AI 뉴스

토스증권의 LLM 기반 투자 정보 서비스 개발 과정

토스증권의 정현규 Machine Learning Engineer는 LLM을 활용하여 투자 정보를 생성하는 과정에서 적시성, 정확성, 검증 가능성, 비정상성의 네 가지 특징을 고려해야 한다고 설명했다. 이 과정에서 AI가 말하기 전에 통과해야 할 세 가지 관문을 설정했으며, 첫 번째 관문은 무엇을 말할지 고르는 것이고, 두 번째는 어떻게 생성할지 통제하는 것이다. 이들은 금융 시장의 특성과 고객에게 제공되는 정보의 신뢰성을 확보하기 위한 필수적인 과정이다.

토스증권은 LLM과 ML 기술을 활용하여 종목, ETF, 시장의 움직임을 설명하는 AI 시그널과 실시간 이슈를 제공하는 서비스를 개발하고 있다.

River AI: 개인 맞춤형 AI를 위한 오픈소스 스택 개발

Igor Babuschkin이 2026년에 설립한 River AI는 개인 AI를 위한 오픈소스 스택을 개발하고 있다. 이 스타트업은 사용자의 가치에 깊이 맞춰진 AI를 목표로 하며, 사용자가 하드웨어, 데이터, 지능을 소유할 수 있도록 한다. River AI는 빠른 자본을 통해 어려운 문제를 해결하는 AI 연구소 중 하나로, 미국의 오픈소스 AI에 대한 투자를 명확히 하고 있다.

River AI는 개인 맞춤형 AI를 위한 오픈소스 접근 방식을 통해 사용자가 자신의 AI를 완전히 소유할 수 있도록 한다.

Cursor의 Cloud Agents, Builds로 3배 빠른 시작 지원

Cursor는 Cloud Agents에 새로운 기능인 **builds**를 도입하여, 에이전트가 준비된 환경에서 시작하도록 지원한다. 이로 인해 에이전트는 매 세션마다 환경을 처음부터 설정할 필요 없이, 준비된 환경에서 10배 빠르게 부팅되고, 첫 번째 토큰을 얻는 시간도 3배 빨라진다. 에이전트는 이전의 성공적인 빌드를 계속 사용할 수 있으며, 문제가 발생할 경우 알림을 받는다. Cloud Agents 대시보드의 **Builds** 탭에서 빌드 상태와 로그를 확인할 수 있다.

Cloud Agents는 이제 준비된 환경에서 3배 더 빠르게 시작할 수 있어, 개발 효율성을 크게 향상시킨다.

DeepSeek V4 Pro 0813 모델 API 출시

DeepSeek V4 Pro 모델이 API를 통해 출시되었으며, 1.7T 파라미터와 893GB의 가중치가 Hugging Face에서 제공된다. 이전 모델인 DeepSeek V4-Pro와 DeepSeek V4-Flash의 가중치가 공개된 바 있어, 이번 모델의 가중치도 공개될 가능성이 높다.

DeepSeek V4 Pro는 1.7T 파라미터를 갖추고 있어, 대규모 데이터 처리 및 생성 작업에 적합하다.

이미지 생성의 현실성과 정확성의 차이와 해결 방안

텍스트-이미지 모델은 사실적인 이미지를 생성하는 데 뛰어나지만, 현실성과 정확성은 다르다. 여러 사람, 특정 구성, 고해상도 이미지를 요구할 경우 현재 모델은 여전히 어려움을 겪고 있다. Qualcomm의 Fatih Porikli가 CVPR에서 제시한 해결 방안으로는 더 나은 훈련 목표를 통한 제어력 향상, 장면 계획과 렌더링 분리, 엣지 디바이스에서 16메가픽셀 이미지를 효율적으로 생성하는 기술, AI 기반 이미지 편집에서 나타나는 가시적 아티팩트를 제거하는 새로운 방법이 있다. 또한, 이미지 생성을 위한 강화 학습과 에이전틱 이미지 생성 파이프라인, 온디바이스 AI에 대해서도 논의하였다.

