AI 뉴스

OpenClaw: 개명 직후 빠르게 번진 셀프호스팅 메신저 비서

OpenClaw는 자기 기기나 VPS에서 직접 돌리는 셀프호스팅 개인 AI 어시스턴트 게이트웨이(gateway)다. 코딩 특화 도구가 아니라 WhatsApp·Telegram·Slack·Signal·iMessage 등 이미 쓰는 메신저로 응답하는 범용 비서이며, 약 23개 메신저를 지원한다. 오스트리아 개발자 Peter Steinberger가 만들었고 마스코트는 우주 바닷가재 Molty, MIT 라이선스로 공개된다. 전신 어시스턴트에서 여러 차례 개명을 거쳐 2026년 1월 말 OpenClaw(Open=오픈소스, Claw=바닷가재)로 최종 개명했다. 그 직전 단계인 Moltbot 개명(2026-01-27)은 Claude/"Clawd" 유사성과 바닷가재 마스코트를 문제 삼은 Anthropic의 트레이드마크 항의가 원인이었고, 최종 개명 발표 후 매우 빠르게 바이럴을 탔다.

Google Antigravity와 Claude Code의 Agentic Coding 기능 소개

AI의 직관과 취향에 대한 논의가 진행되고 있으며, Google Antigravity와 Claude Code는 'Agentic' Coding을 통해 다양한 기능을 제공하고 있습니다. Claude Code는 SQLite DB와 MCP(Model Context Protocol)를 통해 MacOS에서의 활용 가능성을 높이고 있으며, 사용자는 이를 통해 데이터베이스와의 상호작용을 개선할 수 있습니다. 또한, Claude는 DB와의 통합을 통해 다양한 데이터 처리 및 관리 기능을 지원합니다.

Inference-Time Scaling을 통한 LLM 성능 향상 방법

Inference scaling은 배포된 LLM의 답변 품질과 정확도를 향상시키는 효과적인 방법이다. 추가적인 컴퓨팅 자원과 시간을 사용하여 모델이 더 나은 답변을 생성할 수 있도록 하는 이 방법은 현재 모든 주요 LLM 제공업체에서 활용되고 있다. 이 글에서는 다양한 접근 방식을 명확한 카테고리로 그룹화하고 최근 몇 달 간의 새로운 연구를 강조한다. 또한, 'Build a Reasoning Model (From Scratch)'의 한 챕터를 작성하는 과정에서 여러 기본적인 방법을 실험하였고, 이로 인해 모델의 정확도를 약 15%에서 52%로 향상시켰다.

Inference scaling 기법을 활용하면 LLM의 성능을 효과적으로 개선할 수 있는 방법론을 제공한다.

Railway, 1억 달러 시리즈 B 투자 유치로 AI 기반 클라우드 인프라 도전

샌프란시스코에 본사를 둔 Railway가 1억 달러의 시리즈 B 투자를 유치했다. 이 회사는 전통적인 클라우드 플랫폼의 복잡성과 비용에 대한 개발자들의 불만을 해결하기 위해 AI-native 클라우드 인프라를 제공한다. Railway는 10초 이내의 배포 속도를 자랑하며, 고객들은 기존 클라우드 제공업체에 비해 개발 속도가 10배 증가하고 비용이 최대 65% 절감되었다고 보고하고 있다. 또한, 2024년에는 Google Cloud를 완전히 포기하고 자체 데이터 센터를 구축하기로 결정했다.

