Forwarded from 제이슨상님 Unemployed by Agents
'Anthropic이 이겼고 OpenAI는 끝났다'는 내러티브가 너무나도 빨리 뒤집혔습니다. Anthropic의 내러티브가 급속도로 약화되고 있습니다. Mythos Preview가 원대한 성능 때문에 비공개가 되었다는 공식 설명이 있었으나, 사실은 '그 정도 크기의 모델(10T 모델 크기)을 서빙할 물리적 역량이 부족했기 때문'이라는 해석이 힘을 얻고 있습니다.
Anthropic은 컴퓨팅이 극도로 부족하다는 것입니다. 이 압박이
Anthropic을 아마존의 품으로 더욱 강하게 밀어넣고 있으며, 아마존은 이 상황의 구조적 수혜자입니다.
결국 결론은 단순합니다. 컴퓨팅을 먼저, 더 많이, 더 안정적으로 확보한 쪽이 이 전쟁에서 최후의 수혜자가 됩니다. OpenAI가 1년 전 "비이성적"이라고 조롱받으며 집행한 그 공격적 컴퓨팅 확보가 지금 결실로 돌아오고 있음을 유념해야 합니다.
누구의 예상보다 빠르게 움직이는 AI 업계에서는 어떤 시나리오도 불가능한 것은 없다. 불과 두 달 전 "Anthropic이 기술 리더십을 완전히 가져갔다"는 것이 컨센서스였고, 또 1년 전에는 "OpenAI가 파운데이션 모델 전쟁에서 확실한 승자"라는 것이 상식이었다. 모든 상식은 빠르게 뒤집혔고, 앞으로도 뒤집힐 것이다. 현재 시점의 어떤 예측 모델도 향후 12개월 뒤를 담보할 수 없다.
다만 한 가지는 확실해 보인다. Age of Mythos라는 것도 결국 Age of Compute라는 것… 신화의 주인공은 신들이었지만, 신도 결국 돌(실리콘)과 번개(전기)보다 위대하지는 않다.
Anthropic은 컴퓨팅이 극도로 부족하다는 것입니다. 이 압박이
Anthropic을 아마존의 품으로 더욱 강하게 밀어넣고 있으며, 아마존은 이 상황의 구조적 수혜자입니다.
결국 결론은 단순합니다. 컴퓨팅을 먼저, 더 많이, 더 안정적으로 확보한 쪽이 이 전쟁에서 최후의 수혜자가 됩니다. OpenAI가 1년 전 "비이성적"이라고 조롱받으며 집행한 그 공격적 컴퓨팅 확보가 지금 결실로 돌아오고 있음을 유념해야 합니다.
누구의 예상보다 빠르게 움직이는 AI 업계에서는 어떤 시나리오도 불가능한 것은 없다. 불과 두 달 전 "Anthropic이 기술 리더십을 완전히 가져갔다"는 것이 컨센서스였고, 또 1년 전에는 "OpenAI가 파운데이션 모델 전쟁에서 확실한 승자"라는 것이 상식이었다. 모든 상식은 빠르게 뒤집혔고, 앞으로도 뒤집힐 것이다. 현재 시점의 어떤 예측 모델도 향후 12개월 뒤를 담보할 수 없다.
다만 한 가지는 확실해 보인다. Age of Mythos라는 것도 결국 Age of Compute라는 것… 신화의 주인공은 신들이었지만, 신도 결국 돌(실리콘)과 번개(전기)보다 위대하지는 않다.
Forwarded from 해브로의 텔레그램
Pharos, 메인넷 및 에어드랍 클레임 일정
- 메인넷 : 4월 28일 오후 7시
- 에어드랍 클레임 : 4월 28일 오후 8시
원래 반대 아닌가요? ㅎ 뭐 메인넷 먼저 나올수도, 상장이 몇시일지 궁금
https://x.com/pharos_network/status/2048371658331975702?s=20
- 메인넷 : 4월 28일 오후 7시
- 에어드랍 클레임 : 4월 28일 오후 8시
원래 반대 아닌가요? ㅎ 뭐 메인넷 먼저 나올수도, 상장이 몇시일지 궁금
https://x.com/pharos_network/status/2048371658331975702?s=20
Forwarded from BHI
GPT 5.4 Pro로 58년간 풀리지 않은 문제를 23세 Liam Price가 GPT-5.4 Pro를 활용해 단 한 번의 프롬프팅으로 풀어내기에 성공함.
GPT-5.4 Pro는 80분짜리 사고/실행을 통해 나온 증명을 제공했으며 이는 전문가 검토와 재구성을 거쳐 받아들여졌으며, PROVED(LEAN)으로 표기되었음. 테렌스 타오는 해당 문제의 해결에 대해서 의미 있는 기여라고 평가함.
해당 문제는 Erdős #1196 임.
https://x.com/k1rallik/status/2048465248814850129?s=20
GPT-5.4 Pro는 80분짜리 사고/실행을 통해 나온 증명을 제공했으며 이는 전문가 검토와 재구성을 거쳐 받아들여졌으며, PROVED(LEAN)으로 표기되었음. 테렌스 타오는 해당 문제의 해결에 대해서 의미 있는 기여라고 평가함.
