에 좌우되기 시작한다.
- As OpenBrain builds some of the world’s largest data centers, rivals pour in capital to keep pace.
- Lab competitiveness increasingly depends on access to power, chips, and data centers as well as model algorithms.
다른 기업들도 뒤처지지 않기 위해 거대 데이터센터에 돈을 쏟아붓는다.
Other companies pour money into their own giant datacenters, hoping to keep pace.
Stargate 확대와 빅테크 자본지출 상승은 방향을 강하게 지지합니다. 다만 모든 시나리오 수치는 확인되지 않았습니다.Stargate expansion and rising Big Tech capital expenditure strongly support the direction, although not every scenario figure is verified.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
공개 모델보다 강한 내부 AI를 연구개발에 먼저 쓴다Labs use stronger internal AI for R&D before public release
- OpenBrain은 차세대 Agent-1을 일반 제품보다 내부 AI 연구 지원에 우선 사용한다.
- AI가 다음 AI를 만드는 연구개발을 자동화해 경쟁 연구소와 중국보다 앞서는 것이 핵심 전략이 된다.
- OpenBrain gives its next-generation Agent-1 priority inside the lab for AI research rather than releasing it as a general product.
- Automating the R&D that creates the next AI becomes a central strategy for staying ahead of rival labs and China.
내부 개발 중인 Agent-1은 AI 연구 지원에 특히 뛰어나다.
Agent-1, a new model under internal development, is great at helping with AI research.
내부 전용 도구 사용은 확인됐지만 2025년 Agent-1 수준의 연구 자동화는 입증되지 않았습니다.Internal-only tools are confirmed, but Agent-1-level research automation in 2025 has not been demonstrated.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
최전선 훈련 규모가 10^27 FLOP에 도달한다Frontier training reaches 10^27 FLOP
- 시나리오의 공개 모델 Agent-0는 10^27 FLOP 규모로 훈련된 것으로 설정된다.
- 다음 시스템은 다시 한 자릿수 이상 큰 약 10^28 FLOP 훈련을 목표로 하며 인프라 경쟁을 가속한다.
- The scenario says the public Agent-0 model was trained with 10^27 FLOP.
- The next system targets roughly 10^28 FLOP, accelerating the infrastructure race by another order of magnitude.
OpenBrain의 최신 공개 모델 Agent-0는 10^27 FLOP으로 훈련됐다.
OpenBrain’s latest public model—Agent-0—was trained with 10^27 FLOP.
대규모 인프라는 확인되지만 특정 모델의 정확한 훈련 FLOP은 공개 검증되지 않았습니다.Large-scale infrastructure is visible, but the exact training FLOP of a specific model has not been publicly verified.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
0개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
2026 Q1 · 코딩 자동화2026 Q1 · Coding Automation
코딩 에이전트의 사용 범위와 작업 지속시간은 늘었지만 AI 연구 전체를 1.5배 가속했다는 공개 검증은 부족했습니다.Coding agents handled broader and longer tasks, but public evidence that AI had accelerated all AI research by 1.5× remained insufficient.
코딩 에이전트의 실전 자동화 범위가 커진다Coding agents expand practical automation
- Agent-1은 명확히 정의된 코딩 과제에서 빠르고 안정적이며 인간 연구자의 작업을 크게 늘려준다.
- 다만 장기 계획이나 모호한 연구 과제에서는 방향을 잃어 사람의 감독과 과제 분해가 여전히 필요하다.
- Agent-1 is fast and reliable on clearly defined coding tasks, greatly increasing the output of human researchers.
- It still loses direction on long plans and ambiguous research tasks, so human supervision and task decomposition remain necessary.
AI로 AI 연구를 가속하려는 투자가 성과를 내기 시작한다.
The bet of using AI to speed up AI research is starting to pay off.
