모델이 할 수 있는 일과 제품에 열린 기능
오픈AI는 2024년 5월 13일 GPT-4o를 소개했다. 모델의 설계와 시연에서 여러 종류의 입력을 함께 다루는 능력을 설명했고, 모델을 어떤 범위로 먼저 공개하는지도 따로 밝혔다. 텍스트와 이미지 입력, 텍스트 출력을 공개한 날에 시연된 모든 음성·영상 기능이 모든 계정에 열린 것은 아니었다. 발표와 공개 기능의 범위를 같이 기록하면 당시 사용 가능 상태를 이해하기 쉽다. [1][2]
텍스트 입력은 글로 질문하거나 지시를 주는 방식이다. 이미지 입력은 사진이나 그림의 내용을 질문에 함께 넣을 수 있게 한다. 영상 입력과 새 음성 상호작용은 입력을 전달하고 답을 받는 방식이 더 넓어지는 경우다. 글과 사진을 넣어 글로 답을 받는 기능이 열렸다는 문장만으로, 영상 통화처럼 화면과 음성을 실시간으로 보내고 받을 수 있다고 판단할 수 없다. [1]
발표는 종전의 음성 방식에서 음성을 텍스트로 바꾸고, 텍스트 모델이 처리한 뒤, 결과를 다시 음성으로 읽는 단계를 거쳤다고 설명했다. 새 모델은 여러 입력과 출력을 하나의 모델에서 처리하도록 훈련했다고 소개했다. 이 설명은 모델의 내부 구조와 목표를 다룬다. 제품에서 사용자에게 그 능력을 어떤 기능으로 노출하는지와는 별도로 확인해야 한다. [1]
채팅에서 당일 시작된 것
오픈AI는 그날 채팅 서비스에서 텍스트와 이미지 기능의 제공을 시작한다고 밝혔다. 무료 이용층에도 모델과 여러 도구를 단계적으로 제공한다고 했다. 제공을 시작했다는 말은 모든 사용자가 같은 시각에 모든 기능을 사용할 수 있게 됐다는 뜻으로 읽기 어렵다. 계정에 실제로 열린 기능과 이용 한도는 서비스 안에서 따로 확인할 사항이다. [1][2]
새 GPT-4o 음성 모드는 유료 요금제 가운데 플러스 이용자를 대상으로 몇 주 안에 초기 시험 제공을 시작할 계획이라고 안내했다. 발표에 등장한 대화 시연은 모델과 제품의 방향을 보여 줬다. 시연에 나온 음성 출력이 그날의 무료 계정이나 모든 플러스 계정에서 제공됐는지를 증명하는 자료는 아니었다. 시연과 출시 안내를 함께 보아야 당시 제품의 경계를 파악할 수 있다. [1][2]
개발자용 API의 범위는 어떻게 달랐나
개발자가 자기 서비스에 모델을 연결하는 API에서는 발표 당시 텍스트와 시각 입력을 다루는 모델로 접근할 수 있다고 안내했다. 음성·영상 능력은 이후 일부 협력사부터 제공할 계획이라고 설명했다. 채팅 화면에서 모델을 쓰는 것과 개발자가 앱에서 호출하는 것은 진입 경로가 다르므로 한쪽에서 발표한 계획을 다른 쪽의 공개 범위로 옮기지 않는다. [1]
예를 들어 영수증 사진을 보내고 항목을 글로 정리하는 서비스와, 실시간 통화에서 상대방의 말을 듣고 음성으로 답하는 서비스는 필요로 하는 입출력이 다르다. 두 기능에 같은 모델 이름이 들어갈 수 있어도 출시 당일 제품에서 지원한 범위는 다르다. 만드는 서비스가 어떤 입력을 보내고 어떤 응답을 받아야 하는지부터 적으면 제공 자료를 정확히 비교할 수 있다. [1][2]
공개 문서를 읽을 때 남길 기준
무료 이용 안내는 모델 자체의 능력 외에도 도구와 이용 한도의 차이를 다뤘다. 같은 모델을 선택할 수 있다는 사실과 같은 수의 메시지를 쓸 수 있다는 사실은 별개다. 사용량과 기능의 접근 범위를 볼 때에는 요금제, 사용 경로, 제공 날짜를 한 줄에 기록하는 편이 낫다. 발표 뒤의 개편 내용을 5월 13일 당일 상태로 소급할 필요도 없다. [1][2]
당시 두 문서가 함께 보여 준 것은 여러 종류의 입력을 처리하는 모델이 공개됐고, 그 능력을 사용할 수 있는 경로와 시점은 나누어 안내했다는 사실이다. 오늘의 상태를 판단하는 글이라면 최신 제품 설명이 필요하겠지만, 당시 기록에서는 당일 시작된 범위와 발표가 계획으로 둔 범위를 서로 구분하는 것이 중요하다. [1][2]
서비스를 직접 시험했다는 후기도 날짜와 범위가 맞아야 비교할 수 있다. 같은 주에 이미 접근 권한을 받은 사람이 이미지로 질문한 결과와, 아직 기능이 표시되지 않은 이용자의 경험은 함께 나올 수 있다. 둘의 차이를 모델 성능의 차이로 결론 내리기 전에 이용자별 기능 공개 상태와 사용한 입력이 같은지 확인해야 한다. [1][2]
발표 자료는 모델이 자연스러운 대화를 목표로 소리를 처리할 수 있다고 설명했다. 같은 이름으로 공개된 첫 사용 경로에서는 글이나 그림을 받아 글로 답하는 일부터 제공했다. 이런 차이를 기록하면 영상 시연이 제품 출시의 전부라는 오해를 피할 수 있다. 어떤 입력을 시연했는지, 어떤 출력이 당일 공개됐는지를 따로 적는 것이 당시 문서 두 건을 연결하는 방법이다. [1][2]
기존 음성 기능을 이미 쓰던 이용자에게 새 음성 모드 계획은 별도의 변화다. 앱에 음성을 쓸 수 있는 버튼이 있다는 사실만으로, 공개 영상에서처럼 새 모델이 직접 음성을 처리하는 경로가 그 계정에 열린 것은 아니다. 같은 이름의 메뉴라도 어느 방식이 제공되는지 판단하려면 당시의 공개 안내와 직접 사용한 기능을 맞춰 봐야 한다. [1][2]
개발자에게도 단계적 공개는 제품 설계의 조건이 된다. 사진을 읽고 글을 반환하는 앱은 그날 공개한 방식으로 시험할 수 있지만, 음성을 바로 출력하는 서비스는 같은 호출을 그대로 사용할 수 없다. 이 글에서 5월 13일을 기준으로 삼은 이유는 후속 기능을 포함해 성능을 평가하기 위해서가 아니라 그날 개발자가 실제로 받을 수 있었던 입출력 범위를 남기기 위해서다. [1]