Qualcomm의 Fatih Porikli는 이미지 생성의 제어력을 향상시키기 위한 더 나은 훈련 목표의 필요성을 강조하였다.

GitHub Actions 사건 및 가용성 보고서

2026년 8월 6일 GitHub Actions 사건은 고객의 생산성과 신뢰에 부정적인 영향을 미쳤다. GitHub은 사건의 근본 원인 분석을 진행 중이며, 9월에 가용성 게시물에 사건의 세부 사항을 포함할 예정이다. GitHub은 Azure로의 이전을 가속화하고 있으며, 7월에는 모놀리식 읽기 트래픽의 52.75%가 Azure Central US에서 처리되었다. 인증 데이터는 가장 오래된 공유 데이터베이스에서 독립 인프라로 이전되었고, 인증 및 권한 확인은 공유 경로에 대한 부담을 줄였다.

GitHub은 Azure로의 이전을 가속화하여 고객 요청을 독립적인 Azure 용량에서 처리할 수 있는 능력을 향상시키고 있다.

ShieldFont: AI 스크래퍼를 저지하기 위한 새로운 폰트

디자이너 Isaque Seneda와 Gabriel Abrucio가 개발한 ShieldFont는 웹 페이지를 읽기 쉽게 유지하면서 AI 스크래퍼에게는 의미 없는 텍스트를 제공하는 폰트이다. 이 폰트는 리가처를 활용하여 특정 단어를 다른 단어로 대체함으로써 스크래퍼의 데이터 수집 가치를 떨어뜨린다. 이 대체는 폰트 엔진이 페이지를 화면에 그릴 때만 발생하여, 스크래퍼가 다운로드하는 원본 코드에는 수정된 버전이 포함된다.

ShieldFont는 웹 출판자에게 무단 AI 훈련으로부터 실질적인 선택권을 제공한다.

LiteLLM 공급망 공격으로 수천 테라바이트 자격 증명 유출

LiteLLM이라는 오픈 소스 도구에서 발생한 공급망 공격으로 인해 Microsoft, Amazon, Cisco, Samsung, Salesforce 등 세계 주요 조직의 자격 증명이 유출되었다. CloudSEK과 Hudson Rock에 따르면, 클라우드 키, 리포지토리 토큰, SSH 키, Kubernetes 비밀, 패키지 게시 자격 증명 등이 포함되어 있으며, 이는 2,500개 이상의 조직에 대한 접근을 허용할 수 있다. 이 자격 증명은 3월에 LiteLLM의 손상된 버전을 사용하던 중 40분 동안 추출되었다.

LiteLLM의 손상된 버전을 통해 2,500개 이상의 조직에 대한 접근이 가능해졌다.

Twitch, 사용자 콘텐츠의 Amazon AI 훈련 사용 선택 해제 기능 제공

Twitch는 사용자들이 자신의 채널 콘텐츠가 Amazon의 '생성 AI 콘텐츠 모델' 훈련에 사용되는 것을 선택 해제할 수 있는 기능을 제공한다고 발표했다. 이 변경 사항은 Amazon이 Twitch 콘텐츠를 AI 훈련에 사용하고 있다는 사실이 확인된 지 2년 이상 만에 이루어졌다. 사용자는 www.twitch.tv/settings/security에서 적절한 설정을 통해 선택 해제를 해야 한다.

사용자들은 자신의 '스트림, VOD, 클립, 스트림 채팅, 채널의 사진 및 텍스트'가 Amazon의 AI 모델 훈련에 사용되는 것을 원하지 않을 경우 선택 해제를 해야 한다.

