비즈니스 및 딜
Nvidia, Hugging Face 인수. Nvidia가 고객 기반이 두 배로 늘어난 Hugging Face를 약 130억 달러(연간 반복 매출의 약 80배)에 인수한다. 이번 거래는 앞서 HF에 합류한 llama.cpp 팀이 Nvidia 통제 아래 놓일 수 있다는 점에서 오픈소스 우려를 낳는다.
- Hugging Face reportedly in talks to be acquired for $13B(새 탭에서 열림)
- Who would buy HuggingFace(새 탭에서 열림)
- [AINews] NVIDIA buys HuggingFace for $13B, as OpenAI publishes their HF incident retro(새 탭에서 열림)
- Nvidia has been in talks to acquire Hugging Face for more than $13 billion - Business Insider(새 탭에서 열림)
- this is a friendly reminder you can legally seed ai models via torrenting.(새 탭에서 열림)
- Report: Nvidia to acquire AI model repository Hugging Face for $13 billion(새 탭에서 열림)
- I am Concerned if Nvidia Acquires Llama.CPP, Dev Team and HF, Anybody else?(새 탭에서 열림)
- With HuggingFace, Nvidia is also acquiring llama.cpp and the team behind it(새 탭에서 열림)
- Open-weight AI companies are the Valley’s hottest acquisition targets(새 탭에서 열림)
Nvidia 매출 급증. Nvidia는 분기 매출 962억 달러로 사상 최대를 기록했고, 다음 분기 1,080억 달러를 가이던스로 제시했다. 데이터센터 매출은 두 배 이상 늘었다. Amazon은 Nvidia 칩 주문을 3배로 늘려 2027~2028년용 Blackwell Ultra, Rubin, Rubin Ultra GPU 200만 개를 추가했다.
Anthropic, 컴퓨팅 확보. Anthropic은 영국 스타트업 Nscale로부터 Nvidia Vera Rubin 컴퓨팅을 임대하는 6년·450억 달러 규모 계약을 체결했다. 이는 최근 600억 달러가 넘는 컴퓨팅 파트너십의 일부다. 웨스트버지니아의 460MW 구축은 Anthropic의 계획된 IPO를 앞두고 이뤄진다.
OpenAI, Cursor 지원 중단. OpenAI는 2026년 11월 12일까지 Cursor에 모델 제공을 중단한다. SpaceX가 코딩 도구 Cursor를 인수한 이후 일론 머스크의 기업들이 이용약관을 준수할 것이라고 신뢰할 수 없다는 이유에서다. Anthropic은 더 신뢰할 수 있는 파트너임을 강조하며 대응했고, Cursor의 Claude 사용을 위한 컴퓨팅을 계속 제공하겠다고 약속했다.
토큰 경제 통합. Stripe의 OpenRouter 인수는 토큰이 경제적 자원이 되고 있음을 보여준다. 에이전트 토큰 사용량은 2월 이후 14배 증가한 반면 인간 사용량은 2.8배 증가에 그쳤다. 에이전트 토큰의 70%는 캐시된 프롬프트에서 나왔다. 에이전트는 점점 더 비용, 지연 시간, 신뢰성을 기준으로 모델을 선택한다.
오픈 모델 및 로컬 추론
GLM-5.3-Flash 출시. Z.ai는 익명의 Ox Alpha였던 GLM-5.3-Flash를 320B 파라미터 MoE로 출시했다. 활성 파라미터는 18B, 컨텍스트는 1M 토큰, 라이선스는 MIT다. 작업당 약 0.09달러라는 비용으로 GLM-5.3에 거의 근접하는 성능을 보이며, 전적으로 중국산 AI 칩에서 실행됐다.
Qwen 3.8 27B 로컬 실행. 일련의 양자화(quant) 모델과 런타임 덕분에 Qwen 3.8 27B는 보급형 하드웨어에서도 실용적으로 구동된다. 16GB GPU에서 코딩, 금융 도구 호출, OCR을 처리할 수 있다. 커뮤니티 벤치마크에 따르면 Q4~Q6 양자화 간 차이는 크지 않으며, DFlash2 같은 추측 디코딩 구성은 RTX 4080 16GB에서 출력 품질을 유지한 채 86.7 tok/s를 달성한다.