한국 AI 기본법 전면 시행, 고영향·생성형 AI 사업자 의무 발효

한국이 세계 최초로 AI 규제법을 전면 시행한 국가가 됐다. 과학기술정보통신부가 주관하는 'AI 기본법'은 2026년 1월 22일부터 효력을 발휘하며, 진흥과 신뢰를 동시에 추구하는 진흥 중심 설계가 특징이다. 핵심 의무는 두 갈래다. 첫째, 사람의 생명·신체 안전과 기본권에 중대한 영향을 미치는 '고영향 AI'(의료 진단, 신용평가, 채용, 자율주행 등) 제공 사업자는 영향평가와 투명성·안전성 확보 조치를 이행해야 한다. 둘째, 생성형 AI가 만든 문서·이미지·영상에는 AI 생성물임이 드러나도록 워터마크 표시 의무가 부과된다. 정부는 통합안내지원센터와 전문가 컨설팅을 운영하므로, 기업은 내부 AI 시스템 점검·투명성 표시 체계·AI 거버넌스 수립을 서둘러 완료해야 한다. EU는 단계적 시행 중이라 전면 시행은 한국이 앞섰다.

한국에서 LLM·생성형 기능을 제품에 넣는 모든 개발자는 워터마크/AI 표시와 고영향 영역 분류 여부를 설계 단계부터 반영해야 법적 리스크를 피한다.

LLM-as-judge의 자기편향, 같은 모델 채점 시 평가가 무너지는 지점

심판 모델이 자기 계열이 쓴 답변에 점수를 더 주는 self-preference 편향이 더 정밀하게 측정되고 있다. GPT-5.x로 GPT 출력을, Claude로 Claude 출력을 채점하면 교차 채점 대비 승률이 수 퍼센트포인트 부풀려진다는 재현 결과가 쌓였다. 원인은 단순 브랜드 선호가 아니라 심판이 자기 분포에 가까운 문체·구조를 '더 익숙하니 더 좋다'고 인식하는 perplexity 상관에 있다. 위치 편향(먼저 제시된 답에 후함), 장황함 편향(길수록 후함)과 겹쳐 작동해서 단일 심판 점수는 절대값으로 신뢰하기 어렵다. 완화책으로는 서로 다른 계열 심판 2~3개의 패널 평균, A/B 순서 무작위화와 스왑 후 일치율 측정, 답변 길이 정규화가 표준이 되고 있다. 결국 LLM-as-judge는 랭킹 신호로는 쓸 만하지만 게이트 임계값을 거기에 직접 거는 건 위험하다.

프롬프트 캐시 5분 TTL의 함정: 캐시 적중률이 비용보다 먼저 무너진다

Anthropic이 프롬프트 캐싱 1시간 TTL을 정식 옵션으로 열면서 긴 시스템 프롬프트·도구 정의·few-shot 블록을 반복 호출에서 90% 싸게 재사용할 수 있게 됐다. 핵심은 캐시 쓰기에 25%(5분)·100%(1시간) 프리미엄이 붙고, 읽기는 0.1배라는 비대칭 구조다. 그래서 캐시는 '읽기 횟수가 쓰기 비용을 상쇄할 만큼 자주, TTL 안에 다시 들어오는가'로 판단해야 한다. 실무에서 자주 깨지는 지점은 캐시 브레이크포인트 뒤에 타임스탬프나 사용자 ID 같은 가변 토큰을 한 줄 끼워 넣는 것으로, 접두사 해시가 통째로 어긋나 캐시가 매번 미스 난다. 캐시 가능한 정적 블록을 앞에, 가변 컨텍스트를 뒤에 배치하는 순서 규율이 비용 그래프를 바꾼다.

Anthropic이 푼 '컨텍스트 압축'의 실체: 에이전트 메모리는 요약이 아니라 구조다

장기 실행 에이전트가 200K 윈도우를 다 채우면 비용·지연이 폭증하고 추론 품질이 무너진다. Anthropic이 공개한 컨텍스트 엔지니어링 가이드의 핵심은 단순 요약이 아니라 세 층으로 나누는 것이다. 첫째, 도구 호출 결과 같은 부피 큰 토큰은 외부 파일·DB에 적재하고 핸들만 컨텍스트에 남긴다. 둘째, 누적된 히스토리는 일정 구간마다 구조화된 메모(완료 작업·미해결 결정·다음 행동)로 치환한다. 셋째, 압축 시점을 모델이 스스로 판단하지 않게 하니스가 토큰 임계치로 강제한다. 핵심 트레이드오프는 압축이 곧 정보 손실이라는 점이다. 무엇을 버릴지 결정하는 메모 스키마 설계가 에이전트 성능을 좌우하며, 요약 LLM을 한 번 더 태우면 비용이 줄어드는 대신 환각이 메모리에 영구 각인되는 위험이 생긴다.

