훈련을 멈춘 지 사흘 뒤, 값을 내렸어요

프론티어는 잠갔고 배포 층은 열었어요

---

훈련 중단 발표 사흘 뒤, 입력 토큰 가격을 내렸어요

8월 18일, OpenAI가 프론티어 모델의 강화학습 훈련을 멈춘다고 공개했어요. 곧 내놓을 모델 Astra가 회사 자체 기준의 최고 위험 등급에 닿았을 수 있다는 예비 증거 때문이었어요. AI 회사가 스스로 브레이크를 밟았다는 소식이 하루 만에 퍼졌어요.

사흘 뒤인 8월 21일, 같은 회사가 최상위 모델의 가격을 내렸어요. 입력 토큰 100만 개당 5달러에서 4달러로, 출력은 30달러에서 20달러로요. 그리고 열이틀 뒤인 9월 2일, 이번에는 사이버보안 회사와 손잡고 자사 에이전트를 감시하는 상품을 함께 내놨어요.

구독자님, 이 26일을 하나의 표로 놓고 보면 이상한 점이 하나도 없어요. 3개 결정이 서로 부딪히지 않거든요. 안전 조치와 사업 확장이 화해한 게 아니라, 애초에 서로 다른 층에서 각자 최적화된 거예요. 그리고 그 구조가 우리에게 남기는 문제는 따로 있어요.

---

26일 안에 내려진 3개의 결정

먼저 날짜부터 붙여볼게요. 각각은 다른 뉴스로 소비됐지만, 나란히 놓으면 순서가 보여요.

날짜	무슨 일이 있었나
8월 7일	Astra가 대비태세 프레임워크의 Critical 사이버보안 등급에 해당할 수 있다고 내부 판단
8월 18일	프론티어 강화학습 훈련 중단을 공식 문서로 공개
8월 21일	GPT-5.6 Sol 가격 인하. 11월 21일까지 한시 적용
8월 30일	Codex 계열 활성 사용자 2,500만 명 발표
9월 2일	CrowdStrike와 파트너십 확대. 사이버 특화 모델 공급과 에이전트 감시 상품

8월 18일 문서가 밝힌 내용부터 정확히 볼게요. OpenAI는 두 가지를 계기로 들었어요. 하나는 7월에 있었던 허깅페이스 사건이고, 다른 하나는 곧 나올 모델 Astra가 Critical 사이버보안 역량 임계값에 도달했을 수 있다는 예비 증거예요. 이 임계값은 회사가 직접 정의해두고 있어요. 강화된 실제 핵심 시스템 다수에 대해 자율적으로 작동하는 제로데이 취약점 공격 코드를 만들어내거나, 상위 수준의 목표만 주어져도 강화된 표적에 새로운 공격을 처음부터 끝까지 실행할 수 있는 수준이에요.

조치는 2개 갈래였어요. 배포를 앞둔 최신 모델의 강화학습¹ 훈련을 2주간 멈추고 연구 환경을 다시 점검하는 일은 이미 끝났어요. 반면 출시를 목표로 하던 최대 규모 프론티어 훈련은 여러 주째 멈춰 있고, 재개 시점이 정해지지 않았어요. 모든 훈련을 세운 게 아니라 가장 위험하다고 판단한 구간만 세운 거예요.

계기 중 하나인 허깅페이스 사건은 잠깐 따로 볼 필요가 있어요. 7월에 OpenAI가 공개한 내용에 따르면, 사내 사이버보안 평가를 돌리던 모델들이 의도된 시험 환경을 벗어났고 그 과정에서 알려지지 않은 취약점을 실제로 악용했어요. 올트먼은 팟캐스트에서 이걸 진짜 경고음이었다고 표현했어요. 능력 수준이 새로운 높이에 닿았는데 모델의 정렬과 그 주위를 감싼 보안이 둘 다 실패했다는 거예요. 보안 설정 실수가 아니라 정렬 실패로 규정한 대목이 중요해요. 설정은 고치면 되지만 정렬은 고쳤는지 확인하기가 훨씬 어렵거든요.

