Grok Voice 3.0, 음성 모델 선두 등극… Gemini 4 Argon 첫 과학 연구 성과 공개, Claude Code 병렬 세션에 주력

SpaceXSI가 Grok Voice 3.0을 출시했다. 분당 0,08달러라는 기존 가격을 유지하면서 Artificial Analysis의 Speech-to-Speech 지수 선두에 올랐다. Google은 Gemini 4 Argon의 정식 출시 다음 날, 양자 컴퓨팅과 로봇공학, 205 000줄의 Python 코드에서 이 모델이 수행한 작업을 공개했다. 한편 Anthropic은 Claude Code 데스크톱 앱을 병렬 세션 중심으로 개편하고 하루 동안 도구의 새 버전 두 개를 출시했다. Meta는 Muse 모델을 활용해 수행한 의학 연구의 논문 원고 10편을 공개했고, NVIDIA는 영국의 에이전트 안전성 연구에 2억 5천만 달러 규모의 연산 자원을 지원하기로 했다. OpenAI는 자사 사무실 한 곳에서 몰래 설치된 녹음 장치를 발견했다고 밝혔다.

Grok Voice 3.0: SpaceXSI, 분당 0,08달러의 기존 가격으로 Speech-to-Speech 지수 선두에 올라

10월 14일 — 구 xAI인 SpaceXSI가 종단 간 음성 모델(speech-to-speech)인 Grok Voice 3.0을 출시하며 시장에서 가장 지능적인 모델이라고 소개했다. grok-voice-3.0 모델은 출시 당일부터 Voice Agent API와 Voice Agent Builder에서 사용할 수 있으며, 가격은 Grok Voice 2.0과 같은 분당 0,08달러, 시간당 4,80달러다. grok-voice-latest 별칭을 호출하는 에이전트는 같은 엔드포인트와 세션 매개변수를 유지한 채 수정 없이 새 모델로 전환됐다. Grok Voice 2.0은 같은 날 사용 중단 예정으로 지정됐으며, 지원 종료일은 제시되지 않았다.

평가 벤치마크(Artificial Analysis, 10월 13일)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech 지수	86,9	81,3	83,2	82,6
Big Bench Audio(음성 추론)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena(Elo, 인간 선호도)	1 070	1 011	1 048	990
작업 성공률	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench(일시 정지, 발화 순서)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice(지원 상담 통화)	71,6 %	56,5 %	74,5 %	68,6 %

SpaceXSI가 인용한 수치는 10월 13일 자 Artificial Analysis 측정 결과다. Speech-to-Speech 지수는 음성 추론, τ-Voice, 인간 선호도, 블라인드 비교 통화에서의 작업 성공률을 종합한다. Grok Voice 3.0은 이 지수에서 선두에 올랐지만 모든 항목에서 이긴 것은 아니다. 다양한 억양과 배경 소음, 끼어들기가 있는 지원 상담 통화를 평가하는 τ-Voice에서는 71,6 %를 기록해 GPT-Live-1의 74,5 %보다 낮았다. SpaceXSI는 지연 시간이 40 % 짧다는 점을 들어 비슷한 수준이라고 평가한다. SpaceXSI에 따르면, 200개 이상의 시나리오로 구성된 ServiceNow의 기업용 음성 에이전트 오픈 소스 평가 도구 EVA-Bench에서는 74 %로 가장 높은 정확도를 기록했다. 가격 경쟁력도 내세운다. Big Bench Audio 평가에서 작업당 평균 비용은 Grok Voice 3.0이 0,025달러로, GPT-Live-1의 0,030달러와 OpenAI의 GPT-Realtime-2.1의 0,055달러보다 낮다.

이 모델은 이미 Tesla와 SpaceX에서 대규모로 가동되고 있다. Tesla 차량에서 하루 수백만 건의 대화를 처리하고 Grok Bot의 음성 모드를 구동한다. Starlink 콜센터에서는 여러 언어로 하루 20 000건의 전화를 응대하며, 약 70 %가 사람의 개입 없이 해결된다. 영업 전화는 네 건 중 한 건이 통화가 끝나기 전에 구매로 이어진다. 8월 24일에도 Grok Voice Think Fast 2.0이 이 지수에서 선두를 달렸으며, 당시 Starlink의 일일 통화 처리량은 15 000건이었다.

🔗 Grok Voice 3.0(SpaceXSI 게시글) · @SpaceXSI의 발표 · API 릴리스 노트

Gemini 4 Argon의 실전 검증: 첫 과학 연구 성과, 로봇공학, 코드 최적화

Google은 Gemini 4 Argon의 정식 출시 다음 날, 과학 연구와 로봇공학, 대규모 Python 저장소 최적화라는 세 분야의 활용 사례를 공개했다. 개발자 블로그 게시글 두 편은 출시 당일에 나왔으며, 연구진의 게시물은 14일 Google DeepMind가 하나의 스레드로 모았다.

첫 과학 연구 성과: 양자 컴퓨팅, 핵융합, 효소 설계

10월 14일 — Google DeepMind가 연구진이 Argon으로 얻은 첫 성과들을 스레드로 모았다. 각 성과는 전날 해당 연구자가 상세히 소개했다.

연구 분야	Argon 활용 성과로 제시된 내용
양자 오류 정정	AlphaQubit 디코더의 추론 처리량이 거의 두 배로 증가
양자 알고리즘	quantum CORDIC보다 비용이 100배 이상 낮은 arcsin 서브루틴, Lean으로 검증
플라스마 물리학	그라드 추측에 대한 새로운 반례 계열 2개
효소 설계	새로운 세린 에스터레이스 5종(서열 일치도 59~81 %), 실험실에서 활성 확인
희귀 질환(Gamow Labs)	비공개 평가 두 가지에서 RareBench 57 %, LabBench 52,2 % 기록

양자 컴퓨팅 분야에서는 벤 제이더버그와 연구팀이 Google Quantum AI와 함께 Argon을 활용해 Google의 오류 정정 디코더인 AlphaQubit 내부 버전을 단일 최적화 하드웨어 커널(megakernel)로 변환했다. 그 결과 추론 처리량이 거의 두 배로 늘었다. 양자 프로세서의 측정값을 실시간으로 따라가야 하는 디코더에 유용한 개선이다.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇰🇷 둘째, 공개된 기준 구현인 quantum CORDIC에 비해 시공간 비용을 100배 넘게 줄이는 아크사인 양자 서브루틴을 발견하는 데 Argon을 사용했습니다. — X의 @benjaderberg

이 비용은 큐비트 수와 실행 시간을 곱한 값이며, 해당 회로는 Lean으로 형식 검증을 거쳤다. 플라스마 물리학에서는 오팔 이산이 그라드 추측에 대한 반례 계열 두 개를 발표했다. 이 추측은 1967년부터 특정한 3차원 자기 평형이 존재할 수 없다고 가정해 왔다. 이산은 스레드에서 Argon으로 반례를 찾았다고 설명하지만, 10월 5일 arXiv에 제출한 논문의 초록에는 모델이 언급되지 않는다. 생물학에서는 라이언 크루거가 몇 차례의 프롬프트 세션으로 설계한 세린 에스터레이스를 소개했다. Argon은 데이터를 모으고 단백질 언어 모델을 미세 조정했으며, 자체적으로 활성 부위 필터를 만들었다. 출시 게시글에는 Gamow Labs 사례도 추가됐다. Argon이 신생아의 유전체에서 기존 소프트웨어가 수년간 놓쳤던 염색체 재배열을 찾아냈다는 내용이다.

🔗 Google DeepMind 스레드 · 그라드 추측 논문(arXiv) · Argon 출시 게시글

로봇공학: 휴머노이드 Apollo의 콘홀 경기부터 실제 성공률 56 %→75 % 향상까지

10월 13일 — 출시 당일 Google 개발자 블로그에 카니슈카 라오가 작성한 Argon의 로봇공학 활용에 관한 긴 게시글이 올라왔다. 각 시연에 사용한 프롬프트도 함께 공개됐다. 출시 게시글은 그중 가장 직관적인 사례를 소개했다. 구멍이 뚫린 판에 주머니를 던져 넣는 콘홀 게임을 하는 사람의 영상 하나에서 시작한 내부 실험이다. Argon은 환경을 지도화하고 전신 동작을 계산한 뒤 자체 시뮬레이션을 코드로 구현했다. 이를 Apptronik의 휴머노이드 Apollo에 적용하자 로봇은 실제 환경에서 일곱 번 연속 던지기에 성공했다. Google은 영상에서 시뮬레이션을 거쳐 실제 환경으로 이어지는 이 과정(Video-to-Sim-to-Real)을 통해 수작업 모델링에 수주 걸리던 일을 몇 시간으로 줄였다고 설명한다.

카니슈카 라오의 게시글에는 다른 시연도 이어진다. Boston Dynamics의 Spot이 MuJoCo 디지털 트윈에서 훈련한 뒤 실제 쓰레기통의 페달을 밟는 사례, 눈높이에서 촬영한 영상이나 종이 스케치로 재구성한 시뮬레이션, 스테레오 비전만으로 유도되는 로봇 팔 두 개가 세 번의 무게 측정으로 푼 12개 구슬 문제가 소개됐다. 가장 명확하게 수치로 확인할 수 있는 결과는 훈련에 관한 것이다. Argon은 실제 탁자 사진 한 장으로 MuJoCo 디지털 트윈을 만들고 4 500개 이상의 에피소드를 생성해, 실제 로봇에서 시각·언어·행동 모델(VLA)의 성공률을 56 %에서 75 %로 높였다. 실행 시간도 35초에서 24초로 줄였다. SO-101 로봇 팔 역시 스스로 개선하며 실행 시간을 58,9초에서 22,9초, 다시 17,4초로 단축했다.

🔗 로봇공학을 위한 Gemini 4 Argon(Google Developers)

ADK: 205 000줄의 Python 코드를 대상으로 11시간 야간 작업, 최적화 제안 여섯 개 중 두 개 채택

10월 13일 — Google Cloud 엔지니어들은 Argon에 앱을 처음부터 만드는 것보다 까다로운 과제를 맡겼다. 에이전트를 만드는 Google의 오픈 소스 프레임워크 Agent Development Kit(ADK)의 Python 저장소에서 성능 저하 지점을 찾아 수정하는 일이었다. 이 저장소는 약 205 000줄의 코드, 약 800개 파일, 약 17 000개의 단위 테스트로 구성돼 있다.