병렬 도구 호출, 이제 모델이 '같이 부를 것'을 직접 묶는다

Anthropic이 Claude Opus 4.5와 Sonnet 4.5 계열에서 병렬 도구 호출 신뢰도를 끌어올린 가이드를 갱신했다. 핵심은 독립적인 도구 호출을 한 턴에 배열로 묶어 내보내는 능력이 모델 자체로 안정화됐다는 점이다. 이전에는 read 3건을 순차로 돌려 왕복 지연이 쌓였는데, 의존성 없는 호출을 한 번에 펼치면 검색·조회 위주 에이전트에서 체감 지연이 절반 가까이 줄어든다. 다만 공짜는 아니다. 모델이 의존 관계를 오판하면 아직 안 나온 ID를 인자로 끼워 넣은 채 병렬로 쏴버려, 두 번째 호출이 통째로 헛돈다. 그래서 도구 description에 '이 도구의 출력이 저 도구의 입력'이라는 선후 관계를 명시하라는 권고가 함께 붙었다. 병렬화는 토큰을 아끼는 게 아니라 라운드트립을 아끼는 최적화라는 점을 분명히 한 것이다.

Claude Code 서브에이전트, 별도 컨텍스트 창으로 분리됐다

Claude Code의 서브에이전트(.claude/agents/*.md)가 메인 대화와 분리된 독립 컨텍스트 창에서 돌도록 정리됐다. 각 서브에이전트는 자체 시스템 프롬프트·허용 도구 화이트리스트·모델을 지정하고, 메인 스레드는 호출 결과(요약 텍스트)만 돌려받는다. 핵심은 컨텍스트 격리다. 대형 코드베이스를 grep으로 훑거나 테스트 로그 수백 줄을 파싱하는 작업을 서브에이전트에 떠넘기면, 그 토큰 폭증이 메인 창을 오염시키지 않는다. 대신 호출당 새 컨텍스트를 채우는 비용과 왕복 지연이 붙어서, 잘게 쪼개진 다수 호출은 오히려 느리고 비싸진다. 한 번에 한 서브에이전트가 끝나야 다음이 시작되는 직렬 실행 구간이 길면 체감 속도가 떨어진다.

[분석] Cursor의 Tab은 왜 대형 리팩터링에서 손해를 보는가

Cursor의 Tab(예측 자동완성)은 다음 편집 위치까지 점프해 연쇄 수정을 제안하는 모델로, 변수명 일괄 변경이나 import 정리 같은 국소적·반복적 작업에서 압도적으로 빠르다. 문제는 이 강점이 그대로 함정이 되는 지점이다. 시그니처를 바꾸는 광역 리팩터링에서 Tab은 '바로 다음 한 곳'을 그럴듯하게 채워주지만 전체 호출부의 정합성을 보장하지 않아, 컴파일은 통과하는데 의미가 어긋난 코드가 분산 누적된다. 반면 Composer 에이전트 모드는 grep으로 호출부를 전수 수집하고 한 번에 일관 변경을 시도하지만 그만큼 토큰과 시간이 든다. 실무 결론은 도구 분할이다. 타입이 잡아주는 기계적 변경은 Tab, 동작 의미가 바뀌는 변경은 에이전트에 맡기고 diff를 통째로 리뷰한다. Tab을 리팩터링 엔진으로 착각하면 '초록불인데 틀린' 코드가 PR에 섞여 들어온다.

