gpt-4.5 종합적 요약

grok3한테 GPQA, AIME 벤치 10~30% 격차정도로 따임. (심지어 AIME 벤치는 grok3 mini한테 밀리는 모습)

에이전트 코딩 벤치도 sonnet 3.7한테 따이고, 몇달전에 출시된 sonnet 3.6이라고 놀림받는 sonnet 3.5(new) 랑 비비는 모습

arc-agi 벤치 또한 sonnet 3.7과 점수는 거의 동일한데 비해 cost per task(가격 대비) 측면에서 압도적으로 뒤떨어짐

가격은.....10~30배 이상 상승

억까없이 담백하게 팩트만 말하자면

1. 기존의 모델 크기(파라미터 수, 층 쌓기)와 컴퓨팅 파워만을 늘리는 스케일 법칙은 더 이상 유효하지 않을 가능성이 굉장히 높다.

2. openai는 더 이상 " 베이스모델 " 에서의 성능 이점을 잡고 있다고 보기 힘들다.

물론 여기서 말하는 베이스모델은 test time compute 추론모델을 제외한 것이며, 추론모델은 아직까지 지표상으로는 o3가 가장 높지만, 이 또한 deepseek r2, grok3 big brain, gemini 2 pro thinking 등 타사 기업의 모델에 추월당할 가능성이 굉장히 높다고 생각한다.

openai는 더욱 분발해야 함.