구글, 제미니 4 아르곤 전 세계 개방
벤치마크 1위와 실사용 코딩 평가가 어긋나면서, 구글 내부에서도 벤치맥싱 의혹과 프론티어 합의가 동시에 나오고 있다.
#언어모델
필즈상 수상자 "연구 분야가 붕괴됐다"
공개 직후 부호 오류로 원고 3편이 철회되면서, 모델 산출물을 사람이 충분히 검증하기 전에 내놓는 방식 자체에 대한 우려가 수학계 안에서 커지고 있다.
오픈AI, 챗GPT에 GPT-6·지능형 UI 배포
같은 GPT-6 이름 아래 요금제별로 모델과 화면 구성이 갈리면서, 이용자는 앞으로 챗봇 응답을 텍스트가 아니라 버튼·차트가 섞인 화면으로 받아보게 된다.
오픈AI, 미공개 모델 수학 원고 722편 공개
모델명·사고과정은 비공개인 채 일괄 공개되면서, 외부 수학자들이 직접 하나씩 검증하기까지는 상당한 시간이 걸릴 것으로 보인다.
리플렉션, 501B 오픈웨이트 Beam 공개
회사 수치조차 자체 비교일 뿐 독립 검증은 가중치 공개 이후로 미뤄져, '저연산' 주장의 실제 성능은 당장 확인할 수 없다.
오픈AI, Dots·Sol·Pro 500 동시 공개
Pro 200 이용자는 다음달부터 포함량이 절반으로 줄고, 최상위 한도를 유지하려면 월 500달러 요금제로 올라가야 한다.
앤스로픽, 소넷 5.5 공개…코딩서 오퍼스 추월
단가는 그대로인데 처리 토큰이 줄면서 실제 작업 비용이 최대 30% 낮아져, 기업들이 프로덕션 모델을 소넷으로 교체할 유인이 커졌다.
클로드, 9루프 산란진폭 계산 돌파
학술 연구비 수준으로도 미해결 난제를 닫을 수 있음이 확인됐지만, 알려진 부트스트랩을 무감독으로 완주한 것일 뿐 새 물리 방법은 아니며 실제 충돌기 계산으로의 일반화는 미정이다.
오퍼스 5.5, 이틀 만에 지출 점유 10%
출시 직후 게이트웨이 지출이 앤트로픽에서 오픈AI·중국 모델로 옮겨가던 흐름 속에서도 신모델이 빠르게 자리를 잡았고, 초기 테스터들은 더 적은 단계로 더 많은 작업을 끝냈다고 전한다.
클로드, 파지 DNA서 ART 효소체계 발견
AI가 탐색과 후보 선별을 맡아 새 효소 체계를 짚어냈지만, 기능과 쓸모는 아직 모르고 동료 심사도 거치지 않아 성과의 무게는 후속 검증에 달려 있다.
오픈AI, GPT-6 솔·루나 API 반값 공개
캐시 재사용과 추론 효율 개선으로 생긴 절감분을 가격에 돌려주면서, 코딩 에이전트처럼 오래 도는 작업의 지속 비용 부담이 줄어든다.
오픈AI, GPT-6 Sol·Luna 출시…API 반값
두 모델 모두 API 요금을 반값으로 낮추면서도 벤치마크 비용 대비 성능에서 앤트로픽 최신 모델을 앞질러, 가격 경쟁의 무게중심이 성능이 아닌 비용 효율로 옮겨가고 있음을 보여준다.
앤트로픽, 클로드 Opus 5.5 출시
속도 조절을 요구해온 회사가 정작 값싸고 빠른 신모델을 내놓으면서도, 위험도 높은 요청은 자동으로 하위 모델로 돌리는 안전장치를 병행 도입했다.
오픈AI, 수학 자문단 꾸리며 100문제 해결 주장
조언 범위가 성과 공개와 학술 기준에 한정돼 연구 속도는 통제되지 않으며, 해결 주장의 학계 인정도 동료 검토 전이라 확정되지 않았다.
SpaceXAI, 코딩용 Grok 4.7 공개
벤치마크 점수와 가격은 오르내림이 엇갈려, 회사 발표와 제3자 집계 사이에서 실제 코딩 작업 성능과 토큰 비용을 따로 확인해야 한다.
타입세이프, Jev 대기열 없이 전원 개방
문장 대신 확률을 돌려주는 저가 모델이 게이트웨이와 평가 도구에 빠르게 붙어, 에이전트의 분류·판정 단계에 쓰일 길이 넓어졌다.
