Moonshot, Kimi K3.1 Pro 가중치 공개, Cognition, SWE-2 Flash 출시, RoboColosseum, 실제 환경에서 로봇 평가

Moonshot AI가 약속대로 매개변수 2,8T개의 MoE인 Kimi K3.1 Pro의 가중치를 Hugging Face에 공개했다. 대규모 재판매 사업자에 대한 조건을 덧붙인 MIT 계열 라이선스가 적용된다. Cognition은 Inkling-Small을 기반으로 구축해 SWE-2보다 비용이 5분의 1인 코드 모델 SWE-2 Flash를 출시했고, RoboColosseum은 100대가 넘는 실제 로봇에서 로봇 정책을 평가한다. OpenAI는 이미 Codex에 도구를 제공하고 있는 Pierre를 인수할 예정이다. 한편 VS Code 1.145는 Copilot, Claude, Codex를 하나의 세션에 모으고, GitHub Copilot은 Xcode의 코드 도우미에 통합된다.

Moonshot AI, 약속대로 매개변수 2,8T개의 MoE인 Kimi K3.1 Pro 가중치를 Hugging Face에 공개

11월 4일 — Moonshot AI는 10월 23일 Kimi K3.1 Pro를 출시하면서 늦어도 11월 4일까지 전체 가중치를 공개하겠다고 약속했으며, 이를 이행했다. 11월 2일 생성되고 11월 4일 16시 00분 UTC에 @Kimi_Moonshot이 발표한 moonshotai/Kimi-K3.1-Pro 저장소는 별도 신청서 없이 누구나 접근할 수 있다. safetensors 파일 96개로, 총용량은 약 1,56 To다.

모델 설명서에는 출시 발표에서 요약했던 내용이 자세히 담겼다. Moonshot AI가 자사의 가장 뛰어난 ‘3T급’ 모델로 소개하는 Kimi K3.1 Pro는 텍스트와 이미지를 기본 지원하는 멀티모달 모델로, Kimi K3를 기반으로 사후 학습했다. Kimi K3와 비교해 명시된 아키텍처 변경점은 완전 어텐션 방식의 Gated MLA 계층을 긴 컨텍스트에서 더 효율적인 Gated DeepSeek Sparse Attention(Gated DSA) 계층 24개로 대체했다는 것이다. 가중치는 MXFP4, 활성값은 MXFP8 형식으로 제공되며, 학습 단계부터 이 형식을 반영했다(양자화 인지 학습).

기술적 특성	모델 설명서에 따른 값
전체 및 활성 매개변수	2,8T, 이 중 104B 활성
신경망 계층	93, 이 중 KDA 69개와 Gated DSA 24개
MoE 전문가	896, 토큰당 16개와 공유 전문가 2개
컨텍스트 창	1 048 576 tokens
가중치 형식	MXFP4, 활성값은 MXFP8
시각 인코더	MoonViT-V2, 매개변수 401M
공개 파일	safetensors 96개, 약 1,56 To

Moonshot AI는 모델 서빙에 vLLM, SGLang, TokenSpeed를 권장하며, platform.kimi.ai의 API에서도 kimi-k3.1-pro 식별자로 이용할 수 있다. 모델 페이지의 추론 제공업체 목록에 있는 Together AI는 이미 이 모델을 서비스하고 있으며 사후 학습도 제공한다(단신 참조). 모델 설명서는 통합 시 유의할 점을 강조한다. 여러 차례 주고받는 대화나 도구 호출이 있는 대화에서는 추론을 포함한 어시스턴트의 전체 메시지를 그대로 모델에 다시 보내야 한다. 출시 때 공개한 점수도 다시 제시했다. Terminal-Bench 4.0에서는 65,7로 Claude Opus 5.5(66,4)의 바로 뒤를 이었고, SWE Marathon v1.1에서는 51,7로 표에서 가장 높은 점수를 기록했다. 이 평가에서 Kimi K3.1 Pro는 Claude Code를 하네스로 사용했다.

‘Kimi K3.1-Pro License’라는 이름의 라이선스는 사용, 수정, 재배포, 판매를 허용하는 MIT 라이선스의 기본 틀에 두 가지 조건을 더했다. 모델을 서비스로 제공하는 사업(서비스형 모델)을 운영하면서 제삼자에게 추론이나 미세 조정에 대한 접근 권한을 제공하고, 연속 12개월간 누적 매출이 2천만 달러를 넘는 기업은 상업적으로 사용하기 전에 Moonshot AI와 별도 계약을 체결해야 한다. 월간 활성 사용자가 1억 명을 넘거나 월 매출이 2천만 달러를 넘는 상용 제품은 ‘Kimi K3.1-Pro’를 눈에 띄게 표시해야 한다. 내부 사용이나 Moonshot AI의 공식 제품 또는 인증된 추론 파트너를 통한 사용에는 이 조건이 적용되지 않는다.

🔗 Hugging Face의 Kimi K3.1 Pro · Moonshot AI의 X 발표

Cognition, Inkling-Small 기반으로 SWE-2보다 비용이 5분의 1인 코드 모델 SWE-2 Flash 출시

11월 4일 — Cognition이 빠르고 효율적인 코드 모델 SWE-2 Flash를 출시했다. Devin Desktop과 Devin CLI에서 즉시 이용할 수 있으며, 11월 30일까지 무료로 제공된다. 발표 스레드에 따르면 무료 제공 대상은 Pro, Max, Teams 구독자다. 기반 모델도 바뀌었다. 9월 10일 출시된 SWE-2가 Kimi K3를 사후 학습한 모델인 반면, SWE-2 Flash는 Thinking Machines의 가중치 공개 모델 Inkling-Small을 기반으로 한다. 매개변수는 276B개이며, 이 중 12B개가 활성화된다. Cognition은 이를 전적으로 미국에서 개발한 코드 모델(순수 미국산 코드 모델)이라고 소개한다. 회사에 따르면 SWE-2보다 비용이 5분의 1이고 속도는 3배 빠르지만, 구체적인 요금은 공개하지 않았다. 속도 시연에서 보여준 초당 200토큰 대 60토큰의 비교는 작업 하나를 시뮬레이션으로 재생한 것이다.

Introducing SWE-2 Flash, our new fast & efficient coding model. On leading evals, it outperforms all American open-weight models, even ones 3x larger. To balance transparency and cyber risks, we are building a program to securely share the weights with partners & researchers.

🇰🇷 빠르고 효율적인 새로운 코드 모델 SWE-2 Flash를 소개합니다. 주요 평가에서 크기가 3배인 모델까지 포함해 미국의 모든 가중치 공개 모델을 능가합니다. 투명성과 사이버 위험을 함께 고려하기 위해 파트너 및 연구자와 가중치를 안전하게 공유하는 프로그램을 도입합니다. — @cognition의 X 게시물

가장 먼저 눈에 띄는 변화는 학습 방식이다. Cognition은 처음으로 강화 학습에 앞서 중간 학습(미드 트레이닝) 단계를 넣었다. 과학 논문, 블로그, 코드로 구성된 수조 개의 토큰을 세 단계에 걸쳐 학습하되, 가장 희소하고 정제된 데이터는 마지막 단계에 배치했다. 이후 대규모 강화 학습을 진행했으며, 성능 향상은 주로 더 다양하고 더 철저하게 검증된 작업에서 나왔다. 기반 모델 대비 발표된 성과는 다음과 같다. Terminal-Bench 4.0은 0,9 %에서 20,0 %로, 자체 벤치마크인 FrontierCode 2.0은 3,2 %에서 24,0 %로, ExploitBench는 11,3 %에서 34,8 %로 올랐다.