해당 문제는 Erdős #1196 임.
https://x.com/k1rallik/status/2048465248814850129?s=20
Forwarded from 호시탐탐 크립토
Predict.fun 오늘 변경되는 포인트 구조 요약 ❤️
저번 Predict.fun의 포인트 구조 변경에 대한 내용이 오늘부터 반영될 예정입니다. 혼란스러워하시는 분들이 많은 것 같아 요약내용 전달드릴게요.
포인트 분배🎚️
- 각 예측마켓마다 획득 가능한 포인트 공개
- 포인트는 시간 단위로 동적으로 조정
- 어떤 베팅 탭에서 참여해야 포인트가 많이 들어오는지 확인 가능
총 포인트 지급 수량🤔
포인트 활용성 확대⏰
앞으로 악성 유저(거래 없이 허수 주문, 의도적인 볼륨 UP)의 포인트는 계정 정지 또는 포인트 회수로 대응하며 이전 유저 대상으로의 집행은 팀 내에서 고려 중입니다.
꽤 많은 내용이 변경되어서 저 또한 혼란스러웠는데 간단하게 포인트 구조는 바뀌지만 인플레이션 걱정 안해도 되고 실제로 베팅하는 실유저를 챙기겠다는 말이네요.
앞으로 참가율이 높은 베팅 탭을 타겟하여 플레이하는게 중요할 것으로 보입니다. 우선 변경되는 내용을 직접 확인해보고 전략에 대해 고민해봐야겠습니당.❤
#Predictdotfun
저번 Predict.fun의 포인트 구조 변경에 대한 내용이 오늘부터 반영될 예정입니다. 혼란스러워하시는 분들이 많은 것 같아 요약내용 전달드릴게요.
포인트 분배
➡️ 기존 방식: 10M 포인트 고정 분배➡️ 변경된 방식: 고정이 아닌 변동성있는 지급 방식 사용
- 각 예측마켓마다 획득 가능한 포인트 공개
- 포인트는 시간 단위로 동적으로 조정
- 어떤 베팅 탭에서 참여해야 포인트가 많이 들어오는지 확인 가능
총 포인트 지급 수량
마켓 수와 인기도에 따라서 포인트 지급량이 다름, 포인트 희석을 우려하는 유저들이 많겠지만 기존 10M 분배량보다 적을 가능성이 매우 높다고 합니다. 참여율이 저조한 마켓은 포인트가 배정이 안될 수도 있다고 하네요.
포인트 활용성 확대
추후 포인트로 유동성 공급이 가능하도록 지원할 예정이며 포인트가 미래 에어드랍 보상으로만 연결되는 것이 아닌 실제로 가치를 생산할 수 있는 재화의 개념으로 변경될 예정입니다.
앞으로 악성 유저(거래 없이 허수 주문, 의도적인 볼륨 UP)의 포인트는 계정 정지 또는 포인트 회수로 대응하며 이전 유저 대상으로의 집행은 팀 내에서 고려 중입니다.
혹시 모르니 실베팅 몇번 진행하시는 것을 권장드려용
꽤 많은 내용이 변경되어서 저 또한 혼란스러웠는데 간단하게 포인트 구조는 바뀌지만 인플레이션 걱정 안해도 되고 실제로 베팅하는 실유저를 챙기겠다는 말이네요.
앞으로 참가율이 높은 베팅 탭을 타겟하여 플레이하는게 중요할 것으로 보입니다. 우선 변경되는 내용을 직접 확인해보고 전략에 대해 고민해봐야겠습니당.
#Predictdotfun
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from BHI
ChatGPT 5.4 Pro와 ChatGPT 5.5 Pro를 번갈아가면서 사용하며 느낀 점
1. ChatGPT 5.4 Pro의 사고력 깊이는 ChatGPT 5.5 Pro보다 나음. 기본적으로 사고를 하는 시간의 차이가 (웹기준) 매우 크게 남.
이 뜻은 ChatGPT 5.4 Pro가 긴 시간을 소모해서라도 사고를 깊게, 길게 진행하여 더 나은 결과물을 얻어낸다는 것임.
이 의미는 연구나 문제 해결, 매우 깊은 사고를 요하는 과제를 해결할 때 큰 이점을 가짐. 시간보다 퀄리티를 원하는 사람들은 해당 모델을 주로 이용하면 될듯함.
그리고, 추가적으로 이야기하고 싶은 것들 중 하나는 이전에 글에도 썼듯이, 인터넷을 사용하지말고 스스로 생각해서 해결하라는 프롬프팅이 꽤 유의미할 수 있다고 보임.
'스스로 생각해서 설계하고 구상하여 해결하는 단계'로서는 ChatGPT 5.4 Pro 모델이 적합하다고 보임.
2. ChatGPT 5.5 Pro는 매우 대단한 도구임.
빠르고, 정확하고, 꽤 좋은 결과물을 내놓음.
하지만, 이는 매우 깊은 사고를 요하는 것이 아니라 이미 해결이 될 수 있거나 다양한 방법이 웹에 존재하는, 실제 활용과 적용하여 해결하는 과제에 대한 능력이 대단함.
