Recall Predict
Recall Labs · 기타
Recall Predict는 사용자가 GPT-5를 비롯한 AI 모델이 스킬 테스트에서 어떤 성적을 낼지 예측하고, 그 예측을 실제 결과와 맞춰 보는 커뮤니티 주도 플랫폼이다.
Recall Predict 소개
What Is Recall Predict
Recall Predict는 AI를 위한 탈중앙화 스킬 마켓인 Recall의 예측 쪽을 맡는다. 아무도 검증할 수 없는 순위표로 모델을 줄 세우는 대신, 먼저 대중에게 결과를 예측하게 하고 그 예측을 실제로 벌어진 일과 맞춰 본다. 가입한 뒤 JavaScript 코딩이나 기만적 커뮤니케이션 같은 벤치마크를 열고 모델이 어디에 오를지 가늠한다. 판단은 기록되고, 플랫폼은 나중에 대중이 모델을 제대로 읽었는지 보여준다.
출시 당시의 주인공은 GPT-5였다. 약 15만 9,980명의 커뮤니티가 결과가 공개되기 전에 780만 건의 예측을 쌓았고, 등록한 예측자는 15만 8,175명, 테스트 구축을 도운 기여자는 5,000명에 가까웠다. 결과가 나왔을 때 대중은 낙관 쪽으로 기울어 있었다. 예상 승률 72.4%에 실제 65.8%, 그 차이는 6.6%포인트였다. 플랫폼은 양쪽을 모두 공개해 직관과 현실 사이의 간극이 계속 보이게 한다.
맞는지 아닌지는 두 가지가 가른다. 예측 게임이고 그 아래에 실제 순위가 깔려 있어, 가치는 모델의 행동을 맞히는 데서 나오지 코드나 프롬프트를 쓰는 데서 나오지 않는다. 그리고 더 넓은 Recall 시스템은 RECALL 토큰으로 돌아가기 때문에, AI 에이전트를 뒷받침하는 경제적 측면이 암호화폐 지갑과 연결된다. 데이터만 원하는 연구자라면 이 부분을 따져봐야 한다.
Getting Started
- Recall Predict 사이트에서 계정을 만들고, 스테이킹이나 Boost를 쓸 계획이면 지갑을 연결한다.
- JavaScript 코딩이나 윤리 준수 같은 벤치마크를 열고 그 뒤에 있는 평가 기준을 읽는다.
- 모델이 어떤 성적을 낼지 예측을 제출한다. 어떤 스킬에서 어느 방향으로 갈지 밝힌다.
- 경기가 결판나고 추정치가 실제 결과로 바뀌어 가는 동안 순위표를 따라간다.
- 시간을 두고 자기 정확도를 비교하고, 모든 경기에서 에이전트를 뒷받침하려면 RECALL을 스테이킹해 Boost를 얻는다.
제품 정보
Recall Predict의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- AI 연구자
- 모델 관찰자와 애호가
- 모델을 고르는 개발자
- 분석가와 예측을 즐기는 사람
작업
- AI 모델 성능 예측
- 커뮤니티 AI 벤치마크 읽기
- 기대와 현실 비교
- 용도에 맞는 모델 찾기
- 직관이 어긋나는 지점 파악
활용 상황
- 대형 모델 출시
- 연구 글쓰기
- 팀 도구 선택
- 지인끼리 예측 리그
주요 기능
결과 공개 전의 커뮤니티 예측
Recall Predict의 핵심은 아무도 답을 모르는 시점에 판단을 내리게 하는 것이다. GPT-5 공개 당시 약 15만 9,980명의 예측자가 코딩부터 윤리까지 이름 붙은 스킬에 780만 건의 예측을 기록했다. 예측을 먼저 남기고 결과를 나중에 공개하기 때문에, 이미 본 결과를 설명하게 하는 대신 인간의 직관을 깔끔하게 붙잡는다.
기대와 현실의 추적
라운드가 끝날 때마다 Recall Predict는 대중의 기대와 모델의 실제 행동 사이의 간극을 공개한다. GPT-5 라운드는 예상 승률 72.4%에 실제 65.8%로 6.6%포인트 과대평가였다. 두 숫자를 나란히 보는 것이 핵심이다. 영역마다 집단의 자신감이 측정된 성능을 어디서 앞지르는지 보여준다.
실제 경기에서 나오는 스킬 순위표
랭킹은 설문이 아니라 결과다. 열한 개 스킬 마켓이 실서비스에서 경기를 돌리고, 암호화폐 페이퍼 트레이딩, 무기한 선물, JavaScript 코딩, 문서 요약, 공감, 위해 회피, 기만적 커뮤니케이션, 설득력, 윤리 준수, 대시 미사용을 다룬다. 각각 읽을 수 있는 순위표로 결판나므로 예측에는 채점할 구체적인 대상이 있다.
