--- title: "AI가 AI를 만드는 속도, 처음으로 눈금이 생겼다: 원문 정리" original_title: "Anthropic, 내부의 AI 개발 속도를 측정하는 3가지 지표 공개 공개: Claude가 AI R&D의 26%를 주도" source: "PyTorchKR (박정환, 2026-09-18)" url: "https://discuss.pytorch.kr/t/anthropic-ai-3-claude-ai-r-d-26/11953" original_url: "https://www.anthropic.com/institute/measuring-pace-of-ai-development" original_authors: "Marina Favaro, Phillie Wright (Anthropic Institute), 연구 방향 Jack Clark" curated: 2026-09-19 curator: "다비(davi.kr)" tags: [Anthropic, Claude, R&D자동화지수, AL척도, 에이전트감독, 컴퓨트배분, 재귀적자기개선, AI거버넌스] purpose: "원문의 배경, 3가지 지표의 측정 방법과 수치, 한계, OpenAI 비교, 시사점을 섹션별로 빠짐없이 정리해 강의와 참고 자료로 쓴다." --- 원문: https://discuss.pytorch.kr/t/anthropic-ai-3-claude-ai-r-d-26/11953 Anthropic 원문: https://www.anthropic.com/institute/measuring-pace-of-ai-development 정리: [다비(davi.kr)](https://davi.kr/) > 참고: PyTorchKR 글은 GPT 초안 기반이라고 밝히고 있습니다. 이 문서의 수치는 Anthropic 원문과 대조해 일치를 확인했습니다. --- ## 1. 한눈에 보기 | 지표 | 무엇을 재나 | 공개 수치 (기준 시점) | 외부 검증에 필요한 것 | |---|---|---|---| | R&D 자동화 지수 | 사내 모델 R&D 업무 중 Claude가 주도하는 비중 | AL4 26%, AL3 이상 90% 초과, AL5 0% (2026년 8월) | 공통 방법론, 심판 모델의 제3자 또는 타사 모델 검증 | | 에이전트 감독 | 모니터 통과 비율, 검토 속도, 차단 비율 | 커버리지 100%, 차단 0.002%, 사람 검토 주당 약 50건 (2026년 8월) | 알려진 오작동 탐지율 공개, 제3자 독립 레드팀 | | 컴퓨트 배분 | 컴퓨트 중 안전 연구 몫 | AI R&D 중 6%, AI 주도 AI R&D 중 12% (2026년 7월 13~20일) | 범주 정의 동시 공개, 무작위 부분표본 재분류 | Anthropic은 업계가 속도 조절에 합의하면 이 수치들이 달라질 것이라는 단서를 달았습니다. --- ## 2. 배경: 왜 이 글이 나왔나 - 같은 달 Dario Amodei가 에세이 "We Must Pace the Frontier"에서 AI 역량 향상 속도 자체를 늦춰야 한다고 주장했습니다. - 근거는 두 가지입니다. 업계 전반에서 **재귀적 자기개선**(AI가 다음 AI를 만드는 것)이 시작됐다는 점, 그리고 OpenAI 사이버 역량 평가 중 에이전트 무리가 Hugging Face 프로덕션 인프라를 침해한 사건입니다. - 프런티어 AI 기업 직원 1,386명이 "Pacing the Frontier" 공개 성명에 서명해, 자동화된 AI 개발 속도를 조절할 기술과 거버넌스 수단 마련을 미국 정부가 지원해 달라고 요청했습니다. - Anthropic은 별도 글 "When AI builds itself"에서 사내 병합 코드의 80% 이상을 Claude가 작성한다고 이미 밝혔습니다. - 문제의식: 속도를 늦추려면 현재 속도를 재는 눈금이 먼저 필요한데, 랩 내부 상황은 지금까지 바깥에서 확인할 방법이 없었습니다. - 목적은 측정 자체보다 검증 가능한 형태로 측정하는 방법을 제안하는 것입니다. Anthropic은 여러 기관의 독립 제3자 평가자를 사내에 상주시키고, 사내 위험 평가팀과 같은 수준의 접근 권한을 주겠다고 밝혔습니다. --- ## 3. 