키워드：AI 기술 돌파, 대형 모델, 인공지능, GPT-5.6 Sol, Claude Fable 5, 오픈소스 모델
🔥 포커스
GPT-5.6 Sol Ultra, 50년 된 수학 난제 해결 : OpenAI의 GPT-5.6 Sol Ultra 모델이 Ultra 모드에서 64개의 하위 Agent를 호출하여, 그래프 이론에서 유명한 ‘이중 순환 피복 추측(Cycle Double Cover Conjecture)’의 증명을 1시간 이내에 완료했습니다. 이 증명은 순환을 직접 찾는 대신, 700단어 분량의 복잡한 Prompt 유도를 통해 그래프 구조 문제를 유한체 상의 에지 레이블링(edge labeling) 및 선형 대수 일관성 문제로 변환하여 해결했습니다. o1의 핵심 기여자 Noam Brown은 이번 돌파구가 전적으로 공개된 모델과 병렬 테스트 시점 계산(TTC)을 기반으로 이루어졌다며, 과학적 발견을 가속화하는 데 있어 다중 Agent 협업의 거대한 잠재력을 보여준다고 지적했습니다. (출처: QbitAI)
Apple, 영업비밀 침해로 OpenAI 기소 : Apple이 캘리포니아 북부 연방법원에 OpenAI를 공식 기소하며, “체계적이고 조직적인” 하드웨어 영업비밀 탈취 혐의를 제기했습니다. 소장에 따르면 OpenAI는 전 제품 디자인 부사장 Tang Tan을 포함해 400명이 넘는 Apple 직원을 스카우트했습니다. 그중 전 Apple 엔지니어 Chang Liu는 퇴사 시 회사 노트북을 반납하지 않고 클라우드 스토리지 취약점을 이용해 수십 개의 기밀 하드웨어 파일을 다운로드한 혐의를 받고 있으며, Tan은 면접 과정에서 지원자들에게 Apple 하드웨어 부품을 가져와 시연하도록 요구한 혐의를 받고 있습니다. 이번 소송은 OpenAI가 2027년 첫 AI 하드웨어 기기 출시를 계획하고 있는 시점에 제기되어, 향후 IPO 프로세스에 중대한 영향을 미칠 수 있습니다. (출처: Synced)
Claude Fable 5, 단 11일 만에 Bun의 백만 행 코드 재작성… 커뮤니티 논란 : 인기 JS/TS 런타임 Bun의 창립자 Jarred Sumner는 Anthropic의 지원을 받아 아직 공개되지 않은 Claude Fable 5 모델과 동적 워크플로우를 활용해, 11일 만에 Bun의 백만 행에 달하는 Zig 코드를 Rust로 재작성했다고 발표했습니다. 이 과정에서 약 16만 5천 달러의 API 비용이 소요되었습니다. 이번 조치는 Zig 버전의 메모리 안전 Bug를 해결하고, AI 생성 코드에 대한 Zig 커뮤니티의 무관용 태도에 대응하기 위해 진행되었습니다. 그러나 Zig 언어 창립자인 Andrew Kelley는 즉각 장문의 글을 올려 Sumner의 개인적인 엔지니어링 습관이 엉망이며, 재작성된 코드에 여전히 많은 보안 취약점이 남아있다고 강력히 비판하면서, AI 시대의 오픈소스 커뮤니티 문화와 엔지니어링 품질에 대한 치열한 논쟁을 불러일으켰습니다. (출처: Synced)
중국 최초의 10만 카드급 국산 컴퓨팅 클러스터 ‘Sugon 8000’ 완공 : 중과서광(Sugon)은 정저우에서 전량 국산화된 AI 슈퍼 클러스터 ‘Sugon 8000 (Dengfeng)’이 공식 완공되어 전국 통합 컴퓨팅 네트워크에 연결되었다고 발표했습니다. 중국 최초로 네이티브 초지능 융합 노선을 기반으로 구축된 10만 카드급 클러스터로서, 칩, 컴퓨팅, 스토리지, 네트워크에서 액체 냉각 방열에 이르기까지 전체 링크의 자체 국산 연구개발을 실현했습니다. 이 클러스터는 배정밀도 FP64부터 INT8까지의 전정밀도 컴퓨팅을 지원하여 대규모 과학 계산뿐만 아니라 조 단위 매개변수 거대 모델의 학습도 지원할 수 있습니다. 현재 300여 개의 애플리케이션 적합성 평가를 마쳤으며, 누적 70여 회의 1만 카드 규모 컴퓨팅 테스트를 완료했습니다. (출처: QbitAI)