ADK 실행 측정 항목	공개된 결과
감독 없이 수행한 야간 작업 시간	11시간
재실행한 단위 테스트	16 892
제안 및 채택된 최적화	6개 제안, 2개 채택
메모리 내 장기 세션 준비	약 40 % 감소
google.adk 패키지 가져오기	21 % 빨라짐
158턴 전체 실행	65,6 s에서 56,1 s로

저장소별 지침 없이 두 시간 동안 진행한 첫 시도에서는 실제 병목을 찾았지만, 유지관리자의 규칙을 무시해 공개 JSON 스키마까지 수정했다. 두 번째 시도에서는 팀이 검토 규칙을 .agents/skills 폴더에 정리하고, 컨텍스트가 압축돼도 목표를 유지하는 Google Antigravity의 /goal 모드를 활성화했다. 사람의 검토를 거쳐 여섯 개 최적화 중 두 개만 채택됐다. 세션 기록을 복사하기 전에 필터링하는 것과 무거운 패키지를 처음 사용할 때 불러오는 것이다. 나머지는 불안정한 상태나 OpenTelemetry의 비공개 속성에 의존하거나, 합성 벤치마크에서만 성능이 개선됐다. 이 개선은 메모리 내 세션 서비스에만 적용되며 외부 저장소에는 적용되지 않는다. 팀은 역할 분담을 이렇게 요약한다. 에이전트는 탐색하고, 유지관리자는 덜어낸다.

🔗 Gemini 4 Argon으로 하룻밤 만에 ADK 최적화하기(Google Developers)

코딩 에이전트: Claude Code 데스크톱 앱과 두 차례 버전 출시, VS Code 1.142, HydraFusion Max

Anthropic은 Claude Code 데스크톱 앱을 병렬 세션 중심으로 개편하고, 하루 동안 명령줄 도구의 새 버전 두 개를 출시했다. VS Code는 Copilot 하네스를 기본값으로 채택했으며, GitHub는 다중 모델 오케스트레이션에 Max 옵션을 추가했다.

Claude Code: 병렬 세션 중심으로 개편한 데스크톱 앱

10월 14일 — Anthropic이 Claude Desktop의 Code 탭인 Claude Code 데스크톱 앱을 업데이트해 여러 세션을 나란히 실행하기 쉽게 만들었다. @ClaudeDevs에 따르면 세션을 더 빠르게 시작하고 여러 세션에 작업을 더 쉽게 나눌 수 있으며, 각 세션이 무엇을 하는지 언제든 확인할 수 있다.

발표된 새 기능	제공하는 기능
세션 화면	한 번의 클릭으로 최근 폴더 열기, 저장된 환경(여러 폴더, SSH 호스트 또는 클라우드), 폴더별 선택적 worktree
중첩 세션	병렬 작업마다 세션을 하나씩 실행하고 결과를 기본 세션에 반환
후속 작업	Claude가 작업 중 제안하며 한 번의 클릭으로 별도 세션에서 실행, /btw로 부수적인 질문을 탭에서 열기
사이드바 및 보조 패널	실행 중이거나 대기 중인 세션, 실시간 작업 목록, 요약 카드, 실행 위치, 컨텍스트 및 변경 사항

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇰🇷 Claude에 작업을 병렬로 수행하도록 요청하면 작업마다 중첩 세션을 시작합니다. 각 세션은 작업을 마치면 결과를 기본 세션으로 돌려보내므로 기본 대화 흐름을 읽기 쉽게 유지할 수 있습니다. — X의 @ClaudeDevs

요약 카드(실행 요약 카드)는 Claude에 사용자의 개입이 필요할 때 해당 턴을 요약하고, 측면 보조 패널은 세션의 실행 위치와 컨텍스트, 변경 사항을 보여 준다. 앱을 업데이트하고 새 세션을 열면 사용할 수 있다. Anthropic은 버전 번호나 배포 일정을 제시하지 않았다. 시작 안내 페이지에 따르면 Claude Code에는 Pro, Max, Team 또는 Enterprise 구독이 필요하며, Local, Cloud, SSH, WSL 환경을 지원한다. 이번 업데이트는 4월에 공개한 병렬 에이전트용 앱 개편의 연장선에 있다.

🔗 @ClaudeDevs 스레드 · 데스크톱 앱 시작하기

Claude Code 2.1.299: 캐시 만료 전 비활성 대화 압축, 수정 사항 131건

10월 14일 — UTC 2시 49분에 공개된 Claude Code 2.1.299는 추가 사항 18건, 수정 사항 131건, 개선 사항 16건, 변경 사항 25건을 포함해 총 190개 항목을 담은 대규모 버전이다. 버전 번호 2.1.297과 2.1.298은 건너뛰었다. 가장 눈에 띄는 새 기능은 긴 세션의 비용을 줄이는 유휴 상태 압축(유휴 상태 압축)이다. 터미널에서 200 000토큰을 초과하는 대화를 약 54분 동안 사용하지 않으면, 유효 기간이 1시간인 프롬프트 캐시가 만료되기 전에 대화를 압축해 다음 메시지에서 전체 내용을 다시 처리하지 않아도 되게 한다. 기준값은 CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS로 조정할 수 있으며, settings.json의 "idleCompaction": false로 기능을 끌 수 있다. CLAUDE_CODE_DISABLE_FILE_MENTIONS을 사용하면 Claude는 @로 언급된 파일의 내용 대신 경로를 받아 자신의 도구로 직접 파일을 읽는다. /usage 명령은 이제 최대 추론 노력, 워크플로, 항상 로드되는 컨텍스트, 대용량 도구 결과에 대해 경고하며, 100 %를 초과하는 수치를 표시하지 않는다.

이번 버전은 권한도 강화한다. MCP 허용 규칙은 이제 명시된 서버에만 적용된다(mcp__a은 더 이상 a__b 서버를 허용하지 않는다). claude.ai의 커넥터 프록시와 Anthropic이 호스팅하는 MCP 서버로 보내는 요청은 더 이상 HTTP 리디렉션을 따르지 않으며, UserPromptSubmit 훅은 스킬이나 명령이 확장되기 전에 실행되어 그 안에 포함된 셸 명령도 차단한다. 보안 수정 사항에는 샌드박스에서 실행한 명령이 샌드박스 밖에서 코드가 다시 로드되는 --plugin-dir 폴더에 쓸 수 있었던 문제, 계획 모드에서 PreToolUse 훅이 허용한 쓰기 작업을 실행할 수 있었던 문제, 접근이 거부된 경로에 macOS 샌드박스의 심볼릭 링크를 통해 여전히 접근할 수 있었던 문제가 포함된다. Anthropic MCP 서버의 도구 설명은 더 이상 4 096자에서 잘리지 않으며, Slack에서 사용하는 Claude인 Claude Tag는 자신이 만든 캔버스를 삭제할 수 있다.

🔗 Claude Code 2.1.299 릴리스 노트

Claude Code 2.1.300: Claude Platform on AWS의 /advisor, OpenTelemetry GenAI 추적, Slack Connect의 Claude Tag

10월 14일 — 이날 두 번째로 공개된 Claude Code 2.1.300(UTC 18시 24분, 수정 사항 59건을 포함한 항목 88건)은 /advisor을 Claude Platform on AWS로 확장한다. 사용자가 /advisor, advisorModel 또는 --advisor으로 모델을 선택하기 전까지는 자문 모델이 실행되지 않으며, CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1로 도구를 끌 수 있다. 원격 측정은 OpenTelemetry의 GenAI 시맨틱 규약에 맞춰진다(스팬의 gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name, error.type). 또한 api_request 이벤트는 유효 기간이 5분인 캐시 쓰기와 1시간인 캐시 쓰기를 구분한다.

보안 측면에서는 PreToolUse 또는 PermissionRequest 훅이 반환하는 수정된 입력(updatedInput)을 이제 Claude의 입력과 동일하게 검증한다. 알 수 없는 키는 제거하며, 도구가 입력을 거부하면 호출도 거부된다. 에이전트 유형의 훅은 이제 model 필드를 준수하며, 해당 모델을 사용할 수 없으면 작업을 그대로 통과시키는 대신 호출자의 모델을 사용한다. 로컬 대화 기록에는 각 요청의 시스템 프롬프트, 도구, 매개변수도 저장된다. 아무런 효과가 없었던 claude remote-control의 --sandbox 및 --no-sandbox 옵션은 제거된다. Claude Tag는 이제 다른 조직과 공유하는 Slack Connect 채널에서 응답할 수 있다(기본적으로 비활성화되어 있으며, Owner 또는 Claude Tag 관리자가 활성화할 수 있다). 또한 커넥터 작업을 거부하는 대신 비공개 카드의 ‘한 번 허용 / 거부’ 선택지를 통해 승인을 요청한다.

Claude Code 버전	공개 시각 (UTC)	공개된 항목 수	수정 사항 수	주요 새 기능
2.1.299	10월 14일, 2 h 49	190	131	200 000 tokens를 초과하는 대화의 유휴 상태 압축
2.1.300	10월 14일, 18 h 24	88	59	Claude Platform on AWS의 `/advisor`, OpenTelemetry의 GenAI 속성

🔗 Claude Code 2.1.300 릴리스 노트

VS Code 1.142: 기본 하네스가 된 Copilot과 미리 보기로 제공되는 캔버스

10월 14일 — VS Code 1.142는 Copilot 하네스로의 전환을 이어 간다. 이 하네스는 Copilot SDK를 기반으로 하며, 세션은 Agent Host를 통해 백그라운드에서 계속 실행된다. 지금까지 하네스 선택기에서 제공되던 이 하네스는 팀의 설명에 따르면 “압도적으로 긍정적인” 피드백을 받은 뒤, 새 세션의 기본 하네스로 점진적으로 적용된다. Ask는 읽기 전용 내장 에이전트로 돌아오며, 채팅 제목에는 현재 사용 중인 하네스인 Copilot 또는 Codex가 표시된다. 또 다른 새 기능은 미리 보기로 제공되는 캔버스(Canvases)다. 채팅 옆에 열리는 대화형 인터페이스에서 사용자와 에이전트가 같은 작업물을 수정한다. 예를 들어 에이전트가 작업을 갱신하는 칸반 보드가 이에 해당한다. 각 캔버스는 확장에서 제공되며, 에이전트는 /create-canvas 명령으로 확장을 생성할 수 있다. Agents 창에서는 채팅 기록을 유지하면서 폴더를 바꾸거나 새 Git 작업 트리로 이동할 수도 있다. 현재는 Codex 하네스에서 지원된다.