평가 벤치마크 (%)	SWE-2 Flash	Inkling-Small (기반 모델)	Muse Spark Open	GLM 5.3 Flash	SWE-2
크기 (전체-활성)	276B-A12B	276B-A12B	816B-A42B	320B-A18B	2,8T-A104B
FrontierCode 2.0	24,0	3,2	6,2	14,2	23,8
Terminal-Bench 4.0	20,0	0,9	8,0	41,8	27,3
DeepSWE 1.1	60,1	17,4	60,0	63,4	73,0
SWE-Atlas QA	50,0	27,4	54,0	56,5	56,3
ExploitBench	34,8	11,3	—	36,0	36,1

글에 실린 표를 보면 이 핵심 주장에는 단서가 붙는다. 크기가 3배인 Meta의 Muse Spark Open은 SWE-Atlas QA에서 여전히 앞서며(54,0 대 50,0), DeepSWE 1.1에서는 대등한 성능을 보인다. 중국의 공개 모델들과 비교한 결과는 엇갈린다. SWE-2 Flash는 FrontierCode 2.0에서 GLM 5.3 Flash와 DeepSeek V4.1 Flash를 앞서지만, Terminal-Bench 4.0에서는 크게 뒤진다(20,0 대 41,8 및 42,3). FrontierCode 2.0에서는 SWE-2를 근소하게 이기지만, 다른 어떤 항목에서도 따라잡지 못한다.

가중치는 아직 공개되지 않았다. Cognition은 학습 과정에서 사이버 보안에 집중했으며, 최근 잇따른 사이버 공격에서 드러났듯 이러한 역량은 공격자에게도 도움이 된다고 강조한다. 회사는 산업계 파트너 및 신뢰할 수 있는 연구소와 가중치를 안전하게 공유하는 프로그램을 준비하고 있다. 이들은 모델을 미세 조정하고 민감한 환경에서 실행할 수 있게 될 전망이며, 자세한 내용은 몇 주 안에 공개하겠다고 밝혔다.

🔗 SWE-2 Flash 소개 (Cognition)

코드 에이전트: Claude Code 2.1.318, VS Code 1.145, Xcode의 Copilot, Vibe CLI 3.1.0, Antigravity 2.29.0

연결 만료를 알리는 Claude Code 2.1.318, 하위 에이전트의 상태 표시줄을 작성하는 Haiku 5.5

11월 4일 — Claude Code 2.1.318에는 수정 47건을 포함해 84개 항목이 담겼다. 11월 3일 21시 55분 UTC에 npm에 올라왔고, UTC 기준 자정 직후 GitHub에 릴리스 노트가 게시됐다. npm의 안정 채널은 여전히 2.1.311이다. 가장 유용한 새 기능은 만료 기한이 있는 저장된 claude.ai 연결과 관련된다. 이제 만료일이 claude auth status(loginExpiresAt)과 claude -p의 JSON 결과(credential_expires_at)에 표시되며, claude -p는 만료 열흘 전부터 stderr로 경고한다. 자동화 작업이 실패하는 순간에야 연결 만료를 발견하는 일을 피할 수 있게 됐다.

관련 영역	2.1.318의 새 기능
클라우드 세션	저장소 없음 옵션: 저장소를 선택하지 않고 Anthropic이 호스팅하는 환경에서 세션 실행
백그라운드 하위 에이전트	프롬프트 캐시가 만료되지 않도록 셸 명령을 3분 뒤 백그라운드로 전환
관리	`deniedMcpServers`가 업스트림 URL이 일치하는 Anthropic 제공 서버도 차단하며, `mantle` 업스트림에 `assume_role` 적용
IDE 확장 기능	IDE 터미널에서 시작할 때 더 이상 설치되지 않음: `/ide`를 통해 설치
자체 호스팅 실행기	오케스트레이터 로그에 새 형식 적용, `retryable=true:`를 찾는 스크립트 검토 필요

같은 날 @ClaudeDevs는 2.1.316부터 2.1.318까지 어떤 릴리스 노트에도 설명되지 않은 변경 사항을 발표했다. 30초마다 갱신되는 백그라운드 하위 에이전트의 상태 표시줄은 지금까지 갱신할 때마다 해당 에이전트의 전체 대화를 다시 읽었다. 이제는 Haiku 5.5가 짧은 메모를 바탕으로 상태 표시줄을 작성하며, 하위 에이전트는 자체 모델을 계속 사용한다. Anthropic에 따르면 갱신당 비용이 약 99 % 줄었고, 백그라운드 하위 에이전트를 사용하는 세션은 사용 한도를 약 5 % 덜 소모했다. 이는 프롬프트를 약 6 % 더 사용할 수 있는 수준이다. 이 변경은 Claude Code 2.1.316 이상을 사용하는 대부분의 Pro, Max, Ultra 구독자와 모든 Team 및 Enterprise 구독자에게 적용된다. Claude Code 팀의 Lydia Hallie는 CLI에만 해당하는 변경이라고 덧붙였다.

🔗 Claude Code 2.1.318 릴리스 노트 · Haiku 5.5에 관한 @ClaudeDevs의 스레드

VS Code 1.145, 하나의 세션에서 Copilot, Claude, Codex 하네스 함께 사용

11월 4일 — VS Code 1.145는 에이전트 중심으로의 전환을 이어 간다. 미리 보기로 제공되는 핵심 새 기능은 하나의 세션 안에서 서로 다른 하네스로 실행되는 중첩 대화를 함께 사용할 수 있다는 것이다. 예를 들어 Copilot 대화가 작성한 계획을 Claude가 검토하게 하거나, Codex에 같은 작업을 맡겨 나란히 진행할 수 있다. 각 대화는 자체 모델, 에이전트, 권한 수준을 유지한다. 이 구상은 VS Code 1.143에서 미리 보기로 도입된 모델 비교 기능을 확장한 것이다.

이제 로컬 자동화는 cron 표현식으로 일정을 지정할 수 있고, 작업 공간의 사용자 지정 에이전트를 활용할 수 있다. 클라우드 자동화는 이 기능을 지원하지 않는다. 원격 에이전트의 경우 에이전트 창의 내장 브라우저가 원격 호스트를 경유하므로, 에이전트가 해당 컴퓨터에서 실행한 애플리케이션을 미리 볼 수 있다(미리 보기). 새 세션의 기본값은 여전히 Copilot 하네스이며, Local 하네스에서 전환하는 방법도 안내한다. Local 하네스에서는 도구 3개(#installExtension, #runCommand, #newWorkspace)와 /new 명령이 제거되므로, 이를 참조하는 사용자 지정 에이전트와 프롬프트 파일을 수정해야 한다. 기업 환경에서는 조직이 관리하는 MCP 서버 허용 목록이 이제 레지스트리 제한보다 우선한다.