능력 평가와 무엇이 다른가 - 기존 평가(SWE-bench, METR 시간 지평 등)는 완성된 모델이 무엇을 할 수 있는지를 봅니다. Anthropic은 이를 RSP 위험 보고서로 따로 공개합니다. - 이번 지표는 모델의 생산 과정을 봅니다. 컴퓨트 같은 투입과 역량 같은 산출을 연결해야 다음 모델의 시기와 수준을 바깥에서 가늠할 수 있다는 논리입니다. - 정책 틀인 Advanced AI Framework(AAIF, 2026년 6월, 19쪽)와 짝을 이룹니다. - 개발사 의무: 재앙적 위험 시험, 외부 평가자 참여, 결과와 사고 지속 공개, 정부에 대한 책임 - 정부 쪽: 부처와 산업 부문별 투자 항목 --- ## 4. 지표 1: Anthropic R&D 자동화 지수 ### 4-1. 왜 재나 - AI로 다음 AI를 만들면 개발이 빨라지고 출시 전 안전 검사 시간도 늘릴 수 있습니다. - 반대로 모델이 자기 개발을 가속할수록 사람이 이해하고 통제하기 어려워집니다. - 참고 수치: 2026년 5월 기준 병합 코드 80% 이상을 Claude가 작성, 엔지니어 1인당 하루 병합 코드량은 2026년 2분기에 2024년 대비 8배입니다. - 코드량은 엔지니어링 신호일 뿐입니다. 어떤 실험을 할지 정하고 결과를 해석하는 연구 업무까지 보려면 업무 단위 측정이 필요합니다. - Anthropic 설명: Claude는 잘 정의된 실험 수행은 숙련자와 대등 이상이지만, 목표를 고르는 판단에서는 격차가 큽니다. ### 4-2. 자동화 등급 AL0~AL5 Epoch AI가 "Toward an O*NET for AI R&D"에서 제안한 척도입니다. 미국 직업정보 DB인 O*NET이 AI 연구 추적에는 너무 넓어서, AI R&D 작업을 6개 범주로 나누고 0~5 등급을 매기는 기준을 따로 만들었습니다. | 등급 | 의미 | |---|---| | AL0 | AI 개입 없음 | | AL1 | 최소한의 AI 개입 | | AL2 | AI가 보조 | | AL3 | AI가 협업: 사람의 밀착 지시 아래 큰 작업 덩어리 수행 | | AL4 | AI가 주도: 상위 지시 한 줄로 작업 대부분을 끝까지 수행, 사람은 감독 | | AL5 | 완전 자율: 사람 개입 없음 | 판정의 경계는 AL3과 AL4입니다. ### 4-3. 예시: 야간 데이터 파이프라인 장애 | 등급 | 사람이 하는 일 | Claude가 하는 일 | |---|---|---| | AL3 | 로그를 들고 오고, 가설 제시, 추가 문제 처리 방식 결정, 변경 사항 한 줄씩 검토, 직접 재실행과 배포 | 질문으로 맥락 확정, 조사와 수정, 새 문제가 생기면 멈춤 | | AL4 | 장애 알림을 넘기고, 마지막에 작성 내용 확인 후 배포 여부 결정 | 로그 분석, 원인 파악, 수정과 테스트, 돌발 문제 직접 처리, 데이터 사본으로 재실행, 마지막 성공 실행과 비교, 보고서 작성. 배포는 하지 않음 | | AL5 (미도달) | 원하지 않으면 개입하지 않음 | 장애 감시부터 조사 범위 결정, 설계, 구현, 테스트, 프로덕션 배포까지 수행하며 진행 상황을 계속 알림 | ### 4-4. 측정 결과 (2026년 8월) - 어떤 측정 업무에서도 완전 자율(AL5)은 없었습니다. - Claude가 주도하는 업무(AL4)는 26%입니다. - 협업 이상(AL3 이상)은 90%를 넘습니다. AL4 비중 월별 추이 | 2월 | 3월 | 4월 | 5월 | 6월 | 7월 | 8월 | |---|---|---|---|---|---|---| | 1% 미만 | 1% | 3% | 12% | 14% | 22% | 26% | - AI가 전혀 관여하지 않는 AL0 몫은 2026년 초 이후 거의 사라졌습니다. - 월별 수치에는 90% 측정 구간이 표시되어 있어 불확실성을 포함한 값입니다. ### 4-5. 