MiniMax, Space Bunny가 사전 공개 버전이었던 M3.1 Flash 출시, FLUX 3 Max는 12초 만에 10초 영상 생성, OpenAI는 1월 14일 API에서 GPT-4o와 GPT-4.1 지원 종료

MiniMax가 에이전트와 코딩을 위한 모델 M3.1 Flash를 출시했다. 입력 토큰 100만 개당 요금은 0,15달러이며, 200조 개가 넘는 토큰을 처리한 익명 모델 Space Bunny가 이 모델의 사전 공개 버전이었다고 밝혔다. Black Forest Labs와 fal은 10초짜리 영상을 12,45초 만에 생성하는 FLUX 3 Max를 출시했다. Seedance 2.5보다 약 22배 빠르며, 아직 예비 단계인 이미지 기반 영상 생성 평가 아레나에서 공동 1위에 올랐다. OpenAI는 API에서 GPT-4o와 GPT-4.1의 지원을 종료할 날짜를 2027년 1월 14일로 정했고, Meta는 Muse Wonder를 학습시킨 슈퍼컴퓨터 Prometheus의 세부 내용을 공개했으며, Devin은 이제 각 엔지니어의 효율성을 0~100점으로 평가한다.

MiniMax, M3.1 Flash 출시: Space Bunny는 사전 공개 버전이었으며 입력 토큰 100만 개당 0,15달러

10월 19일 — MiniMax가 Flash 제품군의 새 모델 M3.1 Flash를 공식 출시하고 익명 모델의 정체를 밝혔다.

Space Bunny 🐰, which processed more than 200 trillion tokens while operating anonymously, was an early version of MiniMax M3.1 Flash.

🇰🇷 익명으로 운영되며 200조 개가 넘는 토큰을 처리한 Space Bunny 🐰는 MiniMax M3.1 Flash의 초기 버전이었다. — MiniMax 출시 게시글

M3.1 Flash는 M3.1-Flash-Preview와 Space Bunny Alpha의 후속 모델이다. M3.1-Flash-Preview는 벤치마크나 가격 공개 없이 9월 27일 MiniMax Code에 등장한 뒤 Token Plan에도 추가됐다. Space Bunny Alpha는 9월 23일 OpenRouter에 개발사 이름 없이 등록된 비공개 모델로, 이곳에서는 27일 소개했다. MiniMax는 이번 모델을 에이전트 작업, 코딩, 컴퓨터 사용(Computer Use), 사이버 보안 분야에서 세대가 바뀔 만큼 발전한 모델로 설명한다. 아래 점수는 모두 MiniMax가 발표한 수치다.

벤치마크	MiniMax 발표 점수
DeepSWE v1.1	73,7 %
OSWorld V2	61,7
Agents’ Last Exam (ALE)	29,6
BankerToolBench	76,2
CyberGym	82 %
Automation-Bench	62 % (고정 게시물)

OSWorld V2와 Agents’ Last Exam에서 M3.1 Flash는 중국 모델 가운데 1위를 기록했다. AutomationBench-AA에 대해서는 게시글에서 단지 “최상위권”이라고 설명하지만, 고정 게시물은 Automation-Bench 점수로 62 %를 제시한다.

또 다른 강점은 비용이다. 희소성(sparsity)을 더 높여 출력 속도가 초당 200토큰을 넘고, 중앙값도 170토큰을 넘는다. 온라인 추론 속도는 거의 3배 빨라졌다고 한다. 게시글에 따르면 에이전트 작업의 사용 비용은 이전 모델보다 70 % 줄었으며, 고정 게시물은 M3 대비 비용이 3분의 1이고 속도는 3배라고 설명한다. 요금표는 고정되어 있다.

요금 유형	토큰 100만 개당 가격
입력	0,15달러
출력	0,60달러
캐시된 입력	0,015달러

M3.1 Flash는 현재 MiniMax API, M Plan 구독, MiniMax Code 애플리케이션에서 사용할 수 있다. 고정 게시물에 따르면 가중치는 10월 23일 공개될 예정이지만, 출시 게시글에는 “추후”라고만 적혀 있다. Pro 버전도 뒤이어 나올 예정이며 날짜는 발표되지 않았다. 저녁에는 MiniMax가 Ollama의 출시 당일 지원 소식을 공유했다. 미국에서 호스팅하며 데이터를 보관하지 않는 방식이다. 또한 사전 공개 버전이 OpenCode에서 12일 동안 1위를 유지했다고 밝혔다.

🔗 @MiniMax_AI의 고정 공지

FLUX 3 Max: Black Forest Labs와 fal, 12초 만에 10초 영상 생성, Seedance 2.5보다 22배 빠른 속도

10월 19일 — Black Forest Labs(BFL)가 고정 게시물에서 FLUX 3 Max를 소개했다. fal 페이지에 따르면 FLUX 3 Max는 fal Research가 사후 학습한 새 영상 모델로, BFL과 함께 FLUX 3를 기반으로 개발했으며 텍스트 기반 영상 생성과 이미지 기반 영상 생성을 모두 720p로 지원한다.

Generate a 10-second video in 12 seconds. Tied for #1 in image-to-video. 22× faster than Seedance 2.5 at the same quality. FLUX 3 is a model designed for customization. @fal adapted and optimized it to create FLUX 3 Max.