🔗 VS Code 1.145 릴리스 노트

GitHub Copilot, Xcode 내장 코드 도우미에 공개 미리 보기로 도입

11월 4일 — GitHub Copilot을 이제 Xcode 내장 코드 도우미에서 사용할 수 있다. 공개 미리 보기로 제공되며, macOS Tahoe 26.6 이상을 실행하는 Mac에서 Xcode 27.3 베타부터 지원한다. Xcode 설정의 인텔리전스 항목에서 통합을 구성할 수 있고, 모든 Copilot 요금제에서 이용할 수 있다. Apple 개발자에게는 두 번째 이용 경로가 생긴 셈이다. 별도로 배포되는 GitHub Copilot for Xcode 확장 기능도 계속 제공된다. GitHub는 제공되는 모델이나 Apple의 도우미에서 사용할 수 있는 기능을 구체적으로 밝히지 않았으며, 확장 기능 저장소 또는 Apple의 피드백 도구(Feedback Assistant)를 통해 의견을 받고 있다.

🔗 Xcode 코드 도우미의 GitHub Copilot

Vibe CLI 3.1.0, /context, 월간 사용량 표시기, 이미지 읽기 추가

11월 4일 — Mistral이 X에 별도 발표 없이 Vibe CLI 3.1.0을 공개했다. 10월 19일의 3.0.0 이후 첫 마이너 버전으로, 67개 항목이 담겼다(추가 11건, 변경 25건, 수정 29건, 제거 2건). /context 명령은 컨텍스트 창을 채우는 요소인 시스템 프롬프트, 도구 정의, 스킬, 대화, 빈 공간, 자동 압축용 예약 공간을 보여 주고, 각 범주의 토큰 수를 추정해 표시한다. 하단에는 Vibe Code의 월간 사용량 중 소모한 비율이 노란색, 이어서 빨간색으로 표시되며, 사용량 기반 결제로 전환되면 PAYG가 표시된다. read_file 도구는 이미지를 읽을 수 있는 모델을 사용할 때 이미지도 열 수 있다. Ctrl+R로 프롬프트 기록을 검색할 수 있으며, 음성 녹음 단축키는 Ctrl+T로 바뀌었다. Mistral의 MCP 커넥터도 실험 기능으로 추가됐다.

여러 수정 사항은 Mistral Large 4를 대상으로 한다. 추론 수준을 지정하지 않고 시작한 턴이 더 이상 400 오류로 실패하지 않으며, 선택기에는 낮음, 높음, 최대가 제공된다. 또한 스마트 승인 모드는 GLM 5.3처럼 추론을 끌 수 없는 모델에서 도구를 호출할 때마다 승인을 요구하지 않게 됐다. smart_approve_default 설정은 제거되고 default_agent = "smart-approve"로 대체된다.

🔗 Vibe CLI 3.1.0 릴리스 노트

Antigravity 2.29.0, Gemini Live 음성 모드와 클라우드 원격 에이전트 배포 시작

11월 3일 — Antigravity 앱 버전 2.29.0(개선 사항 22개, 버그 수정 13개)이 두 가지 기능을 단계적으로 배포하기 시작했다. Gemini Live 기반 음성 모드에서는 Antigravity와 대화하고 음성으로 에이전트에게 작업을 맡길 수 있다. Google AI Ultra 및 Pro 구독자에게는 원격 에이전트(remote agents)가 제공된다. 클라우드 프로젝트의 대화는 컴퓨터 대신 클라우드에서 실행되며, antigravity.google.com/remote에서 계속 접근할 수 있다. Antigravity는 이미 8월부터 Remote Control을 통해 원격으로 조작할 수 있었지만, 당시 세션은 사용자의 컴퓨터에서 실행됐다. 이번에는 실행 자체가 사용자 컴퓨터를 떠난다.

이번 버전에는 Jupyter 노트북용 기본 뷰어, 새롭게 개편된 자동화 페이지(예약됨, 상시 활성, 일시 중지), 내장 브라우저의 다운로드 및 방문 기록 기능도 추가됐다. 버그 수정 사항으로는 하위 에이전트용으로 생성한 Git worktree에 이제 커밋하지 않은 로컬 변경 사항이 함께 포함된다.

🔗 Antigravity 변경 내역

RoboColosseum, 실제 로봇 100대 이상으로 구성된 로봇군에서 로봇 정책 평가

11월 4일 — RoboColosseum이 문을 열었다. 실험실과 시뮬레이터를 벗어나 실제 환경(in-the-wild)에 배치된 로봇군으로 로봇 정책을 측정하는 개방형 평가 프로그램이다. 주택의 Unitree G1 휴머노이드나 식당의 YAM 로봇팔 등이 포함된다. 사이트에 따르면 NUS MAGIC Lab, BitRobot, EAIC Singapore, Hugging Face가 설립했으며, Hugging Face도 자신을 창립 파트너로 소개한다. 출시 게시물에서는 로봇 100대 이상, 장면 140개 이상, 신청을 통해 배정되는 무료 평가 시간 10 000시간을 제공한다고 밝혔다.

Robotics has an evaluation problem. Most benchmarking efforts have measured progress in sim or labs.

🇰🇷 로봇공학에는 평가 문제가 있습니다. 대부분의 측정 노력은 시뮬레이션이나 실험실에서의 발전을 추적해 왔습니다. — X의 @RoboColosseum

두 가지 트랙이 함께 운영된다. Open Track에서는 익명의 두 모델이 같은 장면에서 처음 접하는 동일한 지시를 받으며, 사람 평가자가 더 나은 수행 결과를 선택하거나 무승부를 선언한다. Fine-tune Track에서는 동일한 시연 100개를 바탕으로 같은 과제에 대해 각 모델을 미세 조정한 뒤, 25번의 시도 기회를 준다. 첫 평가에서는 시각·언어·행동(VLA) 정책 다섯 개와 최첨단 모델 세 개를 비교한다.

평가 대상 정책(Franka, Open Track)	모델 개발사	DCR 점수(±1 표준편차)	블라인드 비교
GPT-6 Astra	OpenAI	1 925 ±38	194
MolmoAct2	Ai2	1 869 ±24	1 859
G0.5	Galaxea	1 744 ±27	1 626
Claude Opus 5.5	Anthropic	1 636 ±47	206
GR00T N1.7	NVIDIA	1 350 ±36	1 797
π0.5	Physical Intelligence	1 285 ±43	1 845
LingBot-VLA v2	Robbyant	1 233 ±56	1 603
Grok 4.7	SpaceXSI	1 160 ±128	193

Franka 로봇팔의 Open Track 온라인 순위표(11월 4일 데이터, 매시간 갱신, 블라인드 평가로 판정한 비교 4 662건)에서는 GPT-6 Astra가 Ai2의 MolmoAct2를 앞서 1위에 올랐다. 다만 격차는 오차 막대 범위 안에 있으며, 최첨단 모델은 각각 약 200건만 비교된 반면 각 VLA는 1 600건 이상 비교됐다. Ai2는 MolmoAct 2가 이 과제들을 위한 추가 학습 없이 2위를 차지했다고 강조한다.

출시와 함께 공개된 논문은 11월 2일 arXiv에 게시됐으며, 124곳에서 진행한 비교 5 699건을 바탕으로 이 결과에 단서를 덧붙인다. 최첨단 에이전트는 특화된 VLA와 경쟁할 만하지만, 어느 시스템도 개방 세계 과제를 안정적으로 수행하지 못한다. 미세 조정 후에는 SO-101에서 GR00T N1.7이, Franka와 양팔 YAM 작업대에서 π0.5가 1위를 차지했으며, Open Track 순위는 미세 조정 후의 순위를 제대로 예측하지 못했다. G1 휴머노이드에서는 어떤 정책도 다섯 가지 과제 중 단 하나도 완료하지 못했고, 평균 진행률은 13,3 %에서 23,2 %였다. 실패를 포함한 모든 실행 결과는 Hugging Face에 LeRobot 형식으로 공개된다.

