AI 뉴스
Anthropic, Claude Fable 5.1 출시 및 OpenAI Astra 모델 예고
Anthropic은 Claude Fable 5.1과 Mythos 5.1을 출시하며 가격을 45% 인하하고, 고객 클라우드에 기업 데이터를 저장하며, 생물 관련 작업에서 큰 성과를 보고했다. OpenAI는 사이버 보안 임계값을 충족하는 Astra 모델을 곧 출시할 예정이라고 밝혔다. Nvidia는 2028 회계연도까지 약 70%의 매출 성장을 예측하고 있으며, OpenAI의 광고 사업은 연간 10억 달러의 수익을 기록했다.
스탠포드 대학의 AI 교육 프로젝트 'Probability for AI'
스탠포드 대학의 Chris Piech 교수는 'Probability for AI'라는 수업을 10월 9일부터 시작하며, 지원 마감은 9월 말이다. 이 수업은 10명의 학생당 1명의 자원봉사 교사가 배정될 예정이며, 1,000명 이상의 지원자가 교사로 지원했다. 수업은 무료로 제공되며, 학생들은 AI 텍스트 감지 앱을 만들고, 자원봉사 교사들은 스탠포드에서의 교육 경험을 쌓을 수 있다.
이 수업은 10명의 학생당 1명의 자원봉사 교사가 배정되는 구조로, 교육의 질을 높일 수 있다.
GPT-5.6 Sol을 통한 양자 컴퓨팅 실험 운영
OpenAI의 GPT-5.6 Sol이 양자 컴퓨팅 실험을 운영하는 데 사용되고 있다. 관련된 정보는 OpenAI의 공식 웹사이트와 Hacker News에서 확인할 수 있다.
토스뱅크의 Next.js Pages Router 유지 결정
토스뱅크 프론트엔드 개발자는 Next.js의 Pages Router를 사용하고 있으며, App Router와 React Server Components(RSC)를 검토했으나, 서비스 안정성을 유지하는 비용이 이득보다 크다고 판단하여 도입하지 않기로 했다. App Router는 데이터를 가져오는 컴포넌트를 나누고 Suspense로 감싸는 기능이 있지만, 화면 흔들림 문제와 경계 구분의 복잡성으로 인해 도입을 포기했다. 또한, App Router의 usePathname()는 경로 패턴 정보를 제공하지 않아 로깅 기능이 부족하다는 점도 고려됐다.
App Router의 usePathname()는 /blog/[slug]와 같은 경로 패턴을 제공하지 않아, 기존 로깅 기능을 유지하기 위한 별도 패키지 개발이 필요하다.
Microsoft Edge 팀, AI로 인한 확장 프로그램 검토 지연 문제 해결 방안 발표
Microsoft Edge 팀은 AI 지원 코딩의 급속한 채택으로 인해 확장 프로그램 제출이 증가하고 있으며, 이로 인해 검토 시간이 늘어나고 있다고 밝혔다. 이를 해결하기 위해 반복 가능한 검증 체크의 자동화를 도입하고 검토 프로세스를 간소화했다고 전했다. 새로운 자동화는 정책 위반 및 보안 문제를 더 일관되게 식별할 수 있도록 도와주며, 검토자는 복잡한 사례에 더 많은 시간을 할애할 수 있게 된다. 또한, Edge 팀은 고품질 확장 프로그램에 대한 'Featured' 배지를 15일마다 갱신할 계획이라고 밝혔다.
Microsoft Edge 팀은 자동화를 통해 확장 프로그램의 승인 및 업데이트 속도를 높일 수 있다고 밝혔다.
OpenAI, Astra-next로 Navier-Stokes 특이점 발견 보고
OpenAI는 약 10,000명의 에이전트를 사용하여 88시간 만에 Navier-Stokes 문제의 해결책을 도출했다고 발표했다. 이 과정에서 다중 에이전트 강화 학습(multi-agent RL)을 통해 협업 모델을 훈련시켰으며, 이는 밀레니엄 문제 중 하나로 여겨진다. 그러나 수학 커뮤니티의 수용 여부는 아직 불확실하다.
OpenAI는 10,000명의 에이전트를 활용하여 Navier-Stokes 문제에 대한 해결책을 도출했다고 주장하고 있다.