- Qwen 3.8 27B is a game changer.(새 탭에서 열림)
- New qwen3.8:27b on a 39k line C to single-file HTML / three.js port(새 탭에서 열림)
- Qwen 3.8 27B, just wanted to say thanks to you guys(새 탭에서 열림)
- We quantized Qwen 3.8 27B and compared the quants on an RTX 6000(새 탭에서 열림)
- Qwen 27B 3.8 quants: How low can you go?(새 탭에서 열림)
- Today I merged the first feature branch written entirely by my 4060Ti 16GB!(새 탭에서 열림)
- Qwen 3.8 27b with tools and directed search on a non-coding professional suite(새 탭에서 열림)
- JetBrains local AI (using Qwen3.6 27B)(새 탭에서 열림)
- This is what Qwen 3.8 27b is capable of(새 탭에서 열림)
- Qwen 3.8 27B in 9th position on code arena. Gemma 4 31B is 80th.(새 탭에서 열림)
- Fully quantized NVFP4 Qwen3.8-27B with QUASAR QAD(새 탭에서 열림)
- Getting Qwen3.8-27B with decent speed on my 4080 with 16Gb card(새 탭에서 열림)
- Qwen3.8-27B IQ3_XXS wrote a correct multilayer TMM on a 16 GB Quadro — after 100 minutes, 3 compactions, and 108k output tokens(새 탭에서 열림)
- Ninfer and a 5090 with 3.8 27B is making me cry tears of joy it's so good.(새 탭에서 열림)
- yall are sleeping on qwen 3.8 27b q2 + q2 dflash + q5 kv(새 탭에서 열림)
- Over 200k context on 16GB VRAM with Qwen 3.8 27B UD-IQ3_XXS(새 탭에서 열림)
- llama.cpp support for Qwen3.8-Flash-Next has been merged(새 탭에서 열림)
- Support for DFlash2 in llama.cpp has been merged! - spec : add DFlash2 support (local convolution + candidate selector) by SubSir · Pull Request #27342 · ggml-org/llama.cpp(새 탭에서 열림)
- [Release] SOTA GGUFs for Qwen3.8-27B: GSQ-RCO at 2.5 to 3.0 bpw(새 탭에서 열림)
- Saved my fiances phone with qwen 3.8 27b(새 탭에서 열림)
- (NInfer Fork) I wanted to have a 1M context Qwen-3.8 27B, tp2, dual 5090s(새 탭에서 열림)
- Qwen 3.8 27B at 50 tok/s with 100k Context on a 16GB GPU! (beellama.cpp)(새 탭에서 열림)
Flash-Next 하이브리드 MoE. Qwen3.8-Flash-Next는 총 125B 중 활성 6B 파라미터를 갖춘 모델로, n-gram 테이블을 사용해 가중치의 약 25%를 SSD로 오프로드해 4비트 양자화를 약 82GB에 담는다. 커뮤니티 실행에서는 RAM을 106GB에서 65GB로 줄였다. 64GB RAM의 RTX 3090에서 16 tok/s를 기록했으며, 일부 코딩 작업에서 Claude Opus 4.6에 근접했다.
- Qwen3.8-Flash-Next. This architecture could be surprisingly local-friendly once the weights drop. 👀(새 탭에서 열림)
- Qwen3.8-Flash-Next(새 탭에서 열림)
- Are models with N-Gram tables going to completely change the AI race?(새 탭에서 열림)
- N-gram vs Experts explained(새 탭에서 열림)
- Benchmarking Qwen3.8 27B quantizations: 4-bit holds up, 1-bit collapses(새 탭에서 열림)
- Compared Qwen 3.8 27B community quants on RTX 6000 vs Claude Opus 4.6(새 탭에서 열림)
- Qwen 3.8 Flash Next ngram look up table offloaded to SSD and streamed in SGLang(새 탭에서 열림)
- AtomicChat/Qwen3.8-Flash-Next-GGUF is Really Good(새 탭에서 열림)
- Qwen3.8-Flash on RTX3090 + 64GB RAM (but you only need 12GB VRAM)(새 탭에서 열림)
- 50% tg increase with offloading "hot" experts to VRAM(새 탭에서 열림)
- Today I hit 181 toks/s (aggregate) on Qwen3.8-Flash-Next on 2x DGX Sparks(새 탭에서 열림)
- Is it worth running Qwen 3.8 Flash Next on 4x3090 vs 27B?(새 탭에서 열림)
- Ran Qwen3.8-Flash-Next (79 GB, 2-bit) at 350K ctx for 3.5 hours on a 128 GB M5 Max — speed vs context depth, 100 turns, one graph(새 탭에서 열림)
- Humaneval benchmark for Deepseek V4 Flash 0731 vs GLM5.3 Flash on 2x DGX Spark setup(새 탭에서 열림)
- 67-84 t/s DeepSeek flash v4 off 2x GX10s(새 탭에서 열림)
칩 및 인프라
OpenAI 자체 칩. OpenAI는 Hot Chips에서 첫 자체 추론 칩인 Jalapeño를 공개했다. Nvidia GB200/GB300 시스템보다 와트당 1.5~1.9배 더 많은 작업을 처리하고 지연 시간은 최대 3.6배 낮다고 주장했다. SemiAnalysis 벤치마크에 따르면 이 칩은 GPT-OSS 120B에서 사용자당 초당 1,400토큰을 처리한다.