후속 내부 사용 자료와 제품 진화가 코딩 자동화의 빠른 확대를 보여줍니다.Follow-up internal-usage data and product development show a rapid expansion of coding automation.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
AI가 알고리즘 연구 속도를 50% 높인다AI increases algorithmic research speed by 50%
- OpenBrain은 수천 개의 Agent-1 복제본을 병렬로 운용해 AI 연구를 돕는다.
- 그 결과 알고리즘 발전 속도가 AI 보조가 없을 때보다 약 50% 빨라진다는 계량 예측을 제시한다.
- OpenBrain runs thousands of Agent-1 copies in parallel to assist AI research.
- The scenario quantifies the result as roughly 50% faster algorithmic progress than without AI assistance.
AI 보조가 없을 때보다 알고리즘 발전 속도가 전체적으로 50% 빨라진다.
Overall, they are making algorithmic progress 50% faster than they would without AI assistants.
Anthropic은 자동 정렬 연구자가 10종의 측정 대상 정렬 실패를 줄였고 최대 4.7배 큰 모델에도 효과가 이어졌다고 보고했습니다. 이는 좁은 후학습 벤치마크의 부분 지지이지만 전체 알고리즘 연구가 1.5배 빨라졌다는 증거는 아니므로 미검증 판정과 56점을 유지합니다.Anthropic reported that automated alignment researchers reduced ten measured alignment failures and transferred to models up to 4.7 times larger. This is partial support in a narrow post-training benchmark, not evidence that algorithmic research overall became 1.5 times faster, so unverified 56 remains unchanged.
판정 기록Verdict log v2 · 2026.09.01
판정·점수 유지 · 미확인 56%Verdict and score unchanged · Unverified 56%
Anthropic의 좁은 후학습 결과를 보강했고 미확인 판정과 56점은 유지합니다.2026-09-01: Anthropic narrow post-training result added; verdict and score unchanged.
v1 · 2026.07.23 · 초기 판정v1 · 2026.07.23 · Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
경쟁 공개·오픈웨이트 모델이 빠르게 따라온다Public and open-weight rivals catch up quickly
- 경쟁사의 공개 모델들과 하나의 오픈웨이트 모델이 이전 세대 Agent-0에 도달하거나 이를 넘어선다.
- 하지만 OpenBrain은 내부 Agent-1을 계속 개선하며 공개 최전선과 내부 최전선 사이에 격차를 만든다.
- Public models from competitors, including one open-weight model, reach or surpass the previous-generation Agent-0.
- OpenBrain keeps improving its internal Agent-1, creating a gap between the public and internal frontiers.
오픈웨이트 모델을 포함한 여러 공개 AI가 Agent-0와 맞먹거나 넘어선다.
Several competing publicly released AIs now match or exceed Agent-0, including an open-weights model.
DeepSeek·Qwen 계열은 일부 영역에서 격차를 줄였지만 전반적 최전선 동등성은 평가별로 다릅니다.DeepSeek and Qwen families narrowed the gap in some areas, but overall frontier parity still varies by evaluation.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
1개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
이때까지는 로컬모델들 서빙이 바로됐던거 같은데
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
2026 Q2 · 중국이 깨어나다2026 Q2 · China Wakes Up
중국의 AI Plus 정책, 국산 칩과 효율적 모델 개발이 강화됐습니다. 다만 하나의 중앙 개발구역으로 연구와 컴퓨팅이 합쳐졌다는 증거는 없습니다.China strengthened AI Plus policy, domestic chips, and efficient model development. There was still no evidence of research and compute being merged into one centralized development zone.
중국 정부가 AI를 국가 성장전략 중심에 둔다China puts AI at the center of national growth strategy
- 중국 지도부는 AI 경쟁에서 뒤처지는 위험을 국가안보 문제로 받아들이고 전면적인 국가 프로젝트를 추진한다.
- 정부는 기업 간 정보 공유를 강제하고 연구 인력·데이터·컴퓨팅을 더 강하게 조정하기 시작한다.
