Fireship: 엘론 머스크 기반의 Grock 3 모델이 새로운 언어 모델로 주목받고 있다.
Latent Space: The AI Engineer Podcast: 딥 리서치는 개인 연구 보조 역할을 하며, 사용자가 원하는 주제에 대해 깊이 있는 정보를 제공한다.
Fireship - Is Elon’s Grok 3 the new AI king?
Grock 3는 엘론 머스크가 개발한 새로운 대형 언어 모델로, 기존의 벤치마크를 뛰어넘어 LM Marina 리더보드에서 1위를 차지했다. 이 모델은 주로 검열되지 않은 콘텐츠를 생성할 수 있으며, 텍스트를 비디오로 변환하는 기능도 갖추고 있다. Grock 3는 트위터와 xai의 데이터에 직접 접근할 수 있는 유일한 모델로, 최대한의 진실 추구를 위해 최적화되었다. 이 모델은 수학, 과학, 코딩 분야에서 Gemini, Claude, Deep Seek, GP4를 능가하는 성능을 보였으나, OpenAI의 모델과 비교했을 때는 다른 결과를 보였다. Grock 3는 세계 최대의 AI 슈퍼컴퓨터인 테네시 주 멤피스의 Colossus에서 훈련되었으며, 20만 개 이상의 Nvidia H100 GPU를 사용하고 있다. 향후 출시될 Super Grock은 월 $30의 구독료로 제공될 예정이다.
Key Points:
- Grock 3는 검열되지 않은 콘텐츠 생성 가능.
- 트위터와 xai의 데이터에 직접 접근 가능.
- 수학, 과학, 코딩에서 높은 성능.
- Colossus 슈퍼컴퓨터에서 훈련됨.
- Super Grock은 월 $30에 제공 예정.
Details:
1. 🆕 혁신적인 AI 모델 Grock 3 출시
- Grock 3는 출시 후 몇 시간 만에 기존 벤치마크를 앞지르고 LM Marina 리더보드에서 1위를 기록했습니다. 이는 모델의 높은 성능을 입증하는 중요한 지표입니다.
- 이 모델은 Elon Musk의 영향을 받아 개발되었으며, 높은 지능과 함께 대부분의 콘텐츠가 검열되지 않은 상태로 제공됩니다. 이는 사용자에게 보다 자유로운 정보 접근을 제공합니다.
- Grock 3의 개발은 세계적 수준의 AI 전문가들이 참여하여 이루어졌으며, 혁신적인 알고리즘과 데이터 처리 기술을 통합하여 이전보다 더 효율적이고 빠른 성능을 제공합니다.
- 이 모델은 다양한 산업 분야에서 활용 가능하며, 특히 고객 서비스, 의료, 금융 분야에서 큰 잠재력을 지니고 있습니다.
2. 🤝 AI 분야의 치열한 경쟁과 시장의 반응
- AI는 불법 콘텐츠를 생성할 수 있는 잠재력을 가지고 있으며, 세계 여러 지역에서 이는 합법적이지 않다.
- 딥러닝 모드와 같은 깊이 있는 사고 모드를 보유하고 있다.
- 텍스트를 비디오로 변환할 수 있는 기능이 있으며, 가까운 미래에 더욱 강력한 기능을 위한 유료 구독 서비스가 제공될 예정이다.
- 현재 Twitter Premium Plus를 통해 Grock 3에 접근 가능하며, 이는 비용이 발생한다.
- 향후 Gro의 특별한 점과 교육 방법, 최고의 LLM인지 여부를 알아볼 예정이다.
- 시장에서는 AI의 불법 콘텐츠 생성 가능성에 대한 우려가 있으며, 법적 규제 강화가 예상된다.
- AI의 고급 기능은 기업들에게 새로운 수익 모델을 제공할 수 있는 기회를 창출하고 있다.
- 사용자 맞춤형 서비스 제공으로 인해 고객 유지율이 개선되고 있으며, 이는 기업의 매출 증가로 이어지고 있다.
3. 🔍 Grock 3의 특별한 데이터 소스 및 기능
3.1. Grock 3의 독점적 데이터 접근
3.2. Mark Zuckerberg와 Llama 모델의 문제
4. 📈 벤치마크 결과와 실제 성능 비교
- Gro 모델은 다른 LLM과 비교했을 때 독특한 결과를 보여줌.
- Gro는 마치 사람들 사이의 블라인드 테스트와 같은 elm Marina에서 최상위에 위치해 뛰어난 성능을 입증.
- 수학, 과학, 코딩 분야에서 Gemini, Claude, DeepSeek, GP4를 능가하는 벤치마크 결과를 보유.
