OpenAI, AI 역량 강화 위한 새로운 접근법 공개

풍부한 지능 구축

AI 인프라가 가치 있는 이유는 그 크기 때문이 아닙니다. 그것이 가능하게 하는 것, 즉 더 많은 사람들에게 더 저렴한 비용으로 더 능력 있는 지능을 제공할 수 있기 때문입니다.

이것이 제가 풍요로움을 생각하는 방식입니다. 이는 인공지능이 인류 전체에 혜택을 주도록 보장한다는 우리의 사명과 우리의 비즈니스를 이끄는 경제적 엔진에 모두 내재되어 있습니다.

유용한 지능의 비용이 감소하면 더 많은 작업이 가치 있게 됩니다. 모델이 더 능력 있게 되면 그 작업은 더 많은 가치를 창출합니다. 채택이 증가함에 따라 우리는 다음 세대의 연구와 인프라에 계속 투자할 수 있는 수익, 실제 피드백, 수요에 대한 가시성을 얻게 됩니다.

더 나은 지능은 더 넓은 채택을 촉진합니다. 더 넓은 채택은 더 많은 투자를 지원합니다. 더 많은 투자는 지능과 효율성을 향상시킵니다. 이것이 우리가 구축하고 있는 순환입니다.

풍요의 경제학

우리의 최근 가격 발표는 이 순환이 고객에게 얼마나 빠르게 혜택을 주는지를 보여줍니다. 어제 우리는 GPT‑5.6 Luna의 가격을 80% 인하하고 GPT‑5.6 Terra의 가격을 20% 인하했습니다. Luna는 이제 백만 입력 토큰당 $0.20, 백만 출력 토큰당 $1.20의 비용이 들며, Terra는 각각 $2와 $12의 비용이 듭니다.

GPT‑5.6 Sol의 경우, Fast 모드는 표준 처리 속도의 최대 2.5배의 속도를 두 배의 가격으로 제공합니다. 지능에는 변화가 없습니다.

이것들은 단순히 가격표의 변경이 아닙니다. 이는 실용적인 작업의 범위를 확장하고 고객에게 지능, 속도, 신뢰성 및 비용의 균형을 맞출 수 있는 더 많은 유연성을 제공합니다.

올바른 질문은 어떤 모델이 어떤 작업에 적합한가가 아닙니다. 필요한 결과를 위해 얼마나 많은 지능이 필요한지, 지능이 얼마나 빨리 필요한지, 그리고 그 지능을 달성하는 데 드는 비용이 얼마인지입니다. 이 균형은 동일한 워크플로 내에서 여러 번 변경될 수 있습니다.

고객은 토큰 자체를 구매하지 않습니다. 그들은 지원 문제를 해결하고, 소프트웨어를 배포하고, 계약을 검토하고, 과학적 질문에 답하기를 원합니다. 올바른 측정 기준은 성공적인 결과의 비용이며, 여기에는 도달하기 위해 필요한 시간, 재시도, 감독 및 오류가 포함됩니다.

더 강력한 모델이 작업을 정확하고 효율적으로 완료할 수 있다면, 결국 반복 시도나 광범위한 인간 개입이 필요한 저렴한 모델보다 경제적일 수 있습니다. 반대로, 동일한 품질 기준을 충족하는 저렴한 모델은 접근성을 크게 확장할 수 있습니다. 기회는 적절한 가격에 최대한 유용한 지능을 적용하는 것입니다.

컴퓨팅 단위의 최대 활용

그 가치를 제공하기 위해서는 추가 데이터 센터를 구축하는 것 이상의 것이 필요합니다. 컴퓨팅 단위 하나하나를 더 생산적으로 만드는 것이 필요합니다.

우리의 최근 엔지니어링 작업은 그것이 어떤 모습인지 보여줍니다. 기술 팀과 협력하여 GPT‑5.6 Sol은 우리의 모델을 제공하는 데 사용되는 생산 소프트웨어를 최적화하여 종단 간 제공 비용을 20% 절감했습니다. 또한 추측 디코딩을 개선하여 토큰 생성 효율성을 15% 이상 증가시켰습니다.

효율성은 모델만으로 결정되지 않습니다. 주변 시스템도 중요합니다. 더 나은 라우팅은 하드웨어를 생산적으로 유지합니다. 더 스마트한 컨텍스트 관리는 에이전트가 작업을 반복하지 않도록 합니다. 더 강력한 도구와 제품 설계는 작업을 완료하는 데 필요한 단계 수를 줄입니다.

최근 벤치마크 분석에서는 유지된 추론 및 컨텍스트 관리의 개선이 GPT‑5.6 Sol의 공공 ARC-AGI-3 작업 세트 점수를 13.3%에서 38.3%로 올렸으며, 출력 토큰 사용량은 6배 줄었습니다. 모델은 변경되지 않았습니다. 주변 시스템이 변경되었습니다.

