AI 모델의 **능력(capability)**이 크게 향상된 것은 주로 **추론 비용(inference cost)**이 인간 노동 대비 더 저렴해졌기 때문이 아니라, 모델이 **더 길고 복잡한 작업(longer/harder tasks)**을 처리할 수 있게 되었기 때문이라는 점을 강조합니다.
- 능력 향상(예: METR의 frontier time horizons 기준으로 몇 달마다 배로 증가)은 관찰되지만, 이는 “같은 작업을 더 싸게 하는” 형태가 아닙니다.
- 오히려 추론 비용이 상승하는 경향을 보이는데, 이는 모델이 더 긴/어려운 작업을 수행하기 때문에 발생하는 자연스러운 현상입니다. (더 많은 compute/token을 소모)
- 현재 frontier 모델들은 50% 신뢰도(reliability) horizon에서 인간 비용의 약 3% 수준으로 작업을 수행하며, 이 비용 비율(인간 대비)은 능력 향상에도 크게 변하지 않고 있다는 데이터가 제시됩니다.
핵심 포인트
- 능력 향상 ≠ 비용 절감(affordability improvement)
많은 사람들이 AI 진보를 “더 싸지고 접근하기 쉬워짐"으로 해석하지만, 실제로는 작업 범위/복잡도 확대가 주동력입니다. - 이는 AI가 인간을 대체할 때의 **경제적 함의(economic implications)**를 이해하는 데 중요합니다. 단순히 “가격이 떨어져서” 자동화가 일어나는 게 아니라, 모델이 더 많은 일을 할 수 있게 되면서 비용 구조가 달라집니다.
- 포스트는 METR 등의 벤치마크 데이터를 근거로 이 주장을 뒷받침하며, AI 진보의 본질을 더 정확히 파악해야 한다는 메시지를 전달합니다.
전체적으로, AI 스케일링과 경제성에 대한 흔한 오해를 바로잡는 내용으로, “능력 향상이 비용 하락에서 오는 게 아니다“라는 반직관적인 관점을 제시합니다. (포스트는 최근 게시된 것으로, AI 커뮤니티에서 논의되고 있으며 팟캐스트로도 나왔습니다.)
원문: AI’s Capability Improvements Haven’t Come From It Getting Cheaper