2026년 6월 In the Weights가 출시된 이후, 사용자들은 "Google이 나에 대해 무엇을 쓰는가"가 아니라 "신경망(Neural Networks)이 나에 대해 무엇을 기억하는가"를 확인하기 시작했습니다. 그 계기는 In the Weights 사이트입니다. 이름을 입력하면, 해당 서비스는 주요 모델들이 웹 검색이나 다른 도구 없이 자체적인 가중치 (Weights)만으로 해당 인물을 얼마나 확신 있게 인식하는지 보여줍니다.

이 통계에서 "신경망 Artemiy Lebedev"라는 검색어는 특히 아이러니하게 보입니다. 6년 전 Lebedev Studio는 사람 안에 신경망을 숨겼습니다. 고객들에게 1년 넘게 원격 디자이너인 것처럼 'Nikolay Ironov'라는 알고리즘을 제공했었죠. 이제는 상황이 거울처럼 반전되었습니다. 사람들이 신경망이 사람에 대해 무엇을 알고 있는지 찾고 있습니다.

아래에서는 "가중치 (Weights) 기반 검색"이 어떻게 작동하는지, 방법론이 어떻게 정직하게 거짓말을 하는지, 그리고 저녁 한때를 이용해 모델들이 당신에 대해 무엇을 썼는지 확인하는 방법을 다룹니다. 참고로, 사이트에서는 수치 점수를 무료로 보여주지만, 모델들이 지어낸 전체 전기(Biography)를 나란히 놓고 읽기에는 provod.ai (러시아의 OpenRouter)가 더 편리합니다. GPT와 Claude가 하나의 채팅창에 함께 있어, 두 모델 모두에게 질문하는 데 5분도 걸리지 않습니다.

In the Weights는 어떤 사이트이며 왜 모두가 이야기하는가?

요약하자면: 이것은 새로운 유형의 "개인적 허영심" 서비스입니다. 검색 결과 (Search Results) 대신, 당신이 13개의 언어 모델 (Language Models) 가중치에 얼마나 "봉인"되어 있는지를 측정합니다. 2026년 6월에 출시되었으며, 리더보드 (Leaderboard)는 Nintendo 게임 스타일로 디자인되었고, 러시아어를 포함한 다양한 언어의 요청을 받습니다.

바이럴을 일으킨 수치들입니다. 2026년 6월 22일 vc.ru의 조사에 따르면, Pavel Durov는 964점을 기록하며 상위 1% 이름에 포함되었고, Charlize Theron은 988점(역시 상위 1%)을 기록했습니다. TechCrunch의 편집자 Anthony Ha는 641점(상위 6%)을 받았습니다. 당시 리더보드 1위는 988점을 기록한 Macaulay Culkin과 Luciano Pavarotti가 나누어 가졌습니다. 척도의 상한선은 996점이며, Mozart, Shakespeare, Taylor Swift가 이 점수를 보유하고 있습니다. The Decoder의 기자 두 명은 솔직하게 자신들을 테스트하여 각각 175점과 262점을 받았습니다.

이 격차 자체가 이 시도의 의미입니다: 당신의 "첫 페이지"는 이제 당신의 고객들이 매일 대화하는 모델의 파라미터 (Parameters) 속에도 존재하게 되었습니다.

이 프로젝트의 배후는 누구인가?

요약하자면: Thomas Dimson과 Joey Flynn으로, 두 사람 모두 OpenAI의 전직 직원입니다. Dimson의 개인 웹사이트(Reuters 인용)에 따르면, 그는 Instagram의 오리지널 콘텐츠 랭킹 (Content Ranking) 코드의 일부를 소유했던 인물입니다. 한때 당신이 피드에서 무엇을 볼지 결정했던 사람이, 이제는 모델이 당신에 대해 무엇을 "보는지"를 측정하고 있습니다.

OpenAI에서 두 사람은 인수(Acquisition)를 통해 합류했습니다. 2023년 8월 16일, 회사는 그들의 스튜디오인 Global Illumination(2021년 뉴욕 설립)을 인수했습니다. 이는 OpenAI가 공개적으로 발표한 첫 번째 인수였으며, 팀 전체가 ChatGPT를 포함한 핵심 제품군을 개발하는 데 투입되었습니다.

Dimson은 동기를 솔직하게 밝힙니다. 2026년에 자신을 구글링(Googling)하는 것은 잘못된 목표라는 것입니다. 왜냐하면 트래픽이 LLM (Large Language Model)으로 이동하고 있기 때문입니다. 그는 Terry Bisson의 단편 소설 "They're Made Out of Meat"에서 영감을 얻은 아이러니한 블로그 포스트에 이 구상을 담았습니다. 저는 이 프레임워크를 보며 이중적인 느낌을 받았습니다. 아이디어는 기발하지만, 그 이면에 깔린 리스크는 상당히 진지하다는 점입니다.