다양한 도구들을 사용할 수 있고, 웹에서의 정보 접근성도 크게 향상되었음.
ChatGPT 5.4 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우와 ChatGPT 5.5 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우를 비교해보면 될듯함.
5.4 Pro 모델이 접근할 수 있는 정보의 깊이, 폭의 차이가 분명히 존재함.
즉, ChatGPT 5.5 Pro는 정보를 수집하고, 실제 작업적 측면에서 해결해야하는 과제가 있는 경우에는 매우 적합한 도구라고 보임. 꽤나 실전적 모델임. ChatGPT 5.4 Pro 모델은 이에 비해 연구용 모델에 가깝다고 보임.
ChatGPT 5.5 Pro 모델은 더 다양한 도구를 사용할 수 있고, 그 도구의 활용이 꽤 잘 된다고 보임.
또한, 알고리즘 기반 Strategy를 설계하고 구축하는 것과 같은 영역에서는 더 길고 더 깊은 사고를 하는 모델인 ChatGPT 5.4 Pro 모델이 더 나은 면을 보임.
이에반해 ChatGPT 5.5 Pro 모델은 웹에 있는 정보에 의존하여 '활용' 정도를 하는 것으로 보임.
ChatGPT 5.4 Pro의 역할은 - 설계자, 연구자 정도의 역할이고
ChatGPT 5.5 Pro의 역할은 - 정보 수집가, 작업자(빌더)의 역할이라고 이해하면 될듯함.
3. 결론 : 그럼 무슨 모델을 써야하는가?
일단, 꽤나 맥빠지는 소리일 수 있겠지만
1가지 모델을 딱 정해놓고 이걸 써라! 라고 이야기하기엔 애매한 상황임.
그 이유는, 실제 정보의 접근은 ChatGPT 5.5 Pro가 훨씬 나은 상황임.
하지만, ChatGPT 5.5 Pro도 Agents에 비해서는 덜 자유로운 정보 접근도를 보여줌.
정보 수집 : ChatGPT 5.5 Pro + Agents
수집된 정보 기반 설계 및 연구 : ChatGPT 5.4 Pro + ChatGPT 5.5 Pro
설계 구현 및 엔지니어링 : ChatGPT 5.5 Pro
라고 생각하면 될듯함.
Agentic System이나, 프로덕션 레벨, 개인 AI 환경은 당연하겠지만, 위의 하이브리드 형태에 Agents를 결합하거나 Agents 만을 사용하는 것으로 설계해야함.
1. ChatGPT 5.4 Pro의 사고력 깊이는 ChatGPT 5.5 Pro보다 나음. 기본적으로 사고를 하는 시간의 차이가 (웹기준) 매우 크게 남.
이 뜻은 ChatGPT 5.4 Pro가 긴 시간을 소모해서라도 사고를 깊게, 길게 진행하여 더 나은 결과물을 얻어낸다는 것임.
이 의미는 연구나 문제 해결, 매우 깊은 사고를 요하는 과제를 해결할 때 큰 이점을 가짐. 시간보다 퀄리티를 원하는 사람들은 해당 모델을 주로 이용하면 될듯함.
그리고, 추가적으로 이야기하고 싶은 것들 중 하나는 이전에 글에도 썼듯이, 인터넷을 사용하지말고 스스로 생각해서 해결하라는 프롬프팅이 꽤 유의미할 수 있다고 보임.
'스스로 생각해서 설계하고 구상하여 해결하는 단계'로서는 ChatGPT 5.4 Pro 모델이 적합하다고 보임.
2. ChatGPT 5.5 Pro는 매우 대단한 도구임.
빠르고, 정확하고, 꽤 좋은 결과물을 내놓음.
하지만, 이는 매우 깊은 사고를 요하는 것이 아니라 이미 해결이 될 수 있거나 다양한 방법이 웹에 존재하는, 실제 활용과 적용하여 해결하는 과제에 대한 능력이 대단함.
다양한 도구들을 사용할 수 있고, 웹에서의 정보 접근성도 크게 향상되었음.
ChatGPT 5.4 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우와 ChatGPT 5.5 Pro에게 실제 트랜잭션, 컨트랙트 분석을 맡기는 경우를 비교해보면 될듯함.
5.4 Pro 모델이 접근할 수 있는 정보의 깊이, 폭의 차이가 분명히 존재함.
즉, ChatGPT 5.5 Pro는 정보를 수집하고, 실제 작업적 측면에서 해결해야하는 과제가 있는 경우에는 매우 적합한 도구라고 보임. 꽤나 실전적 모델임. ChatGPT 5.4 Pro 모델은 이에 비해 연구용 모델에 가깝다고 보임.
ChatGPT 5.5 Pro 모델은 더 다양한 도구를 사용할 수 있고, 그 도구의 활용이 꽤 잘 된다고 보임.
또한, 알고리즘 기반 Strategy를 설계하고 구축하는 것과 같은 영역에서는 더 길고 더 깊은 사고를 하는 모델인 ChatGPT 5.4 Pro 모델이 더 나은 면을 보임.
이에반해 ChatGPT 5.5 Pro 모델은 웹에 있는 정보에 의존하여 '활용' 정도를 하는 것으로 보임.