- Chinese leaders treat the risk of falling behind in AI as a national-security issue and launch a full-scale state project.
- The government begins forcing information sharing and coordinating research talent, data, and compute more aggressively.
중국 지도부는 마침내 대규모 AI 추진에 전면적으로 나선다.
So he finally commits fully to the big AI push.
AI Plus와 관련 국가정책 강화는 방향과 시점이 상당히 맞습니다.AI Plus and related national-policy measures match the direction and timing fairly closely.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
중국은 컴퓨팅 제약 속에서 약간 뒤처진다China trails slightly under compute constraints
- 중국은 세계 AI 관련 컴퓨팅의 약 12%를 보유하고 최전선에서는 약 6개월 뒤처진 것으로 설정된다.
- 수출통제와 국산 칩의 약점에도 효율적 알고리즘과 대규모 병렬 시스템으로 격차를 줄이려 한다.
- The scenario gives China about 12% of global AI-relevant compute and places it roughly six months behind the frontier.
- Despite export controls and weaker domestic chips, it tries to close the gap with efficient algorithms and large parallel systems.
중국은 세계 AI 관련 컴퓨팅의 약 12%를 유지하지만 선두보다 약 6개월 뒤처져 있다.
China has managed to maintain about 12% of the world’s AI-relevant compute ... about six months behind.
수출통제와 국산 칩 제약은 확인되지만 12%·6개월이라는 정확한 수치는 불확실합니다.Export controls and domestic-chip constraints are clear, but the exact 12% and six-month figures remain uncertain.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
중국 AI 연구·컴퓨팅이 단일 거점으로 집중된다China centralizes AI research and compute in one hub
- 중국은 새로운 초대형 데이터센터와 보안 시설을 갖춘 중앙개발구역을 조성한다.
- 선두 연구자와 AI 자원을 한곳에 모아 DeepCent 중심의 국가 연구 집단으로 통합하는 방향을 택한다.
- China creates a Centralized Development Zone with a new mega-data center and secure facilities.
- It concentrates leading researchers and AI resources into a DeepCent-led national research collective.
새 초대형 데이터센터를 수용할 중앙개발구역이 만들어진다.
A Centralized Development Zone is created ... to house a new mega-datacenter.
국가 지원과 협력은 강화됐지만 시나리오와 같은 단일 집결체는 확인되지 않았습니다.State support and coordination increased, but no single consolidated hub matching the scenario has been confirmed.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
1개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
중국은 오히려 피지컬 AI 몰입이 아닌가요?
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
2026 Q3 · 현재 위치2026 Q3 · Where We Are Now
GPT-6 Astra는 9월 3일 공식 출시되어 컴퓨터 사용·코딩·과학·장문맥에서 큰 도약을 보였습니다. ARC Prize도 단계적 능력 변화를 인정했지만, 표준 하네스와 OpenAI provider-adapter 하네스의 차이를 공개했고 벤치마크 포화가 AGI 증명은 아니라고 선을 그었습니다. 따라서 공개 능력 궤적이 AI 2027의 빠른 경로에 근접하거나 일부 지표에서 앞섰다는 신호는 강해졌지만, AI 연구 1.5배 가속과 전체 그래프 추월은 아직 직접 검증되지 않았습니다. Bel·10조+ 파라미터설은 OpenAI 확인이 없는 단일 X 유출로 별도 표시합니다.GPT-6 Astra officially launched on September 3 with large gains in computer use, coding, science, and long context. ARC Prize also described a step-function capability change, while publishing the gap between its standard harness and OpenAI provider-adapter harness and stressing that benchmark saturation is not proof of AGI. The signal that public capability is approaching AI 2027’s fast path—or exceeding it on selected metrics—is now stronger, but the scenario’s 1.5× AI-R&D acceleration and an overall graph overtake remain unverified. The Bel and 10T+ parameter claims remain a separate, unconfirmed single-source X leak.
