세계 모델이 모든 것을 바꿀 수 있다

World Models가 제대로 작동하면 AI는 텍스트 패턴을 넘어 현실 세계의 상호작용을 학습하는 단계로 갈 수 있다. 집안일 로봇, 자동화 주방, 제조 라인 같은 응용도 가능하지만, 그 시점은 아직 확정되지 않았다.

투자는 이미 몰리고 있다. AMI Labs는 Yann LeCun의 10억 3000만 달러 시드 라운드 베팅이고, World Labs, Skild AI, Physical Intelligence도 2024년에 수억 달러를 끌어왔다. 2026년 초에는 World Labs 10억 달러, AMI Labs 10억 3000만 달러, Skild AI 14억 달러로 판이 더 커졌다.

핵심 병목은 data friction이다. LLM은 인터넷의 언어 흔적만 읽을 뿐 객체를 보고, 만지고, 실패하면서 배우지 못한다. 물리법칙을 읽는 것과 현실에서 익히는 것은 전혀 다르다.

LeCun이 현행 AI를 고양이보다 못하다고까지 비판하는 이유도 여기에 있다. 기억·추론·계획이 부족하면 현실 세계를 이해하는 모델이 아니라, 언어를 잘 맞히는 시스템에 머문다.

ARC-AGI-3는 바로 이런 능력, 즉 낯선 환경을 탐색하고 내부 모델을 만든 뒤 즉석에서 적응해 다단계 행동을 계획하는 능력을 시험한다. 인간은 대체로 첫 시도에서 풀 수 있지만, 프런티어 모델은 아직 크게 뒤처진다.

• o3는 원조 ARC-AGI에서 **87.5%**를 기록했다.
• ARC-AGI-2에서는 공개 초기 3% 미만으로 무너졌지만, 이후 Gemini 3 Deep Think가 **84.6%**까지 회복했다.
• ARC-AGI-3의 공개 초기 프런티어 점수는 **0.26%**였고, 공개 리더보드에서는 Gemini 3.1 Pro가 0.37%, Grok은 **0%**였다.

결국 이 글은 세계 모델이 현실 AI의 돌파구가 될 수는 있지만, 성패는 자본보다 실제 상호작용 데이터를 얼마나 싸고 빠르게 모으느냐에 달려 있다고 정리한다. 그래서 당분간은 범용 혁명보다 애플리케이션별 진전이 먼저 나타날 가능성이 크다.