MERIT: LLM 에이전트를 위한 장기 기억 평가 벤치마크
LLM 에이전트의 장기 기억을 평가하기 위해 MERIT(Memory Evaluation for Realistic Instrumented Tasks)라는 벤치마크가 제안되었다. MERIT는 세 가지 도메인에서 에피소드 도구 사용 작업을 제공하며, 이전 에피소드 사실에 대한 의존성을 자동화된 누수 점검으로 검증한다. 23,440개의 에피소드에서 메모리가 의존 작업 성공률을 0.00에서 0.55-1.00으로 향상시키는 것으로 나타났다. 업데이트된 사실에 대한 임베딩 검색은 모델 간에 0.30-0.95로 불안정하며, 에이전트는 올바르게 검색된 값을 55%의 확률로만 사용한다. 메모리 구현을 교체하면 작업 성공률이 최대 60포인트까지 변화할 수 있다.
대규모 언어 모델의 제2차 사회적 추론 평가
이 연구는 대규모 언어 모델(LLM)의 제2차 사회적 규범인 메타규범을 평가하기 위한 새로운 프레임워크를 소개한다. 메타규범은 사회 규칙이 위반될 때 사람들의 반응을 지배하는 기대를 포함한다. 연구팀은 450개의 규범 위반 시나리오로 구성된 NormReact라는 다각적 데이터셋을 공개하였으며, 감정과 행동 반응을 성별 및 사회적 친밀도에 따라 수작업으로 주석을 달았다. 현재 LLM은 인간이 예상하는 비활동보다 부정적인 제재를 과도하게 예측하며, 사회적 거리 증가에 따라 인간 판단과의 일치도가 저하되는 경향이 있다.
이 연구는 LLM이 규범 민감한 분야에서 왜곡된 사회 규제 그림을 생성할 위험이 있음을 시사한다.
손상 인식 다중 무장 강도 선택을 통한 비전 및 언어 변환기 가지치기
구조적 포스트 트레이닝 가지치기는 기능 단위를 선택하여 제한된 성능 저하를 유발하는 방식으로 이루어진다. 이 연구에서는 언어 및 비전 변환기의 구조적 단위 선택을 손상 인식 다중 무장 강도 문제로 공식화하고, 주어진 후보 평가 예산 하에서 진행된다. 실험은 WikiText-2, LAMBADA, Imagenette에서 GPT-2, OPT, Pythia, Qwen2.5, SmolLM2, ViT-B/16, DeiT-Tiny, Swin-Tiny 모델을 대상으로 하여 랜덤, 크기, 정적 중요도, 예산 기반 탐색 방법과 비교하였다. 다섯 개의 시드에서, 밴딧 방법이 예산 기반 탐색에 비해 성능 저하를 줄이는 경향을 보였다.
OpenAI, Navier–Stokes 문제 해결 주장과 논란
OpenAI는 Millennium Prize Problems 중 하나인 Navier–Stokes 존재성과 매끄러움 문제를 해결했다고 발표했다. 그러나 NYU의 Tristan Buckmaster와 Anthropic의 Levent Alpöge의 연구를 참고했으나 이를 인정하지 않았다는 비난에 휘말렸다. Buckmaster는 Navier–Stokes 방정식의 단순화된 버전이 붕괴할 수 있음을 증명했으며, OpenAI는 내부 모델을 사용해 전체 방정식의 붕괴를 증명했다. OpenAI는 이 문제 해결로 백만 달러의 상금을 청구할 계획이 없다고 밝혔다.
OpenAI가 Navier–Stokes 문제를 해결했다고 주장하며, 이는 AI 모델이 수학 문제 해결에 필수적이라는 점을 시사한다.
OpenAI, Navier–Stokes 문제 해결 결과 발표
OpenAI는 공개되지 않은 모델을 사용하여 Navier–Stokes 존재성과 매끄러움 문제를 해결했다고 발표했다. 이 문제는 2000년 5월 24일부터 100만 달러의 상금이 걸린 밀레니엄 문제 중 하나이다. OpenAI 팀은 9월 1일에 시작하여 9월 5일에 해결에 도달했으며, 이 과정에서 2.7백만 메시지를 보내고 약 130억 개의 출력 토큰을 사용했다. 그러나 NYU의 Tristan Buckmaster 교수는 OpenAI가 자신의 팀의 작업을 알지 못한 상태에서 유사한 문제를 해결했다고 주장하고 있다.
OpenAI는 Navier–Stokes 문제 해결을 위해 2.7백만 메시지와 약 130억 개의 출력 토큰을 사용했다.
ChatGPT Images 2.5 출시
OpenAI의 이미지 생성 모델은 ChatGPT Images와 GPT-Image API에서 30억 개 이상의 이미지가 사용되었다. 이번 2.5 버전은 다중 턴에서의 지시 따르기 능력을 개선하고, 반응 속도를 높이며, 참조 사진의 주제를 더 잘 보존한다. API에는 두 개의 새로운 모델 ID인 gpt-image-2.5-sunburst와 gpt-image-2.5-flare가 추가되었으며, Sunburst는 편집 정확도가 중요한 작업에 적합하다.
gpt-image-2.5-sunburst 모델은 편집 정확도가 중요한 워크플로우에 적합하다.
