텍스트에서 ‘생각’으로…오픈AI, 추론 특화 모델 o3·o4-mini 공개

오픈AI가 4월 16일 새로운 인공지능 모델 ‘o3’와 ‘o4-mini’를 공개했다. 이번 발표에서 공개된 모델은 문제를 단계적으로 분석하고 도구를 활용해 답을 도출하는 ‘추론 중심’ 모델이다. 생성형 AI 경쟁이 실제 사고 과정의 정교함으로 이동하고 있음을 보여주는 대목이다.

오픈AI는 이번 모델을 기존의 대형 언어 모델과 구분해 ‘reasoning model’로 설명했다. 사용자의 질문을 곧바로 답으로 출력하는 대신 내부적으로 문제를 분해하고 여러 단계를 거쳐 판단을 내리는 구조를 강화했다는 것이다. 

예를 들어 수학 문제나 복잡한 논리 문제를 풀 때 단계를 나눠 접근하거나 코드 작성 과정에서 오류를 점검하며 수정하는 방식이 대표적이다. 

특히 o3는 텍스트뿐 아니라 이미지 같은 시각 입력을 함께 처리할 수 있도록 설계됐다. 그래서 사용자가 도표나 사진을 함께 제시하면 이를 해석해 문제를 풀 수 있다. 시각 정보와 언어 정보를 동시에 다루는 이른바 멀티모달 처리 능력을 추론 과정과 결합한 것이다. 

기존에도 이미지 이해 기능을 갖춘 모델은 있었지만 이를 복잡한 사고 과정과 결합해 문제 해결에 직접 활용한다는 점이 이번 발표의 차별점으로 제시됐다.

또 다른 특징은 외부 도구 활용이다. 모델이 단독으로 답을 내놓는 대신 계산이 필요하면 계산 도구를 호출하고 코드 실행이 필요하면 실행 환경을 활용하는 식으로 여러 기능을 결합한다. 이는 AI가 모든 것을 내부에서 해결하려 하지 않고 필요한 도구를 선택해 사용하는 방향으로 진화하고 있음을 보여준다. 

오픈AI는 이를 통해 보다 정확하고 신뢰할 수 있는 결과를 제공하겠다는 구상을 내놓았다.

이번 발표에서 함께 공개된 o4-mini는 이름에서 드러나듯 경량화 모델이다. 고성능 모델인 o3와 동일한 추론 구조를 공유하면서도 비용과 속도를 고려해 설계됐다. 

대형 모델은 복잡한 문제 해결에 강점이 있지만 계산 비용이 높고 응답 속도가 느릴 수 있다. 반면 o4-mini는 상대적으로 적은 자원으로도 빠른 응답을 제공하도록 최적화되어 있다. 오픈AI는 모든 사용 사례에 가장 크고 비싼 모델이 필요한 것은 아니라는 점을 강조하며 기업과 개발자가 목적에 맞는 모델을 선택하도록 하겠다고 설명했다.

이는 AI 산업 전반의 흐름 때문이다. 최근 몇 년간 경쟁의 초점은 파라미터 수를 늘리고 더 많은 데이터를 학습시키는 방향이었다. 그러나 모델 규모를 무한정 키우는 방식은 비용과 전력 소비 측면에서 한계가 있다. 이에 따라 효율성과 실제 활용성을 강화하는 방향으로 무게중심이 이동하고 있다. 오픈AI의 이번 발표 역시 이러한 전환을 반영한 것이다.

공식 발표 자료에 따르면 o3는 복잡한 코딩 과제와 과학·수학 문제에서 기존 모델 대비 성능 향상을 보였다. 특히 단계적 사고가 필요한 문제에서 안정적인 결과를 낸다는 점을 전면에 내세웠다. 

동시에 모델이 스스로 오류 가능성을 점검하고 수정하는 능력도 개선했다고 설명했다. 이는 AI의 답변을 사람이 다시 검증해야 하는 부담을 줄이는 데에 기여할 수 있다.

한편 o4-mini는 경량 모델임에도 불구하고 추론 능력을 상당 부분 유지하도록 설계됐다. 오픈AI는 속도와 비용 효율성이 중요한 환경에서 활용도를 높일 수 있다고 밝혔다. 대규모 트래픽을 빨리 처리해야 하는 서비스나 모바일 환경 등에서 현실적인 선택지가 될 수 있다는 것이다. 고성능 모델과 경량 모델을 병행하는 이원화 전략이 뚜렷해진 셈이다.

이번 발표는 AI 모델 개발의 방향이 ‘더 많이 말하는 기계’에서 ‘더 잘 생각하는 기계’로 이동하고 있음을 보여준다. 

이미지 이해, 도구 활용, 단계적 사고를 결합한 새로운 모델 구조는 앞으로 더욱 다양한 업무와 연구 환경에 AI를 투입하기 위한 기반으로 읽힌다. 오픈AI는 모델을 API 형태로 제공하며 개발자 생태계와의 연계를 강화하겠다는 계획도 함께 제시했다.