🇰🇷 12초 만에 10초짜리 영상을 생성하세요. 이미지 기반 영상 생성에서 공동 1위입니다. 동일한 품질에서 Seedance 2.5보다 22배 빠릅니다. FLUX 3는 맞춤화를 위해 설계된 모델입니다. @fal은 이를 조정하고 최적화해 FLUX 3 Max를 만들었습니다. — X의 @bfl_ai

fal이 공개한 지표	FLUX 3 Max	fal이 제시한 비교
10초 영상 생성 시간	12,45 s	Seedance 2.5는 277,80 s, FLUX 3는 126,44 s
Artificial Analysis 이미지 기반 영상 생성 아레나의 Elo	1 139, 공동 1위	Seedance 2.5도 1 139; MiniMax H3 (768p)가 1 141로 선두이나 오차 범위 이내; FLUX 3는 1 089
11월 7일까지 fal의 720p 요금	초당 0,0425달러	정규 요금은 0,17달러

원래 FLUX 3와 비교하면 fal의 추론 최적화로 생성 속도가 약 10배 빨라졌고, 사후 학습으로 Elo가 50점 올랐다. 사람의 블라인드 투표를 바탕으로 한 Artificial Analysis 순위는 예비 단계의 한 시점 결과일 뿐이다. MiniMax H3가 1 141로 선두에 있고, FLUX 3 Max는 오차 범위가 선두 모델들과 겹쳐 공동 1위로 소개된다. Gemini Omni Flash 1.1, Wan 3.0, H3 Max보다 앞선다. BFL은 음성, 물리적 사실성, 음향 효과, 특이한 요청에서도 일관된 결과를 내는 능력도 강조한다.

출시 가격은 BFL이 발표한 2주간 75 % 할인에 해당하며, 텍스트 기반 영상 생성과 이미지 기반 영상 생성 모두에 적용된다. 최소 이용량이나 구독 요건은 없다. fal은 MiniMax H3를 사후 학습한 자사 버전 H3 Max의 방식을 그대로 활용하며, 같은 API로 제공한다. 식별자만 바꾸면 두 모델 사이를 전환할 수 있다. 이는 10월 14일 FLUX 3 Video 가격 인하와 15일 FLUX 3 Image Klein 발표에 이어 일주일 사이 나온 FLUX 3 제품군의 세 번째 발표다.

🔗 fal의 FLUX 3 Max 페이지

OpenAI, API에서 GPT-4o, GPT-4o mini, GPT-4.1, GPT-4.1 mini 지원 종료일을 2027년 1월 14일로 확정

10월 14일 — 뒤늦게 전하는 소식이다. OpenAI의 API 지원 중단 안내 페이지에 따르면, OpenAI는 10월 14일 관련 개발자들에게 GPT-4 계열 모델 4종의 지원을 2027년 1월 14일 종료한다고 알렸다. 미세 조정(fine-tuned) 버전도 포함된다. 같은 페이지에는 10월 1일 발표된 두 차례의 지원 종료 일정도 나와 있다.

API 지원 종료 모델	지원 종료일	권장 대체 모델
GPT-4o (`gpt-4o-2024-08-06`, `gpt-4o-2024-11-20`)	2027년 1월 14일	`gpt-6-luna`
GPT-4o mini (`gpt-4o-mini-2024-07-18`)	2027년 1월 14일	`gpt-6-luna`
GPT-4.1 및 GPT-4.1 mini (2025년 4월 14일 스냅샷)	2027년 1월 14일	`gpt-6-luna`
`gpt-5.3-codex` 및 `gpt-5.1`, 10월 1일 발표	2027년 4월 1일	`gpt-6-sol`
`gpt-5.4-nano`, 10월 1일 발표	2027년 4월 1일	`gpt-6-luna`
`tts-1`, `tts-1-hd` 및 `gpt-4o-mini-tts`, 10월 1일 발표	2027년 1월 6일	`gpt-realtime-2.1-mini`

이 날짜들은 지원 중단 안내 페이지에만 기재되어 있으며 API 변경 이력에는 별도 항목이 없다. 10월 17일 배포된 Node SDK 7.37.0에는 GPT-4 모델 별칭에 대한 지원 종료 안내가 추가됐다.

🔗 OpenAI API 지원 중단 안내 페이지

모델 학습: Meta의 Prometheus, Luma의 MARBLE, Together Post-Training, Trainium의 TorchNeuron

오늘 나온 네 가지 발표는 학습의 네 계층을 다룬다. Meta의 연산 센터, Luma의 GPU 간 병렬화, Together AI의 사후 학습 서비스, AWS 칩용 PyTorch 백엔드다.

Prometheus: Muse Wonder를 학습시킨 Meta 슈퍼컴퓨터, GPU 100만 개 목표

10월 19일 — Meta가 오하이오주 뉴올버니에 있는 기가와트급 슈퍼컴퓨터 Prometheus를 소개했다. Muse Wonder를 비롯한 Muse 모델들을 학습시킨 시스템으로, 10월 12일 동향 정리에서는 이름만 전한 바 있다. 1단계에는 여러 건물에 분산된 GPU 수십만 개가 포함된다.