ThreadPort: ChatGPT, Claude, Gemini 간 AI 채팅 이동

ThreadPort는 사용자가 ChatGPT, Claude 및 Gemini 간에 AI 채팅을 한 번의 클릭으로 이동할 수 있는 기능을 제공한다.

AI 채팅 플랫폼 간의 원활한 이동이 가능해져, 다양한 AI 모델을 효과적으로 활용할 수 있다.

alchemy-utils 0.1a0 출시

alchemy-utils 0.1a0이 출시되었다. 이 라이브러리는 SQLite-utils와 동일한 핵심 API를 가지며, SQLalchemy를 기반으로 여러 데이터베이스 엔진에서 작동하도록 설계되었다. PostgreSQL, SQLite, DuckDB를 테스트하며, 사용자는 명령어를 통해 데이터베이스의 행을 나열하거나 CSV 파일을 DuckDB 데이터베이스에 삽입할 수 있다.

SQLalchemy를 기반으로 한 alchemy-utils는 다양한 데이터베이스 엔진에서의 호환성을 제공하여 개발자들이 더 유연하게 데이터베이스 작업을 수행할 수 있도록 한다.

GitHub Copilot 앱에서 첫 번째 프롬프트 작성하기

GitHub Copilot 앱을 사용하여 첫 번째 프롬프트를 작성하는 방법에 대한 안내이다. 사용자는 프로젝트를 선택하고, 원하는 변경 사항을 간단한 영어로 설명하여 시작할 수 있다. Copilot은 프로젝트를 분석하고 요청된 변경을 수행한다. 또한, 사용자는 다양한 AI 모델을 선택할 수 있으며, 음성 입력 기능을 통해 자연스럽게 프롬프트를 작성할 수 있다. 세션을 원격으로 제어하거나 다른 장치에서 접근할 수 있는 옵션도 제공된다.

GitHub Copilot 앱은 사용자가 코드 변경 요청을 간단한 영어로 설명할 수 있도록 하여, 복잡한 문법 없이도 작업을 시작할 수 있게 돕는다.

Azure Content Understanding의 GPT-5 모델 시리즈 지원 및 새로운 기능 업데이트

Azure Content Understanding의 최신 업데이트는 GPT-5 모델 시리즈에 대한 지원을 확대하고, 동기식 API, 향상된 신뢰도 점수, 세분화된 검색 워크플로우를 포함한 새로운 기능을 추가했습니다. CU 1.0 API는 이제 일반 사용 가능하며, GPT-5.5 및 하위 모델을 지원합니다. CU 2.0은 새로운 동기식 Read 및 Layout API, 고급 맥락화, 의미 기반 청크화, 새로운 사전 구축 분석기를 포함한 공개 미리보기를 제공합니다. 이 업데이트는 문서 자동화 및 추출 시나리오의 효율성을 높입니다.

CU 1.0은 GPT-5 시리즈 지원을 통해 개발자가 작업 부하에 맞는 모델 배치를 선택할 수 있게 합니다.

Azure Content Understanding의 GPT-5 시리즈 지원 확대 및 개선 사항

Azure Content Understanding은 GPT-5, GPT-5.1, GPT-5.2, GPT-5.4, GPT-5.5 시리즈 모델을 지원하며, 문서, 이미지, 비디오 및 음성 분석을 포함한 다양한 작업에 최적화된 파이프라인을 제공한다. 새로운 기초 모델의 도입으로, 총 추론 토큰 사용량이 최대 28% 감소하고, LLM 비용이 최대 25% 절감되며, 신뢰도 점수와 기초 정확도가 각각 최대 14% 및 3% 향상되었다. 모델 선택 가이드를 통해 고객은 예산, 품질, 지역 가용성 등을 고려하여 적합한 모델을 선택할 수 있다.

GPT-5.2 모델의 신뢰도 점수가 이전 방법보다 약 14% 향상되어, 고객은 더 높은 품질의 결과를 얻을 수 있다.