ChatGPT 5.4 Pro의 역할은 - 설계자, 연구자 정도의 역할이고
ChatGPT 5.5 Pro의 역할은 - 정보 수집가, 작업자(빌더)의 역할이라고 이해하면 될듯함.
3. 결론 : 그럼 무슨 모델을 써야하는가?
일단, 꽤나 맥빠지는 소리일 수 있겠지만
1가지 모델을 딱 정해놓고 이걸 써라! 라고 이야기하기엔 애매한 상황임.
그 이유는, 실제 정보의 접근은 ChatGPT 5.5 Pro가 훨씬 나은 상황임.
하지만, ChatGPT 5.5 Pro도 Agents에 비해서는 덜 자유로운 정보 접근도를 보여줌.
정보 수집 : ChatGPT 5.5 Pro + Agents
수집된 정보 기반 설계 및 연구 : ChatGPT 5.4 Pro + ChatGPT 5.5 Pro
설계 구현 및 엔지니어링 : ChatGPT 5.5 Pro
라고 생각하면 될듯함.
Agentic System이나, 프로덕션 레벨, 개인 AI 환경은 당연하겠지만, 위의 하이브리드 형태에 Agents를 결합하거나 Agents 만을 사용하는 것으로 설계해야함.
Forwarded from BHI
ChatGPT 모델에 대해서 꽤 빠르게, 잘 정리한 글이니 (아마 대부분의 사람들은 다음 모델이 나오기 전까지 해당 내용을 알아채지 못하겠지만) 이 정보들을 기반으로 작업을 하면 다른 사람들보다 훨씬 나은 작업이 가능할 것이라고 생각함.
제대로 작동 원리와 특성을 이해하고 사용하는 것이 꽤 중요하다고 생각함.
아래 방식이 지금으로써는 최선의 방식이라고 판단하고 있음.
1. Agentic System을 구성하지 않은 경우 [Agents를 단순 인접한 AI, 정보 조사원 혹은 코드 엔지니어로 사용하는 경우]
2. Agentic System을 구성한 경우 [Agents로 이루어진 환경이 내 개인 데이터베이스처럼 작동하고, 더 나은 결과물들을 만들며, 과제 수행의 퀄리티가 높게끔 확립된 경우, 병렬적/분업적 시스템이 잘 작동하며, Agentic System이 작업 과정에서 효율적으로 적용되어서 사용이 가능한 경우]
* 기본적으로 Agents를 굴리는건 지금으로써는 '기본'이라고 생각됨.
Agents가 가질 수 있는 자율성, 자유도는 생각보다 높음.
적어도 내 '개인 비서' 정도로라도 사용할 것.
정보 접근성과 행동을 할 수 있다는 그 지점에서의 이점이 꽤 큼.
가능하다면, 정보 관리, 개인 환경으로 구축할 것.
제대로 작동 원리와 특성을 이해하고 사용하는 것이 꽤 중요하다고 생각함.
아래 방식이 지금으로써는 최선의 방식이라고 판단하고 있음.
1. Agentic System을 구성하지 않은 경우 [Agents를 단순 인접한 AI, 정보 조사원 혹은 코드 엔지니어로 사용하는 경우]
정보 수집 : Agent + ChatGPT 5.5 Pro (정보 수집 및 검증) [데이터 수집은 Agents에게 맡기고, 그 데이터를 판단하는 것은 ChatGPT 5.5 Pro에 맡기는 것도 좋은 구조인듯]
> 수집된 정보 기반 판단 및 설계, 깊은 사고, 연구를 ChatGPT 5.4 Pro와 그 내용을 ChatGPT 5.5 Pro에게 제공하며 병렬적으로, 상호적으로 진행 > 그렇게 나온 결과값을 ChatGPT 5.5 Pro에게 맡겨 실제 구현 > AI Agent 기반 시스템/프로덕션을 구현한 경우 Agent들을 구현하는 과정에서 적절하게 배치(병렬적, 초분업적 구조를 추천)
2. Agentic System을 구성한 경우 [Agents로 이루어진 환경이 내 개인 데이터베이스처럼 작동하고, 더 나은 결과물들을 만들며, 과제 수행의 퀄리티가 높게끔 확립된 경우, 병렬적/분업적 시스템이 잘 작동하며, Agentic System이 작업 과정에서 효율적으로 적용되어서 사용이 가능한 경우]
개인 환경을 구성한 경우에는 Agents들에게 정보들을 찾게하고 (자동/자율/주기적), 사용자가 직접 데이터를 먹이고, 그렇게 구성된 환경 기반으로 정보(원하는 것을 구현하기 위한 방향성, 필요한 니즈, 우리의 환경, 상황 등...)를 Export하여 ChatGPT 5.5 Pro에 제공하여 판정/검증하고, 결정하여서 그것들을 기반으로 ChatGPT 5.4 Pro와 ChatGPT 5.5 Pro가 실제 설계를 함. > ChatGPT 5.5 Pro 와 Agents를 이용하여 실제 구현, Agents를 적절하게 배치.
* 기본적으로 Agents를 굴리는건 지금으로써는 '기본'이라고 생각됨.