기업 환경에서는 권한 또는 샌드박스 정책이 적용되면 이제 Agent Host의 Copilot 하네스를 반드시 사용해야 한다. 기존 로컬 채팅은 아무것도 전송하지 않은 채 자동으로 이전되며, 이러한 정책이 적용되는 동안 Claude, Codex, 터미널 채팅은 사용할 수 없게 된다. 관리자는 이러한 실행 규칙을 적용하지 않는 Local 하네스를 일시적으로 유지할 수 있으며, 이 하네스의 Windows 샌드박스는 Agent Host 세션으로 대체되면서 사용이 중단될 예정이다.

🔗 VS Code 1.142 릴리스 노트

HydraFusion Max: GitHub가 다중 모델 오케스트레이션에 최첨단 옵션 추가

10월 14일 — GitHub가 작업마다 모델을 선택할 필요 없이 여러 모델을 결합해 하나의 응답을 생성하는 오케스트레이션인 HydraFusion을 개선한다. 모델 풀에는 이제 Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol, GPT-6 Luna가 포함된다. 추론 노력도 단계별로 조정되어 초안에는 중간 수준, 검토에는 높은 수준을 적용한다. 지금까지 HydraFusion은 각 모델의 기본 추론 노력만 사용했다. Cascade 워크플로는 초기 작업을 검토하고 필요한 경우에만 수정을 요청하는 판단 단계를 중간에 넣을 수 있다. Critique는 작업 공간을 직접 살펴볼 수 있는 도구를 갖춘 여러 비평 모델을 병렬로 실행한다.

제공 옵션	GitHub가 설명하는 특징
HydraFusion	속도, 비용, 성능의 균형과 적당한 토큰 절감
HydraFusion Max	최첨단 역량과 가장 깊이 있는 추론, 오케스트레이션으로 관리하는 토큰 효율성

두 옵션은 계속 연구 미리 보기로 제공되며, 실험적 기능 또는 미리 보기 기능을 활성화한 Pro, Pro+, Business, Enterprise 요금제에서 VS Code, GitHub Copilot 앱, Copilot CLI를 통해 사용할 수 있다. GitHub는 이번 버전의 벤치마크나 가격을 공개하지 않았다. 9월 4일 Copilot CLI에서 출시할 당시에는 TerminalBench 2.1에서 Opus 5보다 품질이 4,9점 높고 비용은 67 % 낮다고 주장했다.

🔗 HydraFusion 업데이트와 새로운 Max 옵션(GitHub 변경 기록)

보안과 신뢰성: Anthropic의 선거 보호 장치, 휴대전화 사기 탐지, OpenAI 사무실의 숨겨진 녹음 장치

신뢰와 관련된 세 가지 소식이다. Anthropic은 미국 중간선거에 대비해 Claude를 준비하고, Google DeepMind와 GovTech Singapore는 휴대전화 안에서 사기를 탐지하며, OpenAI는 자사 사무실 한 곳에서 숨겨진 녹음 장치를 발견했다고 밝혔다.

중간선거: Anthropic이 보호 장치를 강화하고 Democracy Works의 투표 정보를 통합할 예정

10월 14일 — 미국 중간선거를 앞두고 Anthropic이 4월 업데이트 이후 강화한 선거 보호 장치를 상세히 설명했다. 먼저 9월 21일부터 27일까지 미국의 Claude.ai 일반 사용자 대화 250 000건을 분석해 정치 관련 대화가 차지하는 비중을 측정했다.

대화 유형(Claude.ai, 미국)	전체 대화에서 차지하는 비중
정치, 공공 정책, 사회 문제	약 5,75 %
선거 또는 투표	약 0,51 %
누구에게 또는 무엇에 투표할지	약 0,01 %
선거 공정성 규칙 위반(별도 분석)	약 0,002 %

TurboVote(Democracy Works)로 연결되는 배너는 유지된다. Claude.ai는 이달 말 미국 사용자에게 제공하는 답변에 Democracy Works의 공식 투표 정보를 통합할 예정이다. 투표 장소와 지참해야 할 신분증 등을 주별로 안내하며, 선거 당일 밤과 이후 며칠 동안은 공식 결과를 표시한다. Anthropic에 따르면 Claude Opus 5.5, Sonnet 5.5, Haiku 5.5는 자사의 정치적 중립성 평가에서 99 %를 기록했다. 독립적인 평가 세 건 중 두 건(The Future of Free Speech와 Collective Intelligence Project)은 거부가 적지만 사용자가 요청하지 않은 주의 문구와 반론이 나온다고 지적했다. 세 번째 평가를 수행한 Foundation for American Innovation은 Claude Sonnet 4.5가 항상 균형 있게 단서를 덧붙이지는 않으며, 우파 입장을 지지하는 논거를 더 자주 완화한다는 사실을 확인했다. Institute for Strategic Dialogue 및 McCain Institute와 함께 미국, 이스라엘, 브라질에서 수행한 테스트에서는 Claude가 개별적인 유해 요청은 안정적으로 거부하지만, 겉보기에는 무해한 작은 작업들로 나뉜 조직적 활동은 놓칠 수 있다는 점이 드러났다. Anthropic은 이러한 다단계 악용을 막기 위한 분류기를 추가했다. 또한 가짜 뉴스 사이트를 운영하며 Claude로 러시아, 이란, 북한의 서사에 우호적인 선거 보도를 생성하던 해외 기반 운영자들의 계정을 차단했다.

🔗 2026년 미국 중간선거 준비(Anthropic)

사기: Google DeepMind와 GovTech Singapore가 휴대전화에서 탐지하도록 Gemma 미세 조정

10월 14일 — Google DeepMind와 정부 기관인 GovTech Singapore가 사용자의 휴대전화에서 직접 사기를 탐지하도록 경량 Gemma 모델을 미세 조정했다. 게시글에는 모델의 세대가 명시되지 않았다. 출발점은 수치로 드러난다. 싱가포르에서 사기는 신고된 범죄의 절반 이상을 차지하고, 2019년 이후 피해액은 40억 싱가포르 달러를 넘는다. 복잡한 사회 공학 기법을 이용한 사기는 전체 피해액의 최대 80 %를 차지한다. 모델은 공공기관, 은행, 유명인 사칭과 최근 지역에서 발생한 사기 등 현지 사기 대화를 바탕으로 미세 조정되었다. 배터리를 아끼기 위해 모든 처리는 기기에서 두 단계로 진행된다. 경량 분류기가 수신 메시지를 걸러 낸 뒤, 미세 조정된 Gemma가 더 넓은 범위의 대화 내용을 다시 읽어 위협을 확인하거나 오탐을 배제하고 실시간 경고를 표시한다.

모델은 사용자의 동의가 있을 때만 대화에 접근하며, 싱가포르 정부와 Google 모두 대화를 읽을 수 없다. 미세 조정은 GovTech가 관리하는 Google Cloud 환경에서 익명화된 데이터로 진행되었으며, 시민의 데이터는 전혀 사용하지 않았다. Singapore International Cyber Week에서 소개된 이 프로젝트는 아직 출시 일정이나 앱 이름이 정해지지 않았다. 정부와 함께 “신중하게 단계적으로”(신중하게 단계적으로) 도입할 예정이며, Google DeepMind는 다른 국가로의 확대도 검토하고 있다.

🔗 사기에 대응하는 Google DeepMind와 GovTech Singapore

OpenAI, 자사 사무실 한 곳에서 숨겨진 녹음 장치 발견

10월 13일 — OpenAI의 언론 홍보 계정이 게시한 성명에 따르면, OpenAI는 자사 사무실 한 곳에서 정교하게 제작된 숨겨진 녹음 장치를 발견했다. 회사는 자체 모델을 사용해 장치와 그 출처를 파악하고, 며칠 전에 장치를 설치한 직원까지 식별했다고 밝혔다. 사건은 FBI에 전달되었으며, OpenAI는 신속하게 대응해 체포를 진행한 수사관과 검사들에게 감사를 표했다. 연방 수사는 계속되고 있으며, 해당 직원은 해고되었다.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇰🇷 현재로서는 이 사람이 모델 가중치, 소스 코드 또는 고객 데이터에 부적절하게 접근하거나 이를 외부로 유출했다는 어떠한 정황도 확인되지 않았습니다. — X의 @OpenAINewsroom

OpenAI에 따르면 자사의 보안 프로그램은 내부 위험부터 사이버 범죄자와 국가에 이르기까지 광범위한 위협에 대응하며, 이번 사례는 인공지능이 이러한 위협에 대처하는 데 어떻게 도움이 될 수 있는지 보여 준다. 성명에는 직원의 신원, 해당 사무실, 장치의 정확한 종류, 체포 날짜가 명시되지 않았다.

과학을 위한 인공지능: Meta의 Muse 모델을 활용한 의학 원고 10편, HiRO-ACEv2의 3 km 해상도 극한 기상

모델의 두 가지 과학적 활용 사례로, Meta는 건강 기록을 활용한 역학 연구를 가속하고 Ai2는 고해상도 기후 데이터를 저비용으로 생성한다.

Meta, Muse Spark 1.3와 Muse Wonder로 수행한 의학 연구 원고 10편 공개

10월 14일 — Meta는 Muse Spark 1.3와 Muse Wonder로 구동되는 내부 코딩 프레임워크(코딩 스캐폴드)를 구축했다. 이 프레임워크는 공개 데이터와 사용 허가를 받은 비식별 전자 건강 기록 500만 건의 후향적 데이터베이스에 접근한다. 심장학, 역학, 감염내과, 내과 분야의 의학 연구자 집단은 4주 동안 이를 활용해 가설을 세우고, 모든 분석 코드를 작성·실행하고, 원고를 공동 집필했다. 과학적 의사결정 권한은 전문가들에게 있다. 이렇게 나온 원고 10편은 연구자 집단의 동료들, 생물통계학자, 위촉된 독립 외부 전문가들의 검토를 차례로 거쳤으며, 검토 의견은 각 논문 아래에 공개됐다.

예시로 제시된 연구	보고된 결과
감염성 심내막염 이후의 부정맥	심내막염이 없는 균혈증에 비해 새로운 부정맥과 전도 장애가 +73 % 증가 ; 1년 위험은 7 % 대 4 %
응급실에서 진료받지 않고 떠난 행동건강 환자	상대위험도는 재방문 1,86, 입원 4,41, 단기 사망 2,15
첫 프롬프트부터 원고 완성까지 걸린 시간	2주 미만, 때로는 7일

참가자들은 최상의 경우 생산성이 최대 10배 향상됐다고 보고했으며, 이는 자기 보고에 기반한 수치다. 한계도 명시했다. 분석은 모두 후향적이며, 외부 검토자는 부정맥 연구가 진료 관행을 바꿀 근거보다는 가설을 도출하는 성격이라고 평가했고, 추적 관찰 편향의 가능성도 남아 있다. 이 의료 연구는 Muse Spark로 작성해 10월 2일 공개한 수학 논문 6편에 이어 나온 작업이다.

