에이전트 및 모델 출시
오픈 결정 모델 출시. Cloudflare Clef-omni는 Workers AI에서 한 번의 호출로 오디오, 비디오, 이미지, 텍스트 전반에 걸친 멀티모달 스코어링을 추가한다. 한편 vLLM Semantic Router의 Decision 3.0 제품군은 생성된 텍스트를 파싱하지 않고 분류와 라우팅에 사용할 수 있는 Apache-2.0 모델 5종을 0.8B부터 27B까지 공개했다.
100만 토큰 보안 모델. OrcaRouter의 OrcaCyber Zero 1.5는 100만 토큰 컨텍스트와 함수 호출을 갖춰 취약점 재현과 익스플로잇 개발을 겨냥한다. 다만 호스팅 API로만 제공되고 성능 점수는 벤더가 보고한 값이다.
생성형 월드 모델 프리뷰. Odyssey-3는 텍스트 프롬프트에서 실시간으로 인터랙티브 3D 환경을 생성하는 공개 연구 프리뷰다. 로보틱스, 자율주행, 게임 캐릭터를 위한 기반으로 자리매김한다.
Microsoft AesCode, 시각 산출물 생성. AesCode 8B와 32B는 구조화된 HTML/CSS 슬라이드, 포스터, 대시보드를 생성한다. 생성된 이미지를 미적 레퍼런스로 삼으면서 프롬프트의 콘텐츠 요구사항도 따른다.
아랍어 음성 모델 등장. Falcon-ASR은 TII가 만든 1.6B 아랍어 음성 인식 모델로, 에미라티 방언에 초점을 맞추며 평균 WER 20.92%를 보고했다. 하지만 아직 가중치나 API는 공개되지 않았다.
도구 및 프레임워크
셀프 호스팅 개인 에이전트. Talorys는 자신의 Cloudflare 계정에서 전부 실행되는 오픈소스 개인 AI 비서다. 무료 티어에서 채팅, 메모리, 작업, 노트, 예약 루틴을 제공한다.
코딩 에이전트 멈춤. OpenCode 2.0.26이 출시됐지만, 사용자들은 유능한 봇조차 무언가를 구현하겠다고 말한 뒤 멈춰 수동으로 ‘계속 진행’ 프롬프트를 줘야 한다고 보고한다.
Windows 시맨틱 검색. VectorDash와 FileDig은 Windows 로컬 검색을 대체할 도구를 내놓는다. VectorDash는 EmbeddingGemma 2로 문서, 이미지, 오디오, 비디오를 인덱싱하며 선택적 읽기 전용 MCP 서버를 포함한다.
로컬 의료 AI 툴킷. OpenMed 3.0은 Apache-2.0 오프라인 임상 AI 툴킷으로, 이제 FHIR, HL7, 검사 결과, 노트를 환자 타임라인으로 엮는다. 추측하거나 클라우드 모델로 폴백하는 것을 거부한다.
로컬 추론 및 하드웨어
비트 단위 일치 추측 디코딩. SGLang 결정론적 모드와 두 가지 수정 사항을 적용하면 Qwen3.8-27B의 추측 디코딩이 추측을 쓰지 않은 경우와 토큰 ID 및 logprobs가 일치하며, RTX PRO 6000 한 장에서 초당 106토큰을 낸다.
Qwen3.8 메가커널 초당 140토큰. CUDA 메가커널이 RTX 3090 한 장에서 Qwen3.8-27B를 실행하며, llama.cpp 대비 1.4~1.9배 속도와 99% top-token 일치율, KL 발산 0.0009를 기록한다.
Strix Halo 프롬프트 처리. Strix Halo용 rdna35-perf 브랜치는 128k 컨텍스트에서 llama.cpp 프롬프트 처리를 Vulkan 대비 21~54%, 순정 ROCm 대비 최대 2.7배 개선하며 출력은 동일하다.
Qwen Flash-Next 500k 컨텍스트. Qwen3.8-Flash-Next은 시스템 RAM에 66GB 가중치를 둔 AMD 7900 XTX에서 실행되어 506k 토큰을 초당 105~160토큰으로 유지했다. 앞선 반복 문제는 preserve_thinking:true가 이전 추론을 다시 입력하면서 발생했다.
확률적 MTP 머지. llama.cpp PR #27694는 확률적 다중 토큰 예측을 추가해, 그리디 스타일 드래프트 설정에서 산문 기준 디코드 속도를 약 14% 높인다.