Agents가 가질 수 있는 자율성, 자유도는 생각보다 높음.
적어도 내 '개인 비서' 정도로라도 사용할 것.
정보 접근성과 행동을 할 수 있다는 그 지점에서의 이점이 꽤 큼.
가능하다면, 정보 관리, 개인 환경으로 구축할 것.
Forwarded from BHI
정보 수집, 목적성을 가지고 실제 문제를 해결하고, 목적을 달성하는 과정에서 사고가 필요 없다 « ChatGPT 5.5 Pro 사용
정보 수집 단계 « Agents, ChatGPT 5.5 Pro 사용
문제를 해결하고, 목적을 달성하는 과정에서 깊은 사고가 필요하다 « ChatGPT 5.4 Pro + ChatGPT 5.5 Pro 사용
결국, 정보 수집부터 해결까지 '매우 깊은 사고'가 필요한가 여부에 따라서
ChatGPT 5.4 Pro를 사용하는지 여부가 갈린다고 이해하면 될듯.
정보 수집 단계 « Agents, ChatGPT 5.5 Pro 사용
문제를 해결하고, 목적을 달성하는 과정에서 깊은 사고가 필요하다 « ChatGPT 5.4 Pro + ChatGPT 5.5 Pro 사용
결국, 정보 수집부터 해결까지 '매우 깊은 사고'가 필요한가 여부에 따라서
ChatGPT 5.4 Pro를 사용하는지 여부가 갈린다고 이해하면 될듯.
Forwarded from 제이슨상님 Unemployed by Agents
대부분의 예측 시장 거래자들은 손실을 보고 있는 반면, 봇들은 막대한 수익을 올리고 있습니다.
블룸버그가 폴리마켓에서 2025년 초부터 활성화된 모든 지갑을 분석한 결과 10만 개 이상의 계정이 최소 1,000달러 이상의 손실을 입은 것으로 나타났습니다. 이는 최소 1,000달러 이상의 수익을 올린 계정 수의 거의 두 배에 달하는 수치입니다.
듄(Dune)이 거래 기록을 분석한 결과 자동화된 봇으로 추정되는 소수의 사람들이 거머쥔 것으로 나타났습니다.
봇이 결과를 더 잘 예측해서가 아니라, 더 일찍 시장에 진입하여 더 나은 가격에 매수했기 때문에 우수한 성과를 냈다는 사실을 발견했습니다.
봇이 아닌 실제 투자자들은 더 자주 정확한 결과를 예측했지만, 거래 시점이 늦고 가격이 좋지 않았기 때문에 결과적으로 수천만 달러에 달하는 훨씬 더 많은 손실을 입었습니다.
블룸버그가 폴리마켓에서 2025년 초부터 활성화된 모든 지갑을 분석한 결과 10만 개 이상의 계정이 최소 1,000달러 이상의 손실을 입은 것으로 나타났습니다. 이는 최소 1,000달러 이상의 수익을 올린 계정 수의 거의 두 배에 달하는 수치입니다.
듄(Dune)이 거래 기록을 분석한 결과 자동화된 봇으로 추정되는 소수의 사람들이 거머쥔 것으로 나타났습니다.
봇이 결과를 더 잘 예측해서가 아니라, 더 일찍 시장에 진입하여 더 나은 가격에 매수했기 때문에 우수한 성과를 냈다는 사실을 발견했습니다.
봇이 아닌 실제 투자자들은 더 자주 정확한 결과를 예측했지만, 거래 시점이 늦고 가격이 좋지 않았기 때문에 결과적으로 수천만 달러에 달하는 훨씬 더 많은 손실을 입었습니다.
Forwarded from BHI
LLM에게 희귀한 질문을 많이 던지면, 모델 크기를 역추정 할 수 있다?
1. 상식 질문은 별로 의미 없음
유명한 사실은 작은 모델도 맞힐 수 있음.
2. 희귀한 사실일수록 ‘모델 안에 실제로 저장돼 있어야’ 맞힐 수 있음
예: 잘 알려지지 않은 연구자, 작은 기관의 설립연도, obscure한 작품 정보 같은 것. 논문은 이런 질문을 7단계 난이도/Tier로 나눔.
3. 오픈모델 89개로 보정함
파라미터 수가 공개된 모델들에게 같은 질문을 던지고, “희귀 지식 정답률 ↔️ 모델 크기” 관계를 만듦. 논문 주장에 따르면 이 관계가 꽤 강하게 log-linear, 즉 파라미터가 로그 단위로 커질수록 factual capacity가 선형적으로 증가함.
4. 그 보정식을 비공개 모델에 적용함
그래서 GPT-5.5는 약 9.7T, Claude Opus 4.6은 약 5.3T, Gemini 2.5 Pro는 약 1.2T 같은 식으로 “효과적 지식 용량 기준 파라미터 추정치”를 냄.
해당 방식은 실제 내부 파라미터 수를 확인한 것이 아니라, 지식 저장 능력으로 추정한 값임.
T7이 거의 0% [현재 최고 모델들도 가장 희귀한 지식 구간은 거의 못 맞힌다. - 아직 사전학습으로 흡수할 지식 헤드룸이 크다 > 모델이 더 커지거나 더 많이 학습되면 여전히 좋아질 여지가 있다.] 라고 함.