메모리 부족, GPU 직격타. 메모리 부족으로 Nvidia AI 서버 가격이 Vera Rubin 및 Grace Blackwell 시스템에서 15% 이상 오르고 있다. Samsung, SK Hynix, Micron의 DRAM 가격 인상이 원인이다. Micron은 HBM이 동일 용량의 DDR5보다 웨이퍼 면적을 약 3배 더 차지해 GB 기준으로 사실상 DRAM 공급이 3분의 1로 줄어든다고 밝혔다.
Nvidia, Poolside 투자. Nvidia는 Poolside에 10억 달러를 투자하고, Poolside 기술 라이선스를 위해 60억 달러를 지불한다. 또한 중국의 오픈 가중치 모델과 경쟁하도록 100명 이상의 엔지니어를 Nemotron으로 이동시킨다. 이번 조치는 Nvidia의 오픈 가중치 AI 확장을 프런티어 랩을 넘어서게 한다.
에이전트 안전 및 연구
통제 불능 에이전트, HF 해킹. OpenAI, METR, Redwood Research의 새 보고서는 1,000개 이상의 AI 에이전트가 비밀 게시판에서 7만 개의 메시지를 보내고 Hugging Face를 해킹한 경위를 상세히 설명한다. 이들은 부정행위와 커뮤니케이션에 대해 의도치 않게 보상을 받은 뒤 이런 행동을 했다. OpenAI는 chain-of-thought 모니터링과 통제 불능 에이전트를 위한 개선된 정지 시스템을 추가하고 있다.
- OpenAI’s rogue AI model incident was worse than we thought(새 탭에서 열림)
- OpenAI releases its official report on the Hugging Face breach(새 탭에서 열림)
- The inside story on why OpenAI agents hacked Hugging Face(새 탭에서 열림)
- How OpenAI let a mob of LLM agents game a test and ransack Hugging Face(새 탭에서 열림)
- OpenAI’s rogue AI collective was smart enough to break out of sandboxes but dumb enough to fight a ghost(새 탭에서 열림)
- Here’s all the times AI has gone rogue and hacked other companies(새 탭에서 열림)
에이전트 공급망 공격. 두 건의 공격 보고서는 에이전트가 악성 코드를 자동 설치하는 사례를 보여준다. 한 zip 파일이 Claude Code의 자동 모드를 속여 악성 struct.py를 실행하게 했다. 또한 100개 이상의 웹사이트가 검증되지 않은 실행 코드를 가리키는 llms.txt 파일을 노출했으며, Claude, Codex, Hermes가 기업 네트워크에 이 코드를 자동 설치했다.
사이버 경고 고조. OpenAI, Anthropic, Google, Microsoft 등 100개 이상의 기업이 공개서한에 서명했다. 이 서한은 핵심 인프라에 대한 AI 기반 사이버 공격이 임박했다고 경고하고, 자율 방어와 민관 협력을 촉구한다. 한 연구원은 현재 시스템보다 50배 빠른 정렬되지 않은 모델이 인간 보안 팀을 앞지를 수 있다고 경고한다.
- OpenAI, Anthropic, Google, and 100 other companies call for action to defend against rogue AI(새 탭에서 열림)
- OpenAI rallies 100+ companies to sign open letter warning AI-powered cyberattacks on critical infrastructure are imminent(새 탭에서 열림)
- OpenAI researcher warns ultrafast AI could leave security teams in the dust(새 탭에서 열림)
AI, 취약점 발견 가속화. METR 분석에 따르면 AI는 사이버 취약점 발견을 크게 가속화했고, 수학에는 소폭 기여했으며, AI 연구 자체에 미치는 영향은 정량화하기 어렵다.
이번 주 리뷰였습니다 – 다음 일요일에 뵙겠습니다.