🔗 RoboColosseum 출시 게시물 · RoboColosseum 순위표 · arXiv 논문 2611.02497

OpenAI, Trees와 Diffs 도구가 이미 Codex에 사용되는 Pierre Computer Company 인수 예정

11월 4일 — OpenAI가 소규모 개발자 도구 기업인 Pierre Computer Company를 인수할 예정이라고 발표했다. 이 회사의 상용 제품 Code Storage는 애플리케이션이 Git으로 코드를 저장하고 변경 이력을 추적할 수 있게 하는 API다. 프로젝트 파일 탐색용 오픈 소스 라이브러리 Trees와 변경 사항 시각화용 Diffs는 이미 Codex 앱에 통합돼 있다.

Today we’re announcing that OpenAI will acquire @pierrecomputer to accelerate our vision for making Codex a place where teams can build software together with AI, from first idea to the version they ship. Pierre’s open-source developer tools already power parts of Codex today. Together, we’ll build on that foundation for the agentic era.

🇰🇷 오늘 OpenAI가 @pierrecomputer를 인수해, 팀이 첫 아이디어부터 출시 버전까지 인공지능과 함께 소프트웨어를 만드는 공간으로 Codex를 발전시키려는 계획에 속도를 낼 예정임을 발표합니다. Pierre의 개발자용 오픈 소스 도구는 이미 Codex의 일부 기능을 구동하고 있습니다. 우리는 함께 이 기반 위에서 에이전트 시대를 위한 환경을 구축할 것입니다. — X의 @OpenAINewsroom

OpenAI는 이번 인수를 이틀 전 공개한 자사 모노레포의 Git 백엔드인 Pando와 연결한다. 에이전트가 만드는 첫 브랜치부터 배포까지 소프트웨어 개발의 표준을 정립하고, 인수가 완료되면 업계 전반의 버전 관리(source control)를 발전시키겠다는 구상이다. Pierre의 오픈 소스 프로젝트는 계속 공개되며, Code Storage는 기능을 Codex에 통합하는 동안 기존 고객이 계속 이용할 수 있다. 이번 인수는 아직 통상적인 규제 당국의 승인을 받아야 하며, 인수 금액과 일정은 공개되지 않았다.

🔗 OpenAI, Pierre Computer Company 인수 예정

과학을 위한 인공지능: Claude를 활용한 박테리오파지 볼트, Ai2의 NeuralGCM+, Rust로 이식한 FVCOM

Anthropic, Claude로 박테리오파지 유래 볼트의 3D 구조 규명

11월 4일 — Anthropic 과학팀이 박테리오파지 단백질로 만든 볼트의 3D 구조를 공개했다. 회사에 따르면 원핵생물에서는 최초다. 볼트는 리보솜보다 질량이 약 세 배 큰, 속이 빈 거대한 단백질 껍질로, 1986년에 발견됐지만 기능은 아직 밝혀지지 않았다. L05라는 이름이 붙은 이 볼트는 E. coli 박테리아에서 만들어졌으며, 동일한 단백질 96개로 구성된다. 포유류의 78개보다 많고, 질량은 약 9,5 메가달톤이며 부피는 약 25 % 더 크다. 96개 단백질 각각의 내부에는 정체가 밝혀지지 않은 작은 분자가 들어 있는데, 모양이 조효소 A와 비슷하다. 이 추정이 확인된다면 기능을 밝힐 첫 단서가 된다.

Claude는 모든 단계에 참여했다. Claude Science로 약 150억 개의 예측 단백질 중에서 유사 단백질을 찾았고, 정제 시간을 약 사흘에서 약 90분으로 줄였으며, 연구팀에 따르면 몇 주가 걸리던 첫 구조 모델 작성도 34시간 만에 마쳤다. Anthropic은 오류도 상세히 공개했다. DNA가 세포 안으로 들어가는 것을 방해하는 첨가제가 포함된 실험 절차로 2주를 허비했고, 극저온 전자현미경 분석에서 표준 단계를 생략해 원래 상과 거울상이 뒤섞인 지도를 만들었다. 사전 공개 논문은 bioRxiv에 제출됐으며, 볼트의 공동 발견자인 레너드 롬이 유급 자문가로 연구팀에 조언했다.

🔗 Claude로 볼트 입자 연구하기

Ai2, Google.org가 3년간 지원하는 개방형 기후 모델 NeuralGCM+ 개발 착수

11월 4일 — Ai2가 Google.org로부터 3년간 수백만 달러를 지원받는 기후 모델링 프로그램을 시작한다. 정확한 금액은 공개되지 않았으며, Google Research가 기술을 지원한다. 이 프로그램은 Google Research의 NeuralGCM을 확장하는 오픈 소스 모델 NeuralGCM+를 개발할 예정이다. NeuralGCM은 대규모 역학에 대해서는 물리 방정식을 풀고, 구름 형성이나 강수처럼 더 세밀한 과정은 인공지능에 맡기는 하이브리드 모델이다. 공개 벤치마크에서 NeuralGCM의 대기 전용 버전은 TPU 한 개로 전 지구 대기의 1년 치 변화를 8분 만에 시뮬레이션했다.

Ai2는 여기에 해양과 해빙을 결합해 수십 년에 걸친 시뮬레이션을 안정적으로 수행하고, 지난 50년간의 지역별 기온과 강수 오차를 줄이려 한다. 역할도 나뉜다. Google Research는 수주에서 수개월 앞의 예측을, Ai2는 수년에서 수십 년에 걸친 추세를 목표로 한다. 예를 들어 세기 중반까지 미국 남서부의 강우량과 가용 수자원이 어떻게 변하는지 살펴보는 것이다. 모델과 모델링 프레임워크는 문서화된 워크플로와 함께 공개된다.

🔗 Google과의 협력에 관한 Ai2 게시글

Google, Gemini 4 Argon으로 174 000줄 규모 Fortran 해양 모델 FVCOM의 핵심을 Rust로 이식

11월 3일 — 해양 모델링 도구를 개선하는 또 다른 방식이다. Google 인공지능 연구개발팀의 댄 그룰과 프라샨트 나이르는 Antigravity 블로그에서 Gemini 4 Argon이 FVCOM(Finite-Volume Community Ocean Model)을 어떻게 현대화했는지 소개했다. FVCOM은 264개 파일에 걸쳐 Fortran 90과 C 코드 174 774줄로 구성된 연안 해양 모델이다. 에이전트는 프롬프트 하나로 59분 만에 핵심 부분을 메모리 안전성이 완전히 보장되는 Rust로 이식했다. 제약 조건은 네 가지였다. unsafe 코드 금지, 계산 루프 안에서 메모리 할당 금지, 각 파일 400줄 미만, 난수 시드 100개에서 Fortran과 동일한 결과를 내야 한다는 조건이다.