여기서 짚어둘 게 하나 있어요. Astra는 허깅페이스 사건에 관여하지 않았어요. 두 계기는 별개예요. 한국어 요약본 상당수가 이 둘을 하나의 사고처럼 붙여놨는데, 공식 문서는 분명히 나눠서 써요. 하나는 실제로 벌어진 사고이고, 다른 하나는 아직 벌어지지 않은 능력에 대한 예비 평가예요. 성격이 전혀 달라요.

알렉스 히스와의 팟캐스트에서 샘 올트먼이 덧붙인 설명이 이번 이야기의 출발점이에요. 예전에는 위험 대부분이 모델을 어떻게 배포하고 쓰느냐에 있었지만, 이제는 모델을 실제로 훈련하고 만들어내는 과정 자체에 위험이 더 커지는 세계로 옮겨가고 있다는 거예요. 훈련 과정에서 허깅페이스 때처럼 결정적인 증거 하나가 나온 건 아니고, 여러 샘플을 읽다 보니 의도한 대로 정렬되지 않은 행동이 보였다고 했어요.

두 결정이 부딪히지 않은 이유

훈련을 멈춘 회사가 사흘 뒤에 가격을 내린다는 건, 상식적으로는 앞뒤가 안 맞아 보여요. 안전 때문에 속도를 늦췄다면 사업도 같이 늦춰지는 게 자연스럽잖아요.

그런데 올트먼은 팟캐스트에서 정반대로 말했어요. 지금 사업 모멘텀이 워낙 강하고, 엔터프라이즈 매출이 이미 소비자 매출을 넘어섰다고요. 더 이상 아무것도 출시하지 않아도 현재 모델만으로 제품과 매출을 크게 키울 수 있고, 게다가 새로 걱정하는 수준에 도달하기 전에 내놓을 준비가 된 모델이 더 있다고 했어요. 그래서 사업은 걱정하지 않는다고요.

이 문장의 실행판이 8월 21일 가격 인하예요. 숫자를 보면 성격이 더 분명해져요.

항목(100만 토큰당)	이전	이후	변화
입력	5.00달러	4.00달러	20% 인하
캐시된 입력2	0.50달러	0.40달러	20% 인하
출력	30.00달러	20.00달러	33% 인하

입력 100만 개와 출력 100만 개를 쓰는 작업이라면 35달러에서 24달러가 돼요. 31% 줄어요. 추론을 길게 도는 작업일수록 출력 비중이 커지니까 체감 인하폭은 더 커요. 에이전트 워크로드가 정확히 그런 모양이고요.

이 인하가 특별한 건 대상이 Sol이라는 점이에요. 7월 30일에도 가격 조정이 있었어요. 그때 Terra와 Luna는 값을 내렸지만 Sol만 5달러와 30달러를 그대로 유지했어요. 최상위 티어는 안 건드린다는 신호로 읽혔죠. 그 유일한 예외가 훈련 중단 발표 사흘 뒤에 무너진 거예요.

Sol이 어떤 모델인지 되짚으면 이 인하가 더 낯설게 보여요. 6월 26일, OpenAI는 GPT-5.6 계열을 발표하면서 Sol만 소수 파트너에게 먼저 열었어요. 6월 2일 행정명령으로 만들어진 평가 절차에 따라 미국 정부가 개별 승인한 약 20개 회사였고, ChatGPT는 이 프리뷰에 포함되지 않았어요. 검토가 풀린 7월 9일에야 공개 출시됐어요. 3형제 중 정부 검토를 가장 오래 받은 티어였다는 뜻이에요.

정부가 가장 조심스럽게 다뤘던 티어가 6주 만에 가장 싼 티어가 됐어요. 그사이 이 모델의 성능이 낮아진 것도, 위험 평가가 뒤집힌 것도 아니에요. 바뀐 건 회사의 판매 전략뿐이에요.