Prometheus 지표	Meta가 공개한 수치
유효 처리량(goodput), Muse Wonder	사전 학습 85 % 초과, RL 90 % 초과
평균 중단 간격	약 47 000 GPU시간, 이후 54 000 GPU시간 초과
GPU 8 000개당 중단 횟수	2025년 중반 하루 약 1 000회에서 99 % 감소
NVIDIA 플랫폼	GB200 및 GB300 NVL72, 이후 Vera Rubin NVL72

NVL72에서는 한 번의 장애가 GPU 72개로 구성된 영역에 영향을 미친다. Meta는 랙마다 64개만 가동하고 나머지 8개는 예비로 두며, 여기에 랙 약 2 %를 추가로 예비 확보한다. 따라서 활성 GPU 32 768개를 위해 랙 523개, 즉 GPU 37 656개를 배치한다. 루이지애나에 들어설 다음 슈퍼컴퓨터 Hyperion에도 이 경험을 적용할 예정이다.

🔗 Prometheus 내부 살펴보기(Meta 엔지니어링)

MARBLE: Luma, 수백만 개의 멀티모달 토큰에 대한 시퀀스 병렬화의 정확성 확보

10월 19일 — Luma가 MARBLE(Mask-Aware Ring with Balanced, Lossless Execution)을 공개했다. 인과적 텍스트와 양방향 이미지·영상이 섞여 있는, 토큰 100만~800만 개를 묶은 시퀀스로 멀티모달 모델을 학습하기 위한 시퀀스 병렬화 방식이다. MARBLE은 토큰당 정수 4개로 이 마스크를 표현하고, 각 계층에서 링 어텐션, 희소 all-to-all, Ulysses 중 하나를 선택한다.

Luma가 시험한 구성	MARBLE 결과
FlashMask + Ulysses 혼합 방식과 비교	48개 사례 중 47개에서 더 빠름
H100 GPU 32개, 128개에서의 중앙값 기준 속도 향상	각각 1,28배, 2,63배
Gemma 3 27B의 한 스텝, 토큰 100만 개, GPU 32개	13,2 s, FlashMask는 32,5 s

수정된 FlashAttention-4 커널은 softmax 상태를 fp32로 유지한다. 출력과 그래디언트는 단일 GPU의 결과와 동일하다. Luma는 이 커널이 Hopper GPU 전용이며 비교 대상인 혼합 방식도 자체 구성했다고 밝힌다. 코드는 공개할 예정이지만 날짜는 제시하지 않았다.

🔗 Luma의 MARBLE 게시글

Together Post-Training: 고객이 SFT 또는 RL 루프를 작성하면 Together AI가 GPU를 운영

10월 19일 — Together AI가 학습 예제 저장소(post-training-cookbook)를 공개한 지 일주일 만에 서비스를 공식 출시했다. 저장소는 10월 12일 별도 발표 없이 공개됐으며, 이곳에서는 13일 소개했다. 고객이 지도 미세 조정(SFT)이나 강화 학습(RL) 방식의 학습 루프를 직접 작성하면 Together AI가 전용 GPU에서 그 기반이 되는 학습기와 생성기를 가동한다.

서비스 특징	Together AI가 발표한 세부 내용
가중치 조정	LoRA, 동일 GPU에서 여러 어댑터 사용, 일부 모델에서는 전체 가중치 조정
내장 손실 함수	GRPO, CISPO, DPPO, 교차 엔트로피 또는 사용자 지정 손실 함수
출시 시 지원 모델	Muse Spark Open, GLM 5.3, Kimi K3, Qwen 3.8-27B
출시 가격	8주 동안 B200 GPU 시간당 9달러

요금은 GPU 사용 시간을 분 단위로 계산하며, Tinker API에서의 이전은 코드 한 줄이면 된다.

🔗 Together Post-Training(Together AI 블로그)

TorchNeuron: Transformers, Diffusers, Kernels가 AWS Trainium에서 네이티브로 실행

10월 19일 — Hugging Face가 Transformers, Diffusers, Kernels에서 TorchNeuron을 네이티브로 지원한다. TorchNeuron은 AWS의 Trainium 칩을 위한 새로운 PyTorch 백엔드로, 공개 베타는 10월 20일 시작된다. 지금까지는 PyTorch XLA를 기반으로 한 Optimum Neuron을 사용해야 했으며, 정적 형태를 사용하고 그래프가 끊길 때마다 다시 컴파일해야 했다. TorchNeuron은 칩을 일반적인 PyTorch 장치로 다루게 해 즉시 실행(eager), torch.compile, FSDP2를 지원한다.

추론에서는 가장 많이 쓰이는 텍스트 생성 아키텍처 100개 중 89 %가 별도 조정 없이 작동한다. Optimum Neuron v0.4.5에서는 46 %였다. Hugging Face는 이제 Optimum Neuron 대신 Transformers, Diffusers, Accelerate, PEFT, TRL 사용을 권장한다. TRL의 표준 SFT 스크립트가 Trainium2 칩 8개에서 실행되며, Hub에 공유된 Neuron 커널은 비전 트랜스포머를 최대 2,4배 가속한다.

🔗 TorchNeuron(Hugging Face 블로그)

OpenAI의 Python·Node SDK, 컴퓨터 사용과 브라우저 사용의 도구 루프 지원

10월 16일 — 뒤늦게 전하는 소식이다. @OpenAIDevs가 재게시한 스레드에서 OpenAI 개발자 경험 팀의 케빈 위너리가 Python과 Node.js SDK의 새로운 유틸리티 함수(helpers)를 소개했다. 이 함수들은 Responses API의 도구 루프(tool loop)를 처리한다. 코드는 10월 14일 openai-python 3.31.0과 openai-node 7.33.0에 추가됐으며, 총 4편으로 구성된 시리즈의 첫 번째 내용이다.

