정의
프론티어 AI 모델의 릴리스 간격이 약 70일로 수렴하면서, 모델의 내재적 능력(capability)이 실제 사용자의 활용 능력을 초과하는 과잉(capability overhang) 상태가 지속되고, 이 격차를 해소하는 것이 산업의 핵심 경쟁 구도가 되는 현상.
핵심 속성
- 릴리스 주기: 70일 내외로 점점 단축 (Opus 기준: 4→4.1→4.5→4.6→4.7, 평균 70일 간격)
- 수요 편중: 고급 모델(Opus 계열)으로 수요가 집중되며, Sonnet/Haiku 릴리스 간격은 오히려 증가
- 학습 파이프라인: 단일 big model(Mythos 추정)에서 Knowledge Distillation(KD)을 통해 Opus/Sonnet/Haiku 계열로 파생 → on-policy KD 단계에서 teacher 모델이 강하게 관여
- Tokenizer 변화: Opus 4.7에서 tokenizer vocabulary 감소 → 동일 작업에 토큰 1.3~1.4배 증가 (CJK 제외, 영어·코드 중심), 사용자 비용 상승
- Capability Overhang: 모델이 문헌 조사·도구 조합·제로데이 탐지 등 광범위한 지식을 보유하나, 이를 꺼내 쓰는 능력은 인간 사용자에 크게 의존
관계
- 20260603-anthropic-focus-strategy — 상위 전략: Anthropic의 텍스트+코딩 집중이 이 주기를 가능하게 함
- 20260603-managed-agent-brain-hand-decomposition — 실현 도구: Managed Agent가 모델 능력을 안전하게 증폭
- 20260603-knowledge-distillation-pipeline — 하위 프로세스: KD가 모델 계열화의 핵심 기술
- 20260603-attention-business-decision-value — 시사점: 정보 과잉 속에서 의사결정자 가치 상승
인용
“70일 간격으로 모델이 나온다… 새 모델 나오면 한 변화가 있을 거고 기존의 프롬프트들에서 더 잘 작동하는 부분, 안 작동하는 부분, 이거 조정하는 것도 필요하고 해서 계속 일거리가 한 70일마다 생긴다고 봐야 되지 않을까요?”
“지금 일어나는 모든 일들의 본질을 보면 사람의 기여분이 거의 없어요. 대부분 다 모델이 이미 가지고 있을 거라고 추정하는 모델의 과잉 능력, capability overhang이란 말을 많이 하잖아요. 그 능력을 누가 빨리 잘 꺼내 쓰느냐의 지금 싸움”