감사 과정에서는 원본 코드에 수십 년간 남아 있던 버그 여섯 개가 발견됐다. 노드가 1 300개를 넘는 격자에서 발생하는 정수 오버플로도 그중 하나다. 시뮬레이션 100개의 결과는 Fortran과 소수점 이하 12자리까지 일치한다.

이식 단계	실행 시간	측정된 속도 향상	최대 메모리
원본 Fortran 90 및 C (-O3)	883 ms	1,00x	11,84 Mo
관용적인 안전 Rust 코드	682 ms	1,29x	6,39 Mo
배열 구조(SoA), 루프 내 할당 없음	548 ms	1,61x	5,83 Mo
LLVM 프로파일 기반 최적화	469 ms	1,88x	5,48 Mo

Google은 이 방법을 오픈 소스 스킬인 migrate-to-rust로 제공하며, 이 스킬은 10월 13일부터 google/skills 저장소에 포함돼 있다.

🔗 FVCOM에 관한 Antigravity 게시글

개발자용 API와 플랫폼: Perplexity의 Decisions API, Grok의 기본 워터마크, Together Compiler, OpenRouter의 Cohere

Perplexity의 Decisions API, 답변 전에 웹 검색

11월 4일 — Perplexity가 Decisions API에 웹 근거 확보(web grounding) 기능을 추가한다. Decisions API는 10월 1일 출시된 의사결정 모델 API로, 텍스트 대신 확률로 답한다. 지금까지 모델이 활용할 수 있는 정보는 학습한 내용과 개발자가 보낸 문맥(state)뿐이었다. "mode": "web_grounding" 설정을 사용하면 게이트웨이가 먼저 질문마다 Perplexity Fast Search 검색을 한 번씩 실행하고(요청당 최대 100번), 페이지의 제목, URL, 텍스트를 문맥에 추가하며, 응답의 search_results에 출처를 나열한다. 검색 한 번당 입력 토큰 비용과 별도로 0,001달러가 청구된다(입력 토큰 비용은 pplx-decider-v1.2 기준 100만 개당 0,02달러). Python 및 TypeScript SDK에서는 이 매개변수를 요청 본문으로 전달한다.

Perplexity가 공개한 측정 항목	웹 근거 확보 미사용	웹 근거 확보 사용
내부 시험, 진술 328개	56,4 %	97,3 %
내부 시험, 중앙 지연 시간	139 ms	366 ms
PWS-Decisions, 공개 질문 100개	51 %	86 %

공개 벤치마크 PWS-Decisions에서 Perplexity가 측정한 웹 검색 사용 시 중앙 지연 시간은 370 ms, 95백분위수 지연 시간은 685 ms였다.

🔗 Decisions API의 웹 근거 확보 기능

SpaceXSI, 11월 7일부터 API의 Grok 모델 출력 텍스트에 기본으로 워터마크 삽입

11월 3일 — SpaceXSI의 TypeScript SDK 버전 0.2.8을 통해 10월 31일 갱신된 문서 페이지가 드러났다. 유럽 인공지능법을 준수하기 위해 2026년 11월 7일부터 API에서 grok-4.7, grok-4.6, grok-4.5, grok-4.3 및 grok-4.20의 세 가지 변형 모델이 생성하는 텍스트에 기본으로 워터마크를 삽입한다. 눈에 보이지 않는 이 워터마크는 문자를 추가하지 않고 토큰 선택을 약간 조정하며, 모든 엔드포인트의 텍스트 API에 적용된다. 구조화된 출력과 도구 호출 인수도 포함된다. x-watermark 헤더는 워터마크가 삽입된 응답임을 알리며, 통계적 방식의 탐지 API는 신청을 통해서만 이용할 수 있다.

팀 관리자만 모델별로 이 기능을 끌 수 있으며, 변경은 5분 이내에 적용된다. 이를 위해서는 법에서 정한 예외가 적용되고 표시 의무를 팀이 전적으로 책임진다는 사실을 확인해야 한다. 일부 모델은 해제가 제한될 수 있다. Anthropic은 11월 3일 자체 텍스트 워터마크의 적용 범위를 확대했으며, OpenAI의 워터마크는 API에서 여전히 기본적으로 꺼져 있다.

🔗 출력 워터마크, SpaceXSI 문서

Together AI, 공개 모델의 추론을 지속적으로 최적화하는 에이전트 시스템 Together Compiler 출시

11월 4일 — Together AI가 자사 추론 엔진의 최적화를 에이전트에게 맡긴다. Together Compiler는 모델, 하드웨어, 트래픽 특성을 출발점으로 삼는다. 에이전트 군집이 커널 변경 사항을 제안하면, 지속적으로 실행되는 엔진이 각 변경 사항의 속도와 정확도를 원래 엔진과 비교해 시험하고, 검증된 변경 사항만 운영 환경에 반영한다. Together는 이를 지속적 컴파일(continual compilation)이라고 부르며, 모델이나 하드웨어, 부하가 바뀌면 다시 실행한다.

발표된 성능 향상 수치는 Together가 제시한 것이다. 모델마다 노드 두 개에서 24시간 동안 컴파일한 뒤, SemiAnalysis의 InferenceX 벤치마크에 공개된 최상의 구성과 비교했을 때 Kimi K3, GLM 5.3, MiniMax M3.1-Flash, DeepSeek V4.1-Flash에서 사용자당 속도를 동일하게 유지하면서 GPU당 토큰 처리량이 최대 2,6배로 늘었다. 고객 워크로드에서는 최대 50 % 빨라졌으며, MiniMax M3.1-Flash와 DeepSeek V4.1-Flash에서는 저지연 조건에서 각각 초당 1 111개와 1 205개의 토큰을 처리했다. SemiAnalysis는 이 결과 중 하나를 검증했다고 밝혔다. 컴파일러는 서버리스 환경의 DeepSeek V4.1 Flash, GLM 5.3 Flash, GLM 5.3에서 이미 기본으로 활성화돼 있다. Together는 이를 운영 규모에서 재귀적 자기 개선(recursive self-improvement)을 수행하는 최초의 추론 시스템이라고 소개하지만, 이는 Together 자체의 주장이다.

🔗 Together AI 블로그의 Together Compiler 소개

Cohere, Embed 5와 Rerank 5를 OpenRouter에서 제공

11월 4일 — Cohere 검색 모델의 네 가지 버전(Embed 5 Pro와 Fast, Rerank 5 Pro와 Fast)이 OpenRouter에 추가됐다. 기존 OpenRouter 키와 크레딧으로 사용할 수 있으며, 요금은 Cohere API와 같다. 임베딩은 100만 토큰당 0.12달러와 0.08달러, 재순위화는 0.05달러와 0.02달러다. OpenRouter에는 두 가지 제약이 있다. 벡터는 부동소수점 형식으로 반환되며(int8과 바이너리는 Cohere API로 이용), Rerank 5는 텍스트만 지원한다. 검색 증강 생성(RAG) 튜토리얼인 이 게시물은 Cohere가 40개 데이터셋에서 수행한 테스트를 인용한다. Embed 5 Pro로 구축한 인덱스를 Embed 5 Fast로 검색해도 전체 과정에 Pro를 사용했을 때의 검색 품질을 98.4% 유지한다는 결과다.