Amazon Bedrock에서 GPT-6 Astra의 일반 제공 시작
OpenAI의 GPT-6 Astra가 Amazon Bedrock에서 일반 제공되며, 이는 고성능과 보안을 갖춘 추론 엔진에서 작동한다. GPT-6 Astra는 복잡한 비즈니스 결정에 깊은 추론과 판단을 제공하고, 코드 작성, 데이터 분석, 복잡한 워크플로 자동화 등에서 활용된다. 이 모델은 최대 1백만 개의 입력 토큰을 처리할 수 있으며, 반복적인 요청에서 동일한 컨텍스트를 재사용할 수 있는 기능을 지원한다.
GPT-6 Astra는 복잡한 비즈니스 결정에서 더 깊은 판단을 제공하여, 예를 들어 재무 분석 시 상충하는 데이터 소스를 조정하는 데 도움을 줄 수 있다.
Microsoft, 972개의 취약점 수정한 9월 패치 발표
Microsoft는 9월 패치에서 약 972개의 취약점을 수정했으며, 이 중 112개는 높은 심각도 기준을 충족한다. 이는 두 달 전 570개의 취약점을 수정한 기록을 경신한 수치다. 최근 OpenAI, Anthropic, Amazon Web Services, Google, Microsoft 등 100개 기업과 조직은 AI 기반 공격의 증가에 대비하기 위해 취약점 패치의 중요성을 경고하는 공개 서한을 발표했다.
Microsoft는 972개의 취약점을 수정하여 AI 기반 공격에 대비하고 있다.
1인 창업가를 위한 최근 주목받는 오픈소스 AI 도구 소개
최근 Greg Isenberg의 유튜브 영상에서 지난 30일 동안 깃허브에서 주목받은 다섯 개의 리포지토리를 소개했다. 이 도구들은 창업가, 마케터, 콘텐츠 크리에이터 등에게 유용하며, 에이전트 시대의 불공정한 우위를 얻을 수 있는 장소로 깃허브를 언급했다. 영상에서는 이 도구들을 설치하고 작은 워크플로우로 활용한 후 상품화 여부를 결정하는 3단계 방법도 제시했다.
깃허브는 에이전트 시대의 불공정한 우위를 얻을 수 있는 최고의 장소로, 창업가들이 이 도구들을 통해 경쟁력을 강화할 수 있다.
OpenAI, 90년간 미해결된 Navier-Stokes 문제 해결 발표
OpenAI는 90년간 미해결 상태였던 Navier-Stokes 문제에 대한 해결책을 발견했다고 발표했다. 이 문제는 액체와 기체의 흐름과 관련이 있으며, OpenAI는 GPT-6 Astra보다 강력한 내부 AI 모델과 10,000개의 동시 에이전트를 사용하여 이를 해결했다. Navier-Stokes 문제는 7개의 밀레니엄 상 문제 중 하나로, 해결 시 100만 달러의 보상이 주어진다. OpenAI는 이 내부 AI 모델의 훈련을 8월 28일에 시작했다고 밝혔다.
OpenAI는 GPT-6 Astra보다 강력한 AI 모델을 사용하여 Navier-Stokes 문제를 해결했다.
ChatGPT의 Sketch 기능으로 드로잉을 AI 이미지로 변환
OpenAI는 ChatGPT Images 2.5를 발표하며 새로운 기능인 Sketch를 추가했다. 사용자는 ChatGPT 내에서 간단한 드로잉을 하고, 이를 기반으로 이미지를 생성하도록 요청할 수 있다. Sketch 기능은 채팅 박스에 @Sketch를 입력하면 활성화되며, 사용자가 그린 스케치를 바탕으로 AI가 이미지를 생성한다. 필자는 이 기능을 테스트해 보았고, 컴퓨터 마우스로 그린 고양이의 스케치를 실제 사진으로 변환하는 데 성공했다.
Sketch 기능을 통해 사용자는 간단한 드로잉으로 원하는 이미지를 AI에게 요청할 수 있다.
Qwen 3.8 27b와 PI 에이전트를 활용한 3D 그래픽 게임 테스트
Qwen 3.8 27b 모델을 사용하여 3D 그래픽 게임의 한계를 테스트한 사례가 소개되었다. Fable 5.1의 267 KB 디자인을 기반으로 하여, 120k 컨텍스트와 비전을 CPU에서 활용하고 MTP를 통해 속도를 높였다. 이 과정에서 11M 토큰을 읽고 3.2M 토큰을 작성하며 12시간 동안 작업을 진행하였다.