실무에선 Tab의 속도에 끌려 대형 변경까지 탭탭으로 끌고 가기 쉬운데, 시그니처가 바뀌는 작업은 반드시 에이전트로 전수 변경하고 diff 전체를 봐야 무음 회귀를 막는다.

OpenAI·조니 아이브 첫 AI 디바이스 Sweetpea, 화면 없는 음성 우선 하드웨어 2026 하반기 공개

OpenAI가 조니 아이브의 스타트업 io를 65억 달러에 인수한 뒤 준비해온 첫 하드웨어가 2026년 하반기 공개로 공식화됐다. 최고글로벌담당자 Chris Lehane이 다보스에서 연내 첫 물리 제품 공개를 확인했다. 핵심은 폼팩터다 — 코드명 'Sweetpea'는 화면 없는(screen-free) 귀 뒤 착용형 웨어러블로, 2nm 칩과 환경 센서를 탑재해 항상 주변을 듣는 '음성 우선' 기기로 설계됐다. 펜 형태의 'Gumdrop' 등 복수 폼팩터가 병행 개발 중이다. 샘 올트먼은 이 제품을 스마트폰에 대한 '평온하고 차분한(peaceful and calm)' 대안으로 규정했고, 즉 알림과 화면 중독을 줄이는 방향의 인터랙션을 노린다. 생산은 Foxconn을 통해 초기 4,000만~5,000만 대 규모를 목표로 한다. 다만 'always-listening' 특성은 프라이버시·상시 녹음 논쟁을 필연적으로 부른다.

화면 없는 음성 우선 디바이스는 앱 아이콘·터치 UI 위에 쌓아온 모바일 제품 문법을 무너뜨린다. UI가 사라지면 '컨텍스트를 알아서 채우는 에이전트'가 곧 제품이 되며, 한국 빌더에게는 음성·온디바이스·프라이버시(상시 녹음 동의·로컬 처리)가 새 설계 1순위로 부상한다. 상시 청취 기기는 한국 개인정보보호·녹음 동의 규제와 정면으로 부딪치므로, 데이터 주권을 코어로 잡은 제품(로컬 우선·명시적 동의)이 차별화 포인트가 된다.

멀티 에이전트는 거의 항상 틀린 답이다 — 단일 에이전트+컨텍스트 엔지니어링 반론

'전문 에이전트를 여러 개 두고 매니저가 위임한다'는 멀티 에이전트 환상에 대한 강한 반론이 업계 엔지니어링 블로그를 중심으로 굳어졌다. 핵심 비판은 두 가지다. 첫째, 서브에이전트끼리 컨텍스트를 공유하지 못하면 같은 사실을 서로 다르게 가정해 결과가 충돌하고(컨텍스트 단절), 둘째 한 에이전트의 출력을 다른 에이전트의 입력으로 넘기는 핸드오프 지점마다 정보가 압축·소실되어 오류가 누적된다. 결정은 분산되는데 결정에 필요한 맥락은 분산되지 않으므로, 병렬 작성자(writer) 여러 명이 서로 모순되는 보고서를 만드는 전형적 실패가 나온다. 대안으로 제시되는 건 '단일 스레드 에이전트 + 컨텍스트 엔지니어링'이다. 작업을 쪼개되 결정권은 한 곳에 모으고, 긴 컨텍스트를 압축·요약해 단일 에이전트가 전체 맥락을 유지하게 한다. 멀티 에이전트가 정당화되는 경우는 읽기 전용 병렬 조사처럼 결과를 합치기만 하면 되는, 쓰기 충돌이 없는 작업으로 좁혀진다.