르쿤, 자기회귀 LLM만으로 인간수준 AI 부정
추론·자기개선·멀티모달 모두 LLM 단독 경로로는 한계가 있다고 보며, 가정용 로봇과 소비자용 L4 자율주행차가 없다는 점을 근거로 든다.
모델 경쟁의 다음 전장: 범용 런타임
에이전트 하네스가 벤치마크 점수와 모델 훈련 방향까지 좌우하면서, OpenAI는 실행 코드는 공개하고 오케스트레이션 상태와 데이터 처리는 서비스에 묶어 토큰 과금으로 수익을 낸다.
OpenAI, 법률 전용 아스트라 공개
OpenAI가 승소율이나 대체 효과 대신 벤치마크 인용 정밀도만 공개하면서, 실제 실무 도입 여부는 각 로펌이 기존 문서·사건관리 시스템 연동을 시험한 뒤에야 판가름 날 전망이다.
구글, 실시간 음성 모델 2종 공개
검색·앱·API에 같은 음성 모델을 동시에 배포하며 오픈AI 경쟁 모델과 요금·성능을 정면 비교당하는 상황에 놓였다.
AI의 해자는 정확도가 아니라 축적 구조다
같은 모델도 실행을 관리하는 하네스에 따라 성능과 순위가 크게 갈리며, 스타트업이 실제로 쌓는 자산은 모델이 아니라 도구와 데이터, 거버넌스를 아우르는 하네스다.
필즈상 25인, AI 수학 선언 발표
오픈AI의 속전 발표 방식이 검증·귀속·전승 관행을 건너뛴다는 문제의식이 수학계 상층부에서 공식화된 것으로, 향후 난제 해법 발표에는 우선권 다툼과 심사 절차를 둘러싼 마찰이 뒤따를 전망이다.
GPT-6 아스트라, 출시 나흘 만에 한도가 쟁점이 됐다
메시지 한도는 채팅 시대의 기준이라, 도구 호출과 재시도가 겹치는 에이전트 작업에서는 표기된 횟수보다 훨씬 빨리 소진된다.
같은 주 네 랩 출시, '모델 피로'가 본격 논의됐다
평가 담당자들은 매주 성능이 갱신되는 상황에서 벤치마크 하네스와 시도 조건이 제각각이라 단일 순위를 매기기 어렵다고 지적하며, 기업들은 이미 플래그십 고정 대신 작업별 모델 라우팅으로 대응을 옮기고 있다.
에이전트는 완료를 선언하고, 실패는 숨어든다
AI 코딩 에이전트에서 워커가 완료를 보고해도 실제 검증 없인 신뢰할 수 없다. 실행 로그를 읽고 검증 게이트·변경량 제한을 두는 컨트롤러 구조가 모델 크기보다 성공률을 더 좌우한다.
GPT-6 Astra 공개, 유료 접근은 하루 밀렸다
공식 벤치마크 수치와 유료 접속 지연이 함께 나오면서, 발표된 성능이 실제 제품 신뢰로 이어지려면 용량·권한 운영이 관건이라는 점이 드러났다.
페르마 마지막 정리, Lean으로 종단 검증
이번 형식화는 와일스 증명을 새로 만든 게 아니라 기존 논증을 Lean이 한 줄씩 검사하도록 옮긴 작업이라, 검증 가능성은 늘었지만 수학적 발견으로 보기는 어렵다.
모델이 98% 복종해도 보안은 실패할 수 있다
Instruction Hierarchy는 시스템·사용자·도구 메시지 우선순위를 학습시키는 방식일 뿐 OS 권한 검사와 다르며, 계층 조합·비충돌형 요청·긴 위임 사슬에서 준수율이 크게 떨어져 채널 분리와 실행 환경 통제가 함께 필요하다.
80줄짜리 루프보다 중요한 것
에이전트 검색 성능은 반복 횟수가 아니라 도구가 표현하는 개념과 실행 조건에 좌우된다. 단일 홉에는 고정형 파이프라인이, 멀티 홉에는 타입 도구 에이전트가 각각 더 정확했다.
기업의 AI 비용은 모델이 아니라 현장이 결정한다
같은 코딩 작업도 회사마다 실제 난이도가 다르며, 저렴한 모델의 승급 판단은 프롬프트가 아니라 실행 기록과 조직 지식, 되돌릴 수 있는 권한 설계에 달려 있다.
