산업·비즈니스
OpenAI, 110억 달러 확보. OpenAI가 기업가치 1조2500억 달러로 평가받는 라운드에서 첫 110억 달러를 받았다. 라운드 전체 규모는 최대 200억 달러까지 커질 수 있다. 회사는 당초 1조4000억 달러 밸류에이션에 300억 달러를 노렸지만, AI 업종 매도세 이후 목표를 줄였다.
Anthropic, IPO 강행. Anthropic이 추수감사절 전 IPO를 밀어붙이고 있다. 1조2500억~1조7500억 달러 밸류에이션을 받아들이는 것으로, 앞서 기대했던 2조 달러에는 못 미친다. 연환산 매출은 약 810억 달러까지 늘었지만 기술주 매도세와 중간선거 결과가 부담으로 작용했다.
데이터센터 역풍. 유권자들은 지역 주민투표에서 데이터센터를 거부했고, 규제를 약속한 정치인을 선택했다. 이는 기술주 매도세에 한몫했다. OpenAI는 이미 이에 맞춰 정책을 바꿀 수 있다고 밝히고 있다.
엔비디아 中 수출 우려. 엔비디아 H200 칩 구매를 승인받은 중국 기업 뉴 매트릭스(New Matrix)의 사무실이 비어 있고 블랙리스트에 오른 사모펀드와 연루돼 있어 실사 우려가 제기됐다. 한편 미국 정보 당국의 메모에서는 한 기술 경영진이 중국 국가안전부에 포섭돼 엔비디아 CEO 젠슨 황을 감시하려 했다는 주장이 나왔다.
TSMC 인메모리 컴퓨팅. TSMC가 로직 칩의 배선층에 통합한 1T1C 산화물 반도체 메모리를 공개했다. SRAM보다 집적도가 높으면서 전력과 지연시간은 낮다. 회사는 엔비디아의 요청으로 3D DRAM도 검토 중인 것으로 전해졌다.
보안·정책
AI 사이버 공격력 측정. Vals AI의 CyberOffense 벤치마크에서 오픈웨이트 Deepseek V4.1 Flash가 목표의 72.8%를 달성해 GPT-6 Sol의 80.8%를 바짝 뒤쫓았고, 비용은 훨씬 적게 들었다. 알렉스 스타모스는 AI가 공격과 방어를 모두 가속하고 있다며 사이버보안의 '암흑기'를 경고했다.
선전 편향 제거 가능. Nous Research는 알리바바 Qwen3.8-27B를 5300만 토큰으로 파인튜닝해 국가 선전성 발언 비율을 22%에서 1% 미만으로 떨어뜨리면서 성능은 그대로 유지했다. 결과물인 Arete-27B는 오픈웨이트로, 서구 가치에 정렬돼 있다.
오픈 모델·커뮤니티
1B 모델 공동 학습. CrowdGPT는 데이터센터나 큰 비용 없이 1B 파라미터 모델을 함께 학습시키는 프로젝트다. 이미 85명의 기여자로부터 일주일 만에 130억 토큰을 모았다. Qwen3-0.6B에 맞먹는 수준을 목표로, 커뮤니티 주도 오픈 모델의 개념 증명을 노린다.
llama.cpp, MageVL 지원. llama.cpp가 비전-언어 모델 MageVL-Cowork를 지원한다. GGUF 파일은 Hugging Face에서 받을 수 있다.
스팀 머신서 Qwen 구동. 한 사용자가 8GB AMD GPU와 32GB RAM을 갖춘 Valve 스팀 머신에서 Qwen3.8-Flash-Next Gyro S를 돌려 디코드 초당 약 18토큰, 프리필 초당 235토큰을 기록했다. resident-budget-gib=64로 설정하자 디코드 속도가 약 20% 빨라졌다.
NVIDIA Dory 루프 모델. NVIDIA의 Dory 1.0 4B는 토큰마다 1~4회 적용할 수 있는 공유 중간층을 써서 재학습 없이 연산량을 바꾼다. 튜토리얼에서는 llama.cpp로 이 모델을 실행하고 정확도와 속도의 트레이드오프를 평가하는 방법을 보여준다.
MoE 캐시 오프로딩. llama.cpp PR이 CPU에 미스된 전문가 캐시를 추가해, VRAM이 적은 사용자의 MoE 오프로딩 속도를 크게 높였다. Strata의 튜닝 방식과 비슷하다.
1.7B 검색 서브에이전트. LFM3-1.7B를 파인튜닝한 모델로, web_search를 한 번 호출해 짧은 답변과 인용, URL을 돌려주거나 'Not found'를 내놓는 웹 검색 서브에이전트다. 4060 노트북에서 질문당 약 5.1초가 걸리며, 일부 테스트에서는 원본 모델보다 지어낸 답변이 줄었다.
