요약 OpenAI Bel은 @synthwavedd가 2026년 8월 25일 X에 처음 보도한, 확인되지 않은 내부 사전학습 실행(코드명)입니다. 해당 주장에 따르면 Bel은 총 파라미터가 10조 개를 넘는 완성된 베이스 모델로—이전 실행인 Doug의 후속이며—추가 강화학습을 거쳐 GPT-6 이후의 시스템을 위한 기반이자 잠재적으로 “AGI-임계치” 모델이 될 수 있다고 합니다.
2026년 10월 13일 기준, OpenAI는 Bel(또는 공개 제품 자료에서 Doug)이라는 이름을 사용한 적이 없으며, 파라미터 수, 출시일, 벤치마크, 시스템 카드를 공개하지 않았고, Bel은 API나 ChatGPT에서 사용 가능하지 않습니다.
핵심 요약
- Bel은 2026년 8월 25일 @synthwavedd의 단일 X 게시물에서 비롯되었으며, OpenAI는 이를 확인한 적이 없습니다.
- 주장된 규모: 총 파라미터 >10조로, 원 게시물에 따르면 GPT-4.5와 유사한 사이즈 클래스.
- 소문상으로는 “Doug”의 후속이자 RL 이후 포스트-GPT-6/Astra 시스템의 기반으로 포지셔닝됨.
- GPT-6 Astra는 2026년 9월 초부터 공개적으로 제공되며, 현재 OpenAI의 플래그십입니다.
- Bel에 대한 독립 벤치마크, 출시일, API, 가격, 가중치는 존재하지 않습니다.
- Claude Fable 5.5는 아직 미발표이며, 현재 하이엔드 Claude는 Fable 5.1입니다.
- 오늘 프로덕션에서는 CometAPI에서 하나의 키로 GPT-6 Astra / Sol / Luna와 Claude 모델을 라우팅해 더 낮은 비용과 벤더 종속 없음으로 운영하세요.
OpenAI Bel이란?
OpenAI Bel(“BEL”로 표기되기도 함)은 OpenAI가 2026년 8월 하반기에 완료했다고 전해지는 대규모 사전학습 실행에 관한, AI 커뮤니티 내 유통되는 코드명입니다. 원 보고에 따르면 Bel은 10조 개가 넘는 총 파라미터를 가진 원시 파운데이션 모델로, 제품이 아닌 상태이며, 이전 내부 프로젝트인 Doug의 후속입니다. 추가적인 강화학습과 사후학습을 거친 뒤 GPT-6 Astra를 넘어서는 시스템을 구동할 의도이며, 일부 내부자들이 “AGI-임계치” 수준이라고 표현했다는 맥락에서 언급됩니다.
중요한 점은, Bel은 GPT-7도 아니고, 사용자가 대화할 수 있는 ChatGPT 모델도 아니며, OpenAI API에서 이용 가능한 것도 아니라는 것입니다. 이는 엄밀히 말해 사전학습 산출물—텍스트(그리고 가능하다면 기타 데이터)로 학습된 거대한 신경망—로, 출하 가능한 제품이 되기 전에는 광범위한 파인튜닝, 정렬, 안전성 작업이 필요하다고 설명됩니다.
Bel은 OpenAI 파운데이션 모델 작업의 코드명으로 보고됩니다. 이 클레임은 @synthwavedd의 2026년 8월 25일 사전학습 완료에 관한 게시물에 귀속됩니다. 재현된 게시물은 총 파라미터 10조+와 Doug의 후속 관계를 주장합니다. 이 세부사항들은 단일 출처의 주장으로 남아 있으며: 스크린샷은 주장 내용을 기록할 뿐, 인증된 OpenAI 학습 결과가 아닙니다.