Z.ai, 잠행 모델 Ox Alpha 정체 공개
엿새간 무료로 풀렸던 익명 모델의 정체가 밝혀지면서, 개발자들은 값싼 오픈웨이트 대안으로 기본 스택을 바꿀지 저울질하게 됐다.
1인칭은 시선, 3인칭은 물리학이다
EchoWM은 오디오·화면을 동기화해 생성하는 월드모델로, 6자유도 궤적으로 조작 방식을 통일했지만 1인칭과 3인칭의 회전 처리 차이, 장기 공간 기억의 한계는 여전히 남아 있다.
프론티어, 오픈웨이트…그리고 사람이라는 자원의 균형
프론티어 모델과 오픈웨이트 모델은 서로 대체하지 않고 처리량과 수익이 갈리는 방식으로 공존하며, 규제·비용·위험도에 따라 작업별로 배분해야 하고 새로운 판단은 사람이 맡는다.
Linkedin 사례: 수용률 63.9% 뒤에 숨은 레포의 규칙
AI 코드 리뷰의 반영률은 저장소마다 0%에서 100%까지 차이가 나고, 이는 모델 성능이 아니라 조직 규칙·설정·검증 체계의 차이에서 비롯된다.
Outer Loop는 인프라가 되어야 한다
같은 모델이라도 하네스와 실행 루프 구조에 따라 성능·비용·사고 위험이 크게 달라지며, 재시작 후 이어가는 실행·정책 집행·트레이스 기록 여부가 루프를 인프라로 볼 수 있는지 가른다.
MCP 44,026토큰 vs. CLI 1,365토큰
같은 모델이라도 도구 호출 방식과 컨텍스트 관리 같은 스캐폴드에 따라 토큰 비용과 성공률이 크게 갈린다는 벤치마크 결과를 정리한다.
니체가 이 AI 시대에 살았다면?
니체의 도덕 계보학을 대화형 AI에 적용해, 답의 옳음이 실은 평가자와 강화학습 설계에서 나온다는 점과 사용자에게 동의만 하는 AI가 스스로 판단하는 힘을 앗아가는 문제를 다룬다.
AI가 답을 잘할수록, 사람은 덜 배우는가?
AI로 요약을 받아 공부한 학생은 시험 당일엔 비슷했지만 하루 뒤 점수가 크게 낮았고, 스스로 답을 구성한 쪽이 더 오래 기억했다.
생각을 꺼낸 것인가, 판단을 넘긴 것인가?
AI가 내놓는 답이 빠르게 나올수록 사용자는 다른 가능성을 덜 찾게 되고, 판단의 범위는 이미 모델이 정해 놓은 경우가 많다는 내용을 다룬다.
당신의 내일은 오늘의 무엇을 이어받는가?
LLM은 세션이 끝나면 컨텍스트가 비워지고, 사람의 기억도 온전한 보관이 아니라 매번 다시 불러 쓰는 과정에 가깝다. 다음 순간으로 무엇을 넘기고 어떻게 다시 불러올지가 존재의 연속성을 만든다.
백년 난제를 깬 반례의 조건
AI가 반례를 빠르게 찾아내며 야코비안 추측과 단위거리 추측을 무너뜨렸지만, 진술의 정확성과 형식화 코드의 검토는 여전히 사람 몫으로 남는다.
Egnyte의 사례: 모델 말고 턴부터 줄여라
에이전트의 응답 속도는 모델 자체보다 턴 수와 도구 호출 설계에서 갈린다. Egnyte 사례를 통해 위임 구조 축소, 프롬프트 캐싱, 도구 반환값 설계가 지연시간을 줄이는 과정을 다룬다.
프론티어를 ‘기본 모델’이 아니라 ‘호출 가능한 도구’로 쓰는 기업이 이긴다
생성형 AI 도입에서 성능 경쟁은 최고급 모델 사용량에 집중돼 왔지만, 실제 운영에서는 모델을 어느 단계에 배치하는지가 비용과 결과를 함께 결정한 사례를 다룬다.
규칙은 왜 코드로 옮겨야 하는가 - Wix의 사례
에이전트 지시가 길어질수록 일부가 누락되거나 형식만 맞춘 결과가 나오기 쉽고, 규칙을 코드와 검증기로 옮겨 스키마·토큰·접근성 기준을 기계가 확인하게 하는 편이 안정적이다.
