정의
AI 연구 커뮤니티에서 관찰되는 현상으로, 기초 모델의 지능(capability)이 특정 작업을 수행하기 위해 인간이 설계한 외부 도구(harness)의 복잡도를 지속적으로 추월하며, 이로 인해 harness가 점차 추상화되고 단순해지는 순환 고리를 의미한다. 이 사이클은 pre-training과 post-training 모두에서 scaling law가 아직 소진되지 않았음을 전제로 한다.
핵심 속성
- Capability Overhang: 모델이 가진 능력이 현존하는 harness의 요구사항을 초과하는 상태. 이 과잉은 harness를 덜어내고 모델에 더 많은 자유도를 부여할 때 더 높은 품질의 산출물이 나온다는 통찰로 이어진다.
- Harness Abstraction: 과거 엔지니어가 수작업으로 코딩하던 로직이 모델 내부에 흡수되어 ‘배경 지식’이 됨. (예: Claude Code의 복잡한 스킬들이 Gemini 3/Antigravity에서는 단순한 프롬프트로 대체)
- Unlearn-Learn 주기: 특정 시점에 효과적이었던 harness를 의식적으로 버리는(unlearn) 행위가 다음 진화를 촉발함. “Harness의 관료주의를 버리고 모델의 자유도를 믿어라”는 이 주기의 실천적 명제이다.
- Scaling Law 지속성: Gemini 3가 pre-training과 post-training 모두에서 도약을 보여준 것은 AI 업계의 ‘scaling law 종말론’이 성급했음을 증명함. 데이터 고갈, 컴퓨팅 한계, 구조적 한계 모두 극복 가능한 문제로 남아 있음.
관계
- 20260607-harness-bureaucracy-to-abundance-mindset — 상위개념/실천적 귀결. Harness 추상화가 풍요 마인드셋(abundance mindset)으로 이어지는 연결점.
- 20260607-problem-holder-solver-time-gap — 연장/응용. Capability overhang은 문제 해결자(solver)의 능력이 문제 보유자(problem holder)의 인식을 빠르게 추월하는 격차를 만든다.
- claude-code-skill-frameworks — 대조. Claude Code의 복잡한 스킬 체계는 이 사이클에서 harness가 추상화되기 전 단계의 과도기적 예시이다.
인용
“Gemini 3는 pre-training과 post-training 모두를 개선한 것이다. AI scaling law는 끝났다는 대중적인 믿음과는 달리 도약이 있었다. post-training은 완전히 그린필드다. 알고리즘적인 진보와 개선의 여지가 엄청나게 많이 남았다.” — Oriol Vinyals (Google DeepMind)
“예전에는 엔지니어들이 harness를 더 강하게 함으로써 이 모델을 갈고닦았다면, 그 harness들이 또 한 번 모델에 그냥 capability overhang으로 들어가 버렸다. 최소한의 가드레일만 치고 모델에게 맡기는 게 산출물이 더 좋아지는 세상으로 가고 있다.” — 노정석 (The Syncretism ep77)
출처
- 📎 클리핑: 20260613-ep77-ko-transcript