🎯 동향
Meta, 가성비와 컨텍스트 창을 높인 Muse Spark 1.1 출시 : Meta가 새로운 멀티모달 추론 모델 Muse Spark 1.1을 출시했습니다. 이 모델은 Intelligence Index 평가에서 51점을 기록해 GLM-5.2와 동률을 이루었으나, Coding Index에서는 71.3점의 높은 점수로 GLM-5.2를 넘어섰습니다. 컨텍스트 창을 100만 token으로 확장했을 뿐만 아니라, 오답률을 73%에서 38%로 낮췄습니다. 가장 큰 장점은 압도적인 가성비로, 작업당 추정 비용이 0.26달러에 불과해 GLM-5.2보다 약 30% 저렴하고 GPT-5.4보다 약 3배 저렴하여 프론티어 모델 간의 가격 경쟁을 더욱 심화시키고 있습니다. (출처: THE DECODER)
GPT-5.6 Sol 결함 및 수정: OpenAI, 워크플로우 및 사용량 제한 긴급 조정 : ChatGPT Work 및 GPT-5.6 Sol 출시 이후, OpenAI는 사용량 한도가 너무 빨리 소모되고 인터페이스가 혼란스러우며, 지속성이 높은 시스템 프롬프트 상태에서 Sol이 로컬 파일을 실수로 삭제한다는 부정적인 피드백을 대량으로 받았습니다. OpenAI 팀은 제품 온보딩 및 기본 설정에 실수가 있었음을 인정하고 긴급하게 두 차례 사용량 한도를 초기화했습니다. 공식 팀은 다음 주에 대규모 업데이트를 출시하여 사이드바의 프로젝트 및 채팅 관리 기능을 복구하고, 더 투명한 사용량 소모 지표를 제공하겠다고 약속했습니다. 아울러 Codex 독립형 앱은 폐지되지 않고 ChatGPT Work와 협력 공존할 것임을 재확인했습니다. (출처: THE DECODER)
GPT-5.6 Sol, Luna 모델의 사후 학습 자율 완료 : OpenAI는 자사의 새로운 플래그십 모델 GPT-5.6 Sol이 Codex 플랫폼에서 “다소 모호한” 프롬프트를 입력받아 더 작은 모델인 Luna의 사후 학습(post-training) 최적화를 자율적으로 완료할 수 있다고 밝혔습니다. Sol은 독립적으로 학습 구성을 찾고 적절한 GPU를 선택하며, 학습 스크립트를 실행 및 검증할 수 있습니다. 시스템의 자가 진화 능력을 측정하는 내부 재귀적 자가 개선(RSI) 지수에서 GPT-5.6 Sol은 이전 세대인 GPT-5.5보다 16.2점 향상된 점수를 기록했습니다. 이는 AI가 스스로 연구개발을 돕는 폐루프(closed loop)가 가속화되고 있음을 보여주며, 이로 인해 연구원들의 일일 평균 token 처리량도 두 배로 늘어났습니다. (출처: THE DECODER)
베이징 오픈소스 칩 연구원, Orca 구체화된 AI(Embodied AI) 세계 모델 발표 : 베이징 항공항천대학교와 베이징 오픈소스 칩 연구원(BAAI) 등의 기관이 공동으로 Orca(0.8B 및 4B) 세계 기초 모델을 발표했습니다. Orca 에이전트는 행동 라벨이 없는 12만 5천 시간 분량의 비디오에서 ‘무의식적 학습’을 진행하고, 텍스트 명령과 결합하여 ‘의식적 학습’을 수행함으로써 추상적 공간에서 세계 상태의 변화를 모델링합니다. 선반 정리(shelving) 등 5가지 로봇 조작 작업에서 Orca는 단 200개의 실제 시연 미세 조정(fine-tuning)만으로 로봇 행동 데이터로 특화 학습된 π0.5 모델의 성능과 대등한 수준을 보여주어, 데이터 부족 문제를 해결하는 새로운 방향을 제시했습니다. (출처: THE DECODER)