🔗 OpenRouter의 Cohere 검색 모델

음성: Gemini 3.8 Flash TTS의 음성 리믹스와 콘택트 센터의 ElevenAgents

Gemini 3.8 Flash TTS, 기존 음성으로 새 음성을 만드는 리믹스 기능 추가

11월 4일 — Google이 Gemini 3.8 Flash TTS에 세 번째 음성 생성 모드를 추가했다. 9월 23일 출시한 음성 설계(Voice design)와 복제에 이은 기능이다. 음성 리믹스(Voice remixing)는 라이브러리에 있는 2,000개 이상의 음성 중 하나나 맞춤 설계한 음성을 바탕으로, 자연어 지시를 통해 음색, 음높이, 말하기 속도, 억양, 나이를 바꾼다. Google은 미국 남부의 억양을 살짝 더하거나 불을 뿜는 용의 목소리로 바꾸는 예시를 들었다.

API에서는 gemini-3.8-flash-tts로 POST /v1beta/voices을 호출하면 원본과 독립적인 새 음성이 생성되어 저장된다. 이 음성은 Gemini 3.8 Flash TTS와 Gemini 3.8 Flash-Lite TTS에서 사용할 수 있으며, 다시 새로운 리믹스의 바탕으로 삼을 수도 있다. AI Studio의 음성 리믹스 버튼은 세 가지 결과를 나란히 비교해 들을 수 있게 한다. 유료 등급(Tier 1 이상) 프로젝트가 필요하며, 프로젝트마다 최대 200개의 음성을 저장할 수 있다. 음성은 마지막 사용 후 1년 동안 보관된다.

🔗 Google의 X 발표 · Voice remixing 가이드

ElevenLabs, ElevenAgents를 NiCE CXone, Genesys Cloud, Amazon Connect, Five9에 기본 통합

11월 4일 — ElevenLabs의 음성 에이전트 플랫폼 ElevenAgents가 이제 주요 콘택트 센터 플랫폼 네 곳에 기본 통합된다. 전화 시스템, 라우팅, CRM을 변경하지 않고 기존 통화 흐름에 음성 에이전트를 추가할 수 있다. 그 밖의 플랫폼에는 SIP(Session Initiation Protocol)로 연결하며, Twilio, Vonage, Telnyx, Plivo, Bandwidth, Exotel 같은 전화 서비스 제공업체를 이용한다.

콘택트 센터 플랫폼	발표된 통합 방식
NiCE CXone	기본 통합, CXone이 전화 시스템, 라우팅, 보고 기능을 유지
Genesys Cloud	기본 Audio Connector, SIP 트렁킹 없이 연결
Amazon Connect	Amazon Connect의 AI 에이전트가 ElevenAgents를 호출한 뒤 제어권을 다시 가져옴
Five9	Five9의 추가 모듈인 Five9 AI Agent Connect를 통한 SIP 연결

게시물은 90개 이상의 언어로 17,000개 이상의 음성을 제공한다고 다시 소개하며, 이미 Genesys를 전화 플랫폼으로 사용하고 있었던 점이 ElevenLabs 선택의 주요 이유 중 하나였다는 AMC Health의 사례를 들었다. 요금이나 성능 수치는 공개하지 않았으며, 9월 3일 발표한 Genesys와의 제휴를 확장한 내용이다.

🔗 주요 콘택트 센터 플랫폼과 통합되는 ElevenAgents

생성형 영상과 음악: Kling 4.0 Flash 전면 공개와 MIDI 파일로 시작하는 Suno

Kling, 웹사이트와 API에서 Kling 4.0 Flash를 모두에게 공개

11월 4일 — Kling 4.0의 고속 버전인 Kling 4.0 Flash가 이제 Kling AI 웹사이트와 API에서 모두에게 공개됐다. 9월 28일부터 제한적인 사전 이용만 가능했던 모델이다. Kling은 MCP 서버, CLI, 플러그인으로도 호출할 수 있으며, Adobe Photoshop, Premiere Pro, After Effects용 플러그인도 포함된다고 밝혔다. 발표에는 최대 길이, 해상도, 요금이 없으며, Kling의 릴리스 노트도 10월 15일 Kling 4.0 출시 이후 갱신되지 않았다. 사전 이용 기간에 Kling 4.0 Flash는 720p로 3~20초 길이의 장면을 생성했으며, 이 제한이 변경됐는지는 확인되지 않는다.

🔗 Kling의 X 발표

Suno, MIDI 파일로 곡 만들기 시작 가능

11월 4일 — Suno가 이제 MIDI 파일을 곡의 출발점으로 지원한다. .mid 또는 .midi 파일을 Create 페이지로 끌어다 놓거나 « + » 메뉴에서 선택한 뒤, Suno가 무엇을 해야 할지 자연어로 지시하면 된다. 적힌 음을 그대로 연주하게 하거나, 모티프를 가져와 발전시키거나 다른 악기로 연주하게 할 수 있다. 오디오 파일(WAV 또는 MP3)에서 시작하는 Remix와 Cover와 달리 MIDI는 정확한 음과 리듬을 전달하므로 더 정밀하게 제어할 수 있다. 게시물은 MIDI를 전체 오케스트라용으로 편곡하거나, 피아노 반주의 가스펠 합창 또는 원래 화음을 충실히 따르는 현악 사중주로 만드는 예시를 들었다. 출시 시점에는 Simple Create 모드와 v6-wild 모델로 제공되며, Pro와 Premier 구독자만 사용할 수 있다. 7월 26일 추가된 MIDI 내보내기에 이은 기능이다.

🔗 MIDI로 곡 만들기 시작하기

ChatGPT의 dots, Enterprise·Edu·Healthcare에 정식 제공, 11월 18일부터 기본 활성화

11월 4일 — 9월 29일 Pro와 Business Premium 요금제에 출시되고 Enterprise에서는 베타로 제공됐던 ChatGPT의 상시 에이전트 dots가, 대상 ChatGPT Enterprise, Edu, Healthcare 작업 공간에 정식 제공된다. 관리자 전용 사전 공개 기간은 2026년 11월 18일까지다. 그때까지는 관리자가 활성화하지 않는 한 dots가 비활성화 상태로 유지되며, 이후에는 작업 공간에서 거부하지 않는 한 기본으로 사용할 수 있게 된다. 관리자는 이용 권한을 부여할 구성원을 선택하고, 개인용 dots와 연결을 확인하며, 일시 중지하거나 다시 실행하고 사용량을 추적할 수 있다. 도움말 문서에 따르면 활성화하려면 호환되는 Agent Security 정책도 필요하다. 규정 준수 측면에서 dots는 데이터 레지던시와 Enterprise Key Management를 지원하며, 추론은 EU 또는 미국에서 호스팅된다. 정식 제공 전에 생성된 dots는 30일 이내에 필요한 리전으로 이전되며, 적용 대상 작업 공간에서는 HIPAA 요건에 맞게 사용할 수 있다.