🔗 Meta 게시글

HiRO-ACEv2: Ai2, X-SHiELD 대비 약 300분의 1 비용으로 전 지구 극한 기상을 3 km 해상도로 시뮬레이션

10월 14일 — Ai2는 고해상도 기후 에뮬레이터의 새 버전인 HiRO-ACEv2를 공개했다. 이 시스템은 100 km 해상도로 기후를 시뮬레이션하는 AI 모델 ACE와 그 출력을 3 km까지 세밀하게 만드는 HiRO를 결합한다. HiRO의 첫 버전이 강수량만 생성했던 것과 달리, HiROv2는 비, 지표 부근 바람, 해면기압을 함께 예측한다. 폭풍을 명시적으로 시뮬레이션하는 전 지구 대기 모델 X-SHiELD의 해상도를 낮춘 데이터를 입력받아, 데이터 지점 100만 개당 한 번 발생하는 사건에서도 원래의 고해상도 통계를 3 % 이내 오차로 재현한다. 또한 학습 중 한 번도 보지 못한 폭풍을 포함해 열대성 저기압의 에너지를 정확히 추정한다.

Ai2가 발표한 지표	발표된 값
해상도	100 km 해상도의 ACE를 바탕으로 3 km 해상도 출력
X-SHiELD 통계와의 차이	3 % 이내, 100만 건당 한 번 발생하는 사건 포함
X-SHiELD 대비 비용	전 지구 데이터 생성 비용이 약 300분의 1
생성된 시뮬레이션	10년 (ACE) ; 3 km 해상도의 전 지구 데이터 1년분
모델 라이선스	Apache-2.0, Hugging Face에 공개

한계도 명시했다. HiRO는 X-SHiELD로 학습했기 때문에 이 모델에 맞춰 조정된 ACE 버전에서만 작동하며, 아직 더 따뜻한 기후나 ERA5 과거 기록에 해당하는 데이터를 생성할 수 없다. Ai2는 기온이 4 °C 더 높은 세계를 대상으로 학습한 뒤, 지표 부근 온도와 눈, 얼음을 추가할 계획이다. 모델은 기술 보고서(arXiv 2610.17693), 튜토리얼 노트북, 시연과 함께 공개됐다.

🔗 Ai2 게시글 · Hugging Face의 모델

거점 확장과 투자: Anthropic의 싱가포르 진출, NVIDIA의 영국 연구 지원 2억 5,000만 달러, Mistral의 New Material 인수

Anthropic은 정부와 협약을 맺고 싱가포르에 거점을 마련하고, NVIDIA는 영국에 컴퓨팅 자원과 투자를 제공하며, Mistral은 제품 설계 분야의 인수로 역량을 강화한다.

Anthropic, 싱가포르에 아시아·태평양 지역 다섯 번째 사무소 개설하고 정부와 양해각서 체결

10월 14일 — Anthropic은 싱가포르에 아시아·태평양 지역의 다섯 번째 사무소를 열고, 싱가포르 디지털개발정보부와 협력 협약(양해각서)을 체결했다. 이 문서는 싱가포르 국제 사이버 주간 행사 기간에 부처 상임차관 카이 퐁 청과 Anthropic 공동창업자 벤 만이 서명했다. 모델의 안전성, 보안, 평가에 관한 협력, 시험 기준과 사고 대응에 관한 기술 교류, Anthropic Economic Index 데이터 공유를 담고 있다.

싱가포르 기관	Anthropic이 제시한 Claude 활용 사례
GovTech Singapore	엔지니어와 기술자 1 500명 이상이 Claude Code 사용
Grab	영업 지원 도우미 BriX, 분기당 약 40 000시간 절약
DBS 및 GIC	은행과 국부펀드에서 Claude 사용 또는 배포
Sea (Shopee, Garena, Monee)	Shopee 고객 서비스 챗봇, 직원 수천 명이 Claude로 코딩

Economic Index에 따르면 싱가포르는 인구 대비 Claude.ai 사용량에서 121개국 중 2위이며, 인구 규모로 예상되는 수준의 거의 6배에 이른다. 개소 당일 열린 Builder Summit에는 개발자 300명 이상이 모였다. Anthropic은 현재 채용 중인 이 사무소의 투자 금액이나 인원 규모를 공개하지 않았다.

🔗 싱가포르 사무소 개설(Anthropic)

NVIDIA, 영국의 에이전트 보안 연구에 2억 5,000만 달러 규모 컴퓨팅 자원 제공

10월 13일 — NVIDIA는 영국의 에이전트 안전성과 보안(에이전트형 시스템의 안전성과 보안) 연구를 위해 5년간 2억 5,000만 달러, 즉 매년 5,000만 달러 상당의 컴퓨팅 자원 이용권을 기부한다고 발표했다. 대부분은 영국의 AI 안전성·보안 연구 공동체 전체에 제공되며, 일부는 BOLD(옥스퍼드 대학교), SOFAIR(UCL), 안전성 공학과 로봇공학을 연구할 임페리얼 칼리지 런던에 배정된다. 컴퓨팅 자원은 영국에 설립된 NVIDIA Cloud Partners를 통해 영국 내에 호스팅된 인프라에서 제공된다. 공급업체, 기술 아키텍처, 상업적 조건은 아직 합의되지 않았다. 지원 대상 연구는 안전한 에이전트, 개방형 모델의 보안, 실제 위협 완화에 초점을 맞추며, 샌드박스, 재현 가능한 연구, 안전성 평가 벤치마크를 활용한다. 특히 NVIDIA OpenShell과 NVIDIA Sentry 참조 설계가 포함된다.

발표와 함께 공개된 게시글에는 영국 신생 기업 5곳에 대한 투자 계획도 담겼으나, 금액은 공개하지 않았다. 대상은 Boltz(생체분자 모델), Foresight(대규모 건설 현장 관리), Hiverge(알고리즘 발견), Prima Mente(알츠하이머병, 파킨슨병, 근위축성 측삭경화증(SLA)을 위한 생물학 파운데이션 모델), Riverlane(양자 오류 정정)이다. 이 발표들은 10월 21일 젠슨 황의 GTC Berlin 기조연설을 앞두고 나왔다.

🔗 NVIDIA 보도자료 · 영국 생태계에 관한 NVIDIA 게시글

Mistral, 디자인 스튜디오 New Material 인수하고 Solutions Design 팀 신설

10월 14일 — Mistral은 6년 전에 설립된 AI 제품 설계 스튜디오 New Material을 인수했다. 인수 소식은 New Material의 게시글에서 발표됐으며, Mistral은 X에서 이를 공유하며 팀을 환영했다. 자체 사이트의 게시글이나 인수 금액 공개는 없었다. 이 스튜디오는 자동차, 유통, 법률, 의료 분야에서 AI를 기반으로 설계한 도구, 제품, 기업을 구축해 왔다고 밝히며, Ford, 라파엘 나달, Wellcome Trust, AmLaw 50 소속 로펌 등을 협력 대상으로 꼽았다. 스튜디오는 Mistral에서 디자인, 엔지니어링, AI를 결합한 새 팀 Solutions Design을 구성하고 고객과 프로젝트를 공동 개발한다. 이를 통해 기업과 정부의 핵심 업무를 담당하는 AI 분야에서 실제 배포 경험과 Mistral 제품 사이의 피드백 순환을 더 긴밀하게 연결할 예정이다. Mistral은 지난 5월에도 오스트리아의 Physics AI 전문 기업 Emmi AI를 인수했다.

🔗 New Material 게시글 · @MistralAI 게시물

OpenAI, 유럽연합 기업의 에이전트 전환 측정: 중소기업 사용자 수 8,1배로 증가

10월 14일 — OpenAI는 유럽연합 기업의 에이전트형 AI 사용을 다룬 경제 연구 보고서를 PDF와 탐색 가능한 데이터와 함께 공개했다. 유럽의 ChatGPT Enterprise 고객 표본에서 Codex와 ChatGPT Work는 이제 출력 토큰의 절반 이상을 차지한다. 사용자들은 계획부터 실행까지 전체 작업을 에이전트에 맡기고 있다.

OpenAI가 측정한 지표	측정값
Codex와 ChatGPT Work를 통한 출력 토큰 비중(유럽연합, ChatGPT Enterprise)	절반 이상
유럽연합 중소기업의 에이전트형 도구 주간 활성 사용자 수	5월 1일부터 7일까지의 주간 대비 ×8,1
국가별 출력 토큰의 에이전트형 사용 비중	22 % (슬로베니아)에서 85 % (리투아니아)까지
28일간 출력 토큰 수, 5월 일반 기업 기준	유럽연합 밖 선도 기업 12,9x ; 유럽연합 선도 기업 6,1x ; 유럽연합 밖 일반 기업 1,6x ; 유럽연합 일반 기업 1,5x
전 세계 선도 기업 중 유럽연합 기업의 비중	10 %

여기서 중소기업은 해당 기업에 연결된 사용자가 200명 이하인 기업으로 정의하며, 사용자 증가는 모든 회원국에서 나타났다. 보고서가 주로 측정한 것은 사용 강도의 격차다. 9월에 유럽연합의 최상위 기업(선도 기업, 활성 사용자 1인당 출력 토큰을 가장 많이 생성하는 상위 10 %)은 유럽연합의 일반 기업보다 출력 토큰을 4배 넘게 생성했지만, 유럽연합 밖 선도 기업은 이들보다도 2배 넘게 생성했다. OpenAI는 기업이 실험 단계를 넘어서도록 돕고 직원들을 교육해, 광범위한 도입을 더 심도 있는 활용으로 전환하는 것이 과제라고 본다. 이 보고서는 9월 30일 발표한 미국 소기업 보고서에 이어 나왔다.

🔗 유럽연합 AI의 다음 장은 에이전트형이 될 것이다(OpenAI)

에이전트 인프라: Claude Platform의 OpenTelemetry 트레이스, Perplexity의 샌드박스 라우팅

에이전트를 운영 환경에서 실행하고 관찰하는 도구의 두 가지 구성 요소다. Anthropic은 관측 가능성을, Perplexity는 요청을 올바른 실행으로 전달하는 기능을 다룬다.