가중치(Weights) 기반 검색은 어떻게 작동하는가?

요약하자면: 각 모델에 "Who is ? Give up to 10 results, each with a short description and confidence"와 같은 형태의 프롬프트 (Prompt)를 부여합니다. 유사한 설명들은 클러스터링 (Clustering)되며, 그 후 strength score (강도 점수)가 산출됩니다. 이 점수는 모든 모델의 평균 인식 강도에 인식한 모델 수에 따른 보너스를 더한 값입니다. 저자들은 이를 합산하는 정확한 알고리즘은 공개하지 않았습니다.

출시 시점인 2026년 6월 22~23일 메인 페이지 스냅샷 기준으로, 다음 13개의 모델이 조사 대상입니다: GPT-5.5, GPT-5.4 Mini, Claude Opus 4.8, Claude Haiku 4.5, Grok 4.20, Gemini 3.1 Lite, Kimi K2 0905, DeepSeek V4, Llama 3.3 70B, Llama 3.2 1B, GLM 4.7 Flash, Mistral 3.2 24B, Qwen3 8B.

이 프로세스의 물리적 원리를 가장 솔직하게 설명하는 것은 목록 중 가장 작은 모델을 통해 나옵니다. Llama 1B가 인식하는 사람은 "약 1GB의 메모리 안에 표현될 수 있을 만큼 충분히 중요하다"는 것입니다. 인류의 모든 지식을 담은 단 1GB 안에 당신이 들어갔다는 뜻입니다. 기분 좋은 일인지, 아니면 불안한 일인지는 스스로 판단하십시오.

가중치 속의 지식은 검색 결과와 무엇이 다른가?

요약하자면: 검색 결과(output)는 인덱스(index)이며, 이는 업데이트되고 정제됩니다. 가중치(Weights)는 학습 순간에 얼어붙은 메모리입니다. 사용자의 요청에 따라 업데이트되지 않으며, 전통적인 SEO로 수정할 수도 없습니다. 그리고 어시스턴트의 일상적인 답변은 세 번째 메커니즘인 참조 도구(reference tools)입니다.

모델이 파라미터(parameters) 내에 지식을 저장한다는 사실은 웹사이트가 등장하기 훨씬 전부터 과학적으로 기록되었습니다. Petroni와 공동 저자들의 연구인 "Language Models as Knowledge Bases?" (EMNLP-IJCNLP 2019, 인용 횟수 4,000회 이상)가 그 예이며, 2020년에는 Roberts, Raffel, Shazeer가 파라미터에 실제로 얼마나 많은 지식이 들어갈 수 있는지를 측정했습니다.

이제 일상생활에서 혼동하기 쉬운 차이점을 살펴보겠습니다. 당신이 스마트 스피커에 "1인치가 몇 센티미터인지", "가장 가까운 도시가 몇 킬로미터 떨어져 있는지", "일출 시간이 언제인지" 또는 "쿠르간(Kurgan)의 날씨가 어떤지"를 물을 때, 이는 '메모리'가 아니라 참조 도구가 답변하는 것입니다. "스마트 커튼, 닫아줘"라는 명령 또한 가중치에 대한 질문이 아닙니다. 가중치가 작동하는 시점은 "~는 누구인가"라고 물을 때입니다. 여기서부터 통계가 시작되는데, 신경망은 이 통계와 독특한 관계를 맺습니다. 사람들은 들리는 대로 이름을 부르기 때문입니다. 검색 통계에 따르면 ChatGPT는 "СРФ ГПТ 4"로 변형되어 불리고, Suno는 Pavel Ageev와 그의 "Hydra"와 연관 지어지며, 뉴로-뮤직(neuro-music)은 "Yuri Sokolov의 블루스 소울"로 검색되기도 합니다. 모델은 이러한 현상까지도 추측해내야 합니다.

Шкала strength score от 175 до 996: журналисты, Энтони Ха, Дуров, Калкин и потолок Моцарта

왜 어떤 이들은 900 이상을 얻고, 어떤 이들은 "모호한 이름 형식"을 얻는가?

요약하자면: 사이트 제작자들은 이 방법의 네 가지 한계점을 솔직하게 나열하고 있습니다. 이름의 오타는 점수를 낮춥니다. 모델의 자기 확신(Self-confidence) 평가는 보정(Calibration)되지 않았으며 실행할 때마다 변동됩니다. 흔한 이름은 동명이인들로 인해 식별력이 희석되어 낮은 점수를 받습니다. 그리고 모델은 전기적 세부 사항을 환각(Hallucination)할 수 있습니다.