Netflix 인하우스 LLM 서빙이 깨뜨린 설계 가정들
Netflix는 LLM을 별도 시스템이 아니라 기존 추천 서빙 레일에 올렸고, 배치 처리와 디코딩 제약 같은 세부 구현에서 자체 서빙 여부를 가르는 기준을 보여준다.
Shopify의 도메인 특화 모델 사례
Shopify는 판정 모델의 일치도를 사람 수준까지 끌어올린 뒤 실패한 대화를 교정해 학습 데이터로 삼았고, SFT와 GRPO를 거친 특화 모델은 프론티어 모델보다 낮은 비용으로 더 나은 성능을 냈다.
Claude AI, 리만 제타 함수 영점 하한을 41.6%에서 67.2%로 끌어올리다
Claude가 정답을 증명한 것이 아니라 하한선만 끌어올린 것이므로, 리만 가설은 여전히 미해결로 남아 있고 나머지 32.75%에 대해서는 아무것도 밝혀지지 않았다.
찾는 RAG에서 판단하는 RAG로
검색 결과가 질문과 관련 있어도 답에 필요한 정보가 빠져 있을 수 있다. Google의 Agentic RAG는 초안을 만든 뒤 근거가 충분한지 다시 판정하고, 부족하면 빠진 부분을 검색어로 바꿔 재검색한다.
Foundation Model의 수명은 해마다 23%씩 줄고 있다
공개된 언어모델 62개의 인용 추적 결과 출시가 늦을수록 사용 정점까지 걸리는 시간과 수명이 매년 줄었고, 2025년까지 오래 쓰인 모델은 모두 웨이트가 공개된 사전학습 베이스 모델이었다.
벡터 DB 수백만 원 쓰고도 졌다고? 에이전트 검색에서 grep이 이긴 이유
AI 에이전트의 검색 성능은 검색 알고리즘 자체보다 하네스와 결과 전달 방식에 더 크게 좌우되며, grep과 벡터 검색의 우열도 조건에 따라 뒤바뀐다.
벡터 DB에 쌓아도 기억이 아니다. 에이전트 ‘메모리’가 구조적으로 전문가가 못 되는 이유
에이전트가 대화 기록을 저장했다 불러오는 것과 가중치가 실제로 바뀌는 학습은 다른 과정이며, 검색 기반 기억만으로는 처음 보는 조합 문제를 푸는 능력이 늘지 않는다.
DFlash는 어떻게 순차 생성의 벽을 깼나
LLM 응답 속도는 초안을 순차로 만드는 구간에서 막힌다. DFlash는 이 초안을 블록 단위로 한 번에 채워 같은 응답 속도로 처리 가능한 요청 수를 크게 늘렸다.
GraphRAG, 확장보다 압축이 먼저다
AWS와 Cisco가 아홉 가지 RAG 방식을 비교한 결과, 검색은 정답의 83.5%를 찾았지만 답변에 반영된 비율은 47.9%에 그쳤다. 컨텍스트 앞부분 정보만 주로 쓰였고 관계를 압축해 걸러낸 GraphRAG는 토큰을 줄이면서도 성능을 유지했다.
프롬프트 80%를 지워도 됐던 이유
모델의 판단력이 좋아질수록 프롬프트의 세세한 규칙은 오히려 방해가 되고, 낡은 규칙이 쌓이면 새 규칙까지 신뢰를 잃는 과정을 사례로 설명한다.
Alibaba Qwen3.8-Max 공개
2.4조 파라미터급 오픈 웨이트를 예고하며 성능 경쟁의 축을 벤치마크 점수에서 '수일 단위 자율 실행'으로 옮기고 있다.
인간의 말투가 기계를 닮기 시작했다
AI가 즐겨 쓰는 단어가 실제 대화에도 퍼지고 있으며, 이런 어휘가 전문성의 표지로 굳어지는 동안 지역 표현과 소수 언어 신호는 반복 학습 속에서 점점 옅어지고 있다.
컨텍스트 다이어트의 함정
에이전트 메모리는 통째로 요약해 덮어쓰면 정확도가 오히려 떨어진다. ACE 연구는 항목 단위로 추가하고 성공률을 기록해 만료시키는 방식이 정확도와 비용을 함께 지킨다는 결과를 보여준다.
OpenAI Astra, 10개 장기 미해결 수학 문제에 도전
AI가 제시한 형식 증명 자체는 논리적 정합성만 보증할 뿐 문제 정의의 정확성이나 결과의 신규성은 검증하지 못해, 결국 독립적인 수학자들의 검토가 성패를 가를 다음 관문으로 남는다.
