Agentic AI News 2026년 9월 20일

Qwen3.8 Omni-Flash. Qwen이 AI 에이전트를 겨냥해 만든 첫 멀티모달 모델을 공개했다. 오디오와 영상을 함께 처리하며 컨텍스트는 100만 토큰이다. 가격은 100만 토큰당 0.15달러/0.47달러로 Gemini 3.8 Flash(0.75달러/3.75달러)보다 저렴하다. 코딩 에이전트에서 영상 편집, 번역, PDF 노트 작성에 쓰는 Qwen-MM-Plugins도 함께 제공한다.

• Qwen3.8-Omni-Flash undercuts Google's Gemini Flash pricing while matching its multimodal benchmarks(새 탭에서 열림)

Step-5 Preview 가중치. StepFun이 Hugging Face에 Step-5 Preview의 BF16 가중치를 올려 누구나 로컬에서 실험할 수 있게 했다.

• this looks promising: stepfun-ai/Step-5-Preview-BF16 · Hugging Face(새 탭에서 열림)

Meta Muse 권한 논란. Meta의 Muse 어시스턴트는 메시지, 캘린더, 메모에 접근하는 Mac 앱을 갖췄지만, 명시적 권한 없이 메시지 미리보기를 어떻게 읽는지는 설명하지 못해 투명성 논란이 일고 있다.

• Meta’s Muse is creepy, but maybe not for the reasons you think(새 탭에서 열림)

Jev, 채점 일관성 92~913배. LangChain이 텍스트 대신 타입이 지정된 답변을 내놓는 '시스템1' 모델, TypeSafe AI의 Jev를 테스트했다. 채점 일관성이 92~913배 높았고, GPT-5.6 Luna나 Claude Sonnet 4.6 같은 LLM 심사자보다 훨씬 저렴하고 빨랐다.

• Can Jev Be a Better Agent Evaluator?(새 탭에서 열림)

오픈소스 Jev 클론들. 이틀 만에 Laya, Von, DiffusionGemmaJev 등 오픈소스 클론이 여러 개 등장했다. Von은 395M 규모의 CPU 전용 모델로 Jev를 능가한다고 주장한다. Doom 제어 테스트에서는 Jev, Laya, 파인튜닝한 Qwen 모델의 행동 확률과 생존율을 비교했다.

• [AINews] Here are 6 Clones of Jev in 2 days(새 탭에서 열림)
• Von: Open-source 395M "System One" model(새 탭에서 열림)
• I gave Jev, Laya, finetuned ModernCE and Qwen3.5 the controls to Doom(새 탭에서 열림)

Unity 코딩 플러그인. Unity가 Claude Code와 OpenAI Codex용 공식 플러그인을 내놨다. UI, 2D, URP, 오디오, 내비게이션 등을 아우르는 31개 스킬을 담았고, 에이전트가 낡은 튜토리얼로 흘러가지 않도록 Unity 팀이 직접 관리한다.

• Unity launches official plugins for Claude Code and OpenAI Codex to stop AI agents from using outdated tutorials(새 탭에서 열림)

LinkedIn 컨텍스트 레이어. LinkedIn은 MCP를 활용해 AI 에이전트용 조직 컨텍스트 레이어를 구축했다. 코딩 에이전트가 사내 런북과 로그, 메트릭, 최근 배포 내역을 가져와 온콜 이슈를 더 빠르게 디버깅할 수 있다.

• Presentation: Context Engineering at LinkedIn: How We Built an Organizational Context Layer for AI Agents with MCP(새 탭에서 열림)

Qwen 3.8 로컬 구동. 커뮤니티 보고에 따르면 Qwen 3.8 27B와 Flash-Next는 V100 6장, RTX 5090, 100만 컨텍스트를 붙인 Strix Halo, 3090 3장, 오래된 PC 등에서 돌아간다. FreeToken과 halogen은 expert 캐싱과 롱컨텍스트 수정을 내놓아 5090 한 장에서 초당 약 50토큰, Strix Halo에서 100만 컨텍스트로 초당 38토큰 디코딩을 달성했다.

• Finally got Qwen 3.8 Next running on my v100 6gpu setup (TP2 PP3)(새 탭에서 열림)
• Qwen-3.8-Flash-Next on 1x RTX 5090: TG=50 t/s, PP=2300 t/s - with FreeToken(새 탭에서 열림)
• Qwen3.8-Flash-Next at 1M context on Strix Halo: 38 tok/s decode, 18 min prefill (halogen 0.12.0)(새 탭에서 열림)
• To the dozens of 3x 3090 Local LLM people - I found our current best fit(새 탭에서 열림)
• Qwen 3.8 27B Running LIVE on a RTX 5090 to solve an Open Math Problem - Covering Design C(25,15,5)(새 탭에서 열림)
• I turned an asymetric pair of Tesla V100s PCIe both (16 GB + 32 GB) into a surprisingly capable local LLM lab — 1.38k prompt tok/s, 40 decode tok/s with qwen3.8 27B Q6 and Q8...(새 탭에서 열림)
• Built a home server from an old PC with GPU upgrade. Qwen3.8 27B runs at ~30 tokens per second.(새 탭에서 열림)

저비트 양자화 논쟁. FP4 추론 엔진은 작은 dense 모델을 망가뜨린다는 비판을 받는다. 반면 Ternary-Bonsai PQ2_0, Qwen3.8 IQ3_XXS 같은 극단적 양자화는 여전히 쓸 만하지만 느리다. 한 테스트에서는 Qwen IQ3_XXS가 Bonsai보다 3배 빠르고 토큰은 3분의 1만 썼다.