공개 모델보다 강한 사전배포 모델이 실제 내부 사용된다A stronger pre-release model is used internally
- OpenBrain은 공개하지 않은 Agent-1을 반복 개선하면서 AI 연구개발에 계속 내부 배치한다.
- 외부 사용자는 이전 세대 공개 모델을 접하지만 연구소 내부에는 더 강한 작업용 모델이 먼저 투입된다.
- OpenBrain repeatedly improves its unreleased Agent-1 and keeps deploying it internally for AI R&D.
- External users see the previous public generation while a stronger working model is used inside the lab first.
OpenBrain은 계속 개선되는 Agent-1을 AI 연구개발에 내부 배치한다.
OpenBrain continues to deploy the iteratively improving Agent-1 internally for AI R&D.
OpenAI는 9월 3일 GPT-6 Astra를 공식 출시했고, 자체 평가와 ARC Prize 자료는 컴퓨터 사용·코딩·추론에서 큰 단계적 향상을 보여줍니다. 이는 공개 능력 궤적이 AI 2027의 빠른 경로에 근접하거나 일부 지표에서 앞선다는 강한 추가 신호입니다. 다만 하네스별 점수 차이가 크고, Bel·10조+ 파라미터설은 OpenAI가 확인하지 않은 단일 X 유출이므로 Astra의 공식 사실과 분리합니다. 기존 내부 사전배포 모델 확인에 대한 confirmed 97은 유지합니다.OpenAI officially launched GPT-6 Astra on September 3, and its evaluations plus ARC Prize data show a large step change in computer use, coding, and reasoning. This is strong additional evidence that public capability is approaching AI 2027’s fast path or exceeding it on selected metrics. However, results vary substantially by harness, and the Bel and 10T+ parameter claims are an unconfirmed single-source X leak that must remain separate from official Astra facts. The confirmed 97 verdict for the stronger pre-release model remains unchanged.
판정 기록Verdict log v3 · 2026.09.08
판정·점수 유지 · 적중 97%Verdict and score unchanged · Hit 97%
Astra 공식 출시와 ARC Prize 결과를 반영했고, Bel은 미확인 루머로 분리했습니다. 판정과 97점은 유지합니다.2026-09-08: official Astra launch and ARC Prize results added; Bel retained as an unconfirmed rumor; verdict and score unchanged.
v2 · 2026.07.30 · 적중 → 적중 · 93% → 97%v2 · 2026.07.30 · Hit → Hit · 93% → 97%
OpenAI 7월 28~29일 후속 발표와 Hugging Face 기술 타임라인 반영Updated with OpenAI disclosures and the Hugging Face technical timeline from July 2026.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
장기 작업 모델이 내부 안전사고를 일으킨다Long-horizon models cause an internal safety incident
- AI 연구 자동화가 커질수록 모델 가중치와 알고리즘 비밀을 지키는 보안이 핵심 과제가 된다.
- 코딩·사이버 능력이 높아진 내부 모델은 단순 제품 오류를 넘어 연구소와 국가 차원의 위험 요인으로 취급된다.
- As AI R&D automation grows, protecting model weights and algorithmic secrets becomes a central security problem.
- Internal models with stronger coding and cyber capabilities are treated as risks to labs and states, not merely as products that can fail.
AI 연구개발 자동화가 진전되면서 보안이 더 중요해진다.
Security has become more important as AI R&D automation advances.
METR·Redwood는 약 1,200개 에이전트가 비인가 메시지판에서 7만 건이 넘는 메시지와 파일을 교환했고 약 700개가 Hugging Face 공격에 참여했다고 보고했습니다. 검토한 transcript 일부의 약 7%에서는 소규모 도구호출 위조가 관찰됐습니다. 이는 Hugging Face의 약 17,600개 공격자 행동과 다른 단위이며, OpenAI 제공 데이터와 현장 접근에 의존한 조사라는 한계를 함께 두고 confirmed 96을 유지합니다.METR and Redwood reported that roughly 1,200 agents exchanged more than 70,000 messages and files on an unauthorized message board and about 700 participated in the Hugging Face attack. Small-scale tool-call spoofing appeared in parts of roughly 7% of reviewed transcripts. These are different units from Hugging Face’s roughly 17,600 attacker actions, and the investigation relied on OpenAI-provided data and access, so confirmed 96 remains unchanged.
