AI 뉴스
GitHub에서 소프트웨어 배포 워크플로우를 위한 에이전트 앱 활용
GitHub의 에이전트 앱을 사용하면 Amplitude, Endor Labs, LaunchDarkly, PagerDuty와 같은 도구를 GitHub 내에서 직접 활용할 수 있다. 이를 통해 개발자는 코드 작성 전후로 필요한 정보를 쉽게 확인하고, 의사결정을 지원받을 수 있다. 예를 들어, Amplitude 에이전트를 통해 팀 초대 단계가 성공과 관련이 있는지 확인하고, Endor Labs 에이전트를 통해 의존성의 취약점을 사전에 점검할 수 있다. LaunchDarkly 에이전트를 사용하여 기능 플래그를 설정하고, PagerDuty 에이전트를 통해 배포 위험을 평가할 수 있다.
에이전트 앱을 통해 GitHub 내에서 다양한 도구의 기능을 통합하여 개발 과정의 효율성을 높일 수 있다.
Amazon SageMaker AI와 Amazon Bedrock AgentCore로 에이전트 워크플로우 구축하기
Amazon SageMaker AI와 Amazon Bedrock AgentCore를 사용하여 관리형 기초 모델과 도메인 특화 모델을 결합하는 방법을 설명한다. Qwen 3.5 9B 모델을 Amazon SageMaker AI에 배포하고, Strands Agents 다중 에이전트 시스템과 통합하여 Amazon Bedrock AgentCore 런타임으로 전체 워크플로우를 전송하는 과정을 다룬다. 이 아키텍처는 Claude Haiku 4.5, Claude Sonnet 4.6, Qwen 3.5 9B 모델을 통해 사용자 요청을 처리하는 구조로 되어 있다.
Qwen 3.5 9B 모델을 Amazon SageMaker AI에 배포하여 복잡한 작업을 수행하는 전문 에이전트를 구축할 수 있다.
Meta, 누구나 다운로드 가능한 AI 모델 Glimmer 출시
Meta는 이번 주에 누구나 다운로드하고 자신의 하드웨어에서 실행할 수 있는 오픈 웨이트 AI 모델 Glimmer를 출시했다. 이는 Muse Spark라는 더 강력한 모델이 API에 잠겨 있는 것과 대조적이다. 마크 저커버그는 AI가 소수의 연구소에 의해 통제되는 것이 아니라 '모두를 위한 것'이어야 한다고 주장하는 편지를 발표했다.
Glimmer는 누구나 사용할 수 있는 오픈 웨이트 AI 모델로, 개발자들이 자체 하드웨어에서 AI를 실행할 수 있는 기회를 제공한다.
OpenAI와 Anthropic, 중국 AI 경쟁사에 대응해 가격 전쟁 중
OpenAI와 Anthropic은 비용을 중시하는 고객을 유지하기 위해 더 저렴한 모델을 출시하고 있다. OpenAI는 GPT-5.6 Luna의 가격을 80% 인하했다고 발표했으며, Anthropic은 Fable 5보다 절반 가격으로 '최전선 지능'을 자랑하는 Claude Opus 5를 출시했다. 이러한 가격 전쟁은 중국 개발자들이 시장에 진입하는 데 도움을 주고 있다.
OpenAI의 GPT-5.6 Luna 가격 인하로 인해 비용 절감이 필요한 기업들이 선택할 수 있는 모델이 늘어난다.
Meta, 누구나 다운로드 가능한 AI 모델 Glimmer 공개
Meta는 이번 주에 누구나 다운로드하고 자신의 하드웨어에서 실행할 수 있는 오픈 웨이트 AI 모델 Glimmer를 출시했다. 이는 Muse Spark라는 더 강력한 모델이 API에 잠겨 있는 것과 대조적이다. 마크 저커버그는 AI는 소수의 연구소에 의해 통제되어서는 안 되며 '모두를 위한 것'이어야 한다고 주장하는 편지를 발표했다.
