모델 출시·오픈소스
Qwen4 유출, 오픈소스 유지. 알리바바의 Qwen Code 저장소에 qwen4-max, qwen4-coder-plus, qwen4-omni-120b가 등장해 새 모델 출시가 임박했음을 시사했다. Qwen 경영진은 API 전용으로 전환한다는 소문을 일축하며 향후 Qwen 4.0과 5.0도 오픈소스로 유지하겠다고 재확인했다.
753B 과학 모델. Deep Principle이 GLM-5.3을 기반으로 화학·소재·생명과학용 오픈 웨이트 753B MoE 모델 Hydrogen-1.0을 공개했다. FrontierScience-Research에서 GPT-6-Astra를 앞섰다고 밝혔으며 MIT 라이선스로 배포된다.
MiniMax 428B 압축. 오픈 웨이트 MiniMax M3.1 Flash(428B)가 커뮤니티 개발자들 손에서 10일 만에 252.4GB에서 93GB로 압축됐고, MiniMax는 감사 인사를 전했다. 이 모델은 양자화 인식 학습과 희소 어텐션을 사용하며 최대 1M 컨텍스트로 코딩과 에이전트 작업을 겨냥한다.
1.7B 양자화 보고서. Liquid AI의 LFM3-1.7B 양자화 보고서에 따르면 준무손실 양자화 모델은 3.6GB VRAM에 들어가고, 2.2GB 버전은 성능 저하가 크지 않다. 이 모델은 MiniCPM5-2B보다 두 배 긴 컨텍스트와 절반의 VRAM으로 더 나은 점수를 낸다고 주장한다.
로컬 추론·양자화
로컬이 4.2배 빨라. Z.ai 구독으로 쓰는 GLM 5.3 Flash와 로컬 서빙을 나란히 비교한 결과, 같은 모델에 같은 프롬프트를 넣었을 때 로컬에서 4.2배 빠르게 완료됐다. 작성자는 토큰 비용뿐 아니라 절약되는 시간이 로컬 AI의 가치라고 주장한다.
48GB GPU 가성비. RTX 8000 48GB 가격이 2,100달러 선까지 떨어진 반면 중고 3090 가격은 두 배로 올라, RTX 8000이 GB당 더 저렴하고 홈랩에서 전력 효율도 좋아졌다. 3090 두 장보다 더 큰 모델과 컨텍스트를 더 낮은 전력으로 돌릴 수 있다.
양자화 품질 공방. Unsloth와 ISTA-DASLab이 DeepSeek-V4.1-Flash의 양자화 품질을 두고 공개적으로 맞붙었다. Unsloth는 자사 GGUF가 장문 컨텍스트 코딩 벤치마크에서 GSQ-RCO보다 10~20% 앞선다고 밝혔고, 별도의 분석 글은 Unsloth의 LiveCodeBench 차트 일관성에 의문을 제기했다. 경쟁 덕에 커뮤니티가 쓰는 양자화 모델은 더 좋아지고 있다.
Strata의 숨은 개입. Strata/PolyStrata에는 기본으로 켜지는 answer_room 기능이 있어 추론을 max_tokens의 75%로 조용히 제한하고, 모델의 사고 과정에 마무리 문장을 끼워 넣는다. 이런 숨은 동작은 벤치마크 비교와 트랜스크립트 품질에 영향을 줄 수 있다.
12GB 무검열 DeepSeek. 개조된 DeepSeek-V4.1-Flash-1017 GSQ-RCO 양자화 모델은 GPQA/AIME 점수를 유지하면서 거부 응답을 없앴다(JailbreakBench에서 85%→0%). Strata와 SSD 오프로딩으로 12GB VRAM에서 구동되며, 라우팅된 전문가 가중치는 ISTA 배포판과 바이트 단위로 동일하다.
에이전트·코딩·도구
사이트 분석 코딩 에이전트. The Letter Company가 코딩 에이전트 겸 IDE인 Letterpress-1을 공개했다. 웹사이트와 시장 신호를 읽고 샌드박스에서 변경 사항을 만든 뒤 라이브 프리뷰와 함께 풀 리퀘스트를 연다. MCP/REST/CLI로 760개 도구를 제공하지만 공개 벤치마크는 아직 없다.