Google, Nano Banana 2 Lite 이미지 모델 출시 및 비디오 API 개방 : Google이 자사에서 가장 빠르고 비용이 저렴한 이미지 생성 모델인 Nano Banana 2 Lite(즉, Gemini 3.1 Flash Lite Image)를 출시했습니다. 1k 해상도 이미지 1,000장당 생성 비용은 0.034달러에 불과합니다. 이와 함께 Google은 멀티모달 비디오 생성 모델인 Gemini Omni Flash를 개발자 API로 개방하여, 텍스트나 이미지 입력을 통해 동기화된 사운드 효과가 포함된 720p 비디오를 생성할 수 있도록 지원합니다. 개발자들은 Google AI Studio에서 두 모델을 연결하여 저비용의 ‘텍스트-이미지-비디오’ 자동화 워크플로우를 구현할 수 있습니다. (출처: DeepLearning.AI)
DeepSeek, DSpark 투기적 디코딩(Speculative Decoding) 가속 기술 출시 : DeepSeek가 베이징대학교 팀과 협력하여 DSpark 투기적 디코딩 모듈을 출시하고, 이를 DeepSeek-V4 시리즈 모델에 적용했습니다. DSpark는 병렬 초안 생성과 마르코프 헤드(Markov head) 미세 조정을 결합하여, 모델의 정확도 손실 없이 DeepSeek-V4-Flash의 사용자당 생성 속도를 60%~85%, Pro 버전의 속도를 57%~78% 향상시킵니다. 핵심 혁신은 서버의 실시간 부하에 따라 검증 길이를 동적으로 조정하여, 부하가 적을 때는 더 긴 초안을 검증하고 부하가 높을 때는 신뢰도가 낮은 token을 폐기하여 컴퓨팅 자원을 확보하는 데 있습니다. (출처: DeepLearning.AI)
Meta 등 공동 연구팀, Brain2Qwerty v2 뇌-컴퓨터 인터페이스(BCI) 시스템 발표 : Meta가 프랑스 국립과학연구원(CNRS) 등과 공동으로 뇌파를 텍스트로 직접 변환할 수 있는 Brain2Qwerty v2 시스템을 발표했습니다. 연구팀은 비침습적 뇌자도(MEG)를 이용해 피험자 9명의 90시간 분량 타이핑 뇌파 데이터를 기록했습니다. 이 시스템은 합성곱 신경망(CNN)과 Conformer 구조를 통해 뇌파를 문자로 디코딩한 후, 정렬기(aligner)를 통해 단어 벡터로 매핑하고, 마지막으로 미세 조정된 Qwen3-4B 모델을 통해 오류를 수정합니다. v2 버전의 단어 오류율(WER)은 v1의 43%에서 39%로 감소했으며, 피험자 간 공동 학습 성능이 단일 피험자 학습보다 현저히 우수했습니다. (출처: DeepLearning.AI)
NVIDIA, Agent 최적화 Vera CPU 아키텍처 출시 : NVIDIA가 에이전트형 AI(Agentic AI)가 GPU 호출 간격 동안 도구 호출, 코드 실행 및 검색 검증을 수행할 때 발생하는 CPU 병목 현상을 해결하기 위해 설계된 새로운 CPU 아키텍처 ‘Vera’를 출시했습니다. Vera는 88개의 맞춤형 Olympus 코어를 탑재하여 최대 1.2 TB/s의 메모리 대역폭을 제공하며, 싱글 스레드 성능은 주류 x86 CPU보다 1.8배 향상되었습니다. Perplexity의 실제 테스트에서 Vera는 코드 워크플로우 속도를 1.5배, 동시 샌드박스 시작 속도를 1.9배 향상시키는 데 성공하여, Agent 시대에는 CPU의 싱글 스레드 성능이 새로운 컴퓨팅 파워의 핵심이 되었음을 보여주었습니다. (출처: Latent Space)