Glimmer는 누구나 사용할 수 있는 오픈 웨이트 AI 모델로, 개발자들이 자체 하드웨어에서 AI를 실험하고 활용할 수 있는 기회를 제공한다.
Cloudflare의 MCP 트래픽 탐지 및 보안 기능
Cloudflare는 새로운 Cloudflare One 기능을 통해 MCP 트래픽을 식별하고, 이를 생성하는 사용자 및 서버를 보여주며, 관리된 네트워크 경로에서의 직접 연결을 제어할 수 있도록 지원한다. Model Context Protocol(MCP) 서버는 에이전트가 제3자 SaaS 제품, 내부 애플리케이션 및 API를 발견하고 호출할 수 있는 공통 방법을 제공한다. MCP 요청은 클라이언트, 네트워크, 서버의 세 가지 형태로 이동하며, 보안 팀은 요청을 관찰하거나 제어할 수 있는 세 가지 지점을 갖는다.
Cloudflare Gateway는 프로토콜 신호를 사용하여 그림자 MCP 트래픽을 찾아내고 신뢰할 수 있는 MCP 서버에 대한 MCP Portal 전용 접근을 시행할 수 있다.
개인 에이전트의 구조와 기능
개인 에이전트는 주로 지침, 도구, 맥락으로 구성된다. 에이전트는 파일과 폴더 시스템을 통해 설정되며, 여러 에이전트를 개별적으로 설정할 수 있다. Grok Bot과 같은 시스템은 각 에이전트가 고유의 메모리를 가지며, 공유 메모리 기능도 제공한다. 에이전트는 자동화된 작업을 수행할 수 있으며, 사용자가 직접 작업을 기록하여 학습시킬 수도 있다.
Grok Bot은 여러 에이전트를 통해 특정 작업에 대한 메모리를 유지하고, 사용자가 설정한 지침에 따라 다양한 작업을 수행할 수 있다.
Cloudflare Access로 Worker 애플리케이션의 보안 강화
Cloudflare는 이제 모든 Worker 애플리케이션을 기본적으로 회사 로그인 뒤에 두는 새로운 도구를 출시했다. 사용자는 계정 수준에서 정책을 설정하여 모든 미리보기 및 프로덕션 배포가 기본적으로 보호되도록 할 수 있으며, 특정 애플리케이션에 대한 인증을 강제할 수 있다. Access가 활성화되면 요청이 Worker 코드에 도달하기 전에 인증이 필요하며, 각 요청에 대한 사용자의 이메일, 이름 및 그룹 정보를 얻을 수 있다. 또한, 모든 Worker는 기본적으로 비공개로 설정할 수 있다.
Cloudflare Access를 통해 모든 Worker 애플리케이션은 기본적으로 회사 로그인 뒤에 위치하게 되어, 내부 데이터 노출 위험을 줄일 수 있다.
AI 추론의 복잡성: 단순한 요청 이상의 과정
AI 모델은 훈련 후 비동기적으로 요청을 처리하며, 사용자 요청은 길이가 다양하다. 현대의 추론 시스템은 텍스트를 토큰화하고, 요청을 라우팅하며, GPU 작업을 스케줄링하고, 메모리를 관리하는 등 여러 작업을 수행한다. 예를 들어, 4,000개의 토큰으로 구성된 요청에 대해 300개의 토큰으로 응답하는 과정은 단순한 전방 패스가 아닌 복잡한 시스템을 필요로 한다.
현대의 추론 시스템은 단순한 요청 처리 이상의 복잡한 기능을 수행하며, 이는 효율적인 AI 서비스 제공에 필수적이다.