SDK 구성 요소	모델에 제공하는 기능
`ComputerToolset`	computer 도구를 통한 화면 캡처, 마우스 및 키보드 조작
`BrowserToolset`	함수 도구 형태로 제공되는 페이지 텍스트, 제어 요소, 탭
Responses 도구 실행기	스트리밍으로 전달되는 진행 상황과 재개 지점(checkpoints)

개발자가 작성하거나 가져온 드라이버(driver)가 동작을 실행하며, 애플리케이션이 제어권을 유지한다. 노출할 작업, 변경 사항 확인, 보안 검사, 단계 수 제한을 관리할 수 있다. 가이드에는 Browserbase, Browser Use, Daytona, E2B와의 통합이 나와 있다. Claude SDK에도 10월 7일 비슷한 도구 모음이 베타로 추가된 바 있다.

🔗 케빈 위너리의 스레드 · 컴퓨터 사용 가이드

Perplexity: 역할별 커넥터 접근 권한, Projects의 로컬 폴더, Nano Banana 2.1 및 Reverse Engineer 스킬

10월 19일 — Perplexity가 10월 5일 이후 처음으로 제품 변경 내역을 공개했다. 13개 항목 중 7개가 새 소식이다.

변경 내역의 새 기능	달라지는 점	대상
역할별 커넥터 접근 권한	각 커넥터를 모든 사용자, 관리자 또는 특정 역할에 개방	전담 지원이 제공되는 Enterprise 요금제의 관리자
Projects의 로컬 폴더	Computer가 기본적으로 Mac의 폴더에서 파일을 읽고 저장	Mac 앱 26.38 이상
Computer의 Nano Banana 2.1	이미지 생성과 편집, 같은 대화에서 재요청	Computer에 접근할 수 있는 모든 사용자
Reverse Engineer 스킬	분석할 권한이 있는 소프트웨어를 조사한 뒤 재구현하고 테스트	10월 31일까지 계정당 10 000 크레딧 한도 내 무료

7월 말 도입된 역할별 접근 제어가 이제 개별 커넥터 수준까지 적용되며, 감사 로그도 제공된다. 이와 함께 Computer의 썸네일 표시줄, 자체 글꼴인 PPLX, 입력 영역에서 Ask 또는 Computer 모드를 표시하는 테두리가 추가된다. 이미 다룬 소식으로는 Gemini 4 Argon이 Computer에서는 Pro와 Max 구독자에게 제공되지만, 검색에서는 Max 구독자에게만 제공된다.

🔗 10월 19일 변경 내역

LiteRT Tensor API: Google, CPU·GPU·NPU에서 실행되는 온디바이스 모델을 C++로 작성하도록 지원

10월 19일 — Google AI Edge가 LiteRT Tensor API를 공개했다. 온디바이스 추론 스택의 한 계층으로, C++에서 연산을 하나씩 직접 작성해 모델을 만들 수 있다. 동일한 그래프를 LiteRT로 CPU에서, 10월 8일 오픈 소스로 공개된 ML Drift 엔진을 통해 GPU에서, 또는 NPU에서 실행할 수 있으며, XNNPACK을 통해 CPU에서 직접 실행할 수도 있다. 가중치는 변환 없이 Hugging Face의 .safetensors 파일에서 불러오며, 텐서는 가속기 메모리 내에서 복사 없이 전달된다.

Google의 SAM 2 측정 항목	발표된 결과
WebGPU에서 512x512 해상도의 초당 이미지 수	10 미만에서 30 초과로
Apple MLX 대비 속도(MacBook Pro, fp16)	약 1,5배 빠름

시연에서는 Meta의 분할 모델인 SAM 2가 브라우저에서 실행되며, Gemma 4 E2B가 프롬프트를 해석한다. 게시글에 따르면 코드 에이전트인 Antigravity가 Tensor API로 이를 작성한 뒤 가속했다. 대부분의 프로젝트에서는 여전히 변환 방식이 권장된다.

🔗 Google Developers 게시글

코드 에이전트: Devin은 사용자 효율성을 평가하고, Amp는 Linear의 에이전트가 되며, Mistral은 Vibe CLI 3.0.0을 공개하고, Gemini 4 Argon은 Antigravity에서 Google AI Pro 구독자에게 개방

Cognition과 Amp는 팀을 위한 기능을 추가하고, Mistral은 CLI의 새 주 버전을 공개했으며, Google은 Gemini 4 Argon을 이용할 수 있는 구독 등급을 하나 더 늘렸다.

Devin, 엔지니어별 효율성을 0~100점으로 평가하고 높은 점수를 받은 사용자의 한도를 자동으로 상향

10월 19일 — Cognition이 Devin Enterprise 요금제에 지출 관리 기능 세 가지를 추가했다. Efficiency Score는 각 엔지니어의 최근 사용을 평가한다. ACU당 생산적 작업 시간으로 나타낸 효율성 E와 하루 생산적 작업 시간으로 나타낸 사용량 V를 결합하며, ACU는 Devin의 과금 단위다. 계산식은 Score = 100 × (E + 0,2 × V × (1 − E))다. 사용량의 영향은 작다. 평균적인 엔지니어는 55점, 효율성은 같지만 사용량이 많은 사용자는 60점, 사용량이 많고 효율성이 낮은 사용자는 41점, 신중하게 사용하면서 효율성이 매우 높은 사용자는 76점을 받는다.