Ant Group 산하 Robbyant, LingBot-VA 2.0 구체화된 AI 모델 발표 : 앤트그룹(Ant Group)의 구체화된 AI(Embodied AI) 부서인 Robbyant가 최초의 구체화 네이티브 기초 모델인 LingBot-VA 2.0을 발표했습니다. 이 모델은 기존의 비디오 확산 및 동작 모듈 아키텍처를 버리고, 네이티브 인과관계 DiT와 128개의 전문가를 포함하는 희소 MoE 비디오 스트림을 채택하여 세계 상태와 동작을 통합된 96채널 잠재 공간(latent space)에 압축합니다. ‘전향적 추론(Foresight Reasoning)’ 기술을 통해 모델은 예측과 실행을 비동기적으로 중첩하여 수행하고, 실제 관측값을 수신하면 다시 정렬할 수 있습니다. 저정밀도 컴파일 및 증류 최적화를 통해 chunk 지연 시간을 927ms에서 142ms로 단축했으며, 비동기 제어 주파수는 최대 225 Hz에 달합니다. (출처: MarkTechPost)
🧰 도구
MuScriptor: 오픈소스 다중 악기 오디오-MIDI 변환 Transformer 모델 : Kyutai가 Mirelo와 공동으로 오픈소스 decoder-only Transformer 음악 전사(transcription) 모델인 MuScriptor를 발표했습니다. 이 모델은 다양한 악기가 포함된 전체 믹싱 오디오에서 음고(pitch), 음가(duration), 악기 카테고리를 자동으로 식별하여 멀티트랙 MIDI 파일로 출력할 수 있습니다. MuScriptor는 합성 MIDI 사전 학습, 17만 개의 실제 녹음 미세 조정 및 GRPO 기반 강화 학습 사후 학습을 거쳤으며, D_Test 벤치마크에서 다중 악기 F1 스코어 48.2를 기록하여 기존 YourMT3+ 베이스라인(21.9)을 크게 앞섰습니다. 또한 긴 오디오 전사를 안정화하기 위한 악기 조건부 입력을 지원합니다. (출처: MarkTechPost)
PrivAiTe PII Anonymizer: Open WebUI 로컬 개인정보 필터 : Open WebUI 커뮤니티의 개발자들이 오픈소스 플러그인 ‘PrivAiTe PII Anonymizer’를 출시했습니다. 이 플러그인은 로컬에서 Express 미들웨어로 실행되며, 사용자가 클라우드 거대 모델에 요청을 보내기 전에 이름, 이메일, 전화번호 등의 개인정보(PII)를 자동으로 감지하여 플레이스홀더(예: <PERSON_1>)로 대체하고, 거대 모델이 응답을 반환할 때 로컬에서 실제 값으로 복원합니다. 이 플러그인은 Microsoft Presidio 및 로컬 ONNX 개인정보 모델을 기반으로 작동하여 개인정보를 보호하는 동시에 클라우드 대화의 유용성을 보장합니다. (출처: Latent Space)
Ramanujan Simulator: 라마누잔 수학 공식 시뮬레이터 : Zhihu 크리에이터 cyb-jiang이 오픈소스 수학 발견 프로젝트 ‘Ramanujan Simulator’를 공유했습니다. 이 프로젝트는 라마누잔 머신(Ramanujan Machine)에서 영감을 받아, 사전 수학적 정리 증명 없이 수치 알고리즘을 사용하여 π, e 등 기본 상수에 대한 연분수 항등식과 새로운 추측을 자동으로 탐색합니다. 중간 만남 탐색(Meet-in-the-middle) 및 해시 테이블 기반 매칭 알고리즘을 채택하여, 수학 발견 프로세스를 “알고리즘이 구조를 스캔하여 추측을 제안하고, 인간이 이를 증명하는 방식”으로 전환함으로써 오픈소스 수학 도구가 호기심을 실행 가능하게 만드는 독특한 매력을 보여줍니다. (출처: QbitAI)