Alibaba, Qwen3.8-2.4T-A95B 모델의 오픈 가중치 공개

Alibaba는 Qwen3.8-2.4T-A95B(Qwen3.8-Max)라는 가장 큰 오픈 가중치 모델의 오픈 가중치를 공개했다. 이 모델은 총 2.4조 개의 파라미터를 가지고 있으며, 토큰당 950억 개가 활성화된다. 또한, 세밀한 전문가 혼합(MoE) 아키텍처와 전체 및 선형 주의(hybrid of full and linear attention)를 혼합한 구조를 갖추고 있다.

Qwen3.8-2.4T-A95B는 2.4T의 총 파라미터를 제공하여 오픈 생태계에서 거의 최전선의 기능을 구현한다.

AutoGPT의 AI 기여자 관리 방법

Nicholas Tindle는 AutoGPT의 AI 엔지니어로, 180,000개 이상의 별과 150개의 열린 풀 리퀘스트를 관리하고 있다. AI 에이전트가 작성한 풀 리퀘스트가 많아지면서, 그는 기여자 가이드라인과 문서 개선이 효과가 없음을 깨닫고 AGENTS.md 파일을 통해 에이전트가 필요한 정보를 쉽게 찾도록 했다. 또한, 풀 리퀘스트 템플릿을 강제하여 에이전트가 이를 따르도록 했고, 테스트 계획을 요구하여 코드 실행을 자동화했다. 이러한 방법으로 AutoGPT는 더 나은 품질의 풀 리퀘스트를 확보하고 있다.

AutoGPT는 AGENTS.md 파일을 통해 에이전트가 필요한 정보를 쉽게 찾도록 하여 기여자 관리의 효율성을 높였다.

Amazon Bedrock 비용 추적을 위한 Amazon Athena와 CUDOS 사용법

Amazon Bedrock의 비용 추적 기능이 IAM 주체에 따라 인퍼런스 요청을 자동으로 추적하며, 새로운 'line_item_iam_principal' 열을 통해 사용자 및 애플리케이션별 가시성을 제공한다. AWS Cost Explorer를 사용하여 팀, 프로젝트 또는 테넌트별로 지출을 집계할 수 있다. 이 글에서는 Amazon Athena 쿼리와 CUDOS 대시보드를 통해 Amazon Bedrock의 비용 추적을 시각화하고 분석하는 방법을 설명한다.

Amazon Bedrock의 비용 추적을 위해 CUR 2.0 데이터 내 IAM 주체 데이터를 활성화해야 하며, 이는 'line_item_iam_principal' 열을 채우는 데 필수적이다.

AI 관련 사건과 사회적 이슈에 대한 월간 요약

최근 OpenAI와 관련된 해킹 사건 등으로 인해 AI에 대한 논의가 증가하고 있다. Jason Arday의 경우, 그의 연구에서 데이터 조작과 사기가 발견되었으며, 그의 사임 편지는 AI에 의해 작성된 것으로 확인되었다. 또한, 배심원 의무를 놓쳤다는 사기 사건이 증가하고 있으며, 이는 AI가 타겟을 찾는 데 사용될 수 있다.

Jason Arday의 사례는 AI를 활용한 진위 검증의 필요성을 강조한다.

OpenWALDO, 공유 오픈 소스 AI 훈련 데이터셋 구축 프로젝트

OpenWALDO는 누구나 기여할 수 있는 공유 오픈 소스 AI 훈련 데이터셋을 구축하는 프로젝트로, CentOS와 Rocky Linux의 창립자인 Gregory Kurtzer가 주도하고 CIQ가 자금을 지원한다. 이 프로젝트는 오픈 소스 소프트웨어의 정신을 AI 모델 설계에 적용하려고 하며, 현재 167.3억 개의 참조 토큰을 포함하고 있다. OpenWALDO는 훈련 데이터를 투명하게 만들고, 산업 전반에서 훈련 효율성을 높일 수 있는 가능성을 제시한다.

