분산형 소형 모델 네트워크, 중앙 집중형 AI를 비용과 성능에서 압도하다: 프런티어 AI 경쟁의 종말

Andrew Trask는 중앙 집중식 AI 기업(Fable, Mythos, GPT, Opus)이 영구적으로 능력 선두를 잃었다고 주장합니다. 경로 기반/가중치 앙상블을 사용하면 더 낮은 비용과 더 높은 속도로 단일 프론티어 모델의 정확도를 능가할 수 있습니다.

기사 핵심 발견

• 능력: Humanity's Last Exam에서 차등 프라이버시 방식으로 결합한 프론티어 모델 조합이 50%대 초반을 기록 — 단일 모델보다 높음. 기사에는 GPT와 Opus의 앙상블이 절반 가격으로 Fable/Mythos를 능가하는 차트가 포함되어 있습니다.
• 속도: OpenRouter의 독립적인 속도 평가에 따르면 오픈소스 모델이 더 빠른데, 이는 호스팅 제공업체들이 지연 시간을 두고 경쟁하기 때문입니다.
• 비용: Fable/Mythos 수준의 성능을 얻는 가장 저렴한 방법은 더 이상 해당 모델이 아니라, 오늘 출시된 GPT-5.5 + Opus + Kimi K2.7의 앙상블로, 벤치마크에서 Fable을 능가합니다.

전략

1. 프론티어 AI 모델(예: Fable)을 선택합니다.
2. 다음으로 가장 저렴한 프론티어 모델(예: Opus 또는 GPT-5.5)을 찾습니다.
3. 선도적인 오픈소스 모델(예: Kimi K2.7)과 라우터를 결합하여 앙상블을 구성합니다.
4. 결과: 더 저렴하고 더 강력한 시스템 — 무한히 재귀 가능합니다.

중앙 집중식 AI가 대응할 수 없는 이유: 히드라 효과

Trask는 중앙 집중식 AI를 1960년대 메인프레임에 비유합니다. 인터넷이 메인프레임을 연결한 이후로 네트워크가 항상 더 강력했습니다. 마찬가지로, 어떤 모델 조합이든 앙상블할 수 있게 되면 단일 모델은 따라잡을 수 없습니다. 단일 모델의 개선은 오히려 앙상블을 강화할 뿐입니다.

기사는 분명히 말합니다: "스케일링 법칙/앙상블의 작동 방식 때문에 어떤 단일 프론티어 AI 시스템도 다시는 능력 선두에 오르지 못할 것입니다." 미래는 '네트워크 소스 AI' — 신경망의 네트워크로서, PC+인터넷 시대와 유사할 것이라고 예측합니다.