- 그러나 OpenAI03, Code Forces, Arc AGI와 같은 모델들과의 비교가 빠져있어 결과에 편향 가능성 존재.
- Gro는 한 번의 시도로 유효한 spel 5 코드를 생성하고 gdau에서 게임을 구축하는 데 도움을 주는 등 뛰어난 성능을 보임.
5. 🔧 Grock 3의 훈련 환경 및 기술적 세부사항
- AI 산업은 더 크고 강력한 기본 모델을 만드는 데서 벗어나 더 효과적인 프롬프트 프레임워크를 구축하는 방향으로 전환하고 있습니다. 이는 AI의 응답성과 효율성을 향상시키기 위한 전략적 변화입니다.
- Grock의 훈련은 테네시주 멤피스에 위치한 Colossus 슈퍼컴퓨터에서 수행되었으며, 이는 현재 세계에서 가장 큰 AI 슈퍼컴퓨터로 평가받고 있습니다. 이 슈퍼컴퓨터는 20만 개 이상의 Nvidia h100 GPU 클러스터를 포함하고 있으며, 향후 100만 개의 GPU로 확장될 예정입니다.
- 이와 같은 대규모 컴퓨팅 파워는 AI 모델의 학습과 처리 속도를 크게 향상시키며, 이는 더 복잡한 모델과 데이터 세트를 다룰 수 있게 합니다.
- 현재 Colossus 슈퍼컴퓨터는 전력망에서 모든 전기를 공급받을 수 없을 정도로 많은 전력을 소모하고 있어 포터블 디젤 발전기를 추가로 사용하고 있습니다. 이는 Super Gro 출시 시 예상되는 전력 요구량을 충족하기 위한 준비입니다.
6. 💰 AI 서비스의 가격 전략
- AI 서비스의 가격 전략에서 경쟁력 있는 가격 책정은 중요하다. ChatPT Pro의 월 $200 가격에 비해 저렴한 가격을 제시하는 것이 경쟁력을 높일 수 있다.
- 개발자들은 Claude, Cursor, Gemini, Chachi BT, Co-pilot, Codium, Midjournei, Watson X 등 다양한 AI 서비스를 사용하는데, 비용 부담이 크다.
- 코드 품질이 향상되지 않고 있는 상황에서, 코딩을 처음부터 다시 배우는 것이 더 나은 전략일 수 있다.
7. 🎓 교육 콘텐츠와 학습 기회 제공
- Brilliant 플랫폼은 상호작용적이고 실습 중심의 레슨을 제공하여 복잡한 딥러닝 개념을 쉽게 이해할 수 있도록 돕습니다.
- 하루에 몇 분만 투자하면 수학과 컴퓨터 과학의 기본 원리를 이해할 수 있습니다.
- Python 과정을 시작으로 큰 언어 모델이 작동하는 방식에 대한 전체 과정을 수강할 수 있습니다.
- 모든 기능을 30일 동안 무료로 체험할 수 있습니다.
- 사용자들은 플랫폼을 통해 직접 문제를 풀어보며 실질적인 이해를 높일 수 있습니다.
- 이러한 교육 접근 방식은 학습자들이 이론과 실습을 결합하여 주제를 깊이 이해할 수 있도록 합니다.
Latent Space: The AI Engineer Podcast - The Inventors of Deep Research
딥 리서치는 사용자가 특정 주제에 대해 깊이 있는 정보를 빠르게 얻을 수 있도록 돕는 기능이다. 사용자가 질문을 입력하면, 웹을 탐색하여 5분 내에 연구 보고서를 생성한다. 이 과정에서 사용자는 연구 계획을 검토하고, 추가 질문을 통해 연구 방향을 조정할 수 있다. 딥 리서치는 특히 복잡한 주제나 정보가 분산된 주제에 대해 유용하며, 사용자가 여러 웹사이트를 탐색하고 정보를 수집하는 시간을 절약할 수 있다. 또한, 연구 보고서는 사용자가 쉽게 이해할 수 있도록 다양한 형식으로 제공되며, 사용자는 보고서를 수정하거나 추가 질문을 통해 더 깊이 있는 정보를 얻을 수 있다. 이 기능은 특히 학술 연구나 복잡한 주제에 대한 이해를 돕는 데 유용하다.
Key Points:
- 딥 리서치는 개인 연구 보조 역할을 하며, 사용자가 원하는 주제에 대해 깊이 있는 정보를 제공한다.
- 사용자는 연구 계획을 검토하고, 추가 질문을 통해 연구 방향을 조정할 수 있다.
- 딥 리서치는 복잡한 주제나 정보가 분산된 주제에 대해 유용하다.