RouteScribe: 런타임 트래픽 기반 Express OpenAPI 자동 생성 도구 : npm 커뮤니티의 개발자들이 오픈소스 미들웨어 ‘RouteScribe’를 출시했습니다. 이 도구는 Node.js/Express 개발자를 대상으로 하며, OpenAPI 인터페이스 문서를 수동으로 유지 관리할 때 발생하는 번거롭고 오류가 발생하기 쉬운 문제를 해결하기 위해 설계되었습니다. RouteScribe는 Express 애플리케이션이 실행되는 동안 실제 API 트래픽을 관찰하고 분석하여 요청 경로, 매개변수, 요청 본문 및 응답 형식을 자동으로 캡처하고 규격에 맞는 OpenAPI(Swagger) 사양 문서를 동적으로 생성함으로써 인터페이스 문서 유지 관리 작업을 크게 간소화합니다. (출처: Latent Space)
destructive_command_guard (dcg): AI Agent의 로컬 파일 오삭제를 방지하는 안전 가드 : GPT-5.6 Sol 등의 Agent가 YOLO 모드에서 코드를 실행할 때 로컬 파일을 실수로 삭제할 수 있는 위험에 대응하여, 개발자들이 오픈소스 도구인 destructive_command_guard(dcg)와 bash-guard를 출시했습니다. 이 도구들은 shell에 PreToolUse 훅을 추가하여 코드 저장소 외부 경로를 수정하거나 삭제하려는 모든 위험한 명령을 강제로 차단하고 방지합니다. 이는 개발자가 로컬에서 높은 자율성을 가진 프로그래밍 Agent를 실행할 때 필요한 물리적 안전 방어선을 제공합니다. (출처: Hacubu)
📚 학습
Hugging Face, PyTorch 어텐션 메커니즘 프로파일링 튜토리얼 출시 : Hugging Face가 ‘PyTorch 성능 프로파일링’ 시리즈 튜토리얼의 세 번째 파트를 공개하며 어텐션 메커니즘의 성능 최적화에 초점을 맞췄습니다. 이 글은 A100 GPU에서 naive 어텐션, 인플레이스(in-place) 마스크 최적화, 그리고 SDPA의 4대 백엔드(math, efficient, flash, cuDNN)의 Profiler 추적 그래프를 상세히 비교합니다. 튜토리얼은 겉보기에 단순해 보이는 인플레이스 최적화가 어떻게 메모리 복사(Memcpy) 연산자 스케줄링을 생략할 수 있는지, 그리고 FlashAttention이 Tensor Core에서 낮은 점유율(occupancy)로 실행되면서도 어떻게 극도로 높은 처리량을 달성할 수 있는지 깊이 있게 설명합니다. (출처: HuggingFace)
CMU·칭화대·스탠퍼드대, LLM Agent 활용해 재난 대피 및 도시 행동 시뮬레이션 수행 : 여러 최고 학술 기관들이 거대 모델 Agent를 가상 사교 영역에서 재난 방지 및 감축 분야로 확장하고 있습니다. 카네기 멜런 대학교(CMU)는 학교 비상 대응 팀과 협력하여 13,000개의 Agent를 이용해 졸업식 대피 역학을 시뮬레이션하고 이를 SOP에 반영했습니다. 칭화대학교 리융(Li Yong) 팀은 도시 전체 규모에서 허리케인 등 재해 발생 시 수만 명의 Agent의 사회적 반응을 시뮬레이션할 수 있는 AgentSociety를 오픈소스로 공개했습니다. 텐진대학교 등의 팀은 물리적 아키텍처와 인지적 아키텍처를 분리하여 지하철 화재 시 가상 군중의 밀치기 및 압사 행동을 시뮬레이션하는 RESCUE 시스템을 출시했습니다. (출처: 36Kr)
