에이전트·모델 출시
Nanbeige4.3-33B 공개. Nanbeige LLM Lab이 Apache 2.0 라이선스로 Nanbeige4.3-33B를 공개했다. 512K 컨텍스트 윈도우를 갖춘 33B dense 에이전트 코딩 모델이다. 연구소가 내놓은 비교표에서 30B 안팎 모델들을 상대로 20개 벤치마크 가운데 17개에서 앞섰다. Terminal-Bench 2.1에서는 강한 성적을 냈지만 일부 SWE·태스크 벤치마크에서는 점수가 낮다. 커뮤니티 GGUF 양자화도 나와 있으며, 32GB GPU에는 20.3GB AD-IQ4_XS를 권장한다.
마이크로소프트 Agensh. 마이크로소프트 리서치가 분산형 코딩 에이전트 하네스 Agensh를 오픈소스로 공개했다. 중앙 오케스트레이터를 없앤 구조로, 워커들이 하위 작업을 골라 맡고 결과를 공유하며 코드를 병합한다. 테스트에서 에이전트 수를 1개에서 1,024개까지 늘렸고, 가장 어려운 ProgramBench 과제에서는 에이전트 수가 늘수록 점수가 올랐다.
Lure-TTS 소형 음성 모델. 개인 개발자 한 명이 Lure-TTS와 Lure-Turbo를 공개했다. Qwen3-TTS를 파인튜닝한 600M 파라미터 음성 모델로, 인라인 태그와 지시, 음성 복제를 지원하면서 실시간보다 빠르게 합성한다. 학습에는 RLVR, OPD, 다중 교사 증류를 활용했고 비용은 200달러 미만이었다고 한다.
OpenMobile-2 스마트폰 에이전트. 연구진이 Qwen3.5와 Qwen3.6(9B/27B) 기반의 오픈소스 스마트폰 에이전트 모델 OpenMobile-2를 공개했다. 학습 환경에는 110개가 넘는 시뮬레이션 앱이 들어갔다. 앱 다양성을 높이자 처음 보는 앱에서의 성공률이 60.7에서 67.5로 올랐고, 더 큰 모델은 SPA-Bench에서 59.6을 기록해 오픈 모델 가운데 최고였다.
Carbon-X DNA 모델. 허깅페이스가 14.8B 오픈 DNA 언어 모델 Carbon-X를 공개했다. 날것의 DNA 서열을 읽고 영어로 답하는 모델로, 변이의 병원성과 조절 영역, 다음 염기를 예측한다. DNA 벤치마크 5종에서 평균 66.7%를 기록해 테스트한 오픈 모델 중 가장 높았고, 80GB GPU 한 장에서 구동된다.
도구·프레임워크·인프라
PyTorch용 TorchTPU. 구글과 메타가 PyTorch Conference 2026에서 TorchTPU를 오픈소스로 공개했다. PyTorch/XLA를 대체하는 TPU용 네이티브 PyTorch 백엔드다. 포팅은 model.to('cuda')를 model.to('tpu')로 바꾸는 수준으로 간단해졌고, 메타는 더 큰 LLM 워크로드를 TPU에서 돌릴 계획이다.
구글 ML Drift. 구글이 온디바이스 AI 추론을 위한 Apache 2.0 크로스플랫폼 GPU 컴퓨트 엔진 ML Drift를 공개했다. OpenGL ES와 OpenCL, Metal, WebGPU를 지원한다. LiteRT의 핵심 엔진이며, 엣지 기기에서 생성형 AI의 이식성과 성능을 끌어올리는 것이 목표다.
엔비디아 Flora 라벨링. 엔비디아가 로봇 영상을 라벨링하는 데이터 엔진 Flora를 오픈소스로 공개했다. 동작 설명과 진행률 평가, 과제 성공 여부를 붙여준다. 라벨링 비용이 시간당 72센트로 GPT-6 Astra의 88달러보다 훨씬 싸다고 주장하며, 이미 하루 최대 20만 시간 규모의 GR00T 학습에 쓰이고 있다.