Claude Platform, Messages API·Managed Agents·SDK의 OpenTelemetry 트레이스 내보내기를 공개 베타로 제공

10월 14일 — Claude Platform은 이제 공개 베타로 Messages API, Claude Managed Agents, Claude SDK의 OpenTelemetry 트레이스를 표준 OTLP 엔드포인트를 지원하는 모든 관측 도구로 전송할 수 있다. 에이전트의 각 턴, 모델 호출, 도구 호출은 지연 시간, 토큰, 식별자를 포함한 표준 트레이스로 전달된다. Messages API와 Managed Agents에서는 Claude Console에 전송 대상을 추가해야 한다. 릴리스 노트에 따르면 Python, TypeScript, C#, Go, Java, PHP, Ruby SDK는 스팬을 자동으로 내보낸다. 스팬은 OpenTelemetry의 GenAI 의미 규칙을 따르며, 기본적으로 메타데이터인 소요 시간, 상태, 토큰 수, 모델, 도구 이름을 담는다. 전송 대상을 전체 콘텐츠(전체 내용)로 설정하면 프롬프트, 응답, 도구 입력과 결과도 내보낸다. 같은 날 Claude Code 2.1.300도 자체 스팬을 이 규칙에 맞춘다.

강조된 활용 사례	Anthropic이 제시한 도구
나머지 스택 구성 요소와 함께 디버깅	Grafana Cloud, Honeycomb, Sentry, Splunk
실제 트레이스를 평가로 전환	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
팀별 토큰 사용량 추적	Databricks Unity Gateway

사례 소개에서 Ramp는 에이전트의 Langfuse 트레이스를 채점하는 자체 시스템 Reflect가 이미 일부 에이전트에서 토큰 사용량을 10~20 % 줄이고 세션 속도를 30 % 높였다고 설명했다. Anthropic은 가격이나 정식 출시 일정을 발표하지 않았다.

🔗 Claude Platform의 에이전트 관측 가능성 · Claude Platform 릴리스 노트

SPACE: Perplexity, 각 요청을 올바른 샌드박스 실행에 연결

10월 14일 — Perplexity는 Perplexity Computer의 에이전트가 실행되는 샌드박스 플랫폼 SPACE에 관한 엔지니어링 게시글을 공개했다. Perplexity에 따르면 SPACE는 수개월 동안 하루 수백만 건의 실행을 처리하며 오류율을 0,0002 % 미만으로 유지했고, 연결 손실은 전혀 없었다. 다루는 문제는 오래된 라우팅 경로다. 다른 머신에서 재개된 샌드박스는 식별자를 유지하지만 새로운 실행을 시작하므로, 지연된 요청이 올바른 이름을 가지고도 이전 실행에 도달할 수 있다. 단순한 파일 읽기도 제어 평면, node-api, sbx-manager, Unix 소켓, 호스트 브리지를 거친 뒤 VSOCK을 통해 Firecracker microVM에 도달한다.

해결책은 샌드박스의 고정된 식별 정보와 특정 실행 인스턴스 및 배치 위치를 가리키는 실행 식별 정보를 분리하는 것이다. 인가 후 각 요청에는 Ed25519로 서명된 120초 유효 권한 증표가 실리며, 수신 구성 요소는 요청을 전달하기 전에 이를 자신의 기록과 대조한다. 새로운 실행이 자리 잡는 즉시 터미널과 파일 감시 연결은 끊어진다. 위협 모델은 실행 머신(작업 노드)의 root 권한 침해를 제외하며, 검증은 원격 하드웨어 증명 없이 로컬에서 이루어진다. 마지막으로 게시글은 SPACE를 유사한 보장을 제공하는 OpenShell, 그리고 예상되는 실행 식별 정보 없이 요청을 전달하는 E2B와 CubeSandbox에 비교한다. Perplexity는 이러한 판단이 검토한 구현에만 한정된다고 명시했다.

🔗 SPACE에 관한 Perplexity 게시글

범용 에이전트: Perplexity Computer의 Ultrafast 버전, 팀을 위한 Manus for Business

사용자를 대신해 장시간 작업을 수행하는 에이전트는 Perplexity의 모델 속도와 Manus의 팀 협업이라는 두 가지 수단을 활용한다.

Perplexity Computer, Max 가입자에게 GPT-6 Astra와 GPT-6.1 Sol의 Ultrafast 버전 제공

10월 14일 — Perplexity가 여러 단계의 작업을 수행하는 에이전트 Perplexity Computer에서 OpenAI 모델 두 종의 Ultrafast 버전을 Max 가입자에게 제공한다. 대상은 GPT-6 Astra와 GPT-6.1 Sol이며, 발표문에서는 후자를 « SOL 6.1 »로 표기했다. 두 모델은 토큰을 더 빠르게 생성하므로 Computer의 장시간 작업도 더 일찍 끝난다. 설정은 수동으로 해야 한다. Custom 메뉴에서 Astra 또는 SOL 6.1을 선택한 뒤 속도를 Ultrafast로 바꾸면 된다. 발표에는 속도 향상 폭이나 크레딧 소비량에 관한 수치가 없고, 다른 요금제에 대한 언급도 없다. 제품 변경 기록에도 10월 5일 이후 항목이 없다. 이는 OpenAI가 GPT-6 Astra에는 9월 29일, GPT-6.1 Sol에는 10월 8일 도입한 속도 등급을 Perplexity에 적용한 것으로, OpenAI에 따르면 속도가 최대 8배 빨라진다.

🔗 Perplexity 발표

Manus for Business: 좌석당 20달러부터 시작하는 Team Plan과 Enterprise 상품

10월 13일 — Manus가 Manus Team Plan과 Enterprise Plan을 결합한 팀용 상품 Manus for Business를 출시한다.

Manus 요금제	Manus가 설명한 제공 내용
Manus Team Plan	유료 좌석당 월 20달러 또는 연 200달러부터, 4 000 크레딧 제공; 게스트 좌석 무료
Manus Enterprise	영업팀 문의: 관리형 계정, 법적 보존, SIEM 통합, 에이전트 네트워크 제어, 사용자별 사용 한도

지금 이용할 수 있는 Team Plan은 문맥을 유지하는 프로젝트를 제공한다. 예약 작업을 포함한 관련 작업 사이에서 지침, 파일, Skills, 커넥터를 공유할 수 있다. 관리자가 사용을 의무화할 수 있는 공용 Skills, 작업·파일·내부 사이트에 대한 팀 전용 접근 권한, 대시보드에서 사용량을 확인하는 공유 크레딧도 제공한다. 게스트는 유료 좌석을 차지하지 않고 검토와 댓글 작성을 할 수 있다. 역할 관리, 감사 로그, SSO와 SCIM도 갖췄다. Manus는 모델 제공업체가 Team 고객의 데이터로 학습하는 것을 금지하며, SOC 2 Type II, ISO 27001, ISO 27701 인증을 보유하고 있다고 밝혔다.

🔗 Manus for Business 소개

에이전트 연구: 잠재 공간에서 추론하는 HybridAgent, 코딩 에이전트 팀을 평가하는 Cohere Labs

두 연구는 에이전트의 비용을 줄이려 한다. 하나는 토큰을 생성하지 않고 추론하게 하며, 다른 하나는 팀을 더 효율적으로 구성한다.

HybridAgent: 잠재 공간에서 생각하고 텍스트로 행동하는 에이전트

10월 13일 — 자루 쩌우와 제임스 쩌우 등이 저자로 참여한 arXiv 등록 논문에 따르면, Stanford, Together AI, UIUC, Meta 연구진이 HybridAgent를 공개했다. 동일한 생성 과정에서 잠재 공간 추론과 텍스트 기반 행동을 번갈아 수행하는 하이브리드 추론 에이전트다. 경량 모듈 HybridLink는 마지막 층의 은닉 상태를 입력 임베딩 공간으로 되돌린다. 모델은 토큰을 생성하지 않고 추론하다가, Python 인터프리터와 웹 검색 도구를 호출할 때 텍스트로 돌아온다. 각 잠재 추론 단계는 의사 텍스트 형태로 읽어볼 수 있다. 학습은 두 단계로 진행한다. HybridSFT는 HybridLink와의 연계를 학습하고, HybridRL은 언제 잠재 공간에서 생각하고 언제 텍스트로 행동할지를 학습한다.

공개된 측정 항목(저자 기준)	발표된 수치
11개 벤치마크와 3개 모델 크기에서의 성능 향상	+10,4 %
토큰 감소	35,5 %~54,7 %
추론 속도	1,8~2,6배 빠름
비용 절감	2,7~3,7배

HybridAgent-8B-Agentic과 14B-Agentic 모델은 코드와 함께 MIT 라이선스로 공개됐다. 논문과 함께 나온 Together AI의 발표는 없다.

🔗 arXiv 논문

Cohere Labs: 강력한 총괄 에이전트와 저렴한 보조 에이전트로 비용을 70 % 줄이면서 최고 점수에 근접

10월 14일 — Cohere Labs가 키넌 샘웨이, 대니얼 드수자, 누하 지리가 작성한 코딩 에이전트 팀 구성 연구를 공개했다. 의도적으로 최소한으로 구성한 실행 환경에서 총괄 에이전트(리드)가 보조 에이전트(워커)에게 하위 작업을 맡긴다. 위임하는 단계, 차단식 또는 비동기식 대기, 역할별 모델, 팀 규모, 직접 메시지 기능 중 한 번에 하나의 매개변수만 바꾼다. 주요 벤치마크인 ProgramBench는 실행 파일과 문서만으로 200개 프로그램을 재구현하도록 요구하며, 대상은 jq와 ripgrep부터 SQLite와 FFmpeg까지 아우른다.

평가한 구성(ProgramBench, GPT-5.6)	평균 보상	200개 작업의 총비용
Sol 단독, 세 단계 프롬프트	57,7 %	본문에 수치 미공개
비동기 Sol 팀, 세 단계 위임	63,2 %	510달러
비동기 Sol 팀, 계획 수립만 위임	63,6 %	249달러
Sol 총괄 에이전트와 Luna 에이전트 16개, 계획 수립	61,8 %	155달러

따라서 계획 수립만 위임해도 모든 단계를 위임한 것과 동등한 성과를 절반의 비용으로 얻는다. Sol 총괄 에이전트에 GPT-5.6 Luna 에이전트 16개를 붙이면 155달러로 61,8 %를 달성하며, 모든 단계를 위임하는 전원 Sol 팀보다 비용이 70 % 낮다. 역량이 낮은 총괄 에이전트는 격차를 만회하지 못한다. Luna 에이전트를 붙여도 Terra 총괄 에이전트의 성적(51,6 %)은 Sol 단독 실행(57,7 %)보다 낮다. 모델당 한 차례만 실행한 30개 작업의 부분집합에서는 Claude Opus 4.8이 팀 구성 시 5,9점 향상됐지만, Claude Opus 4.7은 거의 위임하지 않았다. Claude Opus 5 실험은 8개 작업이 모두 8시간 제한에 도달하고 작업당 약 500달러가 든 뒤 중단됐다. 이 연구는 Cohere 모델을 평가하지 않았다.