Devin Coach는 실행 전에 프롬프트에 의견을 제시하며, 알리지 않고 프롬프트를 다시 쓰는 일은 없다. 관리자는 ‘효율성에 따른 승인’ 옵션으로 상한을 설정한다. Healthy 또는 Satisfactory 등급의 엔지니어가 한도에 가까워지면, Devin이 별도 요청 없이 해당 상한과 조직의 제한 범위 안에서 한도를 올린다. 상한을 초과하는 요청과 Needs Improvement 또는 Unknown 등급 엔지니어의 요청은 관리자에게 전달되며, 어떤 요청도 자동으로 거절되지 않는다. 이 승인 기능은 현재 모든 Devin Enterprise 고객에게 제공되며, 공개된 요금은 없다.

🔗 Devin 게시글

Amp가 Linear의 에이전트로 통합: 이슈를 할당하거나 @Amp를 언급하면 orb 실행

10월 19일 — 이제 Linear 이슈를 Amp에 할당하거나 댓글에서 @Amp로 언급하면 Linear에서 에이전트 세션(에이전트 세션)이 열리고, 해당 사용자를 대신해 작업하는 에이전트 대화인 orb가 실행된다. Amp는 이 세션에서 응답하고, 작업 도중 전송된 메시지에 반응하며, 오류로 중단되거나 도구 승인을 기다리는 상태를 알린다. 문서에 따르면 구독 설정으로 새 이슈마다 orb를 실행할 수도 있다. Amp 작업 공간의 관리자가 앱을 설치하고 Linear 관리자가 승인한 뒤, 각 사용자가 계정을 연결하면 Linear가 해당 사용자의 MCP 서버에 추가된다. 요금은 명시되지 않았다. Amp는 이미 7월 23일부터 Linear 웹훅에 반응할 수 있었다.

🔗 Amp 발표

Vibe CLI 3.0.0: Mistral, Rust CLI와 Unified Harness만 유지

10월 19일 — Mistral이 별도 발표 없이 첫 3.x 버전인 Vibe CLI 3.0.0을 공개했다. 95개 항목 중 54개는 수정 사항이고 5개는 제거 사항이다. 기존 Python 인터페이스, 기존 실행 엔진, Plan 모드가 사라지며, vibe는 계속 Rust TUI를 실행한다. CLI부터 Desktop까지 모든 인터페이스는 Unified Harness를 거친다.

몇몇 변경 사항은 기존 설치 환경과 호환되지 않을 수 있다. 최소 Python 버전이 3.12에서 3.14로 올라가고, 더 엄격한 RFC 5280 규칙에 따라 인증서를 검증하며, Vibe 1.x 세션 지원이 중단되고, 하위 에이전트 도구의 이름이 agents.*로 바뀐다. 추가된 기능으로는 대화를 새 세션으로 분기하는 /branch, 다른 코드 에이전트의 세션을 가져오는 Vibe Desktop 기능, 관리자가 MCP 서버를 차단할 수 있는 enable_mcp 플래그가 있다. Windows에서는 명령이 자신의 일부를 숨겨 승인 검사를 우회하는 일이 더 이상 불가능하다.

🔗 Vibe CLI 3.0.0 버전 정보

Gemini 4 Argon, Antigravity에서 Google AI Pro 구독자에게 개방…별도의 주간 할당량 적용

10월 15일 — 뒤늦게 전하는 소식이다. Google Antigravity에서 Gemini 4 Argon이 더 이상 Ultra 구독자 전용으로 제공되지 않는다. @antigravity 계정은 데스크톱 앱과 CLI에서 유료 Google AI Pro 구독자에게도 제공한다고 발표했다. 10월 13일 정식 출시 당시에는 Google AI Ultra와 자격을 갖춘 Gemini Enterprise 고객만 이용할 수 있었다. Pro에는 Gemini 3.8 Flash 할당량에 더해 별도의 Argon 할당량이 추가되며, 주간 한도만 적용되고 구체적인 수치는 공개되지 않았다.

구독 등급	Antigravity의 Gemini 4 Argon
무료 및 Google AI Plus	이용 불가
Google AI Pro	이용 가능, 체험 기간 제외
Google AI Ultra	이용 가능
기업	이용 가능

Argon은 Antigravity App, Antigravity CLI, IDE 확장 프로그램에서 작동하며 Antigravity IDE에서는 작동하지 않는다. 10월 19일에는 Zed 1.24.3의 안정 버전에도 추가됐다.

