OpenAI는 2026년 3월 18일 X를 통해 Parameter Golf라는 새 연구 챌린지를 공개했다. 연결된 안내 페이지에 따르면 참가자는 고정된 FineWeb dataset에서 held-out loss를 최소화해야 하며, 동시에 weights와 training code를 합쳐 16 MB artifact limit를 지켜야 하고, 학습은 8×H100 기준 10분 budget 안에서 끝나야 한다.

이 설계는 단순한 홍보 이벤트라기보다 효율성 자체를 겨루는 실험에 가깝다. 더 큰 모델이나 더 긴 학습 시간을 허용하는 대신, OpenAI는 parameter efficiency, training efficiency, reproducibility를 동시에 최적화하도록 룰을 짰다. edge deployment, compact foundation models, efficient pretraining에 관심 있는 연구자와 엔지니어에게 특히 의미가 큰 이유다.

운영 방식도 공개 engineering benchmark에 가깝다. OpenAI는 baseline, 고정 dataset, evaluation scripts가 포함된 GitHub repo를 제공한다고 밝혔다. 참가자는 이를 fork한 뒤 size·compute 한도 안에서 모델을 개선하고, 코드, logs, score, 짧은 write-up을 담아 PR로 제출하면 된다. 승인되면 leaderboard가 자동으로 갱신되는 구조다.

이번 챌린지는 채용과도 연결된다. OpenAI는 우수 참가자에게 인터뷰 기회를 제공할 수 있고, 우승 접근법은 공개적으로 소개될 수 있다고 설명했다. 또한 공급 상황과 자격 심사를 전제로, Runpod를 통한 quick-start credits부터 고급 competitor grant까지 compute 지원도 마련했다.

더 큰 흐름에서 보면 frontier lab들이 다시 소형 고효율 모델과 그 주변 engineering discipline에 강한 관심을 보이고 있다는 신호다. Parameter Golf는 그 우선순위를 공개 경쟁 형태로 구체화한 사례다. 상위권 결과가 실제로 나오면, leaderboard를 넘어 작은 예산으로 더 많은 능력을 끌어내려는 개발자들에게도 바로 참고할 만한 기법이 나올 가능성이 크다.

#parameter-golf

OpenAI, 16MB 제약 아래 효율 pretraining 겨루는 Parameter Golf 공개