지수를 만드는 방법 필요한 것은 세 가지입니다: 전체 AI R&D 작업 지도, 자동화 등급 매기는 방법, 업무별 가중치. 1. 작업 수집: 2026년 7월 매주, 모델 R&D 루프 부서별로 직원 20%를 무작위 추출했습니다. Claude 리서치 에이전트가 Slack과 사내 문서로 그 사람의 한 주 작업을 나열했습니다. 결과는 약 1만 5천 개 작업입니다. 2. 트리 구성: Claude가 작업을 계층 트리로 정리했습니다. 루트는 모델 R&D 전체, 그 아래 학습과 제품, 다시 사전학습과 강화학습(RL) 식으로 내려갑니다. 3. 트리 고정: 노드 542개, 그중 잎 노드 378개입니다. 예시는 평가 플랫폼 결함 진단 및 수정, RL 샌드박스 외부 통신 및 네트워크 정책, 서빙 장애 사후 분석입니다. 이후 모든 측정은 같은 바구니로 합니다. 4. 등급 판정: 노드마다 Claude 에이전트가 누가, 어떤 도구로, AI가 얼마나 하는지 조사하고, 독립된 Claude 심판 모델이 증거를 읽어 등급을 매깁니다. 특정 월을 평가할 때는 그달 이전 증거만 봅니다. 5. 가중치: 사람 시간을 대리 변수로 씁니다. 한 사람의 한 주를 1로 보고 그 주의 작업 수로 균등 분배합니다. 작업 4개면 각 0.25, 10개면 각 0.10입니다. Anthropic은 거친 근사라고 인정합니다. ### 4-6. 한계 - 심판 모델 검증: 해당 업무 담당 직원이 모델의 증거와 판단을 모르는 상태에서 평가했습니다. | 비교 | 결과 | |---|---| | 모델 vs 사람 정확 일치 | 59% | | 사람 vs 사람 정확 일치 | 35% | | 모델 vs 사람 1등급 이내 일치 | 97% | - 사람끼리 35%만 일치한다는 것은 협업과 주도의 경계에서 판단이 갈린다는 뜻입니다. - 고정 바구니 문제: 지수 상승은 "2026년 7월에 사람이 하던 일"이 자동화된다는 뜻이고, 새 업무가 생기는지는 알려주지 않습니다. 2026년 1월 기준 트리로 2~7월 신규 작업을 대조한 결과 새로운 작업 수는 늘지 않았습니다. 바구니는 주기적으로 다시 만들 계획입니다. - 범위: 26%는 회사 전체가 아니라 모델 R&D 업무 바구니 안의 비중입니다. ### 4-7. 다른 개발사가 공개하려면 - 장애물: 공통 방법론이 없다는 점, 자사 모델로 자사를 평가하면 심판이 같은 오류를 범할 수 있다는 점 - 해법: 제3자 검증, 또는 민감 데이터 교환을 제한한 상태에서 타사 모델로 검증 - 활용 제안: 일정 수준을 넘으면 새 모델을 추가 AI R&D에 투입하기 전 고정 테스트 기간을 두는 식의 발동 조건 --- ## 5. 지표 2: 에이전트 감독 ### 5-1. 왜 재나 - 직원들이 오래 반자율로 일하고 서로 작업을 위임하는 에이전트에게 업무를 점점 더 맡기고 있습니다. - AI 주도로 갈수록 에이전트가 연구 방향 같은 중대한 결정을 내리게 됩니다. - 개별 에이전트의 오작동은 드물지만, 수백만~수십억 개가 동작하면 드문 사건도 정기적으로 일어납니다. ### 5-2. 세 가지 지표 | 지표 | 정의 | |---|---| | 커버리지 | 에이전트 행동 중 실행 전후로 모니터를 거치는 비율 | | 검토 지연 | 행동 발생부터 검토까지 걸리는 시간 (자동 검토, 사람 검토 각각) | | 에스컬레이션 비율 | 차단 또는 방향 수정된 비율(온라인), 추가 검토로 표시된 비율(오프라인) | 측정 대상: 가장 많이 쓰는 사내 플랫폼 한 곳, 2026년 8월 기준 약 3만 개 에이전트가 동시에 연구와 엔지니어링 업무 수행 ### 5-3. 