Frontier AI Models

프런티어 AI 모델은 특정 시점에 존재하는 범용 AI 모델 가운데 가장 뛰어난 역량을 갖춘 모델입니다. 일반적으로 언어, 코딩, 추론, 이미지 이해 전반에서 다른 모든 시스템과 대등하거나 이를 능가하는 대규모 멀티모달 파운데이션 모델입니다. 프런티어는 계속 이동하는 경계입니다. 2년 전에 이 경계를 정의했던 모델도 더 작고 저렴한 후속 모델에 지속해서 밀려납니다. 이 용어는 2023년 정책 분야에 등장했습니다. 그해 11월 AI 안전 정상회의에서 영국 정부는 프런티어 AI를 다양한 작업을 수행할 수 있고 당대 최첨단 모델의 역량과 대등하거나 이를 능가하는 고성능 범용 AI 모델로 정의했습니다. 같은 해 Anthropic, Google, Microsoft, OpenAI가 설립하고 이후 Amazon과 Meta가 합류한 산업 단체인 프런티어 모델 포럼은 최소 1년 동안 널리 배포된 모든 모델보다 뛰어난 범용 모델을 프런티어 모델로 간주합니다.

모델이 프런티어에 도달하는 조건#

프런티어 모델 여부를 결정하는 단일 점수는 없습니다. 프런티어 모델은 해당 세대에서 가장 큰 컴퓨팅 예산을 사용하고 수만 개의 가속기로 학습됩니다. 스케일링 법칙에 따라 역량은 연산량, 데이터, 매개변수 수와 밀접한 상관관계를 보여 왔기 때문입니다. 이러한 모델은 여러 단계에 걸친 도구 사용과 범용성이 낮은 모델이 완료할 수 없는 장시간 실행 AI 에이전트 작업을 비롯해 여러 분야에서 뛰어난 성능을 보입니다. 또한 이전 시스템을 능가하도록 설계한 벤치마크에서 최고 점수를 기록합니다. 여기에는 대학원 수준 과학 문제를 평가하는 GPQA와 전문가가 작성한 문제를 평가하는 Humanity's Last Exam이 포함됩니다.

모델의 역량은 고르지 않습니다. 연구 수준의 수학 문제를 푸는 동일한 모델이 이미지 속 객체를 잘못 세거나 간단한 공간 퍼즐을 풀지 못할 수 있습니다. 이러한 양상은 들쭉날쭉한 지능으로 알려져 있습니다. 따라서 벤치마크에서 앞선다는 사실만으로 특정 작업의 신뢰성을 가늠하기는 어렵습니다.

실제 시스템에서의 프런티어 모델#

최첨단 모델의 역량에는 지연 시간, 가격, 하드웨어 측면의 비용이 따릅니다. 최첨단 모델은 원격 데이터 센터에서 실행되며 응답 하나에 몇 초가 걸리므로, 많은 실시간 및 엣지 AI 워크로드에는 적합하지 않습니다. 따라서 프로덕션 시스템은 개방형 추론을 위한 최첨단 모델과 빠르고 반복적인 작업을 위한 소형 전문 모델을 결합합니다. 이를 복합 AI 시스템이라고 하며, 또는 모델 라우팅을 사용해 각 요청을 처리 가능한 모델 중 가장 저렴한 모델로 보냅니다. 팀은 최첨단 모델을 교사 모델로 활용해 레이블이나 학습 예제를 생성하기도 하며, 지식 증류를 통해 이를 소형 모델로 압축합니다. Ultralytics Platform의 클래스 프롬프트 기반 스마트 어노테이션은 워크스페이스 자체 공급자 키를 사용해 데이터셋 이미지를 OpenAI, Anthropic, Google 등의 공급자가 제공하는 유료 비전 모델에 전송하고, 해당 모델의 탐지 결과를 편집 가능한 박스로 추가합니다. 따라서 최첨단 모델이 객체 탐지 데이터셋에 레이블을 지정하고, 이후 소형 YOLO26 모델이 이 데이터셋으로 학습할 수 있습니다. VLM 리더보드는 GPT-6 Astra, Claude Opus 5.5, Gemini 4 Argon을 비롯한 모델이 실제 탐지 데이터셋에 얼마나 정확하게 레이블을 지정하는지 더 작은 오픈 모델과 비교합니다.

테스트 및 안전 관행#

주요 개발사는 Anthropic의 Responsible Scaling Policy, OpenAI의 Preparedness Framework, Google DeepMind의 Frontier Safety Framework와 같은 안전 프레임워크를 공개합니다. 각 프레임워크는 생물학 무기나 공격적인 사이버 작전에 실질적으로 기여하는 능력, AI 연구를 자동화하는 능력을 비롯해 위험한 역량이 새로운 모델에 있는지 시험하고, 모델이 정해진 기준을 넘으면 안전장치를 추가하거나 출시를 연기하기로 약속합니다. 내부 팀, 외부 전문가, 영국의 AI 보안 연구소와 미국의 AI 표준 및 혁신 센터(CAISI)와 같은 정부 기관이 수행하는 AI 레드팀 테스트를 비롯해 자동화된 평가도 함께 진행합니다. 이 기관들은 종종 출시 전에 프런티어 모델을 평가합니다. 평가자는 모델이 역량 테스트에서 의도적으로 성능을 낮추는 샌드배깅 여부도 조사하며, 개발사는 결과를 모델 카드와 시스템 카드에 보고합니다.

법률에서 프런티어를 정의하는 방법#

역량은 법률에 명시하기 어려우므로 AI 거버넌스 제도에서는 학습 연산량을 대리 지표로 사용합니다. EU AI Act는 학습에 10²⁵을 초과하는 부동소수점 연산을 사용한 경우 범용 AI 모델에 시스템적 위험이 있다고 추정하며, 유럽연합 집행위원회는 역량과 도달 범위를 근거로 해당 기준 미만의 모델도 지정할 수 있습니다. 이러한 모델의 제공자는 적대적 테스트를 포함한 평가를 수행하고, 시스템적 위험을 평가 및 완화하며, 중대한 사고를 보고하고, 모델의 사이버 보안을 보호해야 합니다. 의무는 2025년 8월 2일부터 적용되었으며, 2026년 8월 2일부터 집행위원회는 전 세계 연간 매출액의 3% 또는 1,500만 유로 중 더 큰 금액까지 벌금을 부과해 이를 집행할 수 있습니다.

2026년 1월 1일부터 시행된 캘리포니아의 프런티어 인공지능 투명성법(SB 53)은 후속 미세 조정과 강화 학습을 포함해 10²⁶회를 초과하는 연산으로 학습된 모델을 프런티어 모델로 정의합니다. 연 매출이 5억 달러를 초과하는 대규모 프런티어 개발자는 프런티어 AI 프레임워크를 공개해야 하며, 프런티어 개발자는 중대한 안전 사고를 15일 이내에 주 비상서비스국에 보고해야 합니다. 알고리즘과 하드웨어의 발전으로 더 적은 학습 실행만으로도 이전의 프런티어 역량에 도달할 수 있으므로, 연산량 임계값은 정확성이 떨어지는 지표입니다. 이에 따라 두 법률 모두 정의를 재검토할 수 있도록 규정합니다. 2026년 3월 대규모 프런티어 개발자의 매출 기준 5억 달러를 포함해 SB 53의 정의에 맞춰 개정된 뉴욕의 RAISE Act는 2027년 1월 1일부터 시행되며, 개발자에게 중대한 안전 사고를 72시간 이내에 보고하도록 합니다.