🔗 Cohere Labs 게시물

생성형 미디어: 가격을 내린 FLUX 3 Video, Baseten에서 제공되는 Runway, 배경에 맞춰 조정되는 HeyGen 음성

생성형 영상은 가격을 낮추고 기업 전용 인프라에 진입하고 있으며, HeyGen은 자사 영상에 쓰이는 음성 복제 기술을 설명한다.

FLUX 3 Video, 2K와 4K에서 속도는 최대 두 배, 가격은 최대 절반으로

10월 14일 — Black Forest Labs는 FLUX 3 Video의 기본 2K 및 4K 해상도 영상 생성 속도가 최대 두 배 빨라지고 비용은 50 % 낮아졌다고 발표했다. 연구소는 서비스가 연산 자원을 덜 사용하도록 최적화했으며, 그 효과를 가격과 속도에 반영했다고 설명했다. 두 번째 게시물에서는 비슷한 가격과 지연 시간에서 Kling o3보다 뛰어난 4K 품질을 제공한다고 주장했으나, 해당 연속 게시물에 공개된 벤치마크는 없다.

FLUX 3 Video 해상도	텍스트 또는 이미지에서 영상 생성(초당)	영상에서 영상 생성(초당)
HD	0,17 → 0,15달러	0,41 → 0,21달러
FHD	0,29 → 0,24달러	0,53 → 0,27달러
QHD (2K)	0,40 → 0,28달러	0,65 → 0,31달러
UHD (4K)	0,80 → 0,41달러	0,95 → 0,45달러

bfl.ai의 가격표를 보면 « 50 % » 인하에는 경우별 차이가 있다. 2K와 4K의 인하율은 30 %(텍스트 또는 이미지 기반 2K 생성)부터 53 %(영상에서 영상 생성)까지이며, HD와 FHD 가격도 내려간다. 초안 모드(Draft)는 HD에서만 제공되며 초당 0,06달러를 유지한다. FLUX 3 Video는 8월 4일 출시됐다.

🔗 Black Forest Labs 발표 · FLUX 3 Video 페이지 · FLUX 3 Video 가격표

Runway, Baseten과 제휴해 Gen-4.5와 Aleph 2.0을 전용 환경에 배포

10월 14일 — Runway와 Baseten이 기업에 Runway 영상 모델을 전용 환경으로 제공하기 위해 제휴했다. Gen-4.5와, 여러 장면으로 구성된 최대 30초 길이의 1080p 영상을 편집하는 Aleph 2.0을 이제 미세 조정 버전까지 포함해 Baseten Dedicated Inference를 통해 단일 고객 전용(단일 테넌트) 환경에 배포할 수 있다. 기업은 Runway에서 직접 가중치 라이선스를 받은 뒤 Baseten에 배포한다. 각 배포는 전용 GPU를 갖춘 격리된 실행 영역에서 작동하며, Baseten이 제어 영역을 관리한다. 인프라는 Baseten의 SOC 2 Type II 및 HIPAA 프로그램 적용 대상이고, 가용성은 99,99 %로 보장된다. 고객은 자체 데이터로 모델을 미세 조정하고 GPU 용량을 예약할 수 있다. 가격은 공개되지 않았다. 이 상품은 비공개 가중치 라이선스를 기업에 제공하기 위해 9월 11일 출시한 Runway Model Licensing을 확장한 것이다.

🔗 Runway 발표 · Baseten 게시물

HeyGen Voice: 배경에 맞춰 목소리를 조정하는 음성 복제 기술 보고서

10월 14일 — HeyGen Voice 출시 닷새 뒤, HeyGen이 최초의 영상용 음성 모델로 소개한 자사 모델의 기술 보고서를 공개했다. 참조 음성은 누가 말하는지를 정하고, 대상 이미지와 장면 설명은 목소리가 어떻게 들려야 하는지를 안내한다. 언어 모델은 여기서 두 가지 설명을 생성한다. 하나는 화자에 관한 설명(어조, 리듬, 강조, 표현력)이고, 다른 하나는 배경에 관한 설명(공간과 그 음향 특성)이다. 영상은 별도의 아바타 모델로 렌더링한다.

블라인드 평가(HeyGen 실시)	HeyGen Voice 선호율
배경 적합성, Cartesia 대비	73 %
배경 적합성, ElevenLabs v4 대비	70 %
배경 적합성, Seedance 2.5 대비	65 %
사용자 선택, ElevenLabs v4 대비	62,2 %
사용자 선택, Cartesia Sonic 3.6 대비	54,1 %

첫 번째 테스트에서는 성당부터 자동차 앞좌석까지 50개 배경에 동일한 목소리를 배치했다. 두 번째에서는 수천 명의 사용자가 자신의 목소리를 녹음한 뒤 어떤 버전인지 표시되지 않은 상태에서 사용할 버전을 선택했으며, 세 가지를 비교한 경우 HeyGen Voice의 선택 비율은 41,7 %였다. 이 수치는 HeyGen이 제시했다.

🔗 HeyGen 연속 게시물 · HeyGen Voice 연구 페이지

반도체: NVIDIA, cuPotential 출시하고 CUDA-X를 인공지능 기반 반도체 공장으로 확장

10월 14일 — NVIDIA가 원자와 분자 사이의 상호작용을 시뮬레이션하는 에이전트를 구축할 수 있는 새로운 CUDA-X 라이브러리 cuPotential을 공개했다. 이 계산은 반도체 소재와 공정을 모델링하는 데 핵심적이다. 사전 체험 테스트에서는 이미 GPU에 맞게 최적화된 작업 흐름의 속도를 추가로 2~3배 높였으며, Synopsys가 초기 사용자에 포함됐다. 이번 발표는 에이전트가 엔지니어의 공정 최적화, 생산 문제 해결, 수율 향상을 돕는 인공지능 기반 반도체 공장(인공지능 정의형 팹) 구상의 일환이다.

협력사 또는 도구	발표된 결과(NVIDIA 기준)
NVIDIA cuPotential	이미 GPU에 최적화된 작업 흐름에서 추가로 2~3배 향상(사전 체험)
Lam Research (NanoVDB, SEMulator3D)	2026년 말까지 일부 식각 모델링에서 최대 30배
KLA (NPP)	이전 CPU 버전보다 50배 빠름
Applied Materials	챔버 시뮬레이션 최대 35배 빨라짐
Synopsys	30배(cuEST, QuantumATK) 및 12배(cuDSS, S-Device)의 잠재적 성능 향상

같은 날 공개된 기술 게시물은 에이전트 활용 사례를 보여 준다. Siemens Fuse 팀은 공개 라이브러리 NeMo Gym으로 자사의 표준 셀 특성화 에이전트를 평가하면서 해당 에이전트의 Liberty 파일을 검증된 참조 파일과 비교했다. 약 25회 실행하는 동안 모델은 Claude Opus 4.8, 실행 환경은 Claude Code로 고정하고 스킬과 MCP 도구 설명을 다듬었다. 종합 점수는 약 55 %에서 약 95 %로 올랐고, 에이전트 턴 수는 155에서 53으로, 출력 토큰은 약 81 000개에서 29 000개로 줄었다.

🔗 NVIDIA 보도자료 · NeMo Gym과 Siemens Fuse 기술 게시물

공개 모델과 환경: UltraBERT 인코더, Hugging Face의 다국어 강화 학습 환경

Hub에 분류와 검색을 위한 인코더 계열, 100개가 넘는 언어의 강화 학습 환경이라는 두 가지 결과물이 공개됐다.

UltraBERT: DMIS Lab, 32K 문맥을 지원하는 150M 및 380M 영어 인코더 공개

10월 14일 — DMIS 연구실(데이터 마이닝 및 정보 시스템 연구실)이 기본 32K 토큰 문맥을 갖춘 150M 및 380M 매개변수의 영어 인코더 계열 UltraBERT와 바로 사용할 수 있는 임베딩 모델 UltraBERT-Embed-150M을 공개했다. 모두 Apache 2.0 라이선스이며, 논문(arXiv 2610.15028)도 함께 나왔다. 누적 70조 개가 넘는 토큰을 사용한 제거 실험에서 두 가지 사실이 드러났다. 인코더는 1조~2조 개의 토큰 이후 손실값이 계속 낮아져도 성능이 더 이상 개선되지 않으며, 마스킹 비율이 전문 분야를 결정해 낮은 비율은 분류에, 높은 비율은 검색에 유리하다. 따라서 UltraBERT는 각 배치에서 5 %와 50 % 마스킹을 혼합하고, 비율마다 별도의 언어 모델 헤드를 둔다.

공개된 UltraBERT 모델	저자들이 발표한 결과
UltraBERT-380M	GLUE 91,0, BEIR 47,7
UltraBERT-150M 및 380M	10개 벤치마크 중 9개에서 최고 점수; 최대 32K 토큰까지 숨겨진 키 테스트 99 %
UltraBERT-Embed-150M	MTEB (eng, v2) 67,24, 200M 매개변수 미만에서 최고 성능의 밀집 임베딩 모델

🔗 DMIS Lab 게시물

Hugging Face, 22개 언어의 OCR과 102개 언어의 음성 인식을 위한 RL 환경 공개

10월 14일 — Hugging Face에서 강화 학습 환경을 개발하는 아디티야 S K가 자신이 최대 규모라고 설명하는 다국어·멀티모달 오픈 소스 RL 환경을 소개했다. 검증 가능한 보상을 제공하는 OpenEnv 환경 두 가지가 공개됐다. 하나는 Cognitive Lab의 Nayana 코퍼스에서 가져온 22개 언어, 100만 페이지 이상의 문서를 대상으로 하는 문서 인식(OCR) 환경이고, 다른 하나는 Google의 FLEURS에서 가져온 102개 언어의 음성을 대상으로 하는 음성 인식(ASR) 환경으로, 전체 과제 수는 1,200만 개를 넘는다. 핵심 원리는 기존 공개 데이터셋에 검증 가능한 보상을 추가해 재활용하는 것이다. 실제 학습에 활용할 수 있음을 보여 주기 위해 개발자는 A100 한 대에서 GRPO로 Gemma 4 E4B를 칸나다어에 맞춰 미세 조정했다. 그 결과, 평가용으로 따로 남겨 둔 Sarvam AI의 OCR 평가 세트에서는 문자 오류가 16 % 줄었고, 별도로 남겨 둔 음성 클립 838개에서는 45 % 줄었다. 10월 7일 소개된 RL Environment Explorer에는 이미 1,200만 개 이상의 과제가 등록돼 있었다. 이번 소식의 새로운 부분은 공식 소개와 초기 학습 결과다.