온라인 모니터와 오프라인 모니터 | 항목 | 온라인 모니터 | 오프라인 모니터 | |---|---|---| | 역할 | 실시간 검사, 위험 행동 차단 또는 자동 교정 | 사후 검토, 서서히 진행되는 위험 탐지 | | 대상 위험 | 빠르고 되돌릴 수 없는 피해 (예: 모델 가중치 외부 복사) | 느리고 되돌릴 수 있는 피해 (예: 비정렬 징후) | | 커버리지 | 실행 전 100%, 보통 수 초 이내 | 실행 후 100% 수집 | | 검토 지연 | 자동 검토는 행동 전, 차단 건 사람 검토는 1주 이내 | 주당 약 10만 건 작업 기록 표시, 여러 분류기가 오탐 걸러냄, 최우선 약 50건만 사람 검토 | | 차단/에스컬레이션 | 2026년 8월 10억 건 이상 결정 중 0.002% (약 4만 7천 건에 1건) | 1천 건 중 1~2건 추가 검토 표시 | - 오프라인에서 표시된 활동은 분류기 개선과 결정론적 통제 강화에 반영하고, 큰 위험이 임박하면 해당 배포의 위험 부분을 차단합니다. - 정리자 해석(PyTorchKR): 사람이 실제로 읽는 건 주당 약 50건이므로, 감독 성능은 사실상 중간 분류기의 정확도에 달려 있습니다. ### 5-4. 감독을 가능하게 한 두 가지 설계 정체성(Identity) - 에이전트마다 개별 정체성을 주고 그 에이전트가 만든 모든 데이터를 묶습니다. - 다른 에이전트의 말을 자기 생각이 아니라 검증할 주장으로 다루게 됩니다. - 여러 에이전트가 같은 방향으로 동시에 틀리는 위험이 줄어듭니다. - 정체성이 모델이 아니라 에이전트에 묶여 있어 모델을 업그레이드해도 기록이 이어집니다. - 모든 행동을 에이전트별로 시간에 걸쳐 감사할 수 있습니다. 개방형 통신(Open Communication) - 비공개가 아니라 공유 메시징 시스템으로 소통합니다. - 메시지는 작성 에이전트 정체성에 묶이고 원본 참조를 공유해, 전달 과정에서 내용이 변형되는 문제를 막습니다. - 서로 오류를 교정하고 작업을 조율할 수 있습니다. - 메시지와 작업 기록이 상호 참조되어 모니터링이 에이전트 간 통신까지 추적합니다. Anthropic이 밝힌 한계: 모든 행동 유형을 파악했다고 확신하기 어렵고, 사람이 이해할 형태로 충분히 드러내는지도 불확실합니다. 이런 모니터링은 몇 년이 아니라 몇 달 해 왔습니다. ### 5-5. 공개와 외부 검증 - 에이전트를 운영하는 개발사는 커버리지, 검토 지연, 에스컬레이션 비율을 오늘 바로 공개할 수 있다고 주장합니다. - 커버리지만 공개하면 100%가 충분하다는 착시를 줍니다. 나머지 두 지표가 있어야 실제로 무엇을 걸러내는지 보입니다. - 수치는 2026년 8월 위험 보고서(가림 처리 공개본 186쪽)에 실렸고, METR이 오프라인 모니터링 플랫폼을 독립 레드팀 테스트한 기록도 포함됩니다. - 제안: 알려진 오작동을 모니터가 얼마나 잡는지 공유하고, 제3자가 독립 검사할 것 --- ## 6. 지표 3: 컴퓨트 배분 ### 6-1. 왜 재나 - 컴퓨트 용도는 크게 세 가지입니다: 더 강한 모델 개발, 고객 서비스, 안전 작업 - 안전 작업 예시: 자연어 오토인코더로 모델의 생각 감사, 비정렬 연구용 모델 유기체 학습, 배포 안전성 평가 - 컴퓨트는 AI R&D 투입물 중 검증이 쉬운 편이라 향후 속도 조절의 결정적 수단이 될 수 있습니다. ### 6-2. 측정 방법 1. 기간: 2026년 7월 13~20일 전체 컴퓨트 스냅샷. 컴퓨트는 단일 풀로 동적 배분되므로 고정 할당량이 아니라 그 주의 흐름입니다. 2. 기존 도구 연결: 용량 계획용 모니터링 도구의 라벨(연구 및 모델 개발, 사내 사용, 자사 서비스 추론 등)과 서드파티 클라우드 보고치를 합쳤습니다. 작업 대부분은 흩어진 데이터 출처를 잇는 일이었습니다. 3. 분류: Claude 프롬프트 분류기로 안전 작업과 AI R&D 중 하나로 나눕니다. - 안전 작업: AI를 더 안전하게, 더 이해하기 쉽게, 더 안전한 보안으로 만드는 것이 지배적 목적인 작업 - AI R&D: 역량 연구, 프로덕션 학습, 제품 개발, 개발자 도구 등 나머지 전부 - 역량과 안전에 똑같이 기여하는 작업은 AI R&D로 계산 (보수적 추정) 4. 