1. 상식 질문은 별로 의미 없음
유명한 사실은 작은 모델도 맞힐 수 있음.
2. 희귀한 사실일수록 ‘모델 안에 실제로 저장돼 있어야’ 맞힐 수 있음
예: 잘 알려지지 않은 연구자, 작은 기관의 설립연도, obscure한 작품 정보 같은 것. 논문은 이런 질문을 7단계 난이도/Tier로 나눔.
3. 오픈모델 89개로 보정함
파라미터 수가 공개된 모델들에게 같은 질문을 던지고, “희귀 지식 정답률 ↔️ 모델 크기” 관계를 만듦. 논문 주장에 따르면 이 관계가 꽤 강하게 log-linear, 즉 파라미터가 로그 단위로 커질수록 factual capacity가 선형적으로 증가함.
4. 그 보정식을 비공개 모델에 적용함
그래서 GPT-5.5는 약 9.7T, Claude Opus 4.6은 약 5.3T, Gemini 2.5 Pro는 약 1.2T 같은 식으로 “효과적 지식 용량 기준 파라미터 추정치”를 냄.
해당 방식은 실제 내부 파라미터 수를 확인한 것이 아니라, 지식 저장 능력으로 추정한 값임.
T7이 거의 0% [현재 최고 모델들도 가장 희귀한 지식 구간은 거의 못 맞힌다. - 아직 사전학습으로 흡수할 지식 헤드룸이 크다 > 모델이 더 커지거나 더 많이 학습되면 여전히 좋아질 여지가 있다.] 라고 함.
Forwarded from 피린이 (피린이)
트위터 KOL들의 실제 온체인 지갑 데이터를 기반으로 정리된 플랫폼입니다.
• 상위 300개 KOL 지갑의 실제 거래 규모 공개
• Solana / EVM 지갑 주소 매핑
• 총 거래량, 체인별 활동 데이터 확인 가능
• 기존(FOMO) 지갑 → 실제(REAL) 지갑 연결 정보 제공
• CSV 다운로드로 직접 분석 가능
https://985monitor.xyz/fomo/
Please open Telegram to view this post
VIEW IN TELEGRAM
[AI 사이클 속에서 유틸리티 토큰의 쓰임새를 다시 생각해보는 이유]
최근 크립토 시장을 보면 내러티브나 밈, 유동성이 가격을 주도하는 경향이 짙습니다. 물론 이런 요소들도 시장을 굴러가게 하는 중요한 축이지만, 결국 시간이 지날수록 시장은 다시 본질적인 질문으로 돌아오기 마련입니다.
“그래서 이 토큰으로 진짜 뭘 할 수 있는데?”
"이 토큰의 장점은 뭔데?"
"이 토큰이 뭐가 다른데?"
흔히 AI 테마가 유행하면 그저 'AI 관련 코인'의 가격 변동에 시선이 쏠리기 쉽습니다. 하지만 저는 조금 다른 각도에서 이 흐름을 보고 있습니다.
AI라는 기술 자체가, 온체인 위에서 무언가를 만들어내는 '생산과 구현의 구조'를 근본적으로 바꿔놓고 있다는 점입니다.
과거를 돌이켜보면 좋은 아이디어가 있어도 그걸 유틸리티 토큰으로 구현해 내는 건 꽤 험난한 길이었습니다. 스마트컨트랙트 설계, 프론트엔드 연결, 보안 검증, 커뮤니티 운영까지 소규모 팀이나 개인이 감당하기엔 장벽이 너무 높았죠. 그래서 기발한 상상력도 기술적 한계나 속도 문제로 중간에 멈추는 경우가 허다했습니다.
하지만 이제는 개인의 상상력이 온체인 구조로 전환되는 속도가 AI를 매개로 비약적으로 빨라지고 있습니다.
AI가 개발의 진입장벽을 크게 낮추고 있기 때문입니다. 예전에는 팀 단위로 달라붙어야 했던 작업들을 이제는 한 명의 개발자가 훨씬 빠르게 시도하고 프로토타입을 만들어낼 수 있는 환경이 되었습니다. 단순히 코딩 시간이 줄어든 것을 넘어, 막연한 아이디어를 실제 작동하는 구조로 번역해 내는 능력 자체가 커진 셈입니다.
이러한 변화는 유틸리티 토큰 생태계에 꽤 흥미로운 구조적 변화를 가져올 수 있다고 생각합니다. 앞으로 주목해 볼 만한 포인트는 크게 세 가지입니다.
마이크로 유틸리티 토큰의 등장: 거창한 생태계를 목표로 하지 않더라도, 특정 니즈만 해결하는 작은 토큰들이 쏟아질 수 있습니다. 특정 AI 에이전트의 데이터 접근권, 소규모 창작자 네트워크의 보상, 게임 내 미니 경제 등 작지만 실제 쓰임새가 있는 실험들이 쉬워집니다.