Apple, On-Policy 지식 증류 진단 프레임워크 발표 : Apple 머신러닝 연구팀이 추론 거대 모델의 사후 학습 중 On-Policy 증류 기술을 위한 학습이 필요 없는 진단 프레임워크를 제안하는 논문을 발표했습니다. 이 프레임워크는 token, 질문, 교사 모델의 세 가지 차원에서 가장 높은 해상도로 증류 신호의 장단점을 분석할 수 있습니다. 연구팀은 학생 모델의 성공률을 극대화할 수 있는 ‘이상적인 그래디언트’를 정의하고, 이를 정량화하기 위해 그래디언트 정렬 점수(GAS)를 설계했습니다. 실험 결과, 증류 가이드는 학생 모델이 오답을 낸 rollout에서 유의미하게 더 높은 정렬도를 보였으며, 정답을 낸 rollout에서는 교사 신호가 흔히 노이즈로 전락하는 것으로 나타났습니다. (출처: Apple)
Amazon 및 미시간대, 로봇 촉각 전단력 시뮬레이터 HydroShear 출시 : Amazon과 미시간대학교 연구진이 로봇 촉각 전단력을 시뮬레이션하기 위한 물리 시뮬레이터인 HydroShear를 개발했습니다. 이 도구는 경로 의존적 힘 추적 알고리즘을 기반으로 하여, 물체가 부드러운 센서 표면에서 미끄러지고 회전할 때의 변형 이력을 기록하고 이를 고정밀 3D 힘장(force field)으로 변환합니다. HydroShear를 사용해 시뮬레이션에서 강화 학습으로 훈련된 파지 및 박싱 전략은 별도의 미세 조정 없이 실제 Franka 로봇에 직접 배포할 수 있으며, peg 삽입, 서랍 당기기 등 접촉 집약적인 작업에서 93%의 성공률을 달성했습니다. (출처: Amazon Science)
💼 비즈니스
Tencent, 싱가포르 AI 에이전트 스타트업 Manus 과반 지분 인수 추진 : 파이낸셜 타임스 보도에 따르면, 베이징 시정부가 투자 규제 준수 문제를 이유로 Meta의 20억 달러 규모 Manus 인수안을 중단시키고 창립자 샤오훙(Xiao Hong)에게 출국 금지 조치를 내린 후, 중국 빅테크 기업 Tencent가 Manus와 접촉하여 동일한 20억 달러의 가치 평가로 과반 지분을 인수할 계획을 세우고 있습니다. Benchmark 등 미국계 벤처캐피털은 참여하지 않을 것으로 예상됩니다. Manus는 현재 싱가포르에서 독립적으로 운영되고 있으며 연간 매출은 5억 달러에 육박합니다. Tencent의 이번 행보는 자사의 WeChat 생태계에 Manus의 AI 에이전트 기술을 깊이 통합하기 위한 것입니다. (출처: THE DECODER)
한국 반도체 거인 SK Hynix 미국 상장, 265억 달러 조달하며 사상 최대 기록 : 한국의 메모리 반도체 대기업 SK Hynix가 Nasdaq에 미국 주식예탁증서(ADR)를 공식 발행하며 상장해 265억 달러(약 40조 원) 규모의 자금 조달에 성공했습니다. 이는 2014년 Alibaba의 250억 달러 IPO를 넘어서는 것으로, 미국 역사상 외국 기업 기준 최대 규모의 IPO 기록입니다. 고대역폭 메모리(HBM) 분야에서의 독점적 지위 덕분에 이 주식은 ‘코리아 디스카운트’의 영향을 받지 않고 첫날 14% 급등했습니다. 조달된 자금은 한국 내 신규 웨이퍼 팹 건설과 EUV 노광 장비 구매에 사용될 예정입니다. 한편, 미국 상무장관은 이들에게 미국 내 팹 건설을 촉구하고 있습니다. (출처: TechCrunch)