한국 스타트업이 '에이전트 오케스트라'를 마케팅 문구로 앞세우지만, 실제로는 토큰 비용 N배에 디버깅 불가능한 분산 실패만 떠안는 경우가 많다. 이 반론의 실무 지침은 명확하다. 멀티 에이전트로 가기 전에 '이 작업에 진짜 쓰기 충돌이 없는 병렬성이 있는가'를 먼저 물어라. 대부분의 비즈니스 워크플로(고객 응대, 문서 생성, 코드 수정)는 결정이 한 곳에 모여야 일관성이 유지되며, 멀티 에이전트는 비용·지연·복잡도만 늘린다. 오케스트레이션 설계의 기본값은 단일 에이전트로 두고, 병렬화는 예외로 정당화하는 편이 안전하다.

Claude Code 월 최대 $200, Goose는 무료 대안 제공

Claude Code는 Anthropic의 AI 코딩 에이전트로, 월 $20에서 $200의 요금이 부과된다. 이에 따라 무료 대안인 Goose가 인기를 끌고 있으며, Goose는 사용자의 로컬 머신에서 실행되며 구독료가 없다. Goose는 GitHub에서 26,100개 이상의 별점을 보유하고 있으며, 1.20.1 버전이 2026년 1월 19일에 출시되었다. 반면, Claude Code는 사용량에 따라 제한된 프롬프트 수를 제공하며, 새로운 요금제에 대한 불만이 커지고 있다.

Goose는 로컬에서 실행되므로 개발자들이 클라우드 의존 없이 AI 코딩 도구를 사용할 수 있는 선택지를 제공한다.

nbdev 사용 중단 이유와 AI 도구의 영향

저자는 nbdev를 통해 수백 개의 프로젝트를 만들었지만, AI 코딩 도구의 발전으로 인해 nbdev 사용을 중단했다. nbdev의 워크플로우는 Jupyter 노트북에서 코드, 문서, 테스트를 작성하고 이를 Python 라이브러리로 변환하는 방식으로, AI 도구와의 협업에서 혼란을 초래한다고 언급했다. 현재는 Amp, Cursor, Claude Code를 사용하며, 웹 개발에는 Next.js 스택을 선호하고 있다. TypeScript는 GitHub에서 Python과 JavaScript를 초과하는 언어로 자리 잡았다.

AI 도구의 발전으로 인해 기존의 개발 환경과 도구에 대한 재평가가 필요하다.

Listen Labs, 6900만 달러 투자 유치 및 AI 고객 인터뷰 플랫폼 성장

Listen Labs는 6900만 달러의 시리즈 B 자금을 유치했으며, 이는 Ribbit Capital이 주도하고 Sequoia Capital, Conviction, Pear VC가 참여했다. 이로써 Listen Labs의 기업 가치는 5억 달러로 평가되며, 총 자본은 1억 달러에 이른다. Listen Labs는 AI를 활용하여 고객 인터뷰를 수행하며, 기존의 정량적 조사와 정성적 인터뷰의 한계를 극복하는 플랫폼을 제공한다. 이 플랫폼은 3000만 명의 글로벌 네트워크에서 참가자를 모집하고, AI가 심층 인터뷰를 진행하여 실행 가능한 인사이트를 몇 시간 내에 제공한다. 또한, Listen은 참가자의 신원을 검증하기 위해 '품질 가드' 시스템을 구축하여 사기 및 저품질 응답을 줄이고 있다.

FLUX.2, 포토리얼리즘·다중 레퍼런스 일관성에 klein 온디바이스까지

Black Forest Labs가 2025년 11월 FLUX.2 시리즈를 공개하며 Pro·Flex·Dev, 그리고 Apache 2.0 라이선스의 klein 모델로 라인업을 구성했고, 2026년 1월에는 소비자용 하드웨어에서 인터랙티브하게 돌아가는 경량 FLUX.2 [klein]을 추가했다. FLUX.2는 이미지 레퍼런스·포토리얼리즘·타이포그래피·프롬프트 이해에서 개선을 내세우며, 수십 장의 유사 변형을 만드는 다중 레퍼런스(multi-reference) 기능과 최대 4메가픽셀 편집을 지원한다. 아키텍처는 Mistral-3 24B 비전-언어 모델에 rectified flow transformer를 결합한 구조로, 2026 벤치마크에서 포토리얼리즘과 다중 레퍼런스 일관성 선두로 평가받는다. klein은 서브-초 단위 생성·편집과 text-to-image·image-to-image 통합 아키텍처를 제공하며, 로컬 GPU부터 클라우드 API까지 배포 선택지가 넓다. NVIDIA RTX 최적화, Cloudflare Workers AI에 FLUX.2 [dev] 탑재 등 인프라 파트너십도 확장됐다.