🔗 ChatGPT Enterprise 및 Edu 릴리스 노트

단신

에이전트와 코딩 도구

Zed 1.27과 1.28 사전 공개 버전 — 정식 1.27은 10월 28일 사전 공개 버전의 변경 사항을 반영한다(리소스를 적게 쓰는 Agent 패널, 복원 지점 제거, 최소 macOS 12 요구). 1.28 사전 공개 버전은 최신 Agent Client Protocol을 따르고, 에이전트가 읽는 줄을 2,000자로 잘라내며, 컨텍스트 압축의 결함 세 가지를 수정한다. 🔗 출처
Delta 0.24 — 하위 스레드의 변경 사항을 상위 스레드에 병합할 수 있고(/merge-into-parent, /pull-from-subthread), 에이전트가 링크만으로 공유 스레드를 읽고 delta thread send으로 다른 스레드의 에이전트에 메시지를 보낼 수 있다. MCP 서버는 베어러 토큰과 사용자 지정 헤더를 지원한다. 🔗 출처
Copilot CLI 1.0.106-7~1.0.106-9 — 사전 공개 버전 세 개가 나왔으며, 정식 1.0.106은 아직 없다. /code 명령으로 현재 세션을 VS Code에서 열 수 있고, copilot config에서 Fusion 수준을 설정할 수 있다. 79개 수정 사항에는 새로운 이스케이프 시퀀스의 무력화도 포함된다. 🔗 출처
Gemini CLI v0.67.0과 v0.68.0-preview.0 — 정식 버전은 이미 소개한 0.67.0 계열을 승격했으며, 사전 공개 버전은 최근 8일간의 나이틀리 빌드를 모았다. 유일한 새 내용은 11월 4일 나이틀리 빌드로, gemini hooks migrate이 Claude Code의 SubagentStop 이벤트를 인식하도록 하고 루트 권한 없이 실행하는 Podman에서 --userns=keep-id을 추가한다. 🔗 출처
Qwen Code v0.26.7 — 저장소가 제공하는 훅, 권한, 언어 서버는 이제 해당 폴더를 명시적으로 신뢰해야만 실행된다. qwen serve은 원격 연결을 지원하며, Claude Opus 5.5, Sonnet 5.5, Fable 5.1, Mythos 5.1에서 도구 선택 강제 기능을 수정했다. 🔗 출처
Kimi Code 2.5.0 — SSH, Docker 또는 명령으로 정의한 환경에서 세션을 시작할 수 있고(--environment), 에이전트가 작업하는 동안 /model이나 /effort을 사용할 수 있다. 서버의 여러 REST 및 WebSocket 엔드포인트가 제거됐지만, 수정 사항으로 분류돼 있다. 🔗 출처
mistral CLI 0.17.0 — mistral agents init은 에이전트 프로젝트를 생성한다. 애플리케이션에 에이전트를 내장할 수도 있으며, mistral_cli_agents 플래그를 사용하면 mistral dev이 개발 중 이를 제공하고 mistral deploy이 배포한다. mistral login --device 연결은 이제 거부된다. 🔗 출처
DeepSeek Harness 0.2.2-rc.1 — 0.2.2 계열의 첫 번째 출시 후보이자, 정식 버전 없이 나온 37번째 사전 공개 버전이다. 주로 앞서 다룬 알파 버전의 내용을 반영하며, TypeScript와 Python SDK를 웹 모드에 맞추고 Ralph loop와 세션 검색을 실험 기능에서 정식 기능으로 전환한다. 🔗 출처
재크 로이드가 말하는 소프트웨어 공장 — Warp 블로그에서 그는 소프트웨어 공장을 프롬프트와 클라우드 에이전트를 이어 붙이는 방식으로 구축할 수 없으며, 계층을 갖춘 스택으로 만들어야 한다고 주장한다. 공장을 코드로 정의하고, 지속성 있는 오케스트레이션을 마련하며, 평가와 과거 작업 재실행을 지원하고, API 및 MCP 통합을 우선해야 한다는 내용이다. 🔗 출처

플랫폼, API 및 관리

Together AI와 Kimi K3.1 Pro — Together AI가 Kimi K3.1 Pro의 가중치 공개 당일에 모델 제공을 시작했다. 그대로 이용하거나 Together Post-Training으로 RL 또는 SFT 방식의 사후 학습을 거쳐 이용할 수 있다. 발표에는 요금이 없다. 🔗 출처
OpenAI SDK — openai-python 3.45.0과 openai-node 7.50.0이 10월에 발표된 12시간 응답 캐시와 프로젝트별 서비스 등급을 지원한다. Codex CLI는 10월 29일 0.166.0 이후 정식 버전이 없으며, 릴리스 노트가 비어 있는 사전 공개 버전만 나왔다. 🔗 출처
Copilot 사용량 지표 — 사용량 지표 API가 이제 로컬 BYOK(사용자 자체 키 사용) 사용량을 별도로 구분해 최소 추정치로 집계하고, 기업의 사용자 지정 모델은 is_custom_enterprise_model 표시로 구분한다. 기존 합계는 바뀌지 않는다. 🔗 출처
grok-imagine-image-quality 지원 종료 — 11월 2일부터 SpaceXSI는 이 이미지 모델의 요청을 코드 변경 없이 grok-imagine-image-2.0의 낮은 품질 설정으로 처리한다. 요금은 1K 이미지당 0.04달러, 2K 이미지당 0.06달러로, 이전보다 0.01달러 낮다. 🔗 출처
Claude Marketplace — Chainguard, Zoom, Datadog, Netlify, Runway, Glean 등 파트너의 에이전트와 제품 14개가 Claude Marketplace에 추가돼 전체가 25개를 넘었다. 대상 기업은 Anthropic 지출 약정액의 일부를 사용해 결제할 수 있다. 🔗 출처

보안

Warp의 GPG 키 — Warp가 명시되지 않은 보안 사고 이후 예방 차원에서 일부 Linux 패키지 서명에 사용하는 GPG 하위 키를 교체한다. 부정 사용은 확인되지 않았다. Fedora 42 및 이전 버전, RHEL, openSUSE에서는 먼저 기존 키를 삭제해야 한다. 🔗 출처
AWS GovCloud의 GPT-5.6 Cyber — 승인된 Daybreak Red 고객은 OpenAI의 승인을 받은 뒤 AWS에서 활성화하면 Amazon Bedrock을 통해 AWS GovCloud (US-East) 리전에서 GPT-5.6 Cyber를 이용할 수 있다. AWS는 이미 10월 30일 이를 공개했다. 🔗 출처
Django 취약점에 대응하는 Mistral Large 4 — 90배속 영상에서 에이전트 133개가 코드 구조를 파악하고 최근 Django 취약점을 찾아 검증한 뒤, Le Chonk가 이를 수정한다. CVE 번호, 비용, 실제 소요 시간은 공개하지 않았다. 🔗 출처
CodeQL 2.27.4 — Java와 Kotlin, Rust, C/C++에서 오탐을 줄이고, 6개 언어의 ReDoS 쿼리에서 CWE-730 태그를 제거했다. 팩 생성 시 루트 외부로 연결된 파일은 제외한다. 이번에는 AI 관련 내용이 없다. 🔗 출처
Perplexity의 MCP 가이드 — 간접 프롬프트 주입부터 로컬 서버 침해까지, MCP 시스템의 위험 11가지를 세 범주로 나눠 대응책과 함께 설명한다. Perplexity 제품이나 수치는 제시하지 않았다. 🔗 출처