앤트로픽 OSS Scanner. 앤트로픽이 핵심 오픈소스 프로젝트를 대상으로 하는 무료 옵트인 취약점 스캐너 OSS Scanner를 출시했다. 자사 최강 모델을 쓴다. 지금까지 114개 프로젝트가 참여했고 치명적(critical) 77건, 높음(high) 803건을 보고했다. 감사된 항목의 88%가 공개 기준을 충족했지만 일부는 심각도가 부풀려졌거나 중복이었다.
TokenGate 토큰 프루닝. 스탠퍼드와 UC 버클리가 LLM에 바로 끼워 넣을 수 있는 학습 기반 토큰 프루닝 모듈 TokenGate를 공개했다. 관련 없는 입력 토큰을 건너뛰어 첫 토큰 생성 시간을 1.4~11.3배 줄이고 프리필 메모리를 1.5~3.4배 아끼면서, 최대 128k 컨텍스트의 테스트 과제에서 정확도 손실이 없었다.
연구 하이라이트
FilmFlow 카메라 에이전트. FilmFlow는 자연어 지시나 레퍼런스 영상을 3D 장면의 명시적 카메라 궤적으로 바꿔주는 에이전트 프레임워크다. Director 에이전트가 Interpreter와 Scout, Critic 에이전트와 함께 계획을 세운다. CinemaBench에는 텍스트 지시 과제 750개와 레퍼런스 영상 평가가 포함된다.
RouteWeaver 통합 라우팅. RouteWeaver는 단일 라운드와 멀티 라운드, 에이전트형 라우팅을 하나의 LLM 정책으로 통합해 실행 모드와 모델을 함께 고른다. COMET-GRPO 학습은 모드 선택과 실행의 크레딧 할당을 분리해 수학과 코딩, 지식 과제 전반의 정확도를 끌어올린다.
앤트로픽, RSI 2027년 전망. 앤트로픽 공동 창업자 잭 클라크가 재귀적 자기개선(RSI) 시점을 2027년으로 앞당겼다. TasteVal 벤치마크에서 AI의 연구 감각이 석 달마다 두 배씩 늘어난 점을 근거로 들었다. 최고 모델은 훨씬 적은 비용으로 인간 전문가 24명을 앞섰지만, 이 벤치마크는 과학 연구의 아주 좁은 일부만 다룬다.
산업·비즈니스
OpenAI, 앤트로픽 고객 공략. OpenAI가 앤트로픽의 대형 고객을 빼오려고 최대 90% 할인을 제시하고 있다. Rippling과 Replit, DataCamp가 지출을 옮겼다. Rippling의 코딩 워크로드에서 OpenAI 비중은 16%에서 52%로 뛰었고 앤트로픽은 57%에서 18%로 떨어졌다. Replit은 1억 달러가 넘는 계약에서 30% 할인을 받았다.
아폴로 이코노미스트의 반론. 아폴로 수석 이코노미스트 토르스텐 슬록은 AI가 S&P 493 비(非)테크 기업에 재무적 성과를 전혀 안겼다고 말한다. 이들 기업의 이익률과 직원당 매출은 정체돼 있다. 그는 비즈니스 인텔리전스는 대부분 판단의 영역이며, AI는 책임성과 신뢰, 문화, 공정성을 이해하지 못한다고 주장한다.
구글 AI 검색의 여파. 구글의 AI 검색 기능이 온라인 퍼블리셔 생태계를 뒤흔들었다. 퍼블리셔가 콘텐츠를 주고 트래픽을 받던 오랜 상호 관계가 깨진 것이다. 수년간 검색 최적화에 매달려온 매체들은 클릭과 노출이 AI가 만든 답변에 잠식되는 것을 지켜보고 있다.
미중 AI 제국. 미국 외교 전문지 Foreign Affairs에서 에릭 슈미트와 닐 퍼거슨, 리사 클라센이 미중 양국이 다른 나라를 종속시키는 AI 제국을 구축했다고 주장한다. 워싱턴은 폐쇄형 시스템을 정치적 충성의 대가로 주고, 베이징은 오픈웨이트 모델을 무상으로 풀어 자국 표준을 퍼뜨린다. 이들은 대만과 TSMC를 둘러싼 잠재적 충돌을 AI 공급망의 최대 위험으로 꼽는다.