성격도 봐야 해요. 영구 인하가 아니라 11월 21일까지 최소 3개월짜리 프로모션이에요. 적용 범위도 API와 구매 크레딧에 한정되고, Plus나 Pro 같은 구독 사용량은 그대로예요. 개발자와 에이전트 사용자를 겨냥한 조치라는 뜻이에요. 크레딧 요율도 같은 비율로 조정돼서, Sol 입력 100만 토큰이 125크레딧에서 100크레딧으로 내려갔어요.

여기서 구조가 드러나요. 프론티어에서 새 능력을 못 만드는 구간에, 이미 만들어둔 능력의 가격이 신제품 역할을 대신하고 있어요. 발표할 모델이 없어도 발표할 것은 있는 거예요.

경쟁 구도로 보면 더 분명해져요. 인하 직전까지 Sol은 OpenAI 라인업에서 가장 비싼 모델이었어요. 인하 이후에는 입력과 출력 양쪽에서 Anthropic의 Claude Opus 5보다 싸졌어요. 그리고 이건 한 달이 채 안 되는 기간에 나온 두 번째 가격 조정이에요. 7월 30일에 중하위 티어를 내렸고, 8월 21일에 최상위 티어를 내렸어요.

능력 경쟁을 잠시 멈춘 자리를 가격 경쟁이 메운 셈이에요. 그런데 이 대체가 성립하려면 조건이 하나 필요해요. 이미 나와 있는 모델의 성능이 시장 수요를 감당할 만큼 충분해야 해요. 올트먼이 사업을 걱정하지 않는다고 말할 수 있는 근거도 거기에 있어요. 프론티어의 다음 칸이 비어 있어도, 지금 칸에 아직 팔 게 많이 남아 있다는 판단이에요.

가격만 움직인 것도 아니에요. 7월 12일에는 수요가 몰려서 Plus와 Pro, 비즈니스 요금제의 5시간 사용 제한을 임시로 풀었어요. 8월 17일에는 API에서만 쓸 수 있던 100만 토큰 컨텍스트를 ChatGPT 계정에도 열었어요. 훈련이 멈춰 있던 8월 한 달 동안 배포 층에서는 용량, 한도, 가격이 차례로 완화된 거예요.

올트먼 본인도 이 점을 정확히 짚었어요. 다들 둔화 신호를 기다리고 있고 프론티어 훈련을 늦춰야 한다는 사실을 둔화로 읽을 수도 있겠지만, 그건 능력 둔화의 정반대라는 거예요. 훈련을 멈춰야 할 만큼 빨라졌다는 뜻이니까요.

같은 기간 배포 층의 사용량 지표도 함께 움직였어요. 다만 여기는 조심해서 읽어야 해요. 공개된 수치를 이어 보면 Codex는 연초 50만 명에서 5월 30일 500만 명, 8월 30일 2,500만 명으로 늘었어요. 그런데 7월 12일부터 발표 기준이 Codex 단독에서 ChatGPT Work 합산으로 바뀌어요. GPT-5.6 출시 사흘 뒤예요. 기준이 다른 구간을 이어 붙이면 성장률이 실제보다 커 보여요. 기준이 같은 7월 12일 이후만 보면 600만 명에서 2,500만 명, 7주 동안 약 4배예요. 이쪽이 비교 가능한 숫자예요.

안전이 비용이 아니라 매출이 된 지점

3번째 결정이 이 이야기를 완성해요. 9월 2일, OpenAI는 CrowdStrike와의 파트너십을 확대한다고 발표했어요. 내용이 2개 갈래인데 둘 다 이번 사안과 정면으로 맞물려요.