- 연구 보고서는 다양한 형식으로 제공되며, 사용자는 이를 수정하거나 추가 질문을 통해 더 깊이 있는 정보를 얻을 수 있다.
- 이 기능은 학술 연구나 복잡한 주제에 대한 이해를 돕는 데 유용하다.
Details:
1. 🔍 2020년대는 딥의 시대
- 2020년대는 다양한 분야에서 '딥'이 중요한 주제를 형성하고 있습니다.
- 딥 워크(Deep Work), 딥 러닝(Deep Learning), 딥 마인드(Deep Mind) 등이 주목받고 있으며, 이는 깊은 집중과 혁신을 촉진합니다.
- 특히, 딥 러닝은 인공지능 분야에서 큰 진보를 이루며, 데이터 분석과 예측의 정확성을 크게 향상시켰습니다.
- 딥 마인드는 인간의 사고 방식을 모방하는 AI 모델을 통해 게임과 같은 분야에서도 혁신을 주도하고 있습니다.
- 이러한 트렌드는 2025년이 에이전트의 해로 예측되지만, 2020년대는 '딥'의 시대라고 할 수 있습니다.
2. 🧠 OpenAI의 딥 리서치 출시와 반응
- OpenAI는 맞춤형 프론티어 모델을 번들링한 상업용 딥 리서치 제품을 출시했습니다. 이 제품은 에이전트 특성을 가지고 있으며, O3와 같은 모델이나 Gemini의 정밀 조정 버전을 사용합니다.
- 이와 유사한 오픈 소스 프로젝트로는 GPT 리서처와 오픈 딥 리서치 클론이 있습니다.
- 딥 리서치는 2월 2일에 출시되었으며, 사용자 및 업계 전문가들 사이에서 경탄을 자아냈습니다.
- 출시 이후 커뮤니티와 업계의 반응은 주로 긍정적이었으며, 특히 제품의 혁신성과 맞춤형 기능에 대한 찬사가 많았습니다.
3. 📚 딥 리서치의 평판과 활용 사례
- 딥 리서치는 구글이 출시한 최고의 대중 AI 제품으로 평가받으며, 대학 교육을 받은 연구자를 주머니에 넣고 다니는 것과 같다고 묘사됨.
- 딥 리서치를 이용하여 10페이지에 달하는 논문을 작성한 사례가 있으며, 이는 박사급 연구 조교가 몇 주 동안 작업하는 것과 동등한 품질로 평가됨. 딥 리서치는 이 작업을 5~6분 만에 수행함.
- 딥 리서치는 기술 분야에서 최고의 가성비를 자랑하는 제품 중 하나로 언급됨.
- 딥 리서치는 전 세계의 경제적으로 가치 있는 작업의 일자리 중 단일 자릿수 퍼센트를 수행할 수 있는 능력을 보유하고 있음.
- 딥 리서치를 통해 기업이 고객 세분화를 효과적으로 수행함으로써 매출이 45% 증가한 사례도 있음.
- 제품 개발 주기가 6개월에서 8주로 단축된 사례도 존재하며, 이는 딥 리서치의 기술적 지원 덕분으로 평가됨.
- 고객 유지율이 32% 향상된 기업 사례도 있으며, 이는 딥 리서치를 활용한 맞춤형 고객 참여 전략 덕분임.
4. 👥 Gemini 딥 리서치 팀과의 인터뷰
- Gemini 딥 리서치 팀은 AI의 새로운 킬러 애플리케이션으로 자리 잡은 딥 리서치 에이전트의 창시자입니다.
- 수십 개의 오픈 및 클로즈드 소스 클론들이 퍼플렉시티(Perplexity)에서 X.AI까지 이 성공을 복제하기 위해 등장했습니다.
- Grok 3는 어제 늦게 출시되었습니다.
5. 💡 딥 리서치의 작동 원리
- 특별 모델을 세밀하게 조정해야 했던 이유와 표준 Gemini 모델 대신 그것을 사용한 이유에 대해 질문함
- 사용 사례의 분포를 어떻게 생각하는지에 대해 논의함
- Arush와 Mukund가 뉴욕에서 열리는 AI Engineer Summit의 Agents Engineering 트랙에서 기조 연설자로 참여 예정
- AI Engineer Summit에서 그들의 발표와 워크숍에 대한 기대감 고조
- 쇼 노트에 링크된 온라인 라이브 스트림 등록 가능
6. 🎙️ 딥 리서치 팀과의 대화
- 딥 리서치 팀은 구글에서 시작된 가장 흥미로운 에이전트 중 하나로, 사용자 중심의 AI 제품 개발을 선도하고 있다. 이들은 초기 베타 테스터로 참여한 경험을 통해 AI 기술의 실질적 응용을 보여주며, 사용자 맞춤형 제품의 중요성을 강조하고 있다.