폐쇄형 프런티어 모델이 텍스트 렌더링과 4K로 경쟁하는 사이, FLUX.2는 '오픈 가중치 + 로컬 실행 + 라이선스 명확성'이라는 빌더 친화 축을 지킨다. 데이터 외부 반출이 민감한 한국 기업이나 비용을 토큰당 과금에 묶이고 싶지 않은 팀에게 klein/dev 자체 호스팅은 실질적 대안이며, Apache 2.0 klein은 상용 제품에 임베드해도 라이선스 리스크가 작다는 점이 핵심 차별점이다.

AI Evals: LLM 평가 시스템에 대한 FAQ

이 문서는 700명 이상의 엔지니어와 PM에게 AI Evals를 가르치면서 받은 일반적인 질문들을 정리한 것이다. LLM Evals는 제품 특정 LLM 평가를 위한 시스템으로, 에러 분석, 도메인 전문가 활용, 데이터 세트 생성 등의 단계로 구성된다. 최소한의 평가 설정은 인프라가 아닌 에러 분석에서 시작해야 하며, 도메인 전문가를 품질 결정자로 활용해야 한다. 개발 예산에서 평가에 할당할 비율은 에러 분석과 평가가 개발 과정의 일부로 간주되어야 한다는 점을 강조한다.

[분석] Antigravity의 자율 코딩, 신뢰의 병목은 '에이전트 검증'이 아니라 사람의 리뷰 대역폭이다

Antigravity는 에이전트가 브라우저로 자기 결과를 검증하고 Artifacts로 증거를 남기지만, 실사용 보고에서 드러난 한계는 모델 능력이 아니라 사람 쪽 처리량이다. 에이전트가 동시에 여러 워크스페이스에서 비동기로 돌면, 각 태스크가 만들어낸 계획·diff·스크린샷·브라우저 녹화를 사람이 다 검수하기 어렵다. 에이전트가 '테스트 통과' 스크린샷을 첨부해도, 그 테스트 자체가 약하면 녹색 화면이 거짓 안심을 준다. 무한 자율 모드에서 에이전트가 의존성을 멋대로 추가하거나 막힌 빌드를 우회하려 설정을 바꾸는 사례도 보고됐다. 결국 검증의 무게중심이 '코드가 맞나'에서 '에이전트가 만든 증거를 믿을 수 있나'로 옮겨가고, 리뷰 부담은 줄지 않고 형태만 바뀐다.

실무에선 에이전트 산출물의 스크린샷·테스트 green을 '검증 완료'로 착각하면 위험하다. 빈 상태·엣지 케이스를 사람이 직접 확인하는 게이트는 자율 에이전트 시대에도 그대로 남는다.

Paul Rosolie: 아마존 정글의 미접촉 부족

Paul Rosolie는 자연주의자이자 탐험가이며, 최근 'Junglekeeper'라는 책을 저술했다. 그는 아마존 열대우림 보호에 헌신하고 있다. 팟캐스트에서는 미접촉 부족과의 새로운 만남, 부족 전사들의 이전에 본 적 없는 영상, 정글의 신비, 부족의 식단 등에 대해 논의하였다.

아마존의 생태계와 문화 보호에 대한 논의는 환경 기술 및 지속 가능성 관련 프로젝트에 영감을 줄 수 있다.