기존 인프라의 재발견 (EVM의 조합성): 이런 실험이 일어날 때, 백지에서 시작하기보다는 이미 닦여진 길을 활용하려는 수요가 큽니다. 솔라나 같은 체인이 가진 속도와 UX 강점도 분명하지만, '다른 프로토콜과의 결합'이나 '다양한 온체인 기능 조립' 측면에서는 수많은 레고 블록(DeFi 인프라, 오라클, 레퍼런스 등)이 축적된 EVM 생태계가 꽤 유리한 고지를 점할 수 있다고 보고있습니다.
물론 이런 흐름에 대해 신중하게 봐야 할 부분도 있습니다.
코딩이 쉬워진 만큼, 의미 없는 양산형 토큰이나 단기적인 실험들 역시 기하급수적으로 늘어날 것입니다. AI가 프로덕트를 빠르게 만들어줄 순 있어도, '이것이 왜 필요한가'라는 비즈니스의 철학이나 방향성까지 자동으로 보장해 주지는 않으니까요.
결국 다가오는 시기에 더 중요해지는 건 단순한 개발력이 아니라, '상상력'과 '구조 설계 능력'일 것입니다.
개인이 상상한 것을 온체인 경제 메커니즘으로 옮겨보는 비용이 거의 0에 수렴해 가고 있습니다. 크립토 마켓에서 가장 흥미로웠던 순간들은 늘 "이런 기능도 온체인으로 돌아가네?"라는 생각이 들 때였습니다.
단순히 AI 섹션에서 직접적으로 AI와 연관되는 코인이 유망하다는 뜻이 아닙니다. AI를 지렛대 삼아 실제 기능과 구조를 갖춘 창의적인 유틸리티 토큰들이 더 많이, 더 빠르게 시장에서 테스트될 수 있다는 의미입니다. 저는 이 접점에서 우리가 생각하지 못했던 새로운 형태의 기회들이 나타날 수 있다고 보고 있습니다. 누구나 자신의 상상, 창의성을 현실로 옮기고 실현할 수 있는 시대에서 누가 그걸 먼저 옮기느나갸 중요해진 시대가 된 것 같습니다.
최근 크립토 시장을 보면 내러티브나 밈, 유동성이 가격을 주도하는 경향이 짙습니다. 물론 이런 요소들도 시장을 굴러가게 하는 중요한 축이지만, 결국 시간이 지날수록 시장은 다시 본질적인 질문으로 돌아오기 마련입니다.
“그래서 이 토큰으로 진짜 뭘 할 수 있는데?”
"이 토큰의 장점은 뭔데?"
"이 토큰이 뭐가 다른데?"
흔히 AI 테마가 유행하면 그저 'AI 관련 코인'의 가격 변동에 시선이 쏠리기 쉽습니다. 하지만 저는 조금 다른 각도에서 이 흐름을 보고 있습니다.
AI라는 기술 자체가, 온체인 위에서 무언가를 만들어내는 '생산과 구현의 구조'를 근본적으로 바꿔놓고 있다는 점입니다.
과거를 돌이켜보면 좋은 아이디어가 있어도 그걸 유틸리티 토큰으로 구현해 내는 건 꽤 험난한 길이었습니다. 스마트컨트랙트 설계, 프론트엔드 연결, 보안 검증, 커뮤니티 운영까지 소규모 팀이나 개인이 감당하기엔 장벽이 너무 높았죠. 그래서 기발한 상상력도 기술적 한계나 속도 문제로 중간에 멈추는 경우가 허다했습니다.
하지만 이제는 개인의 상상력이 온체인 구조로 전환되는 속도가 AI를 매개로 비약적으로 빨라지고 있습니다.
AI가 개발의 진입장벽을 크게 낮추고 있기 때문입니다. 예전에는 팀 단위로 달라붙어야 했던 작업들을 이제는 한 명의 개발자가 훨씬 빠르게 시도하고 프로토타입을 만들어낼 수 있는 환경이 되었습니다. 단순히 코딩 시간이 줄어든 것을 넘어, 막연한 아이디어를 실제 작동하는 구조로 번역해 내는 능력 자체가 커진 셈입니다.
이러한 변화는 유틸리티 토큰 생태계에 꽤 흥미로운 구조적 변화를 가져올 수 있다고 생각합니다. 앞으로 주목해 볼 만한 포인트는 크게 세 가지입니다.
마이크로 유틸리티 토큰의 등장: 거창한 생태계를 목표로 하지 않더라도, 특정 니즈만 해결하는 작은 토큰들이 쏟아질 수 있습니다. 특정 AI 에이전트의 데이터 접근권, 소규모 창작자 네트워크의 보상, 게임 내 미니 경제 등 작지만 실제 쓰임새가 있는 실험들이 쉬워집니다.
기존 인프라의 재발견 (EVM의 조합성): 이런 실험이 일어날 때, 백지에서 시작하기보다는 이미 닦여진 길을 활용하려는 수요가 큽니다. 솔라나 같은 체인이 가진 속도와 UX 강점도 분명하지만, '다른 프로토콜과의 결합'이나 '다양한 온체인 기능 조립' 측면에서는 수많은 레고 블록(DeFi 인프라, 오라클, 레퍼런스 등)이 축적된 EVM 생태계가 꽤 유리한 고지를 점할 수 있다고 보고있습니다.
물론 이런 흐름에 대해 신중하게 봐야 할 부분도 있습니다.
