여러분, 좋은 소식이 있습니다. 새로운 DeepSeek AI 시스템이 출시되었습니다. 만세! 그렇다면 이것이 AI 역량 면에서 작은 도약인지 큰 도약일까요? 글쎄요, 이전 버전이 4.1 Flash였고 이번 것이 4.1 Flash 1017이라서 크게 들리지는 않습니다. 이름만 봐도 알 수 있죠. 지난 버전 이후로 약 5주밖에 지나지 않았는데 심지어 버전 번호조차 올리지 않았습니다. 그래서 큰 도약은 아닌 것 같다고 생각했었는데요, 제가 틀렸네요. 세상에. 보세요. 훨씬 더 나은 작동 소프트웨어를 구축하며 컴퓨터를 조작하는 터미널 사용 능력이 매우 뛰어납니다.
그리고 다른 것들에서도 정말 좋습니다. API를 통해 백만 토큰당 1달러가 조금 넘는 비용으로 실행할 수 있습니다. 와우. 하지만 이게 정말 가능할까요? 이것은 Claude Opus 5.5보다 15배나 저렴합니다. 마침내 측정하기에 너무 저렴한 지능이네요. 음, 그건 실제보다 좀 더 나아 들리지만요. 보세요, 우리는 항상 백만 토큰당 달러로 측정하지만, 서로 다른 AI 시스템들은 동일한 작업을 수행하는 데 서로 다른 양의 토큰을 사용합니다. 그리고 DeepSeek은 이 면에서 최고는 아닙니다. 제가 독립적으로 테스트해 본 결과, Claude Opus와 같은 일을 해내는 데 두세 배 더 많은 토큰이 쉽게 필요하다는 것을 확인했습니다.
따라서 우리는 항상 백만 토큰당 비용이 아니라 '작업당 비용(cost per task)'으로 생각해야 합니다. 현재 DeepSeek의 작업당 비용은 여전히 꽤 좋지만, 광고된 것보다는 조금 덜 좋습니다. 자, 이제 가장 좋은 부분입니다. 가중치(weights)를 무료로 다운로드하여 영원히 소유할 수 있다는 것입니다. H가 필요합니다. 메모를 확인해 볼게요. 아, 네, 정확히 하드웨어를 구동하는 데 1달러가 필요하군요. 그래서 저는 집에서 직접 실행할 수는 없습니다. 하지만 그게 요점이 아닙니다. 핵심은 새로운 AI 시스템이 등장하면, 그것과 비슷하지만 크기와 비용 면에서는 훨씬 적은 것을 만들려는 경쟁이 시작된다는 것입니다.
Deepseek은 이러한 방식을 최첨단 모델(frontier models)에 적용하는 반면, 다른 시스템들은 Deep Seek을 더 작고 저렴한 시스템으로 증류(distill)합니다. 따라서 네, 처음에는 수조 달러가 필요할 것이며, 어쩌면 1년도 안 되어 강력한 노트북에서도 구동할 수 있게 될 수도 있습니다. 하지만 잠깐만요, 이 새로운 버전에서는 아키텍처 자체가 전혀 바뀌지 않았습니다. 도대체 어떻게 이렇게 엄청난 성능 향상을 이룰 수 있었을까요? 학자 여러분, 여기는 Dr. Koa와 함께하는 2분짜리 발표입니다. 그럼 이제 어떻게 된 걸까요? 저는 그들이 발표에서 사용한 언어를 살펴보고 다른 실제 연구들과 교차 검증하여 그들이 무엇을 의미했을지 확인해 보았습니다.
물론 보장은 할 수 없습니다. 하지만 여기서 핵심 용어는 '자체 피드백 학습(learning from self feedback)'이라고 생각합니다. 이게 뭔가요? 이건 모두가 이야기하는, 더 많은 훈련 데이터(training data)를 얻어야 한다는 것과는 정반대입니다. 이것이 반대 개념이죠. 이는 AI가 자신의 작업에 대해 비평하고 그로부터 배울 수 있다는 것을 의미합니다. 정말 놀랍습니다. 자, 학자 여러분, 주목해 주시고, 이 AI가 레이싱 게임을 코딩할 수 있다고 상상해 보세요. 그러고는 실제로 플레이하기 시작하며 '잠깐만요, 충돌 감지(collision detection)가 작동하지 않는 것 같아요'라는 것을 알아차립니다.
물체들이 서로를 통과합니다. 음, 이건 좋지 않네요. 이걸 고쳐봅시다. 새 게임을 컴파일하고 계속 플레이하면서 개선합니다. 이제 가속도가 없습니다. 그걸 수정하세요. 그다음은 시각적 디테일이 상당히 떨어집니다. 이것도 수정해야 합니다. 이런 식으로 진행됩니다. 그러니 이 에피소드에서 한 가지를 기억한다면, 그것은 이것이어야 합니다. 우리는 AI 시스템에 더 많은 훈련 데이터를 주어 학습하게 하는 것에 대해 계속 이야기합니다. 하지만 이전 연구들은 우리가 마치 인간처럼 스스로의 경험으로부터 배울 수 있는 상황을 만들 수 있다는 것을 보여주었습니다.
그리고 어쩌면 이것이 우리가 소유하고 사용할 수 있는 실제 제품으로 온라인에 출시될지도 모릅니다. 그것은 믿을 수 없고 매우 구현하기 어려운 일입니다. 왜냐하면 AI가 본질적으로 스스로를 판단하고 보상하기 때문에, 언제 잘하고 있는지 아닌지 알아내기가 항상 쉽지 않기 때문입니다.
최첨단(Frontier) AI 모델들은 놀라운 속도로 발전하고 있으며, 오픈 웨이트(open weights) 대안들이 바로 뒤를 쫓고 있습니다. 그리고 이 모든 발전이 단지 5주 만에 이루어졌습니다. 저는 충격을 받았습니다. 정말 놀랍습니다. 이 분야에 치열한 경쟁이 있다는 것을 보는 것은 기쁩니다. 이는 우리 모두의 학자들에게 엄청난 소식입니다.
우리 모두를 위한 더 많은 지능을, 더 저렴하게. 정말 살기 좋은 시대입니다. 저는 Lambda를 사용하여 AI 연구 논문을 종종 몇 분 만에 재현합니다. 또한 자체 모델을 훈련하거나 기존 모델을 미세 조정(fine-tune)하는 것도 좋습니다. 추론(inference)을 실행하거나 텍스트를 이미지 또는 비디오로 변환할 수 있습니다. 아주 쉽습니다.
Deepseek 챗봇이나 에이전트(agent)를 실행하는 것도 마찬가지입니다. 매우 빠르고, 매우 신뢰할 수 있습니다. Lambda는 자체 실험을 수행할 수 있도록 강력한 Nvidia GPU를 제공합니다. 저는 제가 다루는 논문의 아이디어를 테스트하고 몇 분 후 결과를 얻습니다. 정말 마음에 듭니다. 진심으로, 지금 바로 lambda.ai/papers에서 사용해 보세요.