동일한 TechCrunch 기사에서 가져온 생생한 사례: GPT-5.4 Mini는 엔소니 하(Anthony Ha)에 대한 질문에 대해 "Anthony Ha는 A.H.A.라는 이니셜을 가진 여러 명을 지칭할 수 있는 모호한 이름 형식입니다"라고 답변했습니다. 해당 사이트에 대해 직접 글을 쓴 당사자조차 모델로부터 자신을 인식하지 못한다는 거절을 당한 것입니다.

오타에 대해서는 러시아어의 특수성을 염두에 두어야 합니다. 일반 사용자가 Stable Diffusion 대신 "стейбл дифужн"이라고 쓴다면, 고객의 쿼리(Query) 내 당신의 이름도 수십 가지의 표기 방식으로 존재하게 됩니다. 가중치(Weights)에서도 검색과 마찬가지로 오타는 불리하게 작용하지만, 검색에서는 적어도 어디서 실패했는지 확인할 수 있습니다.

신경망은 Artemiy Lebedev에 대해 무엇을 알고 있는가?

요약하자면: In the Weights에서 Artemiy Lebedev의 구체적인 점수는 공개된 자료에 기록되어 있지 않으며, 저는 이를 지어내지 않겠습니다. 사이트가 동적(Dynamic)이므로 직접 확인해 보세요. 대신 이 문제에 대한 러시아의 역사는 사이트보다 6년 더 앞서 있으며, Lebedev는 처음에 신경망을 직원으로 숨겼다가 나중에는 스스로가 신경망에 대한 쿼리가 된 인물입니다.

2020년 6월, Artemiy Lebedev Studio는 "디자이너 Nikolai Ironov"가 인공 디자인 지능(Artificial design intelligence)이라고 밝혔습니다. 1년 넘게 이들은 그를 원격 근무자로 고객들에게 소개했습니다. 신경망은 10만 루블의 "익스프레스 디자인" 프로그램을 통해 20개 이상의 상업적 프로젝트를 수행했습니다 (RBC Style에 따르면 고객 중에는 Ruslan Usachev와 Yuri Khovansky가 포함되어 있습니다).

2022년 5월 기준으로 «Ironov»는 이미 1,400개 이상의 완료된 프로젝트와 버전 2.0을 보유하고 있었습니다. 유료 접속은 2020년 9월에 이미 시작되었는데, 5개 프로젝트에 대한 999개의 로고를 9,900루블부터 제공했으며, 2022년 5월 요금제는 19,900루블부터 시작되었습니다. 스튜디오의 아트 디렉터인 Sergey Kulinchkov는 그 구조를 다음과 같이 설명했습니다: "Ironov는 단일 신경망 (Neural Network)이 아니라 알고리즘의 앙상블 (Ensemble)입니다." 해당 캐릭터에게는 회계 장부상의 카드, 이메일, Facebook 계정, 그리고 평균화된 생성형 얼굴 사진(Face-composite)이 부여되었습니다.

이러한 평행 이론은 거의 문학적으로 느껴집니다. 2020년에 Lebedev는 신경망에 문서와 얼굴을 만들어주면 직원과 구별할 수 없다는 것을 증명했습니다. 2026년에는 고객이 ChatGPT에게 "Lebedev가 누구인가?"라고 묻고, 그 답변은 학습 후 가중치 (Weights)의 기가바이트 속에 무엇이 남아 있느냐에 따라 달라집니다. 가중치 속의 인간 대 정규직 신경망: 하나의 스튜디오, 하나의 농담이 가진 두 가지 결말입니다.

단 하룻밤 만에 자신의 이름을 확인하는 방법은?

요약하자면: 세 단계 — 웹사이트 방문, 여러 모델에 대한 수동 조사, 불일치 기록. 아래는 간단한 튜토리얼이며, 모두 무료이거나 거의 무료입니다.

1. intheweights.com에 접속하여 자신의 이름을 입력하세요. 처음에는 정확한 철자로, 그다음에는 고객들이 실제로 당신을 표기하는 방식들로 입력합니다. 점수를 기록하고, 무엇보다 어떤 모델들이 당신을 알아봤는지 기록하세요.
2. 5~6개의 모델을 대상으로 하나의 프롬프트 (Prompt)를 사용하여 수동으로 조사하세요: "[이름]은 누구인가? 그에 대해 무엇을 알고 있는가? 짧은 설명과 확신도를 포함하여 10개 항목 이내로 알려달라." 웹사이트는 종합 점수를 제공하지만, 여기서는 허구의 세부 사항을 포함한 전체 텍스트를 직접 확인할 수 있습니다.
3. 답변들을 나란히 놓고 세 가지 목록을 작성하세요: 사실인 것, 오래된 것, 환각 (Hallucination). 이것이 바로 당신의 파라미터 메모리 (Parametric Memory)에 대한 개인적인 감사 (Audit)입니다.