해당 스크린샷은 Mukhtada가 캡처한 해당 X 게시물을 재현한 것입니다. 원 출처의 자카르타 시간 기준으로 8월 26일 오전 2시를 표시하며, 이는 UTC 8월 25일 19:00에 해당합니다. 이는 서드파티 캡처로, 파라미터 수, 학습 상태, 비공개 경쟁 주장에 대한 독립 확인은 아닙니다.
Doug–Bel 증거 타임라인
Doug 배경은 별개입니다: SemiAnalysis의 8월 7일 발행물은 7월 9일에 더 큰 OpenAI 모델인 Doug를 언급한 노트를 재현합니다. 이는 Bel 게시물보다 앞서지만, Doug → Bel 연속성을 인증하거나 어느 코드명이든 출시 제품과 연결되었음을 입증하지는 않습니다.
- 2026년 7월 9일: 더 큰 OpenAI 모델 Doug를 언급하는 리서치 노트가 이후 8월 7일에 발행된 SemiAnalysis 기사에 재현되었습니다. 노트 날짜와 발행 날짜는 서로 다른 이정표이며; 이는 Bel에 대한 확인이 아닌 Doug의 배경입니다.
- 2026년 8월 7일: SemiAnalysis가 Doug 언급을 재현한 기사를 발행했습니다. 이는 Bel 주장보다 앞서지만 Doug에서 Bel로의 계보나 공개 제품명을 확립하지는 않습니다.
- 2026년 8월 25일: 해당 @synthwavedd 게시물은 Bel 사전학습 완료와 10조+ 파라미터를 주장했습니다. 서드파티 캡처가 이 주장을 재현하지만, 독립 검증은 아닙니다.
- 2026년 9월 1일: 이 글에서 인용된 Path to Astra 보고서는 별개 모델 개발 프로그램의 배경을 제공합니다. Bel의 정체성, 파라미터 수, GPT-7 또는 가칭 GPT-6 Bel과의 연결을 확립하지는 않습니다.
- 2026년 9월 23일: 돌아다니는 설명에 따르면 같은 계정의 후속 게시물이 수개월의 대기를 언급합니다. 원문 텍스트가 검토 중 직접 접근되지 않았으므로, 이는 검증되지 않은 일정 가이드이며 출시 약속을 제공하지 않습니다.
- 2026년 10월 12일 — 문서 검토 체크포인트: 여기 인용된 Bel 게시물, Doug 관련 보도, 별도의 공식 보고서는 Bel의 상용 정체성을 확립하지 못합니다. GPT-7도 GPT-6 Bel도 이 증거 연쇄만으로는 확인되지 않습니다. 이 날짜는 문서 검토 시점을 기록할 뿐, 모델 발표가 아닙니다.
같은 시기, OpenAI는 수학적 작업(여기에는 Navier–Stokes 방정식 관련 결과 포함)과 관련하여 “GPT-6 Astra보다 현저히 더 유능한” 이름 없는 내부 모델을 공개적으로 언급했습니다.
두 가지 명명 가설: GPT-7인가, GPT-6 Bel인가?
사전학습과 제품 출시란 서로 다른 이정표입니다. 파운데이션 체크포인트는 여전히 인스트럭션 튜닝, 강화학습, 안전성 평가, 도구 사용 학습, 서빙 최적화가 필요할 수 있습니다. 하나의 파운데이션에서 여러 제품이 파생될 수 있으며, 공개 버전 넘버가 학습 실행을 식별하는 것은 아닙니다. OpenAI의 Path to Astra 보고서는 공식 강화학습 배경을 제공하지만, Bel의 정체성을 확립하진 않습니다.
가설 1 — GPT-7: Bel이 GPT-6 세대를 넘어서는 실질적으로 새로운 파운데이션을 뜻한다면, OpenAI는 Bel에서 파생된 모델을 GPT-7로 상용화할 수 있습니다. 이 해석은 새로운 세대의 능력과 공개 명명 결정에 달려 있으며; 주장된 파라미터 수나 사전학습 완료 보고만으로는 그 결과를 보장하지 않습니다.
