대표적으로 700만 파라미터 Probabilistic TRM은 Sudoku-Extreme 정확도 98.75%를 기록했고, DeepSeek-R1은 같은 과제에서 0.0%였어요

2026년엔 500만~700만 파라미터 재귀형 모델이 일부 추론 과제에서 프런티어 LLM을 앞서고 있어요.

대표적으로 700만 파라미터 Probabilistic TRM은 Sudoku-Extreme 정확도 98.75%를 기록했고, DeepSeek-R1은 같은 과제에서 0.0%였어요. 500만 TRM도 87.4%를 냈고요.

핵심은 Chain-of-Thought처럼 토큰을 길게 뽑는 대신, 잠재공간(latent space)에서 반복적으로 해를 다듬는 방식이에요. 이 접근으로 100배 속도 향상, 토큰 75% 절감이 보고됐고, RecursiveMAS는 토큰 75.6% 감소와 정확도 8.3% 개선을 함께 보여줬어요.

스케일업 일변도였던 AI 경쟁에서, 작은 모델+재귀 설계가 비용 대비 성능의 새 기준이 될 가능성이 커졌다는 신호예요.