에이전트·모델 출시
Nous, Arete-27B 공개. Nous Research가 Qwen3.8-27B를 SFT한 Arete-27B를 공개했다. 자체 803개 프롬프트 평가에서 중국 정부 논조를 따르는 응답이 22%에서 0.9%로 줄었다. 가중치는 Apache 2.0으로 풀렸고 GGUF 양자화도 함께 나왔다.
Kimi K3.1 양자화. 775GB짜리 실험적 양자화 모델 Kimi-K3.1-Pro-Coder가 Strata와 계층형 MoE 양자화로 시스템 RAM과 NVMe를 끌어다 쓰며 GPU 한 장에서 돌아간다. 배치 기준 36.8 TPS, AIME/LiveCodeBench에서 96.7%를 기록했다.
Terminal-RSI-27B 공개. Terminal-RSI 프로젝트가 Qwen3.8 기반 터미널 에이전트 모델을 내놨다. 저장소 탐색과 코드 편집, 다단계 작업을 처리하며 재귀적 자기 재작성과 크리틱을 상속하는 정책 개선 방식을 쓴다.
Drex Max 공개. Nace가 멀티모달 의사결정 모델 Drex Max를 출시했다. Artificial Analysis 랭킹 1위이자 파레토 프런트를 달성했다. 가중치는 Open RAIL-M으로 공개됐고, v1.1은 로컬 추론을 목표로 준비 중이다.
텐센트 DSpine 공개. 텐센트가 Qwen3.8-27B-DSpine-b16을 Hugging Face에 올렸다. 추측적 디코딩(speculative decoding) 기법으로, 27B 모델의 디코딩 속도를 최대 3배까지 높인다고 주장한다.
도구·프레임워크
스펙 우선 코딩 플러그인. 구글이 Elephant-Goldfish Model 플러그인을 오픈소스로 공개했다. 코딩 에이전트가 먼저 스펙을 쓰게 하고, 새로 띄운 서브에이전트가 이를 검토한 뒤에 코드를 작성하는 구조다. 구글 엔지니어 수천 명이 쓰고 있지만 토큰 소모가 많다.
Torchlens 분석 도구. Torchlens는 GitHub 저장소로, 어떤 신경망이든 모든 연산을 들여다보고 시각화하고 개입할 수 있게 해 해석가능성 연구를 돕는다.
C 대 Rust SQLite. Simon Willison이 Claude로 parse_number용 C·Rust SQLite 확장을 비교했다. Rust는 strtod 덕분에 처음엔 더 빨랐지만, 결국 직접 만든 C 파서가 비슷하거나 앞서는 성능을 냈다. 반면 C 확장의 크기가 훨씬 작았다.
AI PR 설명 접기. Simon Willison은 AI가 쓴 PR 설명을 <details><summary> 뒤로 숨기라고 권한다. 지나치게 장황해 슬롭처럼 읽히기 때문이다. 변경 사항 요약은 사람이 승인한 서두로 대신해야 한다.
연구 하이라이트
Open-HumanScale 공개. 연구진이 로봇 정책 사전학습용 공개 레시피와 5만 시간 분량의 1인칭 시점 영상 코퍼스 Open-HumanScale을 공개했다. 사람 영상 데이터를 늘리면 로그 선형으로 성능이 올랐고, 사람·로봇 혼합 학습은 RoboTwin 2.0 Clean2Clean에서 92.08%를 기록했다.
코딩 에이전트 완성도. 알리바바와 협력사들은 실제 사용자 변경 요청으로 Co-Design Bench를 만들었다. 최고 성능 모델인 GPT-6 Astra도 작업의 26.4%만 완전히 끝냈다. 네 건 중 세 건은 사람이 손을 봐야 한다는 뜻이다.
코드 복잡도 벤치마크 Parsimony. 새 벤치마크 Parsimony는 패치의 구문 단위를 측정한다. SWE-bench Verified에서 모델이 더한 코드는 사람 수정 대비 중앙값 1.9배였고, 하네스 선택만으로도 코드 오버헤드가 0.80배에서 0.99배까지 움직였다.
MoE 라우팅 비교. 두 편의 가이드가 오픈 MoE 모델의 라우팅 전략을 비교한다. 전문가 수는 8~384개, top-k는 1~8이며 loss-free 바이어스 균형이 주류 레시피다. 인과 모델에서는 전문가 선택이 미래 토큰을 누설할 수 있다.