🔗 @antigravity 발표 · Antigravity 모델 페이지

단신

에이전트 및 코드 도구

Claude Code 2.1.303 — 10월 18일 공개된 이 버전의 변경 내역은 버그 수정과 안정성 개선이라는 한 줄뿐이며, 수정된 문제 목록은 없다. TypeScript용 Agent SDK도 0.3.303으로 업데이트됐다. 🔗 출처
Qwen Code v0.25.3 — 10월 16일 다룬 사전 공개 버전에 이어 안정 버전이 나왔으며, 알려진 호환성 파괴 변경은 없다. v0.25.2 이후 기능 41개와 수정 사항 81개가 포함됐으며, 주로 Managed Agent 관련이다. Managed Agent는 SSH 또는 macOS 기본 작업 공간에서 도구를 실행하며, Plan 모드가 추가됐다. 🔗 출처
Copilot CLI 1.0.100 — 10월 14일의 1.0.98 이후 첫 안정 버전으로, 새로운 내용은 없다. 49개 항목은 여기서 10월 15~17일 소개한 사전 공개 버전 1.0.99-0부터 1.0.100-1까지의 내용을 담고 있다. 🔗 출처
ZCode v3.16.1 — Z.ai가 별도 릴리스나 버전 정보 없이 ZCode 오픈 소스 저장소를 3.16.1 버전에 맞췄다. 문서로 확인되는 유일한 추가 사항은 중국어 CLI 사용 안내서다. 🔗 출처
Gemini CLI, 10월 19일 야간 빌드 — 변경 사항이 없다. 10월 16일 저녁 이후 병합된 내용이 없어 세 차례 연속 같은 커밋을 사용한 야간 빌드이며, 안정 버전 v0.64.0과 미리 보기 버전 v0.65.0-preview.0도 그대로다. 🔗 출처
Zed 1.24.3 — 이 안정 버전의 유일한 변경 내역은 Google AI 모델에 Gemini 4 Argon을 추가한 것이다. 이 모델은 이미 10월 14일부터 사전 공개 버전 1.25.0에 포함돼 있었다. 🔗 출처
Figma의 MCP 파트너 — 뒤늦게 전하는 10월 15일 소식으로, Figma가 Config India에서 Amp, JetBrains의 Junie, OpenCode, Cline, Delta, Zed 등을 포함한 신규 MCP 파트너 20곳을 발표했다. 다만 목록에는 21개 이름이 있으며, 개방되는 기능이나 제공 시점은 명시하지 않았다. Zed는 10월 19일 이 발표를 공유했다. 🔗 출처 · 🔗 Zed
Navan과 Cursor의 클라우드 에이전트 — 뒤늦게 전하는 10월 16일 소식으로, Cursor가 Navan의 Spring Boot 4 이전 사례를 소개했다. 앱 8개와 라이브러리 15개를 이전하는 데 약 일주일이 걸렸으며, 2년 전에는 한 달 넘게 걸렸던 작업이다. 자체 머신에서 실행되는 클라우드 에이전트를 활용했으며, 30일 동안 주 저장소에 병합된 PR의 36 %가 Cursor로 작성됐다. 🔗 출처
VS Code에서 GitHub Copilot 앱 세션 이어가기 — GitHub Blog의 자습서는 ‘VS Code에서 열기’ 동작으로 세션을 해당 worktree에서 다시 여는 방법을 보여준다. 작업, 계획, 대화, diff가 함께 열리며, 이후 검토, 수정, 로컬 테스트를 거쳐 세션의 풀 리퀘스트로 푸시할 수 있다. 🔗 출처
COOKED — OpenAI Developers가 팀과 커뮤니티가 Codex로 만드는 것들을 소개하는 영상 프로그램을 시작했다. 첫 회(13분 20초)는 Codex 클라우드 환경부터 Ultrafast로 만든 8비트 라멘 게임까지 이미 제공 중인 기능을 보여준다. 🔗 출처

API, 하네스 및 통합

Perplexity의 Agent API — require_approval 설정은 MCP 도구와 커넥터 호출을 실행하기 전에 애플리케이션의 승인을 받도록 하며, xhigh 사전 설정의 출력 한도는 128 000토큰에서 512 000토큰으로 늘어난다. Perplexity는 여기서도 인용했던 10월 5일 항목을 정정했다. xhigh 역시 Fast Search를 사용한다. 🔗 출처
하네스 엔지니어링 — Perplexity가 인공지능 도구에서 모델을 둘러싼 모든 요소인 하네스(하네스)를 다룬 안내서를 공개했다. 에이전트 루프부터 검증까지 여섯 구성 요소로 설명하며, 이름을 밝히지 않은 독립 테스트를 인용했다. 이 테스트에서는 하네스만 바꿨을 때 같은 모델의 코딩 테스트 점수가 최대 11 % 달라졌다. 🔗 출처
Crusoe의 SPACE — Crusoe가 Perplexity의 오픈 소스 샌드박스인 SPACE를 Crusoe Cloud의 Managed AI 서비스에 통합하는 협력을 Perplexity와 발표했다. 일정과 요금은 공개하지 않았다. Crusoe는 이미 10월 15일 SPACE 소스 코드 공개 당시 언급된 파트너에 포함돼 있었다. 🔗 출처
Lovable의 Perplexity — 뒤늦게 전하는 10월 15일 소식으로, Perplexity가 Claude, Firecrawl, Gemini, OpenAI, p0, TypeSafe와 함께 Lovable이 앱에 통합하는 인공지능 기능의 공급자로 합류했다. 출처를 인용하는 실시간 웹 답변을 제공하며, 요금이나 기술 세부 사항은 없다. 🔗 출처
말을 멈추지 않는 음성 에이전트 — Google Developers의 안내서는 ADK의 스트리밍 및 비차단 도구가 gemini-3.8-live 기반 음성 에이전트의 침묵을 줄이는 방법을 보여준다. 판매 보고서 작업 흐름에서 첫 발화까지 걸리는 시간이 14,4초에서 1,2초로 줄어들며, 새 기능이 추가된 것은 아니다. 🔗 출처
Together AI의 DeepSeek-V4.1-Flash-1017 — 여기서 10월 17일 소개한 DeepSeek 모델이 Together AI에서 제공되며, 호스팅 업체에 따르면 “동일한 가격”이다. 🔗 출처