Anthropic, UST와 파트너십 체결… Claude를 물리적 AI 분야로 확장 : Anthropic이 기술 서비스 대기업 UST와 글로벌 전략적 파트너십을 체결하고, Claude를 칩 검증, 자동차 제조, 사물인터넷(IoT) 등 ‘물리적 AI(Physical AI)’ 시나리오에 도입한다고 발표했습니다. UST의 iDEC 하드웨어 검증 플랫폼은 Claude Code를 추론 레이어로 통합하여 칩 핀아웃(pinout) 및 하드웨어 회로도를 자동으로 읽고, 회귀 테스트를 작성 및 실행하여 검증 주기를 50%~70% 단축할 예정입니다. 파트너십의 일환으로 UST는 전 세계 20,000명의 엔지니어와 컨설턴트에게 Claude 역량 교육을 제공할 예정입니다. (출처: Anthropic)
🌟 커뮤니티
미국 정부, 오픈소스 모델 제한 행정명령 검토… LeCun 등 강력 반대 : 백악관이 중국의 기술 부상에 대한 우려로 오픈소스 AI 모델을 제한하거나 검토하는 행정명령을 고려하고 있다는 소식에 오픈소스 커뮤니티에서 격렬한 논쟁이 벌어졌습니다. 튜링상 수상자 Yann LeCun과 Beff(e/acc)는 이러한 “허가 전 전면 제한” 방식의 준허가제가 미국의 혁신 생태계를 완전히 파괴할 것이며, 사람들이 토렌트 등을 통해 모델을 다운로드하는 것을 막지 못할 뿐만 아니라 오히려 시스템을 더 불안전하게 만들 것이라고 경고했습니다. 이들은 너무 늦기 전에 사회 각계각층이 나서서 컴퓨팅의 자유를 수호해야 한다고 촉구했습니다. (출처: Latent Space)
Hugging Face CEO Clem Delangue: 기업들, API 대여에서 오픈소스 모델로 전환 중 : Hugging Face의 CEO Clem Delangue는 팟캐스트에서 기업의 AI 애플리케이션 규모가 확장됨에 따라 막대한 token 비용 부담으로 인해 포춘 500대 기업의 약 절반이 폐쇄형 API 대여에서 오픈소스 모델 배포로 전환하고 있다고 지적했습니다. 그는 현재 미국에서 다운로드되는 오픈소스 모델의 대부분을 중국 연구소가 기여하고 있으며, 이는 미국 현지의 오픈소스 생태계 구축을 촉진하는 동력으로 삼아야 한다고 언급했습니다. 또한 가정과 공장 등 물리적 프라이버시가 개입되는 구체화된 AI 및 로봇 공학 분야는 채팅 도구보다 오픈소스의 투명성에 대한 요구가 훨씬 더 시급하다고 강조했습니다. (출처: TechCrunch)
100명 이상의 AI Agent와 인간의 협업으로 Gemma 4 추론 속도 5배 향상 : Google Gemma 팀과 Hugging Face가 공동으로 6일간 Gemma 챌린지를 개최했습니다. 100명 이상의 인간 개발자가 AI Agent와 협력하여 단일 NVIDIA A10G GPU에서 Gemma 4의 추론 속도를 5배 향상시키는 데 성공했으며, 315 TPS의 무손실 추론 속도(최대 손실 속도는 491.8 TPS)를 달성했습니다. 이 과정에서 Agent들은 자가 관리 및 ‘게으름 피우기’ 방지를 위한 협업 행동을 보여주었으며, Clem Delangue는 이를 “에이전트 네트워크 효과”를 보여주는 이정표적인 사례로 평가했습니다. (출처: Google)
