AI모델의 수학 문제 풀이 점수라고 하는데, 우리나라 모델들의 퍼포먼스가 빅테크 모델 대비 매우 처참하네요. 심지어 딥시크는 빅테크도 아닌데 말이죠...
(수학 문제 구성 : 총 50문제 > 한국 수능 수학 중 난이도 높은 20문제 / 한국 대학 논술 10문제 / 인도 대학 입시 10문제 / 일본 도쿄대 공과대학 대학원 입시 10문제)
게다가 NC는 라마 어쩌구라고 되어있는데, 그러면 독자 모델도 아니고 메타의 오픈소스 모델을 기반으로 튜닝한 것으로 보이구요. 사명에서 soft를 뗀다 만다 하고 있을 때가 아닌 것 같네요.
관련 업종에 있다보니 말씀드리면,
이게 하이퍼 스케일러와는 가용 자원에 큰 차이가 있다 보니..
외부의 모든 벤치마크 경쟁에서 이기기기보다, 모델 효율화에 좀 집중하고 있는 타이밍이긴 합니다
최고의 답을 제공하는 것보다 보편적 AI 제공에 노력하는 편이 있는데요.
대화형 AI는 아예 UI도 빼버리고 포기하고,
웬만해서는 리스크 없이 적절하게 만족도 줄 수 있는 추천만 제공하거나,
아니면 가능한 질의에만 자사 AI 사용하는 식으로요.
국내 소프트웨어는 LLM 스케일업 경쟁으로 다가가기 보다,
"그래도 이 정도는 우리가 AI로 더 잘 할 수 있지 않을까?" 하는 버티컬 패러다임으로 넘어 갔다고 봐야 할 것 같습니다.
사실 기사다보니 어그로성이 조금 있겠다 싶기는 했습니다...ㅎㅎ
"우리는 GPU 엄청 적은데 그래도 이정도는 해!"의 방향으로 생각하는게 현실적으로도, 향후 미래 가능성의 측면에서도 더 좋은 방향이겠군요. 현업의 관점에서 말씀해주셔서 감사드립니다!
견해 공유 감사드립니다!
이건 좀 심각하네요..
규모의 경쟁에서 쉽지 않나 보네요 ㅠㅠ 개인적으로 양자쪽이든 AI쪽이든 반도체 소부장 느낌으로다가 가는게 맞다고 저는 봅니다.
연구원들의 실력문제보다 먼저 생각할게 gpu 갯수가 아닐까싶습니다
그쵸 아무래도ㅎㅎ 위 댓글에서 이야기했듯이 기사이기 때문에 어그로가 다소 있는 것 같습니다. 그 관점에서 보면 업스테이지는 대단한 회사네요. 우리나라에 GPU 좀 더 주십시오 젠슨형님...