개방형 모델 및 연구

Muse Glimmer — Meta가 8월 출시한 30B 개방형 모델의 기술 보고서를 공개했다. 일반 소비자용 하드웨어에서 에이전트 작업을 수행하도록 만든 모델로, 텍스트와 이미지, 100개 이상의 언어를 지원하고, 단일 GPU에서 약 4비트로 실행되며, Apache 2.0 라이선스를 따른다. Meta는 Gemma4-31B와 Qwen3.6-27B를 상대로 동급 선두라고 밝혔으나, 요약에는 수치가 없다. 🔗 출처
SlideOn과 mSlideOn — LightOn이 DenseOn과 mLateOn에서 파생된 희소 검색(희소 검색) 모델 두 개를 공개했다. 매개변수 수는 각각 174M(영어)과 339M(다국어)이다. SlideOn은 BEIR-15에서 DenseOn의 56,20보다 높은 56,68을 기록했으며, mSlideOn은 MLDR에서 mDenseOn보다 10,19점 높았다. 🔗 출처
tokenizers v1.0.0-rc.3 — tokenizers v1의 세 번째 출시 후보 버전은 npm에 tokenizers-wasm라는 이름으로 공개된 WebAssembly 바인딩을 통해 라이브러리를 브라우저로 가져왔다. 또한 ModernBERT, NLLB, SentencePiece에서 변환한 모델을 불러올 수 있게 됐다. 🔗 출처
Transformers v5.20.2 — 수정 버전이다. 생성 도중 입력의 자료형이 사라져 멀티모달 모델에 문제를 일으키던 현상이 해결됐으며, 전문가 병렬화를 적용한 bfloat16에서 전문가의 기울기가 더 이상 0이 되지 않는다. 🔗 출처
프롬프트 정렬하기 — 커뮤니티 게시글에서 압덴나세르 바다우이는 일괄 추론 전에 프롬프트를 분야별로 정렬하는 것만으로 vLLM을 수정하지 않고 Qwen3-30B-A3B에서 12~~17 %, gpt-oss-120b에서 7~~12 %의 속도 향상을 얻었다. 비슷한 요청은 같은 전문가를 사용하기 때문이다. 다만 지연 시간에 민감한 온라인 서비스에서는 이 이점이 사라진다. 🔗 출처
Nesso3-0.4B-Agentic — mii-llm이 도구 호출용 이탈리아어·영어 이중 언어 모델을 Apache-2.0 라이선스로 공개했다. 매개변수는 4억 개다. 개발진의 이중 언어 평가 모음에서는 74/100으로 Qwen3-0.6B의 67점을 앞섰지만, 영어 범용 도구에서는 48 %로 Qwen3-0.6B의 84 %보다 낮았다. 🔗 출처
S²-MAS와 Fin-Laya — 양리는 GPU 14개로 3시간 59분 동안 5억 개의 가구 페르소나에서 추출한 에이전트 1 200만 개를 시뮬레이션하고, 금융 의사결정 모델 Fin-Laya를 소개했다. 자체 측정에 따르면 정확도는 74,5544 %, 평균 지연 시간은 9,10 ms이며, Jev 1.13의 지연 시간은 206,77 ms다. 🔗 출처
BlenderWorld — 뒤늦게 전하는 10월 15일 소식으로, Qwen이 Blender 기반 3D 제작 벤치마크를 공개했다. 작업 223개와 이진 판정 기준 2 651개로 구성된다. 13개 모델 중 GPT-6-Astra가 100점 만점에 79,9점으로 Opus-5(73,0), GPT-5.6-Sol(67,7)을 앞섰으며, Qwen3.8-Max는 60,6점으로 5위였다. 1위 모델도 모든 기준을 충족한 작업은 42,2 %에 그쳤다. 🔗 출처

하드웨어, 일반 사용자 및 창작

RTX Spark 노트북 가격 — 10월 16일 소식을 뒤늦게 전하면, NVIDIA의 출시 보도자료는 ASUS, Dell, HP, Lenovo, Microsoft, MSI의 RTX Spark 노트북이 전 세계에서 2,599달러부터 판매된다고 발표했다. 반면 NVIDIA의 10월 17일 블로그 글은 같은 제조사 제품의 시작 가격을 2,399달러로 적었다. 🔗 보도자료 · 🔗 게시글
동작 버튼의 Grok Bot — Grok Bot의 계정인 @bot은 여기서 10월 18일 소개한 OpenAI의 dots처럼, 이 어시스턴트를 iPhone의 동작 버튼에 할당할 수 있다는 영상을 공개했다. iOS 버전과 요금제는 명시되지 않았으며, x.ai 게시글이나 @SpaceXSI의 공유도 없다. 🔗 출처
Chroma Awards, 시즌 2 — ElevenLabs가 자사가 육성했다고 밝힌 AI 창작 대회의 두 번째 시즌을 연다. 5개 부문에 100만 달러 상당의 체험 이용 혜택과 45만 달러가 넘는 상금이 걸려 있다. 게시글에는 마감일이 2027년 1월 1일로 적혀 있지만, 세부 규정에는 1월 7일로 나와 있으며, 시상식은 2027년 2월 11일에 열린다. 🔗 출처