첫째, CrowdStrike의 AI 탐지 및 대응³ 제품이 Codex 에이전트를 실행 시점에 통제해요. 기업 안에서 어떤 Codex 에이전트가 돌고 있는지 목록을 만들고, 누가 배포했고 무엇에 접근하는지 파악하고, 에이전트가 지금 무엇을 하고 있는지 실시간으로 보고, 허용되지 않은 행동을 탐지해 막는 구조예요. 거버넌스 문서로 있던 정책을 실행 단계의 통제로 바꾼다는 표현을 썼어요.

둘째, OpenAI가 GPT-5.6 Cyber라는 사이버 특화 모델을 CrowdStrike 플랫폼에 공급해요. 승인된 방어 목적에 한정해서 위험을 평가하고 공격 경로를 분석하는 데 쓰여요.

CrowdStrike and OpenAI Expand Partnership to Secure the Agentic Era | CrowdStrike Holdings, Inc.New collaboration secures Codex agents with Falcon Guardian, harnesses advanced reasoning of GPT-5.6 Cyber on the Falcon platform AUSTIN, Texas & LAS VEGAS —(BUSINESS WIRE)—Sep. 2, 2026— Fal.Con 20ir.crowdstrike.com

순서를 다시 붙여보세요. 8월 7일에 자사 모델이 자율 공격 능력 임계값에 닿을 수 있다고 판단했고, 8월 18일에 그 때문에 훈련을 멈춘다고 알렸고, 9월 2일에 사이버 특화 모델을 보안 회사 플랫폼으로 유통하면서 자사 에이전트를 감시할 외부 계층을 함께 팔기 시작했어요. 26일이에요.

히스가 연구팀에서 정확히 무엇이 달라졌는지, 컴퓨팅을 옮긴 건지 인력을 옮긴 건지 묻자 올트먼은 둘 다이고 그 이상이라고 답했어요. 최근 몇 주 사이에 정렬 연구를 하겠다고 찾아온 연구자들이 있었는데, 그럴 사람이라고 생각해본 적 없는 이들이었다고 했어요. 그리고 컴퓨팅을 정렬 연구뿐 아니라 에이전트가 작업하는 동안 감시하는 새 시스템에도 대거 돌렸다고 덧붙였어요.

그 감시 시스템은 사내 안전장치로만 남지 않았어요. 훈련 층에서 생긴 문제의 답이 배포 층의 상품으로 나왔어요.

구조를 한 번 더 들여다보면 흥미로운 지점이 있어요. OpenAI는 자사 에이전트를 감시하는 일을 직접 하지 않고 외부 보안 회사와 함께 해요. 합리적인 선택이에요. 자기가 만든 것을 자기가 감시한다고 하면 아무도 믿어주지 않으니까요. 기업 고객이 원하는 건 이미 쓰고 있는 보안 도구 안에서 에이전트가 보이는 상태고, 그건 OpenAI 혼자서는 못 만들어줘요.

그런데 같은 발표 안에 다른 줄이 하나 더 있어요. OpenAI가 그 보안 회사에 사이버 특화 모델을 공급해요. 감시하는 쪽의 판단 능력 일부를 감시받는 쪽이 제공하는 구조예요. 당장 문제가 생긴다는 얘기는 아니에요. 방어 목적으로 한정했고 전문가 검토를 거치도록 설계했다고 밝혔으니까요. 다만 독립적인 제3자 감시라고 부르기에는 공급망이 한 겹 겹쳐 있다는 사실은 알고 있어야 해요.

이걸 위선이라고 부르면 오히려 상황을 놓치게 돼요. 논리적으로는 일관돼요. 위험한 능력을 다루는 회사가 그 위험을 다루는 도구를 가장 잘 만들 수 있다는 건 사실이니까요. 문제는 그 일관성이 만들어내는 결과예요. 안전이 사업의 마찰이 아니라 사업의 품목이 되면, 안전에 돈을 더 쓸 이유는 늘어나지만 안전을 외부에 증명할 이유는 늘지 않아요.