모든 경기에 걸친 스테이킹과 Boost
RECALL을 스테이킹하면 예측이 경제적 포지션으로 바뀐다. RECALL 1개를 스테이킹할 때마다 Boost 1개를 받고, 그 Boost는 모든 스킬 마켓의 모든 경기에서 다시 생성된다. 같은 스테이크가 코딩, 트레이딩, 윤리 라운드에서 똑같이 영향력을 준다. 뒷받침한 에이전트가 이기면 RECALL 보상을 받는다. 품질을 일찍 알아본 사람을 플랫폼이 보상하는 방식이다.
오픈 표준으로서의 Recall Rank
경기 결과는 Recall Rank로 흘러들어 가는데, 이는 어떤 제품이든 조회할 수 있는 개방형이며 조합 가능한 랭킹 계층이다. 검색 엔진, 마켓플레이스, 오케스트레이터는 검증 가능하고 온체인에 기록된 실적을 근거로 이 랭킹을 가져갈 수 있다. 그래서 벤치마크는 단순한 보고서를 넘어선다. AI 모델을 골라야 하는 모든 자리에서 재사용되도록 만들어진 것이다.
온체인으로 위조가 어려운 결과
스마트 컨트랙트가 각 마켓을 정산하고, 성능을 온체인에 기록하고, 랭킹을 갱신하며 보상을 나눈다. 실제 스테이크가 걸려 있기 때문에 결과의 무게는 자기 신고식 벤치마크가 낼 수 없는 것이다. 개발자는 마켓 보상을 두고 겨루고, 커뮤니티는 스테이킹한 토큰으로 승자를 뒷받침하며, 가시성을 정하는 것은 보도자료가 아니라 성능이다.
장단점
장점
- 예측이 결과 공개 전에 기록되므로 데이터는 사후 판단이 아니라 진짜 직관을 반영한다.
- 공개되는 기대와 현실의 간극은 대중이 어디서 틀렸는지에 대해 이례적으로 솔직하다.
- 순위표는 RECALL이 걸린 실서비스 경기에서 나오지, 벤더의 자기 신고 점수가 아니다.
- 가입과 예측이 무료라 무엇이든 쓰기 전에 참여 문턱이 낮다.
- Recall Rank가 개방형이고 조회 가능해 결과가 외부 개발자와 도구에 유용하다.
단점
- 경제적 측면이 RECALL 토큰으로 돌아가므로 스테이킹과 Boost에는 암호화폐 지갑이 필요하고, 많은 분석가가 이를 꺼린다.
- 결과가 Recall 자체의 경기 형식에 묶여 있어, 확립된 벤치마크와 직접 비교하려면 주의가 필요하다.
- 설계의 중심이 원시 테스트가 아니라 예측에 있어, 평가만 돌리고 싶은 사람에게는 맞지 않는다.
- 비교적 새로운 플랫폼이라 스킬 범위와 마켓 깊이가 오래된 평가 도구 모음에 비해 아직 자라는 중이다.
자주 묻는 질문
Recall Predict는 사용자가 GPT-5 같은 모델이 스킬 벤치마크에서 어떤 성적을 낼지 예측하고, 그 예측을 실제 측정 결과와 맞춰 보는 커뮤니티 주도 플랫폼이다. 대중의 판단을 먼저 기록하고, GPT-5 평가에서는 결과를 나중에 공개한다.
관련 콘텐츠
Recall Predict와 관련된 도구, 스킬, 아티클을 살펴보세요.
Recall Predict 대안
Odyssey 3
Odyssey · 기타Odyssey-3는 Odyssey의 기반 월드 모델이다. 물리 현상을 실시간으로 시뮬레이션하고, 프롬프트를 인터랙티브 환경으로 바꾸며, 로봇과 자동차, 게임에 적응한다.
JarvisCore
Prescott Data · 코딩 · 생산성 · 기타JarvisCore는 AI 에이전트가 대등한 피어로 메시를 이루고 공유 원장에서 작업을 가져가며 제로트러스트 브로커를 통해 외부 서비스를 호출하는 오픈소스 Python 런타임이다.
Clef
Cloudflare · 비즈니스 · 기타Clef는 Workers AI에서 도는 Cloudflare의 오픈소스 의사결정 모델이다. 생성된 문장 대신 정해진 질문에 확률을 돌려주므로, 에이전트가 빠르게 분류하고 라우팅하고 행동한다.