GitHub, AI 외 소식

HTTPS 복제 작업의 인증 — 트래픽이 이례적으로 몰리는 기간에는 GitHub가 공개 저장소의 일부 HTTPS git clone 및 git fetch 작업에 일시적으로 인증을 요구할 수 있다. SSH, 푸시, 인증된 작업은 영향을 받지 않으며, GitHub는 지속적 통합 환경에 GITHUB_TOKEN 또는 GitHub App 토큰을 권장한다. 🔗 출처
CodeQL, Xcode 27 및 Swift 6.4 — 일부 Apple 시스템 바이너리에 x86_64 코드가 없어, CodeQL은 Xcode 27 빌드를 더 이상 추적하지 않으며 어떤 플랫폼에서도 Swift 6.4를 지원하지 않는다. Intel Mac 지원은 12월 중순부터 폐기 수순에 들어가며, GitHub는 macOS 26과 Xcode 26으로 버전을 고정하라고 권고한다. 🔗 출처

이것이 의미하는 것

MiniMax와 Black Forest Labs는 같은 영역에서 경쟁하고 있다. 순수한 품질보다는 작업 속도와 비용이다. M3.1 Flash는 초당 200토큰 넘게 출력하고, 에이전트 작업의 사용 비용을 70% 줄이며, 입력 토큰 100만 개당 0.15달러를 청구한다. FLUX 3 Max는 10초 영상을 12.45초 만에 생성하며, 11월 7일까지 영상 1초당 0.0425달러다. 발표된 품질은 최고 수준에 도달했지만 이를 넘어서지는 않는다. FLUX 3 Max는 MiniMax H3가 불확실성 범위 안에서 2점 앞서는 순위에서 공동 1위이며, M3.1 Flash는 두 에이전트 벤치마크에서 중국 모델 중 1위라고 밝힌다. MiniMax 모델은 실제 환경에서도 검증을 거쳤다. Space Bunny는 어디서 나온 모델인지 밝히지 않은 채 200조 개가 넘는 토큰을 처리했으며, MiniMax에 따르면 사전 공개 버전은 OpenCode에서 12일 동안 1위를 유지했다. 이 수치는 모두 개발사가 제시한 것이며, Artificial Analysis의 순위도 아직 잠정적이다.

사후 학습이 독립적인 제품으로 자리 잡고 있다. fal은 FLUX 3 Max를 처음부터 만들지 않았다. MiniMax H3를 H3 Max로 만들었던 것처럼, Black Forest Labs의 FLUX 3를 조정하고 최적화했다. fal에 따르면 사후 학습으로 모델의 Elo 점수가 50점 올랐으며, 추론 작업을 개선해 생성 속도가 약 10배 빨라졌다. Together AI는 이제 이 역량을 고객에게 판매하며, 고객은 개방형 모델에서 SFT 또는 RL 방식으로 자체 학습 루프를 작성한다. TorchNeuron은 Transformers와 TRL의 일반적인 PyTorch 스크립트로 AWS의 Trainium 칩을 사용할 수 있게 한다. 한편, 개발 과정의 반대편에서는 사전 학습이 대규모로 집중되고 있다. Prometheus는 GPU 100만 개를 목표로 하며, Meta 게시글의 대부분은 랙마다 예비 GPU 8개를 두고 중단을 99% 줄이는 등 안정성에 초점을 맞춘다. MARBLE은 수백만 토큰에 이르는 시퀀스를 위해 소프트웨어 측면에서 같은 규모 확장 문제에 접근한다.

에이전트에는 관리자 통제 장치도 더해지고 있다. 누가 무엇을 어떤 예산으로 어떤 승인을 거쳐 실행할 수 있는지 정하는 장치다. Devin은 효율적이라고 판단한 엔지니어의 한도를 스스로 높이고, 나머지는 관리자에게 안내한다. Perplexity는 특정 역할에 각 커넥터의 접근 권한을 부여하며, Agent API는 애플리케이션이 승인할 때까지 MCP 호출을 일시 중지할 수 있다. OpenAI의 도구 세트는 애플리케이션이 변경 사항을 승인하고 단계 수를 제한할 수 있게 한다. Vibe CLI 3.0.0은 관리자에게 MCP 서버를 끄는 플래그를 제공한다. Amp는 자신에게 이슈를 배정한 사람을 대신해 Linear에서 작업한다. 에이전트가 팀의 도구 안에 자리 잡고 각자의 Linear 연결을 사용해 행동하는 것이다.

마지막으로, 개발자에게 이번 가을은 여러 이전 작업을 가져온다. GPT-4o와 GPT-4.1은 2027년 1월 14일 OpenAI API에서 퇴장하며, 음성 합성 모델 tts-1과 gpt-4o-mini-tts는 그보다 이른 1월 6일에 퇴장한다. 이 날짜는 지원 중단 안내 페이지에만 나와 있어, API 변경 이력만 살피면 놓치게 된다. Trainium에서는 Hugging Face가 Optimum Neuron 대신 TorchNeuron에서 Transformers와 TRL을 사용하라고 권고한다. 또 Vibe CLI 3.0.0은 Python 3.14를 요구하고, 인증서를 더 엄격하게 검증하며, Vibe 1.x 세션을 더 이상 다시 열지 않는다. 릴리스 노트를 읽지 않고 업데이트하면 당황할 수 있는 변화다.