AI 에이전트의 데이터 접근성 문제와 기업의 대응

조직들이 AI 에이전트를 도입하고 있지만, 적절한 데이터 인프라 부족이 ROI 실현의 주요 장애물로 작용하고 있다. 조사에 따르면, 응답 기업의 평균 45%만이 AI에 기업 데이터를 제공하며, '데이터 후진국'으로 분류된 기업은 30% 이하의 데이터 접근성을 보인다. 데이터 리더들은 70% 이상의 데이터 접근성을 확보하고 있으며, 이들 기업은 AI 에이전트의 결정에 대한 신뢰도가 100%에 달한다. 또한, 66%의 데이터 후진국 기업이 레거시 데이터 시스템으로 인해 AI 에이전트의 확장에 제한을 받고 있다.

AI 에이전트가 비즈니스 결정을 지원하기 위해서는 데이터 접근성과 비즈니스 맥락이 필수적이다.

Charity Majors가 말하는 AI의 소프트웨어 엔지니어링 변화

Charity Majors는 2025년 AI에 대한 회의적 시각이 있었으나, 2026년에는 AI가 소프트웨어 산업에 변화를 가져오고 있다고 주장한다. 그녀는 AI가 코드 생성의 경제성을 변화시키고 있으며, 신뢰성과 검증이 점점 더 중요한 병목 현상이 되고 있다고 설명한다. AI는 2010년대 클라우드 컴퓨팅이 인프라 계층에 미친 영향과 유사한 변화를 소프트웨어 구축에 가져올 것이라고 예측한다. 또한, 코드 리뷰의 중요성을 낮게 평가하며, AI가 코드 생성 방식을 혁신할 것이라고 언급한다.

AI는 소프트웨어 산업의 인프라를 변화시킬 것이며, 이는 엔지니어들이 읽지 않은 코드를 배포하는 상황을 맞이할 수 있음을 의미한다.

NVIDIA AI 팩토리를 위한 풀스택 가시성 선택 방법

AI 인프라는 컴퓨팅, 네트워킹, 스토리지, 오케스트레이션 및 애플리케이션 등 여러 계층으로 구성된다. 성능 저하가 발생할 경우, 한 계층에서 관찰된 증상이 스택의 다른 곳에서 발생할 수 있어 원인을 파악하기 어렵다. 풀스택 가시성 전략은 이러한 계층 간의 텔레메트리를 연결하여 인프라 및 운영 팀이 문제를 감지하는 데 도움을 준다.

풀스택 가시성 전략은 AI 인프라의 성능 문제를 보다 효과적으로 진단할 수 있게 한다.

MindTopo: AI의 위상적 추론 능력을 평가하는 새로운 벤치마크

MindTopo는 AI의 위상적 추론을 테스트하기 위한 새로운 벤치마크로, 다중 모달 모델이 연결성, 둘러싸기, 순서, 분리 및 매듭과 같은 개념을 이해할 수 있는지를 평가한다. 이 벤치마크는 정적 이미지에서 위상적 관계를 인식할 수 있는지와 그 관계를 일련의 행동을 통해 유지하고 조작할 수 있는지를 측정한다. 현재 다중 모달 모델은 정적 인식에서는 성능이 좋지만, 상호작용 작업에서는 일관된 위상 이해를 유지하는 데 어려움을 겪고 있다.

MindTopo는 다중 모달 대형 언어 모델이 위상적 직관을 갖추었는지를 평가하기 위해 설계되었다.

Descript와 Riverside의 팟캐스트 및 비디오 편집 비교

Descript는 전사 중심 편집 및 AI 지원 후반 작업에 더 적합하다. 반면, Riverside는 고품질 원격 녹음, 라이브 세션 및 게시에 더 적합하다.

Descript의 AI 지원 후반 작업 기능은 팟캐스트 제작의 효율성을 높일 수 있다.