코딩이 쉬워진 만큼, 의미 없는 양산형 토큰이나 단기적인 실험들 역시 기하급수적으로 늘어날 것입니다. AI가 프로덕트를 빠르게 만들어줄 순 있어도, '이것이 왜 필요한가'라는 비즈니스의 철학이나 방향성까지 자동으로 보장해 주지는 않으니까요.
결국 다가오는 시기에 더 중요해지는 건 단순한 개발력이 아니라, '상상력'과 '구조 설계 능력'일 것입니다.
개인이 상상한 것을 온체인 경제 메커니즘으로 옮겨보는 비용이 거의 0에 수렴해 가고 있습니다. 크립토 마켓에서 가장 흥미로웠던 순간들은 늘 "이런 기능도 온체인으로 돌아가네?"라는 생각이 들 때였습니다.
단순히 AI 섹션에서 직접적으로 AI와 연관되는 코인이 유망하다는 뜻이 아닙니다. AI를 지렛대 삼아 실제 기능과 구조를 갖춘 창의적인 유틸리티 토큰들이 더 많이, 더 빠르게 시장에서 테스트될 수 있다는 의미입니다. 저는 이 접점에서 우리가 생각하지 못했던 새로운 형태의 기회들이 나타날 수 있다고 보고 있습니다. 누구나 자신의 상상, 창의성을 현실로 옮기고 실현할 수 있는 시대에서 누가 그걸 먼저 옮기느나갸 중요해진 시대가 된 것 같습니다.
종명이의 딸깍
uPEG(Unipeg)는 무엇이고 왜 올랐을까? uPEG란? Uniswap v4 Hook + 온체인 생성 예술 • 공식 풀에서 uPEG를 매수/매도(swap) 할 때마다, 그 거래의 tx hash(거래 해시)를 시드로 사용해 24×24 픽셀 SVG 유니콘 이미지를 100% 온체인으로 실시간 생성함 • 보유한 정수 uPEG 1개 = 1장의 독특한 유니콘 (지갑 주소로 조회 가능) • 거래량이 늘수록 이미지들이 더 다양해지고 변화하는 느낌 • ERC…
해당 글을 포워딩한 이유도 AI로 인한 창의력의 구현/현실화라는 측면에서 꽤 재미있게 받아들여졌습니다.
과거 ERC-404라는 섹션에서 에메랄드, 판도라와 같은 (유사한 토큰으로는 YES라는게 존재했죠) 토큰들도 꽤 관심을 받았고, NFT 유동화(Uniswap을 통해 스왑하는 형식)쪽에서도 큰 의미가 있다고 생각을 했으니까요.
그 실험이 성공했다고는 말은 못하겠습니다.
애초에 NFT의 유동화가 의미가 있는지도 잘은 모르겠으나(시장에서 NFT의 유동성 부족이라는 구조가 NFT의 상승과 큰 연관이 있었다고 해석되기도 하니.) 꽤 흥미롭고 적어도 제 생각에는 유의미하다고 생각을 했으니까요.
많은 영역에서 새로운 도전이나 실험들이 많이 나오는 흐름으로 이어지지 않을까 싶습니다.
과거 ERC-404라는 섹션에서 에메랄드, 판도라와 같은 (유사한 토큰으로는 YES라는게 존재했죠) 토큰들도 꽤 관심을 받았고, NFT 유동화(Uniswap을 통해 스왑하는 형식)쪽에서도 큰 의미가 있다고 생각을 했으니까요.
그 실험이 성공했다고는 말은 못하겠습니다.
애초에 NFT의 유동화가 의미가 있는지도 잘은 모르겠으나(시장에서 NFT의 유동성 부족이라는 구조가 NFT의 상승과 큰 연관이 있었다고 해석되기도 하니.) 꽤 흥미롭고 적어도 제 생각에는 유의미하다고 생각을 했으니까요.
많은 영역에서 새로운 도전이나 실험들이 많이 나오는 흐름으로 이어지지 않을까 싶습니다.
테낙스 리서치
해당 글을 포워딩한 이유도 AI로 인한 창의력의 구현/현실화라는 측면에서 꽤 재미있게 받아들여졌습니다. 과거 ERC-404라는 섹션에서 에메랄드, 판도라와 같은 (유사한 토큰으로는 YES라는게 존재했죠) 토큰들도 꽤 관심을 받았고, NFT 유동화(Uniswap을 통해 스왑하는 형식)쪽에서도 큰 의미가 있다고 생각을 했으니까요. 그 실험이 성공했다고는 말은 못하겠습니다. 애초에 NFT의 유동화가 의미가 있는지도 잘은 모르겠으나(시장에서 NFT의 유동성…
그래도 다양한 시도가 있어야. 성공으로 이어진다고 생각합니다. 혁신은 많은 시도와 많은 실패에서 나온다고 생각해요.
그 과정에서 단기적인 수익을 얻을 수도, 장기적으로 유의미한 블루칩을 가지게 될 수도 있다고 생각합니다.
그 과정에서 단기적인 수익을 얻을 수도, 장기적으로 유의미한 블루칩을 가지게 될 수도 있다고 생각합니다.