Pathway의 뇌 영감을 받은 BDH 아키텍처와 Amazon SageMaker HyperPod
Pathway의 BDH(Dragon Hatchling) 모델은 잠재 공간에서 추론을 수행하며, 중간 텍스트 추적 없이 예제에서 학습하고 해결책을 정제한다. 이 모델은 신경망의 그래프를 기반으로 하며, 희소하고 지역적인 상호작용을 통해 통신하고 시냅스와 유사한 연결로 상태를 유지한다. Amazon SageMaker HyperPod는 Pathway의 BDH 모델 훈련을 확장하는 데 사용된다.
Pathway의 BDH-CQ는 추론 중 내부 메모리를 업데이트하여 긴 상호작용에서도 지식을 유지할 수 있다.
메타, AI 생성 아동 성적 학대 자료 광고 삭제 지연
메타는 페이스북과 인스타그램에서 AI 생성 아동 성적 학대 자료(CSAM)를 포함한 광고를 삭제하는 데 며칠이 걸렸다. Tech Transparency Project(TTP)의 조사에 따르면, 메타는 올해 332개의 CSAM 광고를 탐지하지 못했으며, 대부분의 광고는 중국에서 제작된 AI 앱을 홍보하고 있었다. TTP는 여러 CSAM 광고가 실제 아동의 사진과 연결되어 있음을 확인했다.
메타의 CSAM 광고는 연방 아동 포르노법을 위반할 수 있으며, 이는 AI 생성 CSAM이 실제 CSAM과 동일하게 해롭다는 법무부의 입장과 관련이 있다.
Amazon SageMaker Feature Store, UpdateRecord API로 기능별 업데이트 지원
Amazon SageMaker Feature Store는 이제 UpdateRecord API를 통해 기능별 업데이트를 지원한다. 이 API를 사용하면 전체 레코드를 읽거나 다시 쓸 필요 없이 하나 이상의 기능 값을 단일 호출로 업데이트할 수 있다. 이 기능은 Standard(Amazon DynamoDB 기반) 및 In-Memory(Amazon ElastiCache 기반) 온라인 스토어 계층에서 사용할 수 있다.
UpdateRecord API는 전체 레코드를 읽고 수정하는 과정을 제거하여 업데이트 시 지연 시간을 줄이고 불필요한 읽기 용량을 소모하지 않도록 한다.
구글, AI 기상 모델 WeatherNext 3.0 업데이트로 예측 정확도 향상
구글은 WeatherNext 모델의 버전 3을 출시했다. 이번 업데이트의 주요 변경점은 위성 기상 데이터를 수집하여 현재 기상 조건과 새로운 예측 생성 간의 지연 시간을 단축시켰다는 것이다. 이 모델은 전통적인 기상 모델과 유사한 예측 성능을 제공하면서도 훨씬 적은 컴퓨팅 자원을 요구하여 더 자주 실행될 수 있다.
WeatherNext 모델은 위성 기상 데이터를 활용하여 예측의 정확도를 높인다.
Qwen-Drive-1.0: 자율주행을 위한 비전-언어 모델
Qwen은 자율주행을 위한 비전-언어 모델인 Qwen-Drive-1.0을 발표했다. 이 모델은 3D 인식, 시각적 질문 응답, 동작 계획을 통합한 구조를 가지고 있으며, 외부의 조감도(BEV) 인식 헤드를 통해 3D 객체 탐지, 의미론적 점유 예측 및 BEV 맵 분할을 수행한다. 또한, 주행 감독과 일반 비전-언어 데이터를 결합한 단계적 훈련 방법을 통해 주행 관련 능력을 습득하면서도 폭넓은 시각적 이해와 지시 따르기 능력을 유지한다.
AI 코드 리뷰의 증가와 개발자 대응 방식
AI 에이전트가 대부분의 코드를 생성함에 따라 코드 리뷰의 양이 증가하고 있다. 2025년 말부터 스타트업과 대기업에서 개발자가 수작업으로 코드를 작성하는 시대가 끝났으며, AI 코드 리뷰 도구가 코드 변경을 검토하고 개발자가 그 리뷰를 다시 검토하는 방식이 일반적이다. OpenAI와 Anthropic 등은 저위험 변경 사항은 인간 리뷰가 필요 없고, 고위험 변경 사항은 필요하다는 접근 방식을 채택하고 있다. GitHub의 통계에 따르면, PR의 수는 3년 동안 5배 증가했으며, 2025년 말부터는 PR과 커밋 수가 거의 두 배로 증가했다.
AI 코드 리뷰 도구를 활용하면 개발자들이 코드 리뷰 과정에서 더 효율적으로 작업할 수 있다.