딥마인드, 휴머노이드 전신 제어 가능한 Gemini Robotics 2 공개
전신 제어·다중 로봇 협업·수시간 내 새 바디 적응까지… 물리 AI의 범용화 신호
문샷 AI, 키미 K3 전체 가중치 공개
2.8T급 파라미터를 소비자용 GPU에서도 실험 가능하게 만든 MXFP4 양자화와 매출 연동형 라이선스가, 프론티어 성능과 상업적 접근성을 동시에 여는 새로운 오픈웨이트 공개 방식을 보여준다.
Grok 4.5, 30년 열린 그래프 이론 추측 반박
Grok 4.5가 만든 반례 자체보다, 검증 가능한 조합 문제에서 AI가 후보 생성기 역할을 빠르게 대체하고 있다는 점이 이 사건의 핵심이다.
신비로움은 없어질까
초지능이 우주를 다 설명해도 신비가 사라지는 게 아니라, 이해의 주체와 경외감이 남는 문제로 형태를 바꾼다는 에세이.
구글, 에이전트용 Gemini 3.6 플래시 모델 3종 공개
토큰당 비용과 지연 시간을 낮춘 경량 모델로 승부수를 던지면서, 아직 나오지 않은 3.5 프로의 공백을 당분간 플래시 라인업으로 메우려는 전략이 드러난다.
설명할 수 있다고 이해한 것은 아니다
스타킹 선택부터 트랜스포머의 경사하강법까지, 이해는 설명 가능성이 아니라 낯선 조건 앞에서도 스스로 갱신되며 버티는 능력으로 검증돼야 한다는 논증.
Claude Fable 5, 85년 미해결 Jacobian 추측 반례 제시
Fable 5가 후보를 생성하고 연구자가 검증하는 협업으로 결과가 나왔다는 점에서, 창의적 발견 단계에서도 AI가 실질적 역할을 맡기 시작했다는 신호로 읽힌다.
에이전트는 마법이 아니다. 대규모 증류일 뿐이다
카파시가 말한 에이전트의 본질은 신비한 지능이 아니라 데이터 증류이며, 기업은 모델 크기보다 데이터 품질과 폐쇄 루프 설계에 집중해야 한다는 시사점을 정리한다.
인공 하이브마인드 (The Artificial Hivemind)
25개 언어모델이 같은 은유로 수렴하는 현상부터 모델 붕괴·인간 창의성 균질화까지, AI 하이브마인드가 만드는 표현 다양성의 침식과 그 처방을 다룬다.
알리바바, 2.4조 파라미터 Qwen3.8 오픈웨이트 출시 예고
챗봇 사용성 검증보다 앞서, 실제 프론티어급 성능 여부는 제3자 벤치마크가 나와야 판가름 나기 때문에 당장은 발표사 자체 주장으로만 받아들여야 한다.
Kimi와 세계 AI 질서의 변화, 그리고 한국
문샷AI의 Kimi K3 공개가 던지는 질문은 성능 우위가 아니라 오픈웨이트가 지능의 희소성과 실행권 통제를 어떻게 바꾸는가다.
수 년 안에 도래하는 AGI, 그리고 사회의 숙제
데미스 하사비스가 예고한 몇 년 내 AGI 도래를 앞두고 권한·소유·인간 정체성이라는 세 가지 사회적 숙제를 짚는다.
The More Bitter Lesson
하네스 엔지니어링이 뜨는 지금, 리처드 서튼의 Bitter Lesson이 모델 위 애플리케이션 레이어에서도 반복되며 하네스가 결국 모델에 흡수되는 이유를 분석한다
"왜 아무것도 없지 않고 무언가가 존재할까?"
존재의 이유를 묻는 오랜 철학 질문을 Fable5와 Sol5.6 두 AI에게 던져 토론시킨 기록.
토큰맥싱 시대. 가성비와 생태계 전쟁의 시작
Grok 4.5의 파격 가격과 토큰 효율이 AI 경쟁축을 성능에서 비용으로 옮기는 전환기 신호인지, 생태계 경쟁의 서막인지 분석한다.
"자연스러움"이란 무엇인가
자연스러움을 측정하는 AI 산업엔 조작적 정의가 없다는 사실을, 처리 유창성·불쾌한 골짜기·가족 유사성 이론으로 설명한다