가설 2 — GPT-6 Bel: OpenAI는 Bel 파생 제품을 GPT-6 제품군 내에 유지하며, GPT-6 Bel과 같은 라벨로 업그레이드 또는 특화 제품을 제공할 수도 있습니다. 이는 비교를 위한 편집적 명명 시나리오이며, 발표된 제품도 아니고 별도의 출처가 있는 누설도 아닙니다. 내부 코드명이 상용 명칭에 반드시 반영되지는 않습니다.
미해결 사항: 동일한 학습 노력은 여러 제품, 다른 이름, 혹은 공개 출시 없음으로 이어질 수 있습니다. 타임라인은 두 해석 모두에 대한 맥락을 제공하지만, 그 중 어느 하나를 선택해주지는 않습니다. 확인을 위해서는 Bel 학습 노력을 실제 공개 모델과 그 명칭에 연결하는 문서가 필요합니다.
OpenAI Bel과 이전 세대 비교: 무엇이 개선되었나?
Bel에 대한 구체적 기술 정보가 부재하므로, 개선 논의는 (1) 유출의 상위 수준 주장, (2) GPT-4o → GPT-5.x → GPT-6 Astra의 알려진 궤적, (3) Navier–Stokes 급 과학 작업에 사용된 이름 없는 내부 모델이 보여준 능력에 기반해야 합니다. 각 잠재적 개선 영역을 아래에서 별도로 다룹니다.
스케일과 사전학습 연산
핵심 주장은 이전 내부 실행을 넘어 >10조 파라미터 영역으로의 도약입니다. 사실이라면 데이터·파라미터·연산에 대한 스케일링 법칙을 지속적으로 준수했음을 의미합니다. 확인된 점: OpenAI는 대규모 학습 실행을 지속해왔고 Astra보다 유능한 모델을 공개적으로 언급했습니다. 미확인: 구체적 파라미터 수, 학습 FLOPs, 데이터 믹스, 아키텍처 변화(덴스 vs. mixture-of-experts, 새로운 어텐션 등). 역사적 관찰에 근거한 현실적 기대: 더 나은 샘플 효율과 더 넓은 지식 커버리지이지만, 사후학습과 데이터 품질의 동반 진전 없이는 수익 체감.
장기 지향적 에이전시를 위한 사후학습과 정렬
GPT-6 Astra는 다단계 워크플로, 컴퓨터 사용, 과제 경계 준수에서 크게 개선했습니다. 더 강한 베이스와 추가 RL은 신뢰할 수 있는 에이전트형 운영을 시간 단위에서 며칠·수주 단위로 밀어 올리며 인간의 개입을 줄일 수 있습니다. Navier–Stokes 다중 에이전트 실험(수천 개의 협조 에이전트)은 OpenAI가 이미 어려운 문제에서 대규모 에이전트 스웜을 운용하고 있음을 보여줍니다. 방향성 확인: 예. Bel의 구체적 기여: 미확인.
과학적·수학적 추론
Astra 자체가 수학적 진전에 기여했으며, 더 강력한 내부 모델은 밀레니엄 문제 관련 정형 결과를 도출했습니다. 더 크고 더 잘 학습된 베이스는 난이도 높은 STEM 탐색 공간을 탐색하는 시간과 비용을 더 압축할 수 있습니다. 확인된 점: OpenAI는 여기에 큰 투자를 하고 있습니다. Bel 특유의 기여: 미확인.
컴퓨터 사용, 도구 사용, 멀티모달 신뢰성
Astra는 컴퓨터 사용과 브라우저 사용 벤치마크에서 새로운 기준을 세웠습니다. 향후 베이스는 긴 작업 경로에서 오류율을 낮추고, 시각적 그라운딩을 개선하며, 더 복잡한 소프트웨어 환경을 처리할 것으로 기대됩니다. 이는 추정이지만 제품 로드맵과 방향성은 부합합니다.