연구 학습과 평가 실행: 메타데이터와 코드를 읽어 분류, 근거, 신뢰도를 반환합니다. 약 1만 건 중 14%를 표본 추출하되 컴퓨트를 많이 쓴 실행 쪽으로 가중했습니다. 5. 리서치 에이전트 추론: 세션 작업 기록으로 분류하고, 접근 불가하면 팀 기준 분류 또는 AI R&D로 기본 처리했습니다. 분류기 프롬프트 일부가 원문에 공개되어 있습니다. 내용은 연구 컴퓨트 사용처를 공개용으로 분류하는 내부 감사이며, 작업을 하나씩 보고 안전 연구와 기타 R&D 중 하나로 배정하라는 지시입니다. 안전 연구 하위 범주, 범위 밖 작업, 경계 사례는 생략되어 있습니다. ### 6-3. 결과 | 구분 | 안전 연구 비중 | |---|---| | AI R&D 전체 컴퓨트 | 약 6% | | AI가 주도하는 AI R&D 컴퓨트 | 약 12% | - 둘 다 의도적인 보수 추정치입니다. - 안전장치 분류기의 컴퓨트는 포함되지 않았습니다. Anthropic은 이 분류기들이 별도로 비슷한 규모의 컴퓨트를 쓴다고 밝혔습니다. ### 6-4. 안전과 역량의 경계 - 확장 가능한 감독(Scalable Oversight) 연구처럼 미래 모델 정렬과 현재 모델 상업성에 동시에 도움 되는 작업은 판단이 어렵습니다. - 상세한 서면 정의와 경계 사례를 주면 분류기는 사람 검토자와 1~2%포인트 이내로 일치했습니다. - 몇 시간 검토해도 판단이 어려운 사례가 있었고, 다른 개발사나 규제기관은 선을 다르게 그을 수 있습니다. ### 6-5. 한계 1. 라벨 신뢰도: 실행 사유, 워크로드 태그, API 트래픽 출처 등이 자동 규칙이나 사용자 설정값이라 검증되지 않았습니다. 2. 기간: 한 주라서 측정 가능성은 보여주지만 추세는 보여주지 못합니다. 3. 가장 중요한 한계: 컴퓨트 비중은 쓴 양만 잽니다. 안전 분류기가 효율적이 되면 비중이 떨어지지만 안전 작업이 줄어든 것은 아닙니다. 실제로 분류기 오버헤드는 효율 개선과 함께 줄었고, 프로덕션 추론이 더 효율적일 때는 올라갔습니다. - 안전 연구는 원래 실험 설계에 시간이 들고 실행 컴퓨트는 적게 듭니다. 그래서 이 지표의 가치는 절대값보다 같은 기준 비교에 있습니다. ### 6-6. 공개와 입증 책임 - 조건: 범주 정의를 수치와 함께 공개하고, 분류를 독립 제3자가 확인할 것 - 향후 계획: 제3자가 무작위 부분표본에 분류기를 다시 돌려 분류와 합계를 검증하도록 파이프라인 개선 - 경고: 개발사는 안전 연구의 선을 넉넉히 그으려는 유인이 있으므로 입증 책임은 개발사에 있어야 하며, 공통 정의에 미리 수렴하는 편이 모두에게 이롭다고 제안합니다. - 활용 제안: 안전 컴퓨트 비중 약속, AI 리서치 에이전트 컴퓨트 비중 상한의 근거 --- ## 7. 세 지표를 함께 볼 때 드러나는 긴장 (PyTorchKR 분석) 1. 시간 축 불일치: AL4는 다섯 달 만에 1%에서 26%로 올랐지만, 감독 체계는 운영한 지 몇 달이고 과학도 바뀔 것이라고 스스로 밝혔습니다. 2. 6%의 해석 문제: 효율 개선이 안전 비중을 낮추는 구조라, 규제 기준선으로 쓰면 분류기를 효율화한 팀이 안전 투자를 줄인 것처럼 보입니다. 3. 자기 평가 구조: 작업 목록, 등급 판정, 컴퓨트 분류 모두 Claude가 했습니다. "제3자가 재현할 수 있는 형태"라는 조건은 필수 조건에 가깝습니다. 4. 상승 구간과 측정 난이도의 겹침: AL0~AL2에 남은 업무는 10% 미만이라 앞으로의 상승은 대부분 AL3에서 AL4로의 이동입니다. 