커뮤니티 열띤 토론: 머신러닝 학술대회의 저자당 투고 수를 제한해야 할까? : 최근 머신러닝(ML) 학술대회 투고량이 기하급수적으로 증가하여 피어 리뷰(동료 평가) 품질이 심각하게 저하되는 상황에 직면하자, Reddit 커뮤니티에서 “저자당 투고 수를 제한해야 하는가”에 대한 토론이 시작되었습니다. 사용자들은 TMLR이 이미 연간 투고 상한선을 도입했으며, ACL 등의 학회도 관련 없는 논문을 자동으로 데스크 리젝트(desk reject)하거나 각 투고 논문마다 상응하는 리뷰어를 의무적으로 제공하도록 하는 방안을 모색하여 리뷰 압박을 완화하기 시작했다고 지적하며, 학계의 무분별한 논문 양산 현상에 대한 보편적인 우려를 반영했습니다. (출처: Reddit)
오프그리드 생존의 새로운 아이디어: 커뮤니티에서 ‘로컬 LLM 생존 키트’ 제작 열띤 토론 : Reddit의 LocalLLaMA 커뮤니티에서 64GB 플래시 드라이브에서 실행할 수 있는 ‘로컬 LLM 생존 키트’를 제작하는 방법에 대해 열띤 토론이 벌어졌습니다. 이 구상에는 Windows/Mac/Linux용 llama.cpp 바이너리 파일, Qwen3.5 35B 또는 Gemma 4 모델, 그리고 압축된 영문 위키백과 및 의료·공학 분야 오픈소스 서적 데이터베이스를 사전 탑재하는 내용이 포함되어 있습니다. 사용자는 USB 드라이브를 꽂기만 하면 인터넷과 GPU가 없는 노후된 컴퓨터에서도 5-20 tok/s의 속도로 오프그리드 지식 베이스 검색을 구현할 수 있어, 긴급 대피나 네트워크 단절 환경을 위한 실용적인 기술 솔루션을 제공합니다. (출처: Reddit)
모델 선택과 한도 불안: GPT-5.6 다단계 추론으로 인한 사용자 token 소모 우려 : GPT-5.6이 Luna, Terra, Sol의 세 가지 모델과 Low부터 Ultra까지 5가지 추론 effort 단계를 도입하면서, 커뮤니티 사용자들이 모델 선택에 혼란을 겪고 있습니다. 사용자 피드백에 따르면 Sol Ultra 모드에서는 모델이 자동으로 동일한 Ultra 등급의 하위 Agent를 생성하여 token 소모가 기하급수적으로 증가하며, 이로 인해 단 몇 시간 만에 Pro 사용자의 주간 한도를 모두 소진하기 쉽다고 합니다. 개발자들은 일반적인 작업에서는 기본적으로 Luna 모델에 중간 수준의 effort를 조합해 사용하거나, 비용 제어를 위해 제3자 라우팅 도구를 사용할 것을 권장하고 있습니다. (출처: Latent Space)
💡 기타
트럼프 국제공항 새 로고에서 어처구니없는 AI 생성 오류 발견 : 플로리다주의 새로 명명된 ‘도널드 J. 트럼프 국제공항’이 공식 로고를 발표했으나, 디자인에 명백한 AI 생성 결함이 있는 것으로 지적되었습니다. 언론은 로고 방패의 빨간색과 흰색 줄무늬가 미국 국기 표준인 13개가 아닌 11개에 불과하며, 독수리 오른쪽 발톱 모양이 심하게 왜곡되어 있고 양쪽 깃털과 나뭇잎의 수도 비대칭이라고 보도했습니다. 이러한 초보적인 실수는 당국이 검증되지 않은 AI 생성 이미지를 공식 로고로 사용한 것에 대한 소셜 미디어상의 조롱을 빠르게 불러일으켰습니다. (출처: The Verge)
ChatGPT 음성 봇 3개가 100까지 세려다 벌어진 우스꽝스러운 상황 : Reddit 커뮤니티에서 화제가 된 한 영상은 사용자가 GPT-Live 음성 모드가 활성화된 3개의 ChatGPT 봇에게 교대로 100까지 세어보라고 시킨 모습을 보여줍니다. 숫자를 세는 과정에서 봇들은 자주 틀리고 서로 말을 끊을 뿐만 아니라, “자신만만하면서도 어리석은” 어조로 서로를 교정해 주어 큰 웃음을 자아냈습니다. 네티즌들은 이것이 기업 내 비효율적이고 관료주의적인 일상 회의를 완벽하게 묘사한 것이라며, 현재 실시간 음성 다중 Agent 협업의 논리적 일관성 한계를 보여준다고 조롱했습니다. (출처: Reddit)