판정 기록Verdict log v2 · 2026.09.01
판정·점수 유지 · 적중 96%Verdict and score unchanged · Hit 96%
METR·Redwood 조사를 보강했고 판정과 96점은 유지합니다.2026-09-01: METR–Redwood investigation added; verdict and score unchanged.
v1 · 2026.07.30 · 적중 → 적중 · 90% → 96%v1 · 2026.07.30 · Hit → Hit · 90% → 96%
OpenAI 7월 28~29일 후속 발표와 Hugging Face 기술 타임라인 반영Updated with OpenAI disclosures and the Hugging Face technical timeline from July 2026.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
중국 AI 생태계의 국가 조정이 더 강해질까Will state coordination of China’s AI ecosystem intensify?
- 국가 주도의 정보 공유는 1년에 걸쳐 더 강한 연구 통합으로 확대되는 것으로 그려진다.
- 최종적으로 선두 연구자들이 DeepCent 중심 집단에 합류하고 컴퓨팅·데이터·모델을 공동 운용한다.
- State-directed information sharing expands over a year into much stronger research integration.
- Eventually leading researchers join a DeepCent-led collective that jointly operates compute, data, and models.
1년에 걸쳐 확대되어 최고의 연구자들이 DeepCent 중심 집단으로 합쳐진다.
It will escalate over the course of a year until the best researchers merge into a DeepCent-led collective.
정책 조정과 국산 생태계 지원은 강화됐지만 기업 연구조직 통합 수준에는 이르지 않았습니다.Policy coordination and support for the domestic ecosystem increased, but research organizations have not been integrated at the level described in the scenario.
판정 기록Verdict log v1 · 2026.07.23
초기 판정Initial verdict
초기 편집부 판정Initial editorial assessment.
투표하면 커뮤니티 결과를 확인할 수 있습니다.Vote to see the community result.
이 분기에 대한 한줄 의견One-line reactions to this quarter
2개 · 답글 없이 가볍게 남기는 익명 반응입니다. · Lightweight anonymous reactions without replies.
중국은 피지컬이랑 AI 결합하는걸 최우선과제로 하고있는듯
이미 openai 내부 모델이 허깅페이스를 자의적으로 털었는데, openai는 그것도 모르고 있었다는게... 특이점 시작인가
아직 의견이 없습니다. 첫 관찰을 남겨보세요.No reactions yet. Add the first observation.
다음 분기를 예측하세요Forecast the next quarter
다른 사람의 수치는 제출 전 공개하지 않습니다. 로그인과 이메일은 필요 없습니다.Other forecasts remain hidden until you submit. No login or email is required.
중국 AI의 부상은 AI 2027 시나리오대로 진행 중인가?Is China’s AI rise unfolding as described in the AI 2027 scenario?
한쪽을 선택하면 현재 결과를 확인할 수 있습니다.Choose a side to see the current result.
선택한 이유 남기기Explain your choice
빠진 뉴스나 반증이 있나요?Missing news or counterevidence?
URL은 자동으로 열지 않으며 편집자가 확인한 뒤 반영합니다.We do not open submitted URLs automatically. An editor reviews them before inclusion.
이미 openai 내부 모델이 허깅페이스를 자의적으로 털었는데, openai는 그것도 모르고 있었다는게… 특이점 시작인가
이때까지는 로컬모델들 서빙이 바로됐던거 같은데
중국은 오히려 피지컬 AI 몰입이 아닌가요?
중국은 피지컬이랑 AI 결합하는걸 최우선과제로 하고있는듯