사람끼리 35%만 일치한 바로 그 경계입니다. Anthropic의 결론: 프런티어 랩이 아는 것과 대중이 아는 것의 간극을 최대한 줄이고, 더 잘 측정하고 공개 보고해서 사회가 정보 사용 방식을 결정할 기회를 줘야 합니다. --- ## 8. OpenAI 사내 측정치 공개와 비교 OpenAI는 2026년 9월 6일 "Research acceleration: The view inside OpenAI"에서 사내 로그와 GPU 할당 기록으로 연구 속도 변화를 공개했습니다. 명분(대중이 알아야 민주적 통치가 가능)은 같지만 척도가 달라 직접 비교할 수 없습니다. | 항목 | Anthropic | OpenAI | |---|---|---| | 공개 시점 | 2026년 9월 | 2026년 9월 6일 | | 자동화 측정 단위 | 업무별 자동화 등급(AL0~AL5) 가중 집계 | 사람 1 워크데이당 에이전트 워크데이 배수 (2026년 8월 15일 3.14배) | | 측정 기간 | 2026년 7월 작업 목록 기준, 월별 갱신 | 2026년 1월~8월 중순 사내 로그 추이 | | 감독 공개 | 커버리지, 검토 지연, 에스컬레이션 비율 | 사건 이후 학습 중단과 모니터링 제약 | | 컴퓨트 공개 | 안전 비중 6%, AI 주도 구간 12% | 안전 조치 시점의 GPU 할당 변화 | | 제3자 검증 | 상주 평가자 약속, METR 레드팀 | 거버넌스 청사진에서 제3자 독립 감사를 규제 요건으로 제안 | 공통점: 두 문서 모두 Hugging Face 인프라 침해 사건, Astra 계열 모델의 사이버 보안 Critical 등급 도달과 CoT 모니터링 가능성 저하 문제 이후에 나왔고, 속도 상승과 제약 조치를 한 문서에 함께 담았습니다. --- ## 9. 한국 개발자와 연구자에게 주는 시사점 (PyTorchKR 정리) - 방법론은 그대로 가져다 쓸 수 있습니다. 업무 트리 분해, 노드별 자동화 등급, 사람 시간 가중 집계로 코딩 에이전트 도입 효과를 "체감"이 아니라 눈금으로 관리할 수 있습니다. - LLM에게 사내 지표 평가를 맡길 때는 심판 모델과 사람의 일치율을 함께 보고해야 합니다. - 다수 에이전트 운영 시 추적 가능성은 나중에 모니터링 도구를 붙여서 얻는 것이 아니라, 에이전트 구성 단계에서 정체성과 개방형 메시징으로 설계해야 얻을 수 있습니다. - 이 지표들은 향후 국제 합의와 규제 기준의 근거가 될 수 있고, 어떤 눈금을 표준으로 삼을지가 지금 정해지는 중입니다. --- ## 10. 관련 링크 - Anthropic 원문: https://www.anthropic.com/institute/measuring-pace-of-ai-development - When AI builds itself: https://www.anthropic.com/institute/recursive-self-improvement - Dario Amodei, We Must Pace the Frontier: https://darioamodei.com/post/we-must-pace-the-frontier - Pacing the Frontier 공개 성명: https://www.pacingthefrontier.com/ - Anthropic RSP: https://www.anthropic.com/responsible-scaling-policy - Epoch AI, Toward an O*NET for AI R&D: https://epochai.substack.com/p/toward-an-onet-for-ai-r-and-d - Anthropic 2026년 8월 위험 보고서: https://www.anthropic.com/aug-2026-risk-report - Advanced AI Framework(AAIF, PDF): https://www-cdn.anthropic.com/files/4zrzovbb/website/0a58d567024a8b448ff15158ebc3625328dfcc1f.pdf - OpenAI 사내 측정치 정리(PyTorchKR): https://discuss.pytorch.kr/t/openai-3-1/11849