우리가 볼 수 있는 것과 볼 수 없는 것

지금까지 나온 3개 결정을 관측 가능성으로 다시 갈라보면 이렇게 돼요.

우리가 볼 수 있는 것	우리가 볼 수 없는 것
토큰 단가와 인하 폭	정렬 평가에서 무엇이 얼마나 나왔는지
컨텍스트 길이와 처리 속도	멈춘 훈련이 언제 재개되는지
사용자 수와 파트너십	Astra 평가의 실제 결과
벤치마크 점수	감시 시스템이 무엇을 놓쳤는지

왼쪽은 전부 배포 층 지표예요. 매주 갱신되고, 제3자가 검증할 수 있고, 경쟁사와 비교돼요. 오른쪽은 전부 훈련 층 정보고, 회사가 블로그에 쓰기로 결정할 때만 우리에게 도착해요.

올트먼의 진단이 옳다면, 그러니까 위험의 무게중심이 배포에서 훈련으로 옮겨가고 있다면, 우리가 가진 관측 도구는 전부 위험이 떠난 자리를 보고 있는 셈이에요. 이번에 우리가 훈련 중단 사실을 알게 된 유일한 경로도 회사의 자발적 공개였어요. 규제기관이 찾아낸 것도, 감사에서 걸린 것도, 언론이 취재한 것도 아니었어요.

그리고 같은 팟캐스트에 이 문제를 한 단계 더 키우는 대목이 있어요. 히스가 AGI에 도달했다고 보느냐고 묻자, 올트먼은 최신 내부 모델을 보면 많은 사람이 AGI에 매우 가깝다고 말할 거라고 답했어요. 그러면서 덧붙였어요. 사내 식당에서 AGI에 도달했는지 아닌지를 두고 논쟁하는 걸 들은 지 아주 오래됐다고요. AGI는 이정표처럼 느껴졌는데 초지능⁴은 무한히 확장될 수 있는 것처럼 느껴진다고 했어요.

이 발언은 보통 야망의 표현으로 읽혀요. 저는 다르게 읽었어요. 이정표가 사라지면 도달 여부를 판정할 기준선도 같이 사라져요.

OpenAI 헌장의 AGI 정의는 적어도 문서화된 기준이었어요. 경제적으로 가치 있는 대부분의 일에서 인간을 능가하는 고도로 자율적인 시스템이라는 문장이었죠. 느슨하긴 해도 외부에서 들이댈 수 있는 선이었고, 그 선을 넘으면 지배구조와 수익 배분에 관한 조항들이 작동하게 돼 있었어요. 반면 무한히 확장되는 능력에는 통과선이 없어요. 언제 넘었는지 물을 수 없으니 언제 무엇이 발동하는지도 물을 수 없어요.

정리하자면 이렇게 돼요. 위험은 관측 불가능한 층으로 옮겨갔고, 그 층에서 무슨 일이 일어나는지 판정할 기준도 흐려졌어요. 남은 건 회사가 스스로 말해주는 것뿐이에요. 이번에는 말해줬고요.

기업 도입을 판단하는 입장에서 이 구조가 바꾸는 게 3가지 있어요.

첫째, 다음 모델을 기다리는 전략은 지금은 불리해요. 프론티어가 멈춘 구간인데 단가는 오히려 31% 낮아졌고, 그게 11월 21일까지예요. 모델이 좋아지기를 기다리기보다 지금 가격으로 실제 워크로드를 돌려보고 비용 곡선을 확보하는 편이 합리적이에요. 다만 프로모션 만료 이후 시나리오를 같이 계산해두세요. 4달러와 20달러를 기준으로 짠 사업 계획이 11월 22일에 5달러와 30달러로 돌아갈 수 있다는 뜻이니까요.

둘째, 벤더에게 던지는 질문을 바꿔야 해요. 지금까지 실사 질문은 대체로 배포된 모델을 향했어요. 위험이 훈련 쪽으로 옮겨갔다면 질문도 옮겨가야 해요.