Ben Horowitz와 Travis Kalanick의 기업가 정신과 AI의 미래
Ben Horowitz, Travis Kalanick, Erik Torenberg은 Atoms의 출시 행사에서 기업가 정신과 회사 구축에 대한 대화를 나누었다. Kalanick은 다음 산업 혁명이 AI에 의해 주도될 것이라고 믿으며, Uber의 역사에서 Lyft 인수 결정과 같은 중요한 순간들을 되짚었다. 또한, Kalanick은 식품 생산, 광업, 제조업과 같은 산업을 변화시키는 것이 다음 10년의 가장 큰 기회라고 강조했다.
Kalanick은 AI가 다음 산업 혁명의 핵심이 될 것이라고 믿고 있다.
유사성 기반 AI 텍스트 탐지의 오탐률 한계 분석
유사성 기반 AI 텍스트 탐지기(워터마킹, 검색 기반 매칭)의 오탐률이 고정된 한계에 도달하는 이유를 설명한다. 특정 텍스트 분포 P와 제약 C를 설정하고, 유사성 기반 탐지기가 후보 텍스트에서 통계 T를 계산하여 참조와 비교하는 방식을 논의한다. H2(T*P) ≤ H2(P)라는 경계를 통해, 모든 탐지기의 오탐률은 FPR_T(C) ≥ 2^(-H2(raw text | C))로 표현된다. 제약이 강화될수록 탐지기의 성능이 저하되어 ROC 곡선이 우연에 수렴하게 된다.
모든 탐지기의 오탐률은 FPR_T(C) ≥ 2^(-H2(raw text | C))로 제한된다.
SpaceXai의 Cursor 인수 완료
SpaceXai가 Cursor를 인수했다. Cursor는 과거 5명의 팀으로 시작하여 ICML 2024에서 에이전트에 대한 발표를 진행했으며, 2026년에는 엔터프라이즈에서 FDE를 수행하는 세 번째 시대에 접어들었다. Z.ai는 GLM-5.3을 출시하며 사이버 보안 및 코딩에 중점을 둔 모델로, 743B 기본 모델을 기반으로 후속 훈련을 통해 성능을 개선했다. Qwen3.8-27B는 실무 코딩과 사무 작업을 위해 설계된 멀티모달 모델이다.
Z.ai의 GLM-5.3은 사이버 보안 평가에서 Terminal Bench 3.0: 28.3, DeepSWE: 66.9 등의 성과를 기록했다.
Gemini 3.7 Flash 업데이트로 GDM 재조명
Gemini 3.7 Flash 업데이트에서 3.5와 3.6 Flash가 Claude 4.8+ 및 GPT 5.5+ 시리즈에 비해 뒤처진 정도를 보여주는 차트가 주목받았다.
VGG-MADiffRL을 활용한 다중 AUV 기반 목표 추적 시스템
다중 AUV(ad-hoc network) 기반 목표 추적은 제한된 음향 통신, 동적 토폴로지, 불확실한 해양 교란 속에서 자율 수중 차량(AUV)들이 협력적으로 목표를 추적하는 것을 요구한다. 기존의 다중 에이전트 강화 학습(MARL) 방법은 고차원 상태-행동 모델링과 노이즈에 민감한 정책 생성으로 인해 훈련이 불안정하고 추적 성능이 저하되는 문제를 겪는다. 이를 해결하기 위해 VGG-MADiffRL이라는 가치 기울기 기반 다중 에이전트 확산 강화 학습 알고리즘과 MDCA라는 확산 기반 계층 제어 구조를 제안한다. MDCA는 글로벌 지능 제어 계층, 로컬 온라인 훈련 계층, 물리적 행동 실행 계층으로 구성된 세 가지 계층의 폐쇄 루프 제어 구조를 갖추고 있으며, VGG-MADiffRL은 확산 정책을 기반으로 가치 기울기를 활용하여 행동 생성을 유도한다. 실험 결과, VGG-MADiffRL은 협력적 추적 시나리오에서 더 빠른 수렴, 높은 추적 정확도, 부드러운 훈련 동역학을 달성하였다.