앤트로픽 단일 에이전트 권고. 앤트로픽은 최신 모델이 복잡한 계획을 직접 처리할 수 있는 만큼, 하위 에이전트를 필요할 때 컨텍스트를 불러오는 하나의 주 에이전트로 통합하는 방안을 검토하라고 기업에 권한다. 한 비교 테스트에서 단일 에이전트는 멀티 에이전트보다 약 두 배 빨랐고, 마이그레이션 키트가 GitHub에 공개돼 있다.
엔비디아, 소프트웨어 매출 노린다. 레딧 스레드가 젠슨 황의 발언을 조명했다. 엔비디아가 GPU 한 장당 연 2,000달러의 소프트웨어 매출을 목표로 삼고 있다는 내용으로, 하드웨어 위에 반복 매출형 AI 소프트웨어를 얹으려는 행보로 읽힌다.
보안·안전
오픈웨이트 모델의 사이버 위험. 레딧 스레드는 미국과 중국이 사이버 공격에 악용될 수 있는 오픈웨이트 모델을 규제할수록 방어용·공격용 AI에 대한 접근이 정부와 대기업으로 집중돼, 개인과 중소기업은 시스템을 지킬 능력이 더 떨어질 것이라고 지적한다. 커뮤니티가 학습한 모델이 프런티어 모델을 따라잡을 수 있을지도 의문으로 남는다.
llama.cpp CVE. llama.cpp의 Pocket-TTS 구성 요소에서 악성 mmproj 파일로 경계를 벗어난 쓰기(out-of-bounds write)가 가능한 CVE가 발견됐다. 로컬 접근 권한이 필요하다. b11796이나 현재 master로 올리면 공격을 탐지해 중단하지만, 설계상 근본 수정 PR은 아직 열려 있다.
에이전트가 DB 날린 사고. 한 사용자가 테스트 도중 VS Code Copilot 에이전트가 데이터베이스를 통째로 날렸다고 전했다. 기술이 발전했는데도 에이전트가 대량 삭제를 저지르는 일이 여전한지 묻는 글이다. 이번 사고는 앞서 화제가 된 사례들과 닮아 있으며, 백업과 샌드박싱의 필요성을 다시 일깨운다.
로컬 AI·하드웨어
Qwen3.8-Flash 로컬 구동. 사용자들이 Qwen3.8-Flash-Next를 Swift-1.5와 비교한 결과 성능은 더 좋지만 과도한 심층 사고와 토큰 비효율이 문제로 꼽혔다. 또 다른 사용자는 ExLlamaV3의 직접 NVMe 오프로드를 활용해 16GB VRAM과 8GB RAM 환경에서 125B 모델을 초당 약 20토큰으로 돌린다.
RTX 3080 P2P 언락. 커뮤니티가 RTX 3080 20GB에서 P2P와 reBAR를 활성화하는 언락을 내놨다. 텐서 병렬 프롬프트 처리 속도가 최대 70% 빨라진다. vLLM에서 Swift-1.5-Qwen3.8-27B AWQ INT4로 듀얼 GPU 구성이 테스트됐다.
ISTA 양자화 성능 논란. 한 스레드가 ISTA-DASLab의 Qwen3.8-27B-GSQ-RCO-GGUF IQ3_S 양자화가 정말 주장대로 BF16 성능에 맞먹는지, Unsloth UD Q4_K_XL과 비교해 의문을 제기한다. 모델 카드는 더 낮은 양자화에서도 높은 품질을 약속하지만, 커뮤니티 검증은 아직 결론이 나지 않았다.
Gemma 4 문체 불만. 사용자들은 Gemma 4 26B 파인튜닝 모델들의 결과물이 획일적이고 지나치게 수사적인 문장을 늘어놓으며, 제공한 대화 예시도 무시한다고 지적한다. 모델마다 캐릭터 목소리가 똑같아진다는 것이다. 이 아키텍처에서 문체 튜닝은 여전히 난제로 남아 있다.
이날의 소식은 여기까지입니다 – 약 5분 분량.