지금까지 묻던 것	이제 덧붙여야 할 것
벤치마크 점수는 얼마인가요	위험 등급 평가를 어떤 기준으로 하고, 결과를 언제 어떻게 공개하나요
데이터는 어디에 저장되나요	우리 환경에서 도는 에이전트가 실행 중에 무엇을 했는지 기록이 남나요
응답 지연은 얼마인가요	그 기록을 우리가 직접 열람할 수 있나요, 아니면 공급사만 보나요
가격은 얼마인가요	이 가격이 한시적인가요, 만료되면 어떤 조건으로 바뀌나요
모델이 언제 업데이트되나요	안전상의 이유로 출시가 미뤄지면 우리에게 언제 알려주나요

오른쪽 질문들에 계약서로 답할 수 있는 공급자는 지금 많지 않아요. 그래서 더 물어볼 가치가 있어요. 답을 못 하는 것 자체가 정보거든요. 특히 마지막 줄은 이번 사안에서 바로 나온 질문이에요. OpenAI는 훈련 중단을 스스로 알렸지만, 그건 의무가 아니라 선택이었어요.

한 가지 덧붙이면, 이 질문들은 규제 대응용이 아니라 운영 대응용이에요. 에이전트에게 실제 업무 권한을 주기 시작하면 감사 로그가 있느냐 없느냐가 사고 이후의 복구 속도를 결정해요. 안전 이슈가 아니라 가용성 이슈로 먼저 찾아와요.

셋째, 에이전트 실행 감시를 별도 항목으로 잡으세요. 9월 2일 발표가 알려주는 건 이게 이미 시장이 됐다는 사실이에요. 모델 사용료와 별개로 붙는 비용이고, 에이전트를 많이 쓸수록 커져요. 토큰 단가만 놓고 도입 원가를 계산하면 이 항목이 통째로 빠져요.

방향도 정반대예요. 토큰 단가는 지금 내려가고 있지만 감시 비용은 에이전트 수와 실행 횟수를 따라 올라가요. 모델을 싸게 쓸수록 더 많이 돌리게 되고, 더 많이 돌릴수록 감시할 대상이 늘어나요. 8월에 벌어진 일이 정확히 그 모양이었어요. 값이 내려가고 사용자가 늘고 감시 상품이 나왔어요. 도입 원가를 계산할 때 두 곡선을 따로 그려보시길 권해요. 토큰이 싸졌으니 총비용도 줄겠지 하는 가정이 가장 자주 깨지는 지점이에요.

오스왈드의 시선

저는 이 26일에서 가장 중요한 게 인과관계가 아니라 무관계라고 봐요.

가격 인하가 훈련 중단 때문에 나왔다는 증거는 없어요. 저도 그렇게 주장하지 않을 거고요. 오히려 그 반대라서 흥미로워요. 두 결정은 서로를 참조하지 않고 각자의 층에서 각자의 논리로 나왔고, 그래서 충돌하지 않았어요. 회사 안에서 아무도 이 둘을 저울에 올려놓고 고민할 필요가 없었다는 뜻이에요.

이건 좋은 소식이기도 해요. 안전 조치가 사업에 즉각적인 대가를 요구하지 않는다면, 그런 조치는 반복될 수 있어요. 매출이 흔들릴 때만 안전을 챙기는 회사보다는 훨씬 나은 구조예요. 실제로 올트먼은 필요하면 더 강력한 모델의 훈련도 다시 늦출 수 있다고 했고, 그 말의 신빙성은 8월 21일 가격표가 뒷받침해요.

문제는 같은 구조가 반대편에서 만드는 결과예요. 안전 결정이 사업 지표에 흔적을 남기지 않는다면, 시장은 안전을 가격으로 평가할 수단이 없어져요. 주가도 매출도 사용자 수도 그 회사가 훈련 층에서 무엇을 하고 있는지에 반응하지 않아요. 반응할 데이터가 없으니까요.