VGG-MADiffRL은 가치 기울기를 활용하여 행동 생성을 유도함으로써 다중 AUV의 목표 추적 성능을 향상시킨다.
Top-k Mixture-of-Experts에서 경로 매개 손상 감지 연구
이 논문은 Top-k Mixture-of-Experts (MoE) 라우팅의 불연속성에 대해 다룬다. 4비트 KV-cache 양자화가 결정 경계를 넘어 토큰을 이동시키고 전문가의 활성화를 전환하는 현상을 분석한다. 연구 결과, OLMoE-1B-7B에서 약 31%의 손상이 경로 매개로 발생하며, AUC 0.772의 배포 가능한 라우터 마진이 플립 발생을 감지하지만 유해한 플립과 유익한 플립을 구별할 수 없음을 보여준다.
OLMoE-1B-7B에서 RMF ~ 0.31의 결과는 양자화 손상의 경로 매개 비율을 나타내며, 이는 모델 최적화에 중요한 정보를 제공한다.
네팔 히말라야의 빙하 호수 폭발 위험 예측을 위한 무료 위성 데이터 테스트
네팔 히말라야에서 두 개의 무료 위성 신호를 통해 빙하 호수 폭발 위험을 평가하는 연구가 진행되었다. 레이더 간섭계는 모레인 댐의 변형을 감지하고, 위성 기상 데이터는 호수가 스트레스를 받을 때를 나타낸다. 연구에서는 589개의 과거 폭발 사건과 수천 개의 산사태를 분석하여, 각 사건을 유사한 미발생 지역과 비교하고, 공간 교차 검증을 통해 모델의 성능을 평가하였다. 큰 폭발의 경우 ROC 0.73, 산사태는 0.83, 작은 홍수는 0.82의 성능을 보였다. 다섯 개의 딥러닝 모델은 간단한 그래디언트 부스팅 기준선에 비해 결정적인 성과를 내지 못했다.
폭발 신호는 네팔 내에서 0.89의 성능을 보이며, 무료 데이터의 한계가 있는 지점을 지적하였다.
Distribird: 문헌 기반 베이지안 모델 캘리브레이션을 위한 사전 분포 설계 자동화
Distribird는 베이지안 모델 캘리브레이션을 위한 사전 분포를 자동으로 설계하는 웹 애플리케이션이다. 사용자가 매개변수 이름, 물리적 설명 및 도메인 맥락을 입력하면, Distribird는 문헌을 검색하고, 도메인 관련성에 따라 보고된 값을 추출 및 가중치를 부여하며, AIC 모델 선택을 통해 확률 분포를 적합시킨다. 문헌이 없을 경우에는 합리적인 비정보적 대안을 사용하며, 생성된 모든 사전의 근거와 신뢰 수준을 명확히 보고한다. 이 도구는 물리적으로 해석 가능한 매개변수를 가진 모델에 적합하다.
Distribird는 24개 매개변수에 대해 10개 과학 도메인에서 세 가지 오픈 웨이트 모델(Qwen3.6 27B, Gemma 4 31B, Mistral Small 4 119B)과 비교하여 사전 품질이 단일 프롬프트 LLM 기준과 일치함을 보여준다.
Microsoft Copilot의 Mico 캐릭터, Learn Live로 이동
Microsoft Copilot의 음성 모드에서 Mico라는 감정 표현이 있는 노란색 캐릭터가 더 이상 표시되지 않는다. Microsoft는 Mico를 Learn Live 플랫폼으로 이동시킬 예정이며, 여기서 아바타는 '더 많은 반응을 할 수 있다'고 밝혔다. Mico는 지난해 10월 Copilot의 음성 모드에서 처음 출시되었고, 실시간으로 사용자 발언에 반응하며 얼굴 표정과 애니메이션을 제공했다.