🔗 아디티야 S K의 게시물 모음

GitHub Actions: 워크플로 의존성 잠금 파일 공개 미리 보기 출시

10월 14일 — AI 외 소식으로, GitHub Actions가 데이터 레지던시 사용 여부와 관계없이 GitHub Enterprise Cloud, Team, Free에서 워크플로 의존성 잠금 파일(lockfiles)을 공개 미리 보기로 제공한다. 해결하려는 위험은 이미 알려져 있다. 워크플로 검토가 끝난 뒤에도 태그나 브랜치가 다른 커밋을 가리키도록 변경될 수 있으며, 침해된 액션은 저장소에 아무런 변경 없이 악성 코드를 삽입할 수 있다. GitHub CLI의 gh actions-lock 확장은 액션, 전이 의존성, 재사용 가능한 워크플로의 커밋을 담은 .github/workflows/actions.lock를 생성한다. 이후 Actions는 태그가 이동하더라도 잠긴 커밋을 실행한다. 워크플로별로 도입할 수 있고, Require lockfile 정책으로 사용을 의무화할 수 있으며, Dependabot은 액션의 새 버전을 반영하는 것과 동일한 풀 리퀘스트에서 잠긴 항목도 업데이트한다. GitHub는 잠금 자체가 의존성의 안전성을 보장하지는 않으므로 잠그기 전에 해당 의존성을 검토해야 한다고 강조했다.

🔗 GitHub Actions 워크플로 잠금 파일 공개 미리 보기(GitHub 변경 기록)

단신

에이전트와 코딩 도구

Copilot CLI 1.0.98 — 1.0.97 출시 다음 날 안정 버전으로 전환됐다. Gemini 4 Argon을 지원하며 /ask 응답을 더 편리하게 다룰 수 있다. Ctrl+E로 응답을 펼치고, Ctrl+Y로 전체를 복사하며, /ask 또는 /btw로 마지막 전체 응답을 다시 열 수 있다. Copilot SDK 1.0.22는 CLI를 포함하는 데 그친다. 🔗 출처
Zed 1.24 및 미리 보기 1.25.0 — 1.24는 미리 보기 버전에 수정 사항 하나만 추가한 안정 버전 1.24.2로 전환됐다. 1.25.0-pre는 Google AI 제공자에 Gemini 4 Argon을, Bedrock에 GPT-6 Astra, Claude Fable 5.1, Claude Opus 5.5를 추가하고, ACP 에이전트의 컨텍스트 압축을 지원한다. 또한 외부 에이전트와 MCP 서버의 비밀 정보가 로컬 프로세스 목록에 더 이상 표시되지 않는다. 🔗 출처
VS Code용 Antigravity 확장 1.8.0 — 10월 11일 소식을 뒤늦게 전한다. 자동 수락을 사용하지 않으면 변경 사항 검토 화면이 열린 채 유지되며 에이전트의 턴이 바뀌어도 누적된다. 디스크에서 이루어진 변경은 1초 이내에 감지하고, VSIX 패키지 크기는 약 70 % 줄었다. 🔗 출처
DeepSeek Harness 0.2.1-alpha.3 — 27번째 미리 보기이며 아직 안정 버전은 없다. 전송되는 메시지에서 키와 토큰을 기본적으로 가리고, 하위 에이전트 전용 에이전트 사전 설정(Agent Presets)과 SDK의 세션 재개 기능을 제공하며, 오류 열 가지를 수정했다. Azure 제공자의 이름이 azure로 바뀌어 설정을 마이그레이션해야 한다. 🔗 출처
Codex에서 GPT-5.5 지원 종료 — 9월 15일 예고한 대로, ChatGPT로 로그인한 계정의 Codex에서 10월 14일 19시 UTC에 GPT-5.5 지원이 종료됐다. Plus, Pro, Business, Enterprise, Edu에서는 GPT-6.1 Sol로, 데스크톱 앱의 Free와 Go에서는 GPT-6 Luna로 대체됐다. API와 API 키로 사용하는 세션은 영향을 받지 않는다. 🔗 출처
Amp와 OpenAI 모델 — OpenAI의 사례 연구에서 Amp는 소비되는 토큰의 대부분이 이 모델들에서 발생하며, 일부 사용자는 주당 100억 개를 사용한다고 밝혔다. Calling Puck은 GPT-Live-1을 통해 메타 에이전트와 실시간 대화를 지원하며, 팀은 GPT-6 Astra의 Ultrafast 모드를 시험하고 있다. 🔗 출처
Apache Spark용 cuDF 스킬 — NVIDIA가 Spark의 UDF를 GPU로 가속되는 동등한 코드로 재작성하는 에이전트 스킬을 공개했다. 이름을 밝히지 않은 한 대기업에서는 운영 중인 UDF 30개 이상을 변환했으며, 그중 하나는 6000억 개의 행을 처리하는 데 걸리는 시간이 274,55시간에서 12,78시간으로 줄었다. 🔗 출처
Built with Claude: Japan 2026 — Anthropic과 Cerebral Valley가 11월 2일부터 10일까지 일본 거주자를 대상으로 전면 온라인 Claude Code 해커톤을 개최한다. 선발된 참가자 250명에게 Max 5x 요금제와 API 크레딧 500달러를 제공하며, 총 50 000달러의 크레딧을 놓고 경쟁한다. 신청 마감은 10월 26일이다. 🔗 출처
Astra Commons 모임 — OpenAI 커뮤니티 팀의 리애넌 페인에 따르면, Codex Ambassadors는 9월 GPT-6 Astra 출시를 맞아 52개 도시의 카페, 갤러리, 대학에서 약 2 500명의 개발자를 모았다. 🔗 출처

어시스턴트, 기업용 도구와 안내서

Genspark — Meta의 Muse Wonder에 이어 Gemini 4 Argon이 몇 시간 간격으로 AI Chat, Code Agent, Claw에 추가됐다. 각 개발사의 홍보 설명을 함께 제공하지만 요금제나 가격은 명시하지 않았다. 🔗 출처 · 🔗 Argon
Sakana Chat의 My Fish — Sakana AI가 어시스턴트의 메모리를 시각적으로 보여 준다. 읽기와 쓰기 히트맵, 범주별 보기, 기억 간 연결 지도, 기록을 제공하며, 30일 동안 사용하지 않은 기억은 흐리게 표시한다. 웹과 모바일 모두 설정 → My Fish에서 이용할 수 있다. 🔗 출처
Gloss — Together AI가 기사, PDF, X 북마크를 저장하고 강조 표시한 구절에 대해 AI에 질문할 수 있는 무료 오픈 소스 앱을 소개했다. 자사 플랫폼의 DeepSeek V4.1 Flash로 개발했다. 🔗 출처
Apigee hybrid의 MCP — 1.17.0부터는 OpenAPI 명세만으로 API의 각 작업을 MCP 도구로 노출할 수 있다. 데이터 플레인은 고객의 Kubernetes 클러스터 안에 유지되므로 도구 호출이 Google Cloud를 거치지 않는다. 🔗 출처
Perplexity가 설명하는 AI 도구 비용 — 한 안내서가 가격 책정 방식과 숨은 비용을 자세히 설명하고, Free부터 Enterprise Max까지 Perplexity의 요금 체계를 정리했다. 가상의 10명 팀이 일부 달에는 350달러와 내부 작업 18시간을 지출하는 사례를 제시한다. 새로 발표된 기능은 없다. 🔗 출처
Perplexity가 설명하는 MCP 도구 — 두 번째 안내서는 MCP 도구가 무엇인지 설명하고 Perplexity의 두 가지 활용 방향을 다시 소개한다. Pro, Max, Enterprise에서 MCP 서버를 연결하거나, 예를 들어 Claude Code에서 Perplexity 자체 MCP 서버의 도구 네 가지를 호출할 수 있다. 🔗 출처

사례 연구와 도입

Third Moment Research — OpenAI의 사례 연구에 따르면, 이 연구소는 36~48시간 동안 이어지는 세션에서 에이전트 10 000개를 동시에 실행하고, 하루에 토큰 1조 개를 소비했으며, Codex로 백테스트(backtest) 시간을 97 % 줄였다. 가장 많이 사용하는 모델은 GPT-6.1 Sol이다. 🔗 출처
SentinelOne과 Daybreak — AI 책임자 그레고르 스튜어트에 따르면, OpenAI Daybreak는 최고 수준의 연구자가 4~6주 걸리던 사람 수준의 악성 소프트웨어 역공학 분석을 약 8시간 만에 수행한다. 🔗 출처
Circa와 Manus — Manus가 철거 자재를 재활용하는 보스턴 스타트업 Circa의 사용 후기를 공개했다. Circa는 웹사이트, 보조금 신청, 견적 도구에 에이전트를 활용한다. 9월 기준 누적 매출은 약 100 000달러라고 밝혔으며, 제품 관련 새 소식은 없다. 🔗 출처
유럽 도시와 NVIDIA — 코트도르에서는 공공 건물 500곳 이상에 도입한 Akila와 ThinkDeep의 에이전트가 운영 비용을 10 % 줄였으며, 목표는 30 %다. NVIDIA는 밀라노, 앤트워프-브뤼허, 예테보리, 리버풀의 프로젝트도 소개했지만 새 제품은 없다. 🔗 출처
MiniMax H3 IP Edition — MiniMax는 9월 11일 도쿄에서 열린 자사 콘퍼런스의 요약에서 60개 이상의 기업이 관심을 보였다고 밝혔다. Captain Tsubasa × PixVerse 시범 프로젝트에는 45일 동안 창작자 126 360명이 참여했고, 라이선스를 받은 콘텐츠 329 314개가 제작됐다. 🔗 출처