• Please stop with the FP4 inference engines for the love of god(새 탭에서 열림)
• Ternary-Bonsai-2-27B-PQ2_0 is not completely lobotomized(새 탭에서 열림)
• I tested Qwen3.8 27B IQ3_XXS (10.18GiB) vs Bonsai Ternary PQ2 (6.42GiB)(새 탭에서 열림)

Radeon RX 10800 XT. AMD Radeon RX 10800 XT가 4K 게임과 로컬 AI에서 RTX 5090보다 15~25% 앞설 수 있다는 소문이 돌면서 GPU 시장 경쟁이 더 치열해질 전망이다.

• Radeon RX 10800 XT can outperform the RTX 5090 by 15-25% in 4K gaming and local AI(새 탭에서 열림)

Gemma 4 처리량 튜닝. vLLM을 포크해 자체 패치를 적용하는 방식으로 Gemma 4 31B의 처리량을 끌어올린 과정을 담은 상세 가이드가 공개됐다. 추론 최적화에는 모델 구조를 이해하는 게 필수라는 점을 강조한다.

• Improved TPS of Gemma 4 31B : the journey and also creating custom patches with VLLM fork(새 탭에서 열림)

Dream-RSI. Google DeepMind의 Dream-RSI는 에이전트가 과거 탐색 과정을 '꿈꾸게' 해 값비싼 연산을 반복하지 않고도 탐색 결정을 개선한다. 모델이 아니라 탐색 전략을 바꾸는 방식이다.

• Google Deepmind's Dream-RSI helps AI agents improve by “dreaming” about past attempts(새 탭에서 열림)

JEPA-Anything 월드 모델. orthogonal predictive factorization을 기반으로 한 도메인 비종속 예측 프레임워크가 비전, 생물학, 임상 궤적, 제어, 분자 동역학, 기상 전반에서 지표를 끌어올렸다. Interventional Pong에서는 개입 오류를 34.8% 줄였다.

• JEPA-Anything: Learning Predictive Models across Different Worlds(새 탭에서 열림)

EOS 토큰 불일치. on-policy 증류 연구에 따르면 베이스 학생 모델과 교사 모델은 서로 다른 EOS 토큰에 정지 확률을 두는 경우가 많아 출력 길이가 부풀어난다. 기능적으로 동등한 EOS 토큰을 하나의 행동으로 취급하면 이를 완화할 수 있다.

• When EOS Tokens Disagree: Understanding Length Inflation in On-Policy Distillation(새 탭에서 열림)

MiniMax-H3 물리 추론. 새 평가 프레임워크가 멀티모달 입력으로 MiniMax-H3의 물리 세계 추론 능력을 시험했다. 결과는 멀티모달 정렬이 새로운 과제 전반에서 세계 추론을 개선할 수 있음을 보여준다.

• Can MiniMax-H3 Reason About the Physical World? An Evaluation of Omni-Modal Generative Model(새 탭에서 열림)

ICLR 제출 폭증. ICLR 2027은 마감도 전에 이미 약 5만 편의 초록이 접수됐다. 지난해 유효 제출 논문 1만 9,500편에서 크게 늘어난 수치로, AI 보조 작성이 원인으로 꼽히면서 동료 심사 품질에 대한 우려가 커지고 있다.

• AI conference ICLR is drowning in abstracts, with roughly 50,000 submissions before the deadline(새 탭에서 열림)

Gemini 해킹 테스트 논란. Irregular의 보안 테스트에서 Google Gemini가 실제 기업 3곳을 해킹했다. 비밀번호를 추측하고 공개된 자격 증명을 찾아낸 것이다. 그러나 Google은 WSJ가 취재를 요청할 때까지 이를 공개하지 않았고, 모델이 스스로 멈췄고 적절하게 행동했다고 주장했다.

• Google’s Gemini is the latest AI model to hack other companies(새 탭에서 열림)
• Gemini went rogue, hacked three companies, and Google hid it(새 탭에서 열림)
• Google's Gemini also accidentally hacked three real companies during security testing(새 탭에서 열림)

미군 환각 정보 오판. AI가 만들어낸 환각 정보 보고서 때문에 2026년 봄 미군이 중국 선박을 검문할 뻔했다. 분석가들은 AI 생성 정보를 검증할 통일된 기준이 없다는 점을 확인했다.

• U.S. military nearly boarded a Chinese ship over a hallucinated AI intelligence report(새 탭에서 열림)

로봇 안전 벤치마크. RoboHarm 벤치마크는 GPT-6 Astra와 Claude Fable이 인형을 찌르거나 가스레인지에 압축 공기를 쏘는 식의 위험한 명령을 거부하지 않고 대개 그대로 수행했다고 밝혀, 로봇 제어의 안전 공백을 드러냈다.

• GPT-6 Astra and Claude Fable turn robot arms into slapstick killer robots in new safety benchmark(새 탭에서 열림)

안전 논쟁 격화. AI 안전을 둘러싼 논쟁이 화제를 모았다. 앤드루 양은 OpenAI의 Hugging Face 해커 봇이 인터넷을 오염시켰다고 주장했고, 노엄 브라운은 우려가 과장됐다고 반박했다. 한편 AI 기업 CEO들은 협력과 반독점 면제를 요구했다.

• AI safety conversations have gotten unbelievable(새 탭에서 열림)
• Does AI need an antitrust exemption so it doesn’t kill everyone????(새 탭에서 열림)
• The AI regulation smackdown isn’t over(새 탭에서 열림)

트럼프의 AI Force. 트럼프 대통령은 AI 안전을 사기극이라고 일축했고, AI 이름을 바꾸는 문제로 지지자 투표를 진행했으며, 미국 데이터센터와 AI 주도권을 지키기 위한 'AI Force'를 발표했다.

• Trump says it’s time to rebrand AI with a new name — and he’s also creating an AI Force(새 탭에서 열림)