Sutton, 스케일링 한계 지적. 리처드 서튼은 컴퓨트만 늘려서는 지능이 나오지 않는다고 주장한다. 새로운 기법과 세계 모델을 갖추고 끊임없이 학습하는 에이전트가 필요하며, 합성 데이터는 큰 실수라고 말한다.
산업·비즈니스
엔비디아, 스파이 의혹 조사. 엔비디아 이사회가 젠슨 황 CEO와 앨리스 황의 관계에 대한 독립 조사에 착수했다. 앨리스 황은 중국 국가안전부(MSS)에 포섭된 것으로 알려진 AI 임원이다. 황 CEO는 메모에서 불륜을 사과했고, 이사회는 기밀이 유출됐다는 증거는 없다고 밝혔다.
애플, Siri 에이전트 가속. 애플이 Siri 로드맵에 속도를 내고 있다. 자사 앱에 대한 세밀한 제어는 iOS 27.3에서, 서드파티 앱 연동은 봄 이후로 예상된다. OpenAI Dots, Meta Muse와 겨루기 위해서다.
Suno 상대 음악 소송. 엘비스 프레슬리와 에미넴의 권리자들이 Suno를 상대로 소송을 냈다. 테네시주의 ELVIS Act와 보통법을 근거로 불법적인 목소리·가사 복제를 주장한다.
카파시의 주말 프로젝트. 안드레이 카파시가 Claude Opus 5.5와 Claude Code로 주말 동안 HackerTube를 만들었다. HN 댓글 4,300만 개를 걸러 6,454개의 영상을 골라냈고, 작업은 거의 전부 자동화됐다.
스탠퍼드 AI 네이티브 수업. 미하일 에릭이 스탠퍼드 CS146S가 AI 코딩 에이전트에 맞춰 어떻게 바뀌었는지 공유했다. 학생들은 낯선 저장소를 익히고 변경을 제안한 뒤 오픈소스 메인테이너에게 패치를 설명한다. 그의 Monaco 팀은 에이전트 워크스페이스와 온콜 에이전트를 쓴다.
로컬 AI·하드웨어
Intel Arc 32GB 가성비. 1,299달러짜리 Intel Arc Pro B70 32GB는 Qwen3.8-27B에서 생성 속도가 RTX 5090(6,500달러 이상)의 절반, 프리필은 3분의 1 수준이다. 그래도 가격 대비 성능으로는 강한 선택지다.
R9700 4장 벤치마크. Radeon R9700 4장을 넣은 약 1만 6,000캐나다달러 구성은 단일 사용자에서 190 tok/s, 프리필 6,800 tok/s를 낸다. 128K 컨텍스트로 8명이 쓸 때 사용자당 80~225 tok/s이며, 에이전트 후속 요청은 0.2~2.5초에 시작된다.
어셈블리로 Qwen 추론. Qwen3.5-0.8B가 순수 어셈블리로 CPU 스레드 하나에서 6.51 tok/s로 돌아간다. PyTorch 레퍼런스보다 빠르고, libc도 Python 런타임도 필요 없다.
구형 GPU에 최신 학습 스택. 한 개발자가 최신 LLM 학습 스택을 윈도우의 구형 CUDA GPU(SM 3.5~7.5)로 옮겼다. 오래된 엔비디아 카드에서 Mamba-1이 돌아가며, Mamba-2/3도 백포트할 계획이다.
영어를 bash로 바꾸는 로컬 모델. 파인튜닝한 Qwen3.5-0.8B가 평문 영어를 CPU에서 1.7초 만에 오프라인 bash 명령으로 바꾼다. 작성자는 74%에서 정체된 경험과 학습·테스트 분포 불일치가 중요하다는 교훈을 공유했다.
로컬 모델 활용 사례. 한 사용자가 DeepSeek v4.1 Flash를 로컬에서 돌려 세 가지 역할에 쓴다. 프런티어 모델의 웹 조사를 떠맡는 스카우트, 프런티어 스펙으로 코드를 짜는 메이슨, 그리고 콘텐츠 필터링 에이전트다.
로컬 모션 그래픽. 16GB VRAM에서 Qwen3.8 Flash Next IQ3_XXS가 Three.js/Playwright/ffmpeg로 약 2시간 만에 모션 그래픽 영상을 만들었다. 로컬 모델도 창의적 코딩 작업을 감당할 수 있음을 보여준다.
이날의 소식은 여기까지입니다 – 약 5분 분량.