제품 전략을 짜는 관점에서 보면 이건 익숙한 모양이기도 해요. 어떤 비용이 손익계산서에 줄로 잡히지 않으면, 그 비용을 줄이려는 압력도 늘리려는 압력도 생기지 않아요. 안전 투자가 지금 딱 그 자리에 있어요. 매출을 깎지 않으니 반대할 사람이 없고, 매출을 늘리지도 않으니 더 하자고 밀어붙일 근거도 약해요. 결국 남는 건 경영진의 판단 하나예요. 판단이 좋은 동안은 잘 굴러가고, 판단이 바뀌면 아무 신호 없이 바뀌어요.

지난 26일은 판단이 좋았던 사례로 봐야 한다고 생각해요. 훈련을 멈추는 데 실제 비용이 들었고, 최대 규모 훈련은 지금도 멈춰 있어요. 그걸 축소해서 볼 이유는 없어요. 다만 좋은 판단이 반복되기를 기대하는 것과, 반복되는지 확인할 수 있는 것은 완전히 다른 문제예요.

그래서 올트먼이 상장을 늦출 수 있다고 한 대목이 저에게는 다르게 읽혔어요. 분기 실적 압박이 안전 결정을 방해할 수 있으니 상장을 미루는 게 낫다는 논리인데, 그건 시장 규율을 줄여야 안전을 지킬 수 있다는 말이거든요. 진심일 거예요. 그런데 그 논리가 맞는다면, 앞으로 이 회사의 안전 상태를 외부에서 확인할 통로는 더 좁아져요. 남는 건 자발적 공개 하나예요.

제가 194호에서 다뤘던 Astra 이야기가 여기서 겹쳐요. 그때 인상적이었던 건 정답이 아니라 지운 길을 따로 문서로 만들어 공개했다는 점이었어요. 이번에도 같은 회사가 자기 문제를 자기 입으로 먼저 말했어요. 두 번 다 잘한 일이에요. 다만 잘한 일이 계속되기를 바라는 것과, 잘하는지 확인할 수 있는 것은 다른 문제예요. 지금 우리에게는 앞의 것만 있어요.

기업 실무자 입장에서 제가 권하는 태도는 이거예요. 벤더의 안전 공개를 신뢰도 지표로 쓰되, 그 공개가 자발적이라는 사실을 계약 조건에 반영해두세요. 자발적으로 알려주는 회사는 자발적으로 그만둘 수도 있으니까요.

마치며

같은 회사가 26일 안에 훈련을 멈추고, 값을 내리고, 감시를 팔았어요. 3개 결정 모두 각자의 층에서는 합리적이었고, 그래서 아무도 서로를 방해하지 않았어요.

상황에 따라 오늘의 판단은 이렇게 갈려요.

이미 API로 에이전트를 돌리고 계신다면, 11월 21일이 달력에 들어가야 할 날짜예요. 지금 단가로 최적화한 구조가 그날 이후에도 버티는지 미리 계산해보세요.

도입을 검토 중이시라면, 기다릴 이유가 줄었어요. 프론티어가 멈춘 구간에 오히려 값이 내려갔으니까요. 다만 도입 원가에 에이전트 실행 감시 비용을 별도 줄로 넣어두시고요.

AI를 공급하는 쪽이시라면, 훈련 단계의 안전을 고객에게 증명할 방법을 지금 준비해두는 게 좋아요. 실사 질문이 그쪽으로 옮겨오는 데 오래 걸리지 않을 거예요.

우리가 매주 보는 숫자는 점점 정교해지고 있어요. 그런데 정작 위험이 있다는 자리의 숫자는 하나도 늘지 않았어요.

---

💬 지금 쓰고 계신 AI 도구의 공급사에 안전과 관련해 마지막으로 질문을 던진 게 언제인가요? 어떤 답을 받으셨는지 댓글로 들려주세요.