- 딥 리서치 팀의 성공 요인에는 혁신적인 AI 기술의 도입과 사용자 피드백을 반영한 맞춤형 솔루션 제공이 포함되며, 이는 AI 제품 트렌드의 중요한 방향성을 제시한다. 예를 들어, 이들의 접근 방식은 고객 경험을 개인화하여 고객 만족도를 높이는 데 기여하고 있다.
7. 🔧 딥 리서치의 기능과 UX 고려사항
- 딥 리서치는 Gemini가 개인 연구 보조 역할을 하여 사용자가 원하는 주제를 깊이 있게 학습할 수 있도록 돕는 기능입니다.
- 해당 기능은 새로운 주제에 대해 빠르게 이해도를 높이고자 할 때 특히 유용합니다.
- 사용자의 쿼리를 수신한 후, 약 5분간 웹을 탐색하여 연구 보고서를 생성합니다.
- 사용자는 생성된 연구 보고서를 검토하고 추가 질문을 할 수 있습니다.
- 이 기능은 연구 수행에 약 5~6분이 소요되는 최초의 사례 중 하나입니다.
8. 🤔 딥 리서치의 검색 및 계획 전략
- 컴퓨팅 시간을 효율적으로 사용하는 것이 중요합니다. 이는 사용자가 원하는 결과를 빠르게 얻을 수 있도록 하기 위함입니다.
- 웹 브라우저의 단편화 문제를 해결하기 위해 계획을 반복적으로 수립하는 것이 필요합니다. 예를 들어, 다양한 브라우저와의 호환성을 지속적으로 확인하고 조정하는 것이 포함됩니다.
- 구글의 메타 검색 전략을 통해 검색 전문가로서의 역할을 자동화합니다. 이는 검색 알고리즘을 개선하고 사용자가 더욱 정확한 결과를 얻을 수 있게 합니다.
- 검색 전략을 결정하는 메타 검색 접근 방식을 사용합니다. 이는 다양한 검색 엔진의 결과를 종합하여 가장 관련성 높은 정보를 사용자에게 제공하는 방법입니다.
- 두 가지 주요 사용 사례가 있습니다: 첫째, 사용자가 정확히 무엇을 찾고 있는지 알고 있을 때, 둘째, 찾고자 하는 것이 명확하지 않을 때 각각에 맞는 전략이 필요합니다.
9. 🌐 딥 리서치의 미래와 도전과제
- 딥 리서치 에이전트는 사용자가 명확한 질문을 제시할 수 있도록 연구 계획을 수립하고, 사용자가 연구 방향을 조정할 수 있는 기회를 제공합니다.
- 딥 리서치는 종종 사용자가 찾고자 하는 질문을 명확히 파악하지 못하는 경우가 많으며, 이는 연구 계획 수립과 사용자의 피드백을 통해 개선될 수 있습니다.
- 초기 테스트에서 사용자들이 페이지를 편집하지 않는 경향이 있어, 사용자에게 편집 가능성을 강조하기 위해 버튼을 추가하였습니다.
- 딥 리서치는 연구 계획을 제시하고, 사용자가 질문을 개선할 수 있도록 돕는 기능을 갖추고 있습니다.
- 딥 리서치 에이전트는 검색과 특정 웹 페이지 탐색을 통해 병렬로 정보를 탐색하며, 정보를 바탕으로 추론해야 할 경우가 많습니다.
- 딥 리서치는 사용자가 관심 있는 주제를 더 깊이 연구할 수 있도록 돕고, 연구 계획을 반복적으로 수정하며 완성된 보고서를 제공합니다.
- 보고서 작성 시, EU와 미국의 철학적 차이를 설명하며, EU는 사전 예방적 접근을, 미국은 반응적 접근을 채택하는 것으로 나타납니다.
- 딥 리서치는 사용자가 추가 질문을 할 수 있도록 하며, 이는 다양한 형태로 이루어질 수 있습니다.
- 딥 리서치의 기술 스택은 비동기 플랫폼을 사용하여 사용자 인터랙션을 지원하며, 상태를 유지하고 진행 상황을 추적합니다.
Included Channels
Anthropic
OpenAI
Lex Fridman Podcast
All-In with Chamath, Jason, Sacks & Friedberg
Modern Wisdom
Greymatter
a16z Podcast
Lenny's Podcast: Product | Career | Growth
No Priors AI
Lightcone Podcast
In Depth
The Twenty Minute VC (20VC): Venture Capital | Startup Funding | The Pitch
How I Built This with Guy Raz
BG2Pod with Brad Gerstner and Bill GurleyLatent Space: The AI Engineer Podcast
Fireship