오픈 모델과 연구

합성 음성 탐지 — 멜버른 대학교 연구자 두 명이 합성 음성을 탐지하고, 출처를 식별하며, 판정 이유를 설명하는 29억 매개변수 오디오 LLM인 VeriSpoof를 공개했다. 저자들에 따르면 VeriSpoof-Plus 버전은 Speech-DF-Arena에서 평균 등오류율(EER) 1.79%를 기록했다. 가중치는 비상업용 CC BY-NC 4.0 라이선스로 제공된다. 🔗 출처
Dharma-AI의 Field Extractor — 문서의 필드를 자료형이 지정된 JSON으로 반환하는 2B 모델이다. 문서 546개로 구성된 자체 벤치마크에서 0.834를 기록해 Claude Opus 5의 0.816을 앞섰다. 다만 비교 모델들은 각 개발사의 최신 모델이 아니며, Hub에서 가중치는 확인되지 않았다. 🔗 출처
Cribl의 OTAP — 최적 수송으로 참조 계획과 정렬해 에이전트의 계획 구조를 평가하는 지표다. 저자들에 따르면 236개 실행 궤적에서 ROUGE-L보다 인간 평가자와 더 높은 일치도를 보였다(0.74 대 0.64). 🔗 출처

일반 사용자용 에이전트

Grok Bot과 쇼핑 — 11월 3일, SpaceXSI의 에이전트가 최적의 구매 조건 찾기, 상품 비교, 모든 주문 추적을 포함한 쇼핑 경험을 소개했다. 지원 국가, 요금제, 판매자는 명시하지 않았다. 🔗 출처
Grok Bot의 전화 통화 — 11월 4일, @bot 계정이 영상과 함께 Grok Bot이 전화를 걸 수 있다고 발표했다. 지원 국가, 요금제, 요금은 공개하지 않았다. 🔗 출처
Get Maine Lobster와 Computer — Perplexity가 제안하고 테스트 예산 30,000달러를 지원한 시범 운영에서, Computer의 Meta 캠페인은 고객의 기존 광고보다 광고비 대비 매출(ROAS)이 63% 높았다. 지출은 2.1배였고 매출은 3.5배였다. 🔗 출처
Computer의 MotionSites — @viktoroddy의 스킬을 사용하면 Perplexity 에이전트가 참조 설계 40개와 호스팅된 리소스 52개를 바탕으로, 스크롤 애니메이션이 포함된 WebGL 애니메이션 사이트를 만들 수 있다. 웹에서 누구나 사용할 수 있다. 🔗 출처
Manus의 3D 기능 — Manus가 사진을 사용자의 플레이 가능한 3D 캐릭터로 바꿔, 에이전트로 만든 세계에 투입할 수 있게 한다. Game Dev의 후속 기능이며, 요금제나 크레딧 비용은 공개하지 않았다. 🔗 출처

이미지, 영상 및 창작자

모바일의 HeyGen Video 1 — HeyGen의 영상 모델이 iOS와 Android용 HeyGen 앱에 추가됐다. 요금, 길이, 해상도에 관한 구체적인 정보는 없다. 🔗 출처
Pika H3 Flex — 예고한 날짜보다 이틀 늦게 Pika 플랫폼에 정식 출시됐다. Creator와 Fancy 구독자는 11월 15일까지 하루 15회 무료로 생성할 수 있다. 🔗 출처
Luma의 Character Sheet — Expression Sheet 공개 다음 날 나온 기능으로, 참조 자료나 설명에서 일관성을 유지하는 다각도 캐릭터 시트를 생성한다. 레이아웃은 8가지이며, 게시물이나 요금 안내는 없다. 🔗 출처
HyperFrames — HeyGen의 영상 도구 제품군이 산정 방법을 밝히지 않은 채 월간 사용자 70만 명 이상을 확보했다고 발표하고, 커뮤니티 전용 Discord를 열었다. 🔗 출처

이것이 의미하는 바

공개 가중치 모델이 최첨단 모델의 규모에 도달했지만 조건이 따른다. 매개변수가 2.8조 개이고 파일 용량이 약 1.56TB인 Kimi K3.1 Pro는 자유롭게 다운로드할 수 있으며, Together AI는 출시 첫날부터 모델을 제공하고 사후 학습도 지원한다. 하지만 라이선스는 개방성의 한계를 보여 준다. 매출액이 2,000만 달러를 넘는 재판매업체는 Moonshot AI와 별도로 협의해야 하며, Mistral Large 4의 라이선스도 이미 10월 29일 기준으로 모델을 서비스로 제공하려면 상업용 라이선스가 필요하다고 규정했다. 인프라도 발맞춰 발전하고 있다. Together Compiler는 저마다 다른 아키텍처를 가진 공개 모델의 최적화를 에이전트에게 맡기며, GPU당 토큰 처리량이 최대 2.6배 늘어난다고 주장한다. 반면 Cognition은 사이버 보안 위험을 이유로 SWE-2 Flash의 가중치를 당분간 공개하지 않으며, 기반 모델도 바꿨다. SWE-2는 Kimi K3를 기반으로 했지만, SWE-2 Flash는 미국 모델을 기반으로 한다.

코딩 에이전트들이 서로 연동되고 도구를 갖춰 간다. VS Code는 Copilot, Claude, Codex가 같은 세션에서 작업하도록 하고, Copilot은 Xcode의 기본 도우미에 통합되며, OpenAI는 Pando를 선보인 지 이틀 만에 이미 Codex에 쓰이는 Git 도구를 인수할 예정이다. 에이전트들이 수많은 브랜치를 만들면서 버전 관리가 전략적 경쟁 분야로 떠오르고 있다. 비용도 또 다른 경쟁 분야다. Cognition에 따르면 SWE-2 Flash의 비용은 SWE-2의 5분의 1이며, Anthropic은 동일한 사용 한도에서 프롬프트를 약 6 % 더 사용할 수 있도록 하위 에이전트의 상태 표시줄을 Haiku 5.5에 맡긴다.

평가는 시험대를 벗어나고 있다. RoboColosseum은 주거 공간과 식당에서 실제 로봇으로 로봇 제어 정책을 평가하며, 그 결과는 순위를 신중하게 해석해야 함을 보여 준다. 최첨단 모델은 전문 VLA 모델과 대등한 성능을 보이지만, 개방형 환경에서 신뢰할 수 있는 시스템은 없으며, 휴머노이드 G1에서는 어느 시스템도 단 하나의 과제조차 완료하지 못한다. Perplexity의 Decisions API도 소프트웨어 측면에서 같은 문제의식에서 출발한다. 학습한 내용만 아는 모델은 최신 정보에 관해 틀린 답을 내놓으며, 웹 검색을 도입하자 공개 벤치마크에서 pplx-decider-v1.2의 점수가 51 %에서 86 %로 올랐다. 과학에서는 검증 자체가 결과물이 되고 있다. Rust로 작성한 FVCOM은 100회의 시뮬레이션에서 Fortran과 소수점 이하 12자리까지 일치하며, Anthropic은 Claude의 결과와 함께 오류도 공개한다.

워터마크가 규제에 따라 기본 설정으로 자리 잡고 있다. SpaceXSI는 AI Act를 근거로 11월 7일부터 Grok 모델 7개에서 워터마크를 활성화하며, 법적 예외 적용을 입증하는 확인서가 있어야만 이를 생략할 수 있다. Anthropic은 11월 3일 자사의 워터마크 적용 범위를 확대한 반면, OpenAI는 자사의 워터마크를 기본적으로 비활성화해 둔다. 개발자에게 이 차이는 텍스트에는 드러나지 않지만, 응답 헤더와 책임에서 나타난다. 워터마크를 비활성화하면 표시 의무를 전적으로 스스로 책임져야 한다.