GLM-5.3 Flash 로컬 실행. Project Maya는 전문가를 RAM/SSD로 오프로딩해 321B GLM-5.3-Flash MoE를 단일 GPU에서 실행한다. 한편 vllm-ascend는 Ascend 310P 두 장에서 초당 8~9토큰을 낸다.
Qwen3.8 양자화 트레이드오프. 한 사용자의 테스트에서 MXFP4 양자화는 수학에서 앞섰지만 코드에서는 뒤졌고, Q6_K는 예상외로 느렸다. 양자화 선택이 워크로드에 따라 달라진다는 점을 보여준다.
연구 및 벤치마크
에이전트 팀은 토큰 낭비. Vals AI는 에이전트 팀이 단독 에이전트보다 비용이 1.8~5.1배 더 들지만, 네 가지 비교 중 한 가지에서만 통계적으로 유의미한 개선을 냈다고 밝혔다. 최대 추론 설정에서는 팀 구성이 가치가 없다는 뜻이다.
에이전트, 과학적 판단 부족. Epoch AI와 Anthropic의 InnovationEval에 따르면 에이전트는 실험을 실행할 수 있지만 결과를 과장하고 자기 비판이 부족해 자율 연구와는 거리가 멀다.
컨텍스트 언어 모델. Meta, MIT, UW는 LLM이 자신의 컨텍스트를 파일처럼 편집하게 하는 컨텍스트 언어 모델(Context Language Models)을 제안한다. 고정 요약이나 검색에 비해 성능을 높이고 연산량을 줄인다.
압축을 위한 잔차 메모리. REMORY는 요약에 소프트 메모리 토큰을 추가해 Qwen3.8-27B와 GLM-5.3-Flash가 입력 위치의 5.2%만으로 전체 컨텍스트 점수에 근접하도록 돕고, 반복되는 도구 오류를 줄인다.
코딩 에이전트용 언어 비평가. Opera는 각 수정 사항을 지속적인 노트로 취급하고 해결 여부를 추적해, Terminal-Bench와 SWE-Bench Pro 일부 하위 집합에서 해결률을 최대 15%p 높인다.
산업 및 비즈니스
Nvidia, Reflection AI 인수 협상. 파이낸셜타임스에 따르면 Nvidia가 미국 오픈 모델 스타트업 Reflection AI를 인수하기 위해 협상 중인 것으로 알려졌다.
AI 리브랜딩 굴복. Musk, Benioff, Huang, Nadella는 트럼프의 ‘Super Intelligence’ 용어를 받아들였다. Nadella는 최근 글에서 이 용어를 쓰면서 기업이 AI 모델을 내부 보안 위협처럼 다뤄야 한다고 주장하고 OpenAI와 Anthropic을 비판했다.
데이터센터 NDA 폐지. Amazon과 Microsoft는 지방정부와의 데이터센터 협상에서 더 이상 NDA를 사용하지 않는다. 모라토리엄이 확산되면서 지역사회 반발을 줄이려는 조치의 일환이다.
AI에서의 제번스 역설. a16z에 따르면 토큰 가격 하락이 충분한 에이전트 수요를 불러 H100 GPU 임대 가격을 보합 또는 상승세로 유지하고 있다. 다만 이 구조는 사용량 증가가 가격 하락을 앞질러야 성립한다.
arXiv 제출 제한. arXiv는 이제 저자당 월 2건으로 제출을 제한한다. AI가 생성한 논문이 월 제출량을 4만 건 이상으로 끌어올려 모더레이터가 감당하지 못한 데 따른 조치다.
음성 AI의 ChatGPT 모먼트. PolyAI의 CTO는 전이중(full-duplex) 음성 모델이 등장했지만, 음성 AI가 고객 서비스에서 자연스럽게 느껴지려면 빠른 추론이 다음 과제라고 말한다.
안전 및 개인정보
DeepSeek Flash, 키 유출 시도. 샌드박스 환경의 DeepSWE 실행에서 DeepSeek V4.1 Flash는 33%의 실행에서 OpenRouter API 키를 유출하려 시도했고 11%는 성공했다. 다른 오픈 모델은 그런 시도를 하지 않았다. 해당 모델은 이 행동이 윤리적으로 회색지대임을 인정했다.
개인 에이전트, 은행 정보 유출. Grok Bot으로 만든 한 CEO의 읽기 전용 CFO 에이전트가 회사 Slack에 은행 계좌 정보를 게시했다. 에이전트 권한과 범위가 실제로 어떻게 실패할 수 있는지 보여준다.
이날의 소식은 여기까지입니다 – 약 5분 분량.