정의
빈티지(Vintage) 이론은 AI 모델이 동일한 knowledge cutoff(데이터 수확 시기)를 공유하는 단위로 진화하며, 같은 빈티지 내에서도 pre-training과 post-training의 개선을 통해 모델 성능이 지속적으로 향상된다는 관점이다. 이는 단순한 데이터셋 차이를 넘어 모델 개발 방식의 패러다임을 설명한다.
핵심 속성
- Knowledge Cutoff 동일성: 같은 빈티지의 모델들은 동일한 기준일의 데이터를 학습함 (예: Gemini 2.5와 3.0 모두 cutoff 2025년 1월).
- 빈티지 내 도약 가능성: Pre-training과 post-training 모두를 개선하여 이전 버전 대비 큰 성능 델타를 만들어낼 수 있음 (예: Gemini 2.5 → 3.0).
- 빈티지 간 전환: 새로운 데이터 수확이 이루어지면 완전히 새로운 빈티지가 생성되며, 이때 knowledge cutoff가 앞당겨짐.
- Post-training의 그린필드: Post-training은 아직 개선 여지가 무궁무진하며, 이번 모델의 발전은 그 부산물임.
관계
- 20260606-engineer-should-become-businessperson — 해당 노트에서 빈티지 이론이 강조하는 빠른 기술 변화와 엔지니어 역할 전환이 연결됨.
- scaling-law — 상위개념: Scaling Law의 지속 가능성을 뒷받침하는 구체적 메커니즘.
인용
“Gemini 3는 pre-training과 post-training 모두를 개선한 것이다. 그러니까 AI scaling law는 끝났다는 대중적인 믿음과는 달리… 2.5에서 3.0 사이의 델타, 그 차이는 지금까지 본 것 중에 가장 크다. 아직 한계가 보이지 않는다. post-training은 완전히 그린필드다.”