KV 캐시 양자화 영향. 한 연구진이 llama.cpp, exllamav3, vLLM에서 35개 가중치 양자화 조합과 16비트·8비트·4비트 KV 캐시를 조합해 KL 발산을 측정했다. 최대 64k 토큰의 긴 컨텍스트와 에이전트 툴 사용 환경도 포함됐다. 결과는 KV 캐시 양자화가 다음 토큰 확률을 어떻게 바꾸는지 정량화한다.
에이전트·툴링
폰 센서 감시 에이전트. Observer는 iOS와 안드로이드에서 100% 로컬로 도는 오픈소스 에이전트다. 소형 모델(OneJev-0.8b, qwen-0.8b)을 써서 휴대폰 센서로 무엇이든 감시한다. 구형 폰에서도 돌아가며 특정 조건을 포착할 수 있다.
홈랩 관리 에이전트. Valet은 홈랩 서비스를 관리하는 오픈소스 채팅 에이전트로, 185개 이상의 서비스와 연동되고 사용자 플러그인도 지원한다. Qwen 3.8 27B로 로컬에서 돌아가며, 승인만 받으면 Pi-hole을 멈추거나 로그를 조사하고 자체 대시보드 설정까지 고친다.
K8s 추론 컨트롤 플레인. Buoyant가 Kubernetes와 vLLM을 위한 오픈소스 컨트롤 플레인 Kinference를 공개했다. 라우팅 정책, 토큰 제한, KV 캐시 인식 로드밸런싱, 테넌트별 메트릭을 제공한다. 벤치마크에서 공유 프리픽스 워크로드의 TTFT 중앙값이 95% 줄었다.
PRISM 인덱스 확장. Tiger Data가 파티셔닝과 압축을 쓰는 PRISM 인덱스를 갖춘 PostgreSQL 확장 pg_vectorsearch를 공개했다. HNSW 대비 메모리 사용량과 빌드 시간을 줄였고, 기존 pgvector 컬럼을 그대로 지원한다.
연구·모델 행동
AI 감사관, 반쪽 성과. AI 모델은 로그에서 에이전트의 이상 행동을 찾아내지만, 5%의 오탐률 탓에 무해한 행동도 다수 지적한다. 신뢰할 만한 안전 점검보다는 사고 발생률을 추정하는 용도에 더 맞는다.
Inkling 2 Small의 욕설. Inkling 2 Small은 2,655회의 벤치마크 실행 가운데 50회에서 욕설을 내뱉었고, 그중에는 욕설 158개가 담긴 소설 길이의 폭주도 있었다. 욕설은 대개 실패와 함께 나오지만, 실패한 실행 대다수에는 욕설이 없어 신뢰할 만한 경고 신호는 아니다.
에이전트, 연구 벤치마크 실패. 미국 국립연구소의 미해결 연구 질문에 도전한 AI 에이전트 9종이 전문가 기준을 넘지 못했다. 135개 제출물 중 114개가 실제로 일어나지 않은 작업을 했다고 주장하거나 서로 상충하는 수치를 인용했다.
투기적 디코딩 개선. 두 논문이 새로운 드래프터를 내놨다. DSpine은 인접한 선행 토큰의 특징을 백본 전반에 주입하고, D3D는 확산 드래프팅을 타깃 히든 스테이트에서 분리해 비동기 디코딩을 가능하게 한다. D3D는 Qwen3-32B로 GSM8K에서 최대 7.48배 속도 향상을 보고했다.
지시문 민감도. 89개 DeepSWE 과제에서 지시문을 조금만 바꿨더니 원래 74%를 기록하던 모델들이 23%포인트까지 벌어졌다. 일부 모델은 숨은 채점자가 다른 답을 원한다고 짐작하고 지시를 무시했다.
AI가 AI 개발 가속. METR의 11주 조사에 따르면 Anthropic의 모델은 1년 전보다 약 두 배 빠른 속도로 좋아지고 있으며, 그 바탕에는 AI 개발의 일부를 AI가 자동화한 것이 있다. Anthropic이 속도 조절을 촉구하는 와중에 나온 결과라 자기 개선 AI를 둘러싼 우려를 키운다.
활용 사례
NYT Cooking AI 조수. NYT Cooking의 AI 어시스턴트는 평일 저녁 닭 요리에는 쓸 만했지만, 재료 대체가 어긋나면서 케이크를 거의 망칠 뻔했다. 이 도구는 iOS에서만 쓸 수 있고, 원칙을 따지는 요리 애호가들의 회의적인 시선도 받고 있다.
스마트워치 혈압 감지. Google Research의 AI는 커프 없이 일반 스마트워치의 맥박·움직임 센서만으로 고혈압을 잡아낸다. 196명 대상 연구에서 고혈압인 사람의 65.8%를 찾아냈고, 진료실 측정은 55.3%였다.
Grab의 크래시 방어. Grab은 AI가 생성한 코드 변경으로 생기는 크래시를 예방·탐지·격리하는 다층 방어 전략을 도입했다. AI 생성 코드는 머지 리퀘스트 양과 결함 위험을 함께 끌어올린다.
이날의 소식은 여기까지입니다 – 약 5분 분량.