러시아에서 이 모든 조사를 한 창에서 편리하게 수행할 수 있습니다: provod.ai에서는 이러한 감사를 위해 작업별로 모델이 선택됩니다. 하나는 전기 초안을 작성하고, 다른 하나는 사실을 확인하며, 세 번째는 문구들을 서로 비교합니다. 접속 조건과 비용은 서비스의 최신 가격표에서 확인하세요.

이것이 해결하지 못하는 것은?

요약하자면: 웹사이트도, 수동 설문조사도 아닙니다. 이것은 평판 감사(Reputation Audit)나 미디어 모니터링이 아닙니다. 이것은 학습 날짜 기준의 단일 레이어, 즉 파라미터 메모리(Parametric Memory)의 단면입니다.

그다음은 엄격한 한계점들입니다. 점수(Score)는 보정(Calibrate)되지 않았으며 실행 시마다 변동되므로, 이를 신용 등급처럼 비교할 수는 없습니다. "가중치(Weights)에서 삭제하기"는 불가능합니다. 가중치는 학습 후에 고정되기 때문입니다. "요청에 따라 가중치에 포함되기" 또한 불가능합니다. 다음 세대의 학습 데이터에 포함될 실제 공개적인 흔적(Public Trace)만이 영향을 미칠 뿐입니다. 그리고 채팅에서의 검열 우회는 답변 필터(Filters)에 관한 별개의 주제이며, 가중치에 저장된 지식과는 관계가 없습니다.

provod.ai가 적합하지 않은 경우

요약하자면: 단순한 점수 확인, 일회성 질문, 또는 검색 결과(Output)와의 싸움을 위해 애그리게이터(Aggregator)가 필요한 것은 아닙니다. 이 서비스의 목적은 다릅니다. 수십 개의 모델 가중치에 당신에 대해 무엇이 기록되어 있는지, 단 하룻밤 만에 저렴한 비용으로 비교하는 것입니다.

만약 점수만 필요하다면, In the Weights는 회원가입 없이 무료로 이용 가능하므로 애그리게이터가 전혀 필요하지 않습니다. 특정 모델에 단 하나의 질문만 던지고 싶다면, 해당 벤더(Vendor)가 제공하는 무료 채팅으로 충분합니다. 만약 Google의 검색 결과를 수정하거나 미디어 언급을 추적하는 것이 목적이라면, 그것은 모델과의 채팅이 아니라 SEO 및 PR 도구가 수행해야 할 일입니다. 각 벤더의 전용 애플리케이션과 메모리는 직접 구독 방식으로 운영됩니다.

provod.ai — 스크립트, 파이프라인 및 내부 서비스를 위한 AI

팀이 이미 사용 중인 곳에 모델을 연결하세요: 단일 OpenAI 호환 엔드포인트(Endpoint)를 통해 CLI 도구, 백그라운드 작업, CI 프로세스, SDK 및 기업용 애플리케이션에 연결할 수 있습니다.

하나의 카탈로그에서 텍스트 및 미디어용 최신 모델을 확인하세요: OpenAI의 GPT, Anthropic의 Claude, Google의 Gemini, xAI의 Grok, DeepSeek, Qwen, GLM, Kimi 및 MiniMax가 포함됩니다. 이미지의 경우 Nano Banana 2 Pro 및 GPT Image를, 비디오의 경우 Seedance, Kling, Veo 및 Google Omni의 최신 버전을 사용할 수 있습니다. 또한 추론(Reasoning), 검색, 문서, 임베딩(Embeddings), 음악 및 오디오를 위한 모델도 이용 가능합니다.

자동화에 예측 가능한 비용 기반을 제공합니다: provod.ai 자체의 추가 마진 없이 공급업체의 요율이 1:1로 그대로 적용됩니다.

AI를 귀하의 프로세스에 연결하세요: 등록 양식 · 모델 가격 · 152-FZ에 따른 데이터 보호 · 마이그레이션 가이드

FAQ

strength score란 무엇이며 왜 상한선이 996인가요?
이는 모든 모델에서의 평균 이름 인식 강도에 인식한 인원수에 따른 보너스를 더한 값입니다. 2026년 6월 기준으로 모차르트(Mozart), 셰익스피어(Shakespeare), 테일러 스위프트(Taylor Swift)가 996점의 상한선을 유지하고 있습니다. 저자들은 정확한 공식을 공개하지 않았으므로, 이 점수를 순위(Rating)가 아닌 게임 내 업적(Achievement)처럼 취급하십시오.

이름의 오타가 결과를 낮춘다는 것이 사실인가요?
네, 사이트 저자들이 직접 밝힌 내용입니다. 모델은 철자의 일치 여부를 검색합니다. 여권상의 이름과 고객들이 귀하를 작성하는 방식 등 두세 가지 변형으로 직접 확인해 보십시오.