Mico는 Copilot의 음성 모드에서 사용자와의 상호작용을 강화하기 위한 기능으로 도입되었으나, 이제 Learn Live로 이동하여 새로운 용도로 활용될 예정이다.
Anthropic, 500억 달러 규모의 미국 컴퓨팅 인프라 투자 계획 발표
Anthropic은 2025년 11월 연간 수익이 90억 달러 미만일 때 500억 달러를 미국 컴퓨팅 인프라에 투자할 계획을 발표했다. 이 투자에는 1GW 이상의 TPU 시스템과 5개의 데이터 센터를 위한 자금이 포함되며, 약 350억 달러의 부채가 TPU 시스템 구매에 사용되고, 152억 달러의 대출이 데이터 센터 건설에 사용된다. Broadcom과 Google은 각각의 자금 조달을 지원하며, 이는 투자자들이 Anthropic의 장기적인 수익 성장에 대한 신뢰를 바탕으로 자금을 대출할 수 있도록 돕는다.
Anthropic은 500억 달러의 투자 계획을 통해 AI 컴퓨팅 인프라 확장을 위한 자금 조달 모델을 제시하고 있다.
Qwen 3.8 모델의 Jinja 채팅 템플릿 수정 사항
Qwen은 3.8 모델을 출시했다. 3.8의 주요 추가 기능은 prompt-steered reasoning effort로, <code>reasoning_effort</code>를 <code>xhigh</code>, <code>medium</code>, <code>low</code>로 설정하여 모델의 사고 깊이를 조절할 수 있다. 그러나 공식 템플릿에는 여러 문제가 있으며, 이를 해결한 Jinja 템플릿이 제공된다. 이 템플릿은 3.8의 reasoning effort를 지원하고, 사고 전환 기능을 복원하며, KV Cache를 100% 활용하고, Python dict와 JSON 문자열을 모두 처리할 수 있다.
3.8 모델의 <code>reasoning_effort</code> 기능을 통해 모델의 사고 깊이를 조절할 수 있다.
1.5B 모델을 활용한 셸 명령어 생성기
연구 프로젝트로 시작된 이 모델은 125,000개의 자연어/명령어 쌍을 기반으로 Fine-tuned Qwen2.5-Coder-1.5B로 훈련되었으며, 941MB 크기로 llama.cpp를 통해 실행된다. 테스트 결과, i5-11320H CPU에서 31.9 tok/s의 속도로 쿼리를 처리하며, InterCode-ALFA에서 0.620의 점수를 기록했다. 모델의 가중치는 Hugging Face와 GitHub에 공개되었다.
Qwen2.5-Coder-1.5B 모델은 CPU에서 7B 모델과 유사한 성능을 제공하며, 셸 명령어 작성에 유용하다.
llm-gemini 0.33 버전 출시
llm-gemini 0.33 버전이 출시되었으며, Gemini 3.7 Flash, gemini-3.6-flash, gemini-3.5-flash-lite 및 두 개의 임베딩 모델인 gemini-embedding-2와 gemini-embedding-001을 지원한다. 또한 LLM 0.32와의 호환성이 개선되어, reasoning traces를 확인하고 서버 측 도구를 사용할 수 있다.
Gemini 3.7 Flash를 사용하여 코드 실행을 통해 특정 계산을 수행할 수 있는 기능이 추가되었다.
OpenAI의 수익 책임자 Denise Dresser, 곧 퇴사
OpenAI의 수익 책임자(CRO)인 Denise Dresser가 다른 기회를 추구하기 위해 몇 주 내로 퇴사할 예정이다. Dresser는 12월에 OpenAI에 합류하기 전 Slack의 CEO로 재직했다. Dresser의 퇴사는 최근의 주요 인사 이동 중 하나로, 이전 COO인 Brad Lightcap도 이번 주에 퇴사 소식을 전했다.
OpenAI의 수익 책임자 퇴사는 조직의 안정성과 전략에 영향을 미칠 수 있다.