이러한 이득은 복합적으로 작용합니다. 더 능력 있는 모델은 우리 팀이 새로운 효율성을 발견하는 데 도움을 줍니다. 이러한 효율성은 고객에게 서비스를 제공하는 비용을 줄이고 동일한 인프라로 지원할 수 있는 작업을 확장합니다. 이는 차세대 지능을 더 접근 가능하게 만듭니다.

전체 스택의 중요성

인프라, 모델, 플랫폼 및 제품 전반에 걸쳐 구축하는 것의 이점은 단순히 각 계층에 참여하는 것이 아닙니다. 각 계층이 다른 계층을 개선한다는 것입니다.

실제 제품 사용은 고객이 가치를 찾는 곳과 마찰을 겪는 곳을 보여줍니다. 이러한 피드백은 우리의 연구를 형성하는 데 도움이 됩니다. 연구 개선은 우리의 제품을 강화하고 제공 비용을 낮춥니다. ChatGPT, ChatGPT Work, Codex 및 API 전반의 수요는 용량을 추가할 위치에 대한 더 나은 결정을 내리는 데 도움을 줍니다.

그 학습의 규모는 중요합니다. 우리의 모델은 이제 10억 명 이상의 활성 사용자와 200만 개 이상의 기업에 도달합니다. 사람들이 기술에 대한 신뢰를 얻으면서 더 깊이 사용합니다. 가입 후 6개월이 지나면 사람들은 매일 약 50% 더 많은 메시지를 보내고, ChatGPT를 두 배 더 많은 종류의 작업에 사용합니다. ChatGPT Work는 지식 근로자의 의미를 변화시키고, 질문에 답하는 것을 넘어 복잡한 다단계 작업을 완료하는 방향으로 나아가고 있습니다. OpenAI 전반에서 Codex를 통한 에이전트 작업은 이제 주간 출력 토큰의 99.8%를 차지하며, 금융 팀은 에이전트 도구를 작업의 주요 부분으로 만들었습니다.

조직 내에서도 유사한 패턴이 나타납니다. 회사는 한 팀 또는 한 워크플로로 시작할 수 있습니다. 품질과 경제성이 향상됨에 따라 채택이 기능 전반으로 확산되고 AI는 비즈니스 운영의 일부가 됩니다.

이는 수요, 제품 개선, 효율성 및 인프라 계획 간의 귀중한 피드백 루프를 만듭니다. 모든 자산을 소유하거나 모든 구성 요소를 직접 구축할 필요는 없습니다. 고객에게 가장 잘 봉사하고 경제적으로 가장 합리적인 것을 소유, 파트너십 또는 구매할 수 있습니다. 중요한 것은 시스템을 조정하고 그 안에서 학습하는 것입니다.

확신과 규율로 구축

AI 인프라는 필요하기 몇 년 전에 계획되어야 하며, 모델, 제품 및 고객 수요는 훨씬 더 빠르게 진화합니다. 이러한 불일치는 규율을 필수적으로 만듭니다.

우리는 사용자 및 워크로드 성장, 기업 약속, API 소비, 활용도, 수익 및 모델 능력 및 효율성의 진전을 기반으로 투자 결정을 내립니다. 기술적 및 상업적 이정표는 프로젝트가 진행될 시기를 결정하는 데 도움을 줍니다. 장기 파트너십은 대규모로 제공하는 데 필요한 자금, 인프라 및 운영 전문 지식을 결합합니다.

제품 수익, 민간 자본 및 상업적 파트너십은 그 성장을 지원하는 데 서로 다른 역할을 합니다. 목표는 가장 많은 인프라를 구축하는 것이 아닙니다. 올바른 시기에 신뢰할 수 있는 수요에 맞춰 적절한 용량을 배치하는 것입니다.

저에게 중요한 질문은 간단합니다: 새로운 용량이 얼마나 빨리 생산적으로 되는가? 얼마나 효율적으로 사용되는가? 어떤 고객 수요를 지원하는가? 기술적 진보가 유용한 지능을 제공하는 비용을 얼마나 빨리 낮출 수 있는가?

이러한 질문은 장기적인 야망을 운영 규율과 연결합니다.

앞에 놓인 기회

우리는 아직 초기 단계에 있습니다. 더 능력 있는 시스템은 더 긴 프로젝트를 완료하고, 도구 간의 조정을 수행하며, 아이디어와 완성된 결과 사이의 더 많은 작업을 처리할 것입니다. 개인과 소규모 비즈니스는 한때 더 큰 조직에서만 가능했던 능력을 얻게 될 것입니다. 기업은 운영 전반에 걸쳐 지능을 더 넓게 적용할 것입니다.

우리의 목표는 단순히 더 많은 컴퓨팅, 더 큰 모델 또는 더 낮은 토큰 가격이 아닙니다. 그것은 더 유용한 지능을 손에 닿게 하는 것입니다.