많은 이들이 기대하는 ‘비밀 레시피’와 ‘패러다임 전환’은 사실 존재하지 않거나, 이미 공개된 점진적 혁신의 집합일 뿐이다. 프런티어 모델 간의 성능 차이는 놀라운 알고리즘보다는 ‘얼마나 좋은 데이터를 만들고, 안정적인 인프라 위에서 반복적으로 모델을 갈고닦았는가’라는 기본기에 의해 결정된다. 특히 포스트 트레이닝 단계에서 RL을 활용한 제품 감각의 차이가 사용자 경험을 극명하게 갈라놓는다.
근거
김성현은 “기술 한 가지로 말하기 어려운 이유”에서 DeepSeek V4나 GLM 5의 세부 기술보다, RL이라는 큰 틀 안에서의 점진적 개선이 실제 차이를 만든다고 강조했다. 그는 Claude의 캐릭터와 제품 감각이 Amanda Askell 같은 사람들의 constitution 작업과 RL 피드백을 통해 만들어졌다는 점을 지적하며, 이것이 단순한 기술 혁신이 아니라 ‘제품을 대하는 태도’의 문제임을 시사했다.
“제품을 만드는 것은 … 많은 반복을 거치고, 많은 시행착오를 거치고, 그리고 많은 사용을 거치면서 조금씩 조금씩 더 개선해 나가고, 조금씩 조금씩 모델을 더 갈고닦아 나가는 과정들이 굉장히 중요하다고 생각을 하는데, 이런 감각과 태도의 중요성이 굉장히 높아져 있는 것 같습니다.”
연결된 생각
- 20260607-rl-environment-scaling — 기본기의 핵심은 RL 환경을 잘 설계하는 능력
- 20260607-rl-answer-but-scaling-bottleneck — 환경 스케일링의 병목을 극복하는 가장 현실적인 경로가 바로 기본기