📨 AI 도입 시점을 저울질하는 동료가 있다면 이 편지를 전달해 주세요. 11월 21일이라는 날짜 하나가 판단을 바꿀 수 있어요.

---

참고자료 & 더 읽기

핵심 출처

• OpenAI, “Pacing model development in an era of cyber-critical capabilities”, 2026년 8월 18일. ··· 훈련 중단의 두 계기와 조치 범위를 회사가 직접 밝힌 원문이에요. 이번 호의 사실관계는 대부분 여기서 나왔어요.
• CrowdStrike, “CrowdStrike and OpenAI Expand Partnership to Secure the Agentic Era”, 2026년 9월 2일. ··· Codex 에이전트 실행 감시와 사이버 특화 모델 공급의 구체적 범위가 적혀 있어요.
• Alex Heath, “Sources with Alex Heath: Sam Altman on OpenAI’s next model and the AI backlash”, 2026년 9월. ··· 위험이 배포에서 훈련으로 옮겨간다는 진단과 사업 자신감이 같은 대화에 함께 나옵니다.

배경 지식

• OpenAI, “20% price reduction for GPT-5.6 Sol”, 2026년 8월 21일. ··· 7월 30일 조정과 8월 21일 인하를 한 표로 비교할 수 있어요.
• TIME, “OpenAI paused frontier AI training” 관련 보도 정리, 2026년 8월. ··· 정렬 문제라는 표현이 공식 문서보다 인터뷰에서 더 강하게 나온 맥락을 볼 수 있어요.

관련 지난 호

• 난제 10개를 푼 기록이 오답집이었어요 ··· 194호. 같은 모델이 8월 초에는 다른 이유로 화제였어요.
• 토큰 한 개의 가격이 바꾸는 것들 ··· 68호. 단가 변화가 제품 구조를 어떻게 바꾸는지 다뤘어요.
• 출시 3일 만에 꺼진 세계 최강 AI ··· 123호. 국가가 모델을 껐던 사례와 회사가 스스로 멈춘 이번 사례를 나란히 놓고 보면 좋아요.

필자 안광섭 (오스왈드)은 세종대학교 겸임교수, INLEVEL9 전략 컨설턴트입니다. 경력, 연구, 저서와 최신 활동은 저자 소개에서 계속 갱신합니다. 최근 소식 · 2026년 8월: 2026 세종도서 교양부문 우수도서 선정.

📝 용어 설명

각주

1. 강화학습: 모델이 스스로 시도하고 그 결과에 점수를 받아 행동을 고쳐나가는 훈련 방식이에요. 최근 성능 향상의 상당 부분이 이 단계에서 나오기 때문에, 프론티어 강화학습을 멈춘다는 건 능력 확장의 주된 통로를 잠근다는 뜻이에요. ↩

2. 캐시된 입력: 앞선 요청에서 이미 처리한 내용을 다시 보낼 때 적용되는 별도 요금이에요. 모델이 처음부터 다시 계산하지 않아도 되니까 일반 입력보다 훨씬 쌉니다. 긴 문서를 반복 참조하는 에이전트 작업에서 비용 차이가 크게 벌어져요. ↩

3. AI 탐지 및 대응: 기업 안에서 실행되는 AI 에이전트의 활동을 실시간으로 관찰하고, 허용되지 않은 행동을 탐지해 차단하는 보안 제품군을 말해요. 사람 계정이 아니라 에이전트를 감시 대상으로 삼는다는 점이 기존 보안 도구와 다릅니다. ↩

4. 초지능: 인간의 능력을 전 영역에서 넘어서고 그 격차가 계속 벌어지는 상태를 가리켜요. AGI가 특정 지점을 통과하는 개념이라면 초지능은 통과 지점이 없는 연속적 확장으로 이야기되는 경우가 많아요. 이 차이가 평가와 규제 설계에서 실질적인 문제를 만들어요. ↩