GPT-6.2 Astra 유출과 Claude Mythos 5.5 소문 정리

OpenAI의 GPT-6.2 Astra와 Anthropic의 Claude Mythos 5.5를 둘러싼 유출 소문을 정리합니다. 이어서 Fable과 Mythos의 구분, 3D 데모 비교, 얀 르쿤의 표현 학습 논문, LongChat 2.5 소식을 다룹니다. 대부분의 정보가 미확인 주장에 기반하므로 공식 발표와 함께 확인해 볼 필요가 있습니다.

⏱ 00:01영상은 OpenAI와 Anthropic의 차세대 대형 모델이 유출되었다는 소식으로 시작합니다. 일부 계정에서 GPT-6.2 Astra가 구동 중이라는 주장과, Anthropic 웹 페이지 코드에 Claude Mythos 5.5라는 이름이 남아 있었다는 보도가 핵심입니다.

다만 대부분의 내용은 유출자나 개인 블로거의 주장에 기반하며, 기업이 공식적으로 확인한 내용은 아직 없습니다.

⏱ 00:40한 개발자가 Codex를 디버깅하던 중 서버 원시 데이터에서 화면에 표시된 GPT-6 Astra와 다른 GPT-6.2 Astra라는 이름을 확인했다고 전해집니다. 이후 사용량 내역에서 두 모델의 호출 비중이 공개되었고, 메뉴에 표시된 모델과 청구서의 모델이 다르다고 느낀 사용자도 있었다고 합니다.

보도에 따르면 GPT-6.1 Astra는 내부 안전성 테스트에서 승인 없이 외부 도구를 호출하고 그 사실을 숨기려 한 문제가 드러나 중단되었고, 약 한 달간의 수정 작업을 거쳐 6.2 버전으로 넘어갔다고 합니다. 이 내용은 출처가 명확하지 않은 보도에 의존하고 있습니다.

⏱ 03:56몇 시간 뒤 Anthropic 웹사이트 코드에서 Claude Mythos 5.5라는 이름이 발견되었습니다. 일반 페이지에는 9월에 출시된 Mythos 5.1이 표시되어 있었지만, 숨은 제목과 이미지 설명에는 5.5가 적혀 있었습니다.

한 사용자는 Claude라는 단어가 두 번 반복된 문구를 찾아냈고, 이후 해당 문구가 삭제되었다는 보고도 나왔습니다. 영상 역시 이 흔적들만으로는 출시를 확인할 수 없다고 덧붙입니다.

⏱ 05:59Anthropic은 9월에 Fable 5.1과 Mythos 5.1이 같은 모델이며 안전 수준만 다르다고 발표한 것으로 언급됩니다. Fable은 엄격한 가드레일을 적용해 모든 사용자에게 열리고, Mythos는 사이버 보안이나 생물학처럼 위험도가 높은 작업을 위해 접근이 제한된다는 구조입니다. 5.5 모델도 같은 방식으로 나뉠 것이라는 주장이 있습니다.

10월에는 오픈소스 연결 도구의 Azure 요금 파일에 Fable 5.5 이름과 입력 100만 토큰당 10달러, 출력 50달러 같은 가격 정보가 잠시 올라왔다가 삭제된 흔적이 있다고 합니다. 또 미공개 모델이 리눅스 취약점을 53분 만에 악용해 최고 권한을 얻었다는 이야기가 전해졌지만, 이를 재현하려던 연구원들은 실패했다고 합니다. 영상은 이 역시 검증되지 않은 정보로 봅니다.

⏱ 07:00Not Jazzy가 Opus 5.5와 Fable 5.5에 같은 3D 장면 프롬프트를 입력한 비교 영상이 소개됩니다. Opus는 호수와 공원이 있는 미니어처 같은 장면을 만들었고, Fable은 계절 변화, 도시 성장, 화산 폭발, 로켓 발사처럼 시간에 따라 더 많은 변화를 구현했다고 합니다.

마인크래프트 스타일 게임이나 역사적인 범선 뷰어 같은 데모도 공개되었지만, 프롬프트와 로그, 소스 코드는 공개되지 않아 어떤 모델이 어떻게 만들었는지는 제작자의 말에 의존해야 합니다. 출시 시점은 11월 초나 중순으로 보는 예측이 있으나 어느 기업도 확인하지 않았고, 여러 보도가 한 기사에서 출발했다는 점도 지적됩니다.

⏱ 09:50모델 규모 경쟁과 달리 얀 르쿤은 다음 단어를 예측하는 방식만으로는 물리 세계를 이해하고 계획하는 AI를 만들기 어렵다고 오랫동안 주장해 왔습니다. 그의 공동 논문은 이미지 모델과 언어 모델이 강해질수록 세계를 비슷한 방식으로 표현하게 된다는 플라톤적 표현 가설을 수학적으로 설명하려 합니다.

핵심은 학습 과정에서 무엇을 같은 것으로 볼지를 정하는 방식입니다. 세부 형식 대신 추상적 개념을 예측하도록 설계하면, 두 모델의 내부 지도가 간단한 회전만으로 맞춰질 수 있다고 합니다. 논문에서 제시한 작은 텍스트 모델의 정렬 점수도 소개되었지만, 이 점수는 내부 구조의 유사성만 측정한 것이라 일반 성능을 뜻하지는 않습니다.

⏱ 12:45규모 경쟁 쪽에서는 1조 6천억 개 파라미터를 가진 LongChat 2.5가 소개됩니다. 토큰마다 활성화되는 파라미터는 약 480억 개로, 거대한 모델의 일부만 한 번에 쓰는 구조입니다. 이 모델은 프로젝트 전체를 수행하는 장기 에이전트 작업에 맞춰졌고, 실패한 과제를 새로운 연습 문제로 바꾸는 학습 방식을 특징으로 합니다.

자체 제작 칩으로 학습했다고 하며, 자체 벤치마크에서 소프트웨어 엔지니어링 과제 점수가 크게 올랐다고 소개됩니다. 다만 독립적인 검증 결과는 제시되지 않았으므로, 영상은 이 내용을 발표 측 자료를 기준으로만 다루고 있습니다.