공개 모델과 커뮤니티 연구

Cohere가 언급한 Rerank 5 — Cohere가 Rerank로 Mario를 플레이하는 영상을 공개하고, Rerank 5가 Rerank 4의 점수를 넘는지 확인해 보라고 권했다. 출시된 것은 없으며, 문서에는 아직 Rerank 4와 3.x 버전만 나와 있다. 🔗 출처
Lumma-Fev-27B — FrontiersMind가 영어, 힌디어, 타밀어, 칸나다어로 된 의사 결정 예시 약 100 000개를 사용해 Qwen3.8-27B의 전체 매개변수를 미세 조정했다. 평가용으로 남겨 둔 의사 결정 4 454개에서 정답률은 90,7 %로 Jev 1.13의 83,9 %를 앞섰지만, BBH와 WinoGrande에서는 Jev가 여전히 우세하다. 개발진이 측정한 결과이며, 가중치는 Apache 2.0으로 공개했다. 🔗 출처
TranscribePsy — Tether AI Research가 유럽 25개 언어를 지원하는 254M 매개변수 음성 인식 모델을 GGUF와 Core ML 버전으로 공개했다. Open ASR Leaderboard의 단어 오류율은 8,02 %로 Whisper-small의 12,34 %보다 낮으며, Tether에 따르면 휴대전화 여섯 대에서 그다음으로 빠른 모델보다 2,6배 빨랐다. 🔗 출처
VKORE-46M-NPU — VIDRAFT가 칩 32개로 구성된 추론용 NPU에서 실제 역전파를 사용해 46M 매개변수의 소형 디코더를 처음부터 학습했다. 손실 곡선은 GPU에서 동일하게 학습한 곡선과 0,99의 상관관계를 보였다. 🔗 출처
양자화와 에이전트 능력 — 패트릭 힐(PBH Applied Systems)이 짝지어 비교한 결과 19 200개를 바탕으로, Q4_K_M으로 양자화한 Mistral-Nemo가 에이전트 능력 8개 중 5개에서 유의미한 성능 저하를 보인다고 밝혔다. 산문을 포함한 구조화된 출력에서는 최대 −28,0점 하락했다. 반면 Q5_K_M(7,48 대비 8,73 Go)과 Q8_0에서는 변화가 없었다. 🔗 출처
Gated DeltaNet에 추가한 게이트 — 아비 페네시가 GRPO로 학습한 LoRA에 더해 Gated DeltaNet 계층의 베타 값에 작은 게이트를 추가했다. MATH-500에서 Qwen3.5-4B의 추론 길이가 48 % 줄었고, 임의 시점의 정확도는 0,786에서 0,852로 높아졌다. 🔗 출처
pico-165m — 파우스토 사포리토가 TPU 칩 한 개로 메모를 작성하는 165M 모델을 학습했다. 약 47차례의 문답으로 이루어진 대화의 기억 검증에서 0,81을 기록했으며, 대화 전체를 읽는 SmolLM2-360M-Instruct는 0,31을 기록했다. 🔗 출처

추론과 연산 커널

DeepGEMM-Ascend, DeepGEMM 2.8.2 및 TileKernels 2.1.0 — DeepSeek가 별도 발표 없이 Ascend NPU용 라이브러리에 희소 MQA 로짓 커널을 추가하고, BF16, FP8, FP4 GEMM에 C 항 또는 편향을 추가했다. DeepGEMM은 2.8.2로 업데이트했으며, TileKernels 2.1.0은 릴리스 노트 없이 공개했다. 🔗 출처
TokenSpeed와 Qwen3.8-Flash-Next — LightSeek의 오픈 소스 엔진이 NVFP4를 사용하는 NVIDIA GB300 GPU 네 대에서 대화 하나를 처리할 때 사용자당 685,9 tokens/s로 모델을 제공하며, 대화 32개에서는 95,7 tokens/s를 기록했다. Qwen은 이 결과를 높이 평가했다. 🔗 출처
AMD MI350P에서 실행한 Qwen3.8-Flash-Next — 플로리안 치머마이스터가 GPU 한 대에서 vLLM을 사용해 스트림 32개의 총처리량을 1 168,2에서 2 256,6 tokens/s로 높였다(+93,2 %). 출발점에도 이미 맞춤형 MXFP4가 적용돼 있었다. 🔗 출처
Microsoft Foundry의 GLM 5.3 Flash — Hugging Face가 Z.ai 모델을 Foundry 카탈로그에 추가했다. AMD MI300X에 최적화된 세 가지 구성으로 제공하며 컨텍스트는 512K다. ShareGPT에서 GPU 8개를 TP4 + DP2로 구성한 버전은 처리량이 약 1,8배 높고, 첫 토큰까지 걸리는 시간은 11,3에서 5,2 s로 줄었다. 🔗 출처
Neural Engine에서 실행한 Qwen3.8-27B — ANEMLL 프로젝트가 모델의 모든 MLP 행렬을 3비트 벡터로 양자화했다. M6 칩에서 BF16 대비 KL 발산은 0,0518, 평균 처리 속도는 37,5 tokens/s이며, 가중치 크기는 9,74 Gio다. 표준 과제의 정확도는 아직 측정해야 한다. 🔗 출처
Hub 텐서 뷰어 — Hugging Face가 모든 샤드의 헤더를 요청 한 번으로 반환한다. DeepSeek-V3.2를 여는 시간은 9,2 s에서 0,45 s로, GLM-5.3은 4,0 s에서 0,57 s로 줄었다. 🔗 출처

GitHub의 AI 외 소식

GitHub Apps 권한 — 세분화된 권한 두 가지로 관리자 권한 없이 저장소를 만들거나 설치된 앱의 저장소를 관리할 수 있다. 저장소 관리자는 자신의 저장소를 이미 승인된 앱에 연결할 수도 있다. 기존 PAT에서 벗어나는 것이 명시된 목표다. 🔗 출처
GitHub 가용성 보고서 — 10월 7일 기준 운영 서비스 160개 중 120개가 Central US에서 실행되고 있었으며, 기본 MySQL 데이터베이스 51개 중 13개의 마이그레이션이 완료됐다. GitHub는 9월 30일 목표를 달성하지 못했으며, 웹에서 이루어지는 이슈 생성의 약 96 %에 영향을 준 9월 13일 장애를 되짚었다. 🔗 출처
스타 이력 — 새 API 엔드포인트는 사용자 신원 정보 없이 요청당 최대 30주간의 일별 스타 수를 반환한다. react/react의 경우 약 2 511회 대신 약 24회의 요청이면 충분하다. 🔗 출처

이것이 의미하는 바

음성 분야는 비용이 순위만큼 중요하게 작용하는 정량적 비교의 장이 되고 있다. Grok Voice 3.0은 분당 가격을 유지하면서 점수를 높였고, SpaceXSI는 작업당 비용이 GPT-Live-1의 0,030달러보다 낮은 0,025달러라는 점을 내세운다. 개발사가 인용한 Artificial Analysis의 측정 결과만으로 모든 우열이 가려지는 것은 아니다. τ-Voice에서는 GPT-Live-1이 여전히 앞서고, Grok Voice 3.0은 40% 짧은 지연 시간으로 이를 보완한다. 실제 도입 규모도 중요하다. Starlink에서 하루에 처리하는 전화 20,000건 중 약 70%가 사람의 개입 없이 해결된다는 사실은 음성 에이전트가 이미 고객 지원의 실질적인 부분을 담당하고 있음을 보여준다. 동영상 분야에서는 FLUX 3 Video가 연산 자원을 덜 소모하는 서비스를 통해 2K와 4K 요금을 30~53% 낮추는 한편, HeyGen은 배경 공간의 음향에 맞춰 조정한 음성에 주력한다.

최첨단 모델은 연구 성과로도 평가받는다. Google은 양자 디코더, 플라스마 물리학의 추측, 실험실에서 시험한 효소에 Argon을 적용한 성과를 선보인다. Meta는 의학 논문 원고 열 편을, Ai2는 약 300분의 1 비용으로 생성한 3 km 해상도의 기후 데이터를 제시한다. 한계도 명확히 적혀 있다. Grad 추측에 관한 논문의 초록에는 Argon이 언급되지 않고, Meta의 연구는 후향적 연구이며 그중 하나는 가설을 생성하는 연구로 평가된다. ADK 저장소에서는 사람이 검토한 결과 여섯 가지 최적화 중 두 가지만 채택됐다. 모든 경우에 최종 결정권은 사람에게 있다. Meta의 실험에서는 의학 연구자들이 과학적 결론을 결정하고, ADK 유지관리자들은 에이전트가 제안한 내용 중 일부를 덜어낸다.

에이전트의 작업 비용은 도구 개발의 핵심 과제가 되고 있다. Claude Code는 캐시가 만료되기 전에 긴 대화를 압축해 전체 내용을 다시 처리하지 않도록 하고, HydraFusion은 단계별로 추론 노력을 조절한다. Cohere Labs의 연구는 강력한 주 에이전트에 저렴한 에이전트들을 붙이면 비용을 70% 줄이면서도 최고 점수에 근접할 수 있음을 보여준다. HybridAgent는 토큰을 생성하지 않고 추론하는 구조로 같은 문제에 접근한다. 이러한 지출을 관리하려면 먼저 그 내역을 볼 수 있어야 한다. Claude Platform과 Claude Code 2.1.300의 추적 기록은 이제 동일한 OpenTelemetry의 GenAI 규약을 따르며, Ramp는 자사 추적 기록을 평가해 일부 에이전트에서 토큰 사용량을 10~20% 줄였다고 밝힌다. 유럽연합에 관한 OpenAI의 보고서는 이 문제의 중요성을 다시 보여준다. 조사 대상 Enterprise 고객이 유럽연합에서 생성하는 출력 토큰 중 Codex와 ChatGPT Work가 이미 절반 이상을 차지한다.

인공지능 보안은 공공 영역으로도 확대되고 있다. 싱가포르에서는 같은 Cyber Week 행사에서 Anthropic이 모델 평가와 사고 대응에 관한 양해각서를 체결하고, Google DeepMind는 GovTech와 함께 휴대전화 밖으로 데이터를 보내지 않는 사기 탐지 기능을 선보인다. 영국에서는 NVIDIA가 연산 자원을 제공해 에이전트 안전성 연구를 지원한다. 미국에서는 Anthropic이 캠페인을 작은 작업으로 쪼개 수행하는 행위를 탐지하는 분류기를 활용해 Claude의 중간선거 대응을 준비한다. 기업 현장에서는 OpenAI가 자체 모델로 녹음 장치를 숨긴 직원을 찾아냈다고 밝힌다. GitHub는 태그가 다른 대상을 가리키도록 바뀌어도 검토한 코드와 다른 코드가 실행되지 않도록 워크플로의 의존성을 고정하고, VS Code는 기업 정책에 따라 Copilot 하네스와 그 실행 규칙의 사용을 강제한다.