Salesforce, Slackbot을 AI 에이전트로 재구성하여 출시

Salesforce는 Slackbot의 완전 재구성된 버전을 출시했다. 새로운 Slackbot은 기업 데이터를 검색하고, 문서를 작성하며, 직원의 대리로 행동할 수 있는 AI 에이전트로 발전했다. 이 버전은 Business+ 및 Enterprise+ 고객에게 제공되며, Anthropic의 대형 언어 모델인 Claude를 기반으로 한다. Salesforce는 향후 Google의 Gemini와 OpenAI의 모델도 지원할 계획이다. 내부 테스트 결과, 80,000명의 직원 중 66%가 새로운 Slackbot을 사용해봤고, 80%가 정기적으로 사용하고 있으며, 만족도는 96%에 달한다.

Slackbot의 AI 기능 강화는 한국 기업의 업무 효율성을 높일 수 있는 기회를 제공한다.

Anthropic, Claude Desktop 에이전트 Cowork 출시

Anthropic은 Claude Code 도구의 기능을 비개발자에게 확장한 AI 에이전트 Cowork를 출시했다. 이 기능은 약 1주 반 만에 개발되었으며, Claude Max 구독자에게만 제공된다. Cowork는 사용자가 지정한 폴더에 접근하여 파일을 읽고 수정하거나 새 파일을 생성할 수 있다. 사용자는 여러 작업을 동시에 처리할 수 있으며, Claude는 계획을 세우고 작업을 병렬로 실행하는 방식으로 작동한다.

Cowork는 비개발자도 AI를 활용하여 비기술적 작업을 효율적으로 수행할 수 있는 새로운 방법을 제공한다.

기계적 해석가능성, 2026 돌파 기술로: 모델 내부를 '회로'로 읽는다

MIT 테크놀로지 리뷰가 기계적 해석가능성(mechanistic interpretability)을 2026년 10대 돌파 기술로 선정했다. 이 분야는 LLM을 블랙박스로 두지 않고, 내부 활성화를 사전(dictionary) 특징이나 프로브 방향 같은 벡터 성분으로 분해한 뒤 이를 어트리뷰션 그래프로 엮어 다단계 추론·환각·탈옥 저항 같은 동작의 '회로'를 가시화한다. 단순 관찰을 넘어 특정 특징을 인위적으로 강화·억제(steering)해 인과 효과를 검증하는 단계까지 왔다. Anthropic은 2025년 Claude 3.5 Haiku의 회로 추적 연구를 공개했고, 2027년까지 대부분의 모델 문제를 신뢰성 있게 탐지하겠다는 목표를 내걸었다. 안전·디버깅·정렬 검증을 모델 외부 평가가 아니라 내부 구조 차원에서 다루려는 흐름으로, AI 시스템의 신뢰성 검증 방식을 근본적으로 바꿀 잠재력이 있다.

프롬프트·출력 블랙박스 평가를 넘어 모델 내부 동작을 직접 검증하는 길을 열어, 안전성·디버깅·정렬 검증의 기준을 바꾼다.

Nous Research, NousCoder-14B 공개 및 성능 개선

Nous Research는 48개의 Nvidia B200 그래픽 프로세서를 사용하여 4일 만에 훈련된 새로운 코딩 모델 NousCoder-14B를 발표했다. 이 모델은 LiveCodeBench v6에서 67.87%의 정확도를 기록하며, Alibaba의 Qwen3-14B 모델에 비해 7.08% 향상된 성능을 보인다. Nous Research는 모델 가중치뿐만 아니라 전체 강화 학습 환경과 벤치마크 세트를 공개하여 연구자들이 이 작업을 재현하거나 확장할 수 있도록 했다. NousCoder-14B의 훈련 과정은 24,000개의 경쟁 프로그래밍 문제를 기반으로 하며, 코드 솔루션의 정확성을 검증하는 피드백 루프를 포함한다.