효율, 추론 속도, 비용
베이스가 더 커지더라도, 디스틸레이션, 더 나은 아키텍처, 커스텀 실리콘(OpenAI는 자체 ASIC을 논의해왔음)을 통해 여전히 사용 가능한 비용/성능을 제공할 수 있습니다. Bel에 대한 구체적 효율성 주장은 존재하지 않습니다.
OpenAI Bel 또는 GPT-7은 언제 출시될까?
검토된 출처 어디에도 Bel 또는 Bel 파생 GPT-7의 공식 출시일은 없습니다. @synthwavedd의 9월 23일 후속 게시물에서 수개월 대기를 언급했다는 설명은 원 유출과 동일한 비공식 출처에 귀속됩니다. 본 검토 중 전체 텍스트에 직접 접근하지 못했으므로, 출시 윈도 예측에 사용되기 어렵습니다. 사전학습이 완료되었다 해도, 그 뒤에 사후학습, 평가, 서빙 작업, 단계적 배포가 이어질 수 있습니다.
| 시나리오 | 무슨 일이 일어날지 | 시사점 |
|---|---|---|
| 더 빠른 완료 | 남은 평가와 배포가 비교적 신속하게 진행됨 | 후속 모델이 더 빨리 도착할 수 있음 |
| 개발 기간 연장 | 추가 학습, 위험 완화, 서빙 작업이 더 필요함 | 일정이 더 늦춰짐 |
| 대체 배포 | 파운데이션이 특화되거나 다른 브랜드의 시스템을 구동 | Bel이라는 이름의 제품이 반드시 나오는 것은 아님 |
가정상의 Fable 5.5는 검토된 출처에 검증된 일정이 없으므로, 출시 순서 예측은 근거가 부족합니다.
Bel이 OpenAI와 Anthropic 간 균형을 바꿀 수 있을까?
세 가지 그럴듯한 결과가 열려 있습니다. 첫째, Bel이 폭넓은 사전학습 도약을 가져와 이후 코딩과 추론 시스템을 개선할 수 있습니다. 둘째, 이점이 제한적일 수 있어 다른 공급자가 에이전트 신뢰성, 지연시간, 비용에서 우위를 유지할 수 있습니다. 셋째, 거대한 보고 스케일이 실질적 성능 향상으로 비례 전이되지 않을 수 있습니다. 재현 가능한 증거가 나오기 전까지는, 승자를 선언하기보다 가능한 경쟁적 응답으로 프레이밍하는 것이 타당합니다.
개발자와 팀을 위한 실무 권장사항(CometAPI)
업계가 Bel 또는 다음 대형 OpenAI 베이스 모델의 공식 확인을 지켜보는 동안, 프로덕션 시스템은 오늘 존재하는 모델에 안정적으로 접근할 필요가 있습니다. CometAPI는 하나의 OpenAI 호환 엔드포인트(https://api.cometapi.com/v1)와 하나의 API 키로 500개+ 모델에 접근을 제공합니다. 여기에는 현재 GPT-6 제품군 전체(Astra, Sol, Luna 및 업데이트)와 Anthropic의 Claude 라인업(Fable 5.1, Opus 5.5, Sonnet 5.5 등)이 포함됩니다.
결론
AI 프런티어는 계속 빠르게 움직이고 있습니다. Bel은 궁극적으로 중요한 내부 이정표로 증명될 수도, 잘못 전해진 코드명일 수도, 그 중간 어딘가일 수도 있습니다. OpenAI가 구체적 정보를 공개하기 전까지는, 해당 주장들을 미확인으로 다루되 이미 사용 가능한 모델에서 최대 가치를 끌어내는 것이 바람직합니다—그리고 다음 세대가 현실화되는 즉시 통합할 수 있도록 인프라를 충분히 유연하게 유지하는 것이 중요합니다. 많은 팀에게 그 유연성은 오늘날 CometAPI와 같은 통합 플랫폼을 통해 가장 손쉽게 달성됩니다.