에이전트 규모 Git. OpenAI는 모노레포용 새 Git 백엔드 Pando를 만들어 Codex 규모의 동시 푸시와 읽기를 감당하게 했다. 푸시 지연 중앙값을 약 5배 줄였고, Git 호환성을 유지하면서 하루 약 1페타바이트의 Git 데이터를 전송한다.
Blender 도구를 찾아낸 모델. 한 사용자가 Qwen 3.8 27B가 자신에게 Blender MCP 접근 권한이 있음을 알아채고, 물리 연산을 빠르게 하려고 Blender에서 파이썬을 작성하는 모습을 관찰했다. 모델이 예상 밖의 도구를 파고드는 능력은 명시적 제약이 필요하다는 점을 보여준다.
모델 가중치 직접 편집. GPT-6 Astra가 Qwen 가중치를 편집해 MATH-500 점수를 7.9%에서 48.1%로 끌어올렸다는 보고가 나왔고, LLM이 신경망 가중치를 직접 읽고 쓰는 방법을 다룬 프리프린트도 공개됐다. 프롬프팅이나 파인튜닝을 넘어 LLM이 모델 자체를 수정하는 흐름이다.
Claude Code, 게임 복제 제한. Anthropic이 Claude Code의 시스템 프롬프트를 수정해 특정 기존 게임을 재현하는 행위를 금지했다. 독창적인 게임이나 장르 게임은 여전히 허용된다. 이번 변경이 AI를 이용한 포팅을 막기는 어려울 전망이며, 일부 로컬 LLM 사용자는 자체 호스팅을 해야 할 또 하나의 이유로 꼽는다.
골드만삭스, AI 코딩 차단. 골드만삭스가 트레이더와 뱅커의 Claude Code·GitHub Copilot 접근을 끊고 엔지니어만 쓰도록 제한했다. 실험 단계는 끝났다며 생산성과 리스크 관리를 이유로 들었는데, 앞서 비기술 직원의 '바이브 코딩'을 높이 평가했던 것과는 대조적이다.
ChatGPT 탭 통합. OpenAI가 ChatGPT의 Chat 탭과 Work 탭을 통합한다. 사용자가 아이디어를 탐색하다가 웹사이트나 프레젠테이션 제작까지 한자리에서 이어갈 수 있게 하려는 것이다. Codex는 별도로 남으며, 두 서비스는 이제 같은 토큰 한도를 공유한다.
컨텍스트 엔지니어링 부상. LangChain은 LLM 루프와 도구 호출로 이뤄진 표준 에이전트 아키텍처가 수렴하고 있다고 본다. 다만 장기 호라이즌 컨텍스트 관리, 점진적 공개, 샌드박스 내 도구 사용 같은 새 과제가 떠오르고 있다고 지적한다. 이 글은 2026년 하반기 에이전트를 위한 새로운 실무 관행을 정리한다.
산업·비즈니스
Anthropic IPO 재무 공개. Anthropic의 분기 매출은 12배 늘어 170억 달러에 육박했지만, 175억 달러의 운영 비용 탓에 233억 달러 순손실을 냈다. 컴퓨팅 약정과 기부 매칭이 주된 원인이다. S-1에는 재귀적 자기 개선 능력에 근접하고 있다는 경고도 담겼는데, 회사는 이를 유망한 동시에 안전 위험으로 표현했다.
게리 탄의 에이전트 활용법. Y Combinator CEO 게리 탄은 AI 토큰에 매년 10만~20만 달러를 쓰며 코딩, 리서치, 개인 업무에 에이전트를 활용한다고 밝혔다. Claude Code 스킬 23개로 구성된 그의 gstack은 GitHub에 공개돼 있다.
Trajectory, 4,500만 달러 유치. 스타트업 Trajectory가 세쿼이아가 주도한 시리즈 A로 4,500만 달러를 유치했다. 기업가치는 3억 달러다. 법률·금융 같은 전문 분야의 파인튜닝과 지속 학습을 자동화하는 것이 목표로, 비용이 큰 현장 파견 엔지니어 컨설팅을 대체하려 한다.
