정의
2025년 말 Gemini 3의 등장은 프리트레이닝(Pre-training) 스케일링 법칙이 여전히 유효하며, 오히려 이전보다 더 큰 도약이 가능함을 보여주었다. 이는 고품질 데이터 고갈론, 컴퓨팅 파워 한계, 아키텍처 정체 등으로 대표되던 AI 발전 둔화론에 대한 강력한 반증이다.
핵심 속성
- Scaling Law의 지속성: Gemini 3는 2.5에서 3.0 사이의 델타가 지금까지 관측된 것 중 가장 크며, 프리트레이닝과 포스트트레이닝 모두에서 개선이 이루어졌다.
- Vintage 모델: 동일한 Knowledge Cutoff 시점(2025년 1월)에서 2.5와 3.0이 파생되었다는 것은, 동일한 데이터셋을 기반으로 지속적인 알고리즘 개선이 가능함을 의미한다. 포도 수확에 비유되는 이 개념은 프리트레이닝이 단일 데이터셋을 기반으로 여러 세대의 모델을 생산할 수 있음을 시사한다.
- Post-training Greenfield: 프리트레이닝 대비 포스트트레이닝은 완전히 새로운 개척지(Greenfield)로, 알고리즘적 진보의 여지가 무한하다. 모델이 생성한 데이터와 사용자 상호작용 데이터가 다시 프리트레이닝 데이터셋으로 환원되는 선순환 구조를 형성한다.
- 와트(Watt) 기반 척도: GPU 개수나 FLOP 대신 전력 소모량(Watt)이 AI 모델의 지능 척도로 부상. 높은 정보 효율이 에너지로 치환되는 현상을 반영한다.
관계
- 20260603-speed-superintelligence-watt-bottleneck — 연장: 속도와 비용이 결합된 초지능 개념
- 20260607-unlearn-learn-paradigm — 대조: 모델 능력 신뢰와 보조도구 제거의 역설
- 20260606-ai-vintage-theory — 하위개념: 데이터 수확과 Knowledge Cutoff의 관계
인용
“post-training, 그러니까 이거는 pre-training 맥락에서 한계가 보이지 않는다고, post-training은 완전히 그린필드다, 가림막이 없다. 그래서 알고리즘적인 진보와 개선의 여지가 엄청나게 많이 남았다.”