행동 예측 월드 모델. 이스라엘 스타트업 42AI가 6,250만 달러를 확보하고 스텔스에서 나왔다. 새로운 상황에서 개인의 의사 결정을 예측하는 '행동 월드 모델'을 내세운다. 금융 브로커리지에 우선 배치돼 트레이더 행동을 예측하는 데 쓰인다.
Grok Bot 사용 한도 축소. 머스크가 Grok Bot 서비스 비용이 '매출 대비 지속 불가능할 만큼 높다'고 말한 뒤 SpaceX가 주간 사용 한도를 줄였다. 가장 빠르게 성장하는 제품이라는 평가와 달리, 일부 사용자는 하룻밤 사이 한도가 바닥나는 것을 경험했다.
AI 캠퍼스, 전력망 돕는다. OpenAI가 '그리드 프로텍터스' 프로그램을 시작하며, 향후 데이터센터가 전력망 비상 상황에서 최대 1,000MW의 전력 수요를 줄일 수 있다고 밝혔다. 조지아에서 진행되는 파일럿은 AI 캠퍼스를 오염원이 아니라 전력망 보호자로 만들겠다는 구상이다.
언론사들, Brave 제소. 뉴욕타임스 등 언론사들이 Brave를 상대로 소송을 냈다. Brave 브라우저가 저작권 콘텐츠를 긁어모은 뒤 Anthropic, Mistral, xAI 등 AI 기업이 쓰는 인덱스에 대한 접근권을 판매했다는 주장이다. 소장에는 Brave의 페이월 우회 기능도 문제로 담겼다.
법률 에이전트 만드는 법. Legora의 CTO가 Latent Space 팟캐스트에서 변호사용 AI 에이전트를 만드는 과정을 이야기했다. Legora는 18개월 만에 ARR 1억 달러를 넘겼고 현재 고객 1,800곳, 기업가치는 88억 달러다. 고객 데이터를 볼 수 없어 시뮬레이션 테스트 환경을 직접 구축한다고 한다.
애플, AI 앱 수익 검토. 애플이 서드파티 AI 앱과 제휴에서 수익을 낼 수 있다고 시사했다. AI 에이전트를 App Store로 유통하고 수수료를 받는 방식이 거론된다. 실적 발표 콜에서는 구체적인 내용이 나오지 않았다.
연구·인프라
희소 어텐션 돌파구. Zyphra가 트리 구조 희소 어텐션 ZHA를 공개했다. 파라미터를 거의 늘리지 않고 Qwen3.6-35B처럼 가중치가 고정된 모델에 증류할 수 있고, 추론과 코딩 성능은 dense 모델에 가깝게 유지된다. 관련 오픈소스 작업은 희소 어텐션을 1,000만 토큰까지 확장했으며 대부분 과제에서 정확도를 유지했다.
TPU에서 네이티브 PyTorch. 구글과 메타가 TPU용 네이티브 PyTorch 백엔드인 TorchTPU를 오픈소스로 공개했다. 즉시 실행을 지원하고 코드 수정을 최소화한다. PyTorch/XLA의 컴파일 지연과 코드를 크게 건드려야 하는 문제를 겨냥한다.
실시간 AI 벤치마크. 연구진이 AI가 시간에 민감한 웹·게임 환경에서 행동할 수 있는지 평가하는 50개 과제 벤치마크 Realtime-Bench를 공개했다. 초기 결과를 보면 LLM은 여전히 저지연 판단에 어려움을 겪는다.
에이전트 분석의 격차. MIT 테크놀로지 리뷰 인사이츠 보고서에 따르면 에이전트가 생성한 인사이트 가운데 실제 비즈니스 개선으로 이어지는 것은 절반에 못 미치며, 특히 처방형 인사이트가 취약하다. 기업들은 에이전트 분석에서 인사이트 품질을 높이는 데 주력하고 있다.
이날의 소식은 여기까지입니다 – 약 5분 분량.