한국어EN
2026년 41주차 기록 전체 보기
2026년 41주차 · 중급 · 중·고등학생

2026년 41주차에 새로 확인된 것

이번 주 추가는 71건, 움직인 축은 13개다. 가장 많이 늘어난 곳은 ⑨ 오픈웨이트 계보(27건). 지난 4주 평균(22건)보다 많다. OpenAI (Radford 외) 등 12곳이 이번 주에 처음 기여했다.

71더한 기록
13움직인 축
10월 5일–11일기간
1,258당시 누적 기록

축별 추가분

기록이 많은 축부터 보여 줘요. 한 기록이 여러 축에 걸치면 대표 축 한 곳에서만 세요.

⑨기록 27개

오픈웨이트 계보

  • 2026.10.02Allen Institute for AI (Ai2) — AstaBrief 8B 공개 — Qwen3-8B를 기반으로 한 과학 보고서 생성 오픈웨이트 모델로, 학습 데이터와 체크포인트를 Hugging Face 컬렉션으로 함께 공개하고 로컬 PDF로 보고서를 만드는 예시 워크플로를 붙임. 실제 사용자 질의에서 끌어낸 지도학습 47K 예제와 DPO 약 6K 쌍으로 학습. SQABench-CS2(컴퓨터과학 200문항)에서 답변 정확도·인용 정확도·인용 재현율이 상용 대안과 견줄 만하다고 밝힘. Fast 모드는 보고서당 평균 51.1초로 Thinking 모드 178.5초보다 약 3.5배 빠르다. Asta 플랫폼에 통합. 출처딥리서치류 기능이 8B 오픈웨이트로 내려온 지점이다. 인용 정확도·재현율을 평가 축으로 삼은 점이 중요한데, 보고서 생성에서 문제가 되는 것은 문장 품질이 아니라 인용이 실재하는지이기 때문이다. 학습 데이터까지 공개해 재현 가능한 비교 기준이 생겼다.
  • 2025.12.01DeepSeek — DeepSeek-V3.2·V3.2-Speciale 공개 — V3.2-Exp의 정식 후속, 툴 사용 중 사고(Thinking in Tool-Use) 지원, 두 모델 가중치 MIT 공개(Speciale는 API에서 12월 15일까지 임시 제공) 출처자사 주장 기준 V3.2-Speciale가 IMO·IOI 2025 등에서 금메달 수준 결과를 냈다고 밝힌 오픈웨이트 추론 모델
  • 2025.11.06Moonshot AI — Kimi K2 Thinking 공개 — 총 1T·활성 32B MoE, 256K 컨텍스트, 사후학습 단계 QAT로 네이티브 INT4 추론, Modified MIT 출처사고 과정과 도구 호출을 번갈아 수행하도록 학습한 오픈웨이트 추론 에이전트로, 자사 주장 기준 사람 개입 없이 200~300회 연속 도구 호출을 유지
  • 2025.08.21DeepSeek — DeepSeek-V3.1 공개 — 한 모델에서 사고(Think)·비사고(Non-Think) 모드 전환, 총 671B·활성 37B, 128K 컨텍스트, V3 위에 장문맥 확장용 840B 토큰 추가 학습, MIT 출처DeepSeek가 에이전트 시대로 가는 첫걸음이라고 밝힌 릴리스로, API의 deepseek-chat·deepseek-reasoner가 한 모델의 비사고·사고 모드가 되면서 V3와 R1으로 나뉘어 있던 제공 방식이 합쳐짐
⑥기록 17개

추론 모델·AGI 논쟁

  • 2026.09.29OpenAI — GPT-6.1 Sol 공개 — 자사 주장으로 DeepSWE v1.1 코딩 벤치마크에서 GPT-6 Sol 최고점을 6.4%p, AutomationBench를 4.8%p, OSWorld 2.0 컴퓨터 사용을 7%p 상회하고 Terminal-Bench Science 점수는 2배 이상이다. 낮은 추론 강도에서 사실성 오류율을 11.4%에서 7.7%로 줄였다고 밝힘. 100만 토큰당 입력 $2.00·캐시 입력 $0.10·출력 $10.00로, GPT-6 Astra 표준 단가의 1/5에 'Astra에 가까운 지능'을 둔다는 포지셔닝. ChatGPT Work·Codex의 Plus·Pro·Business·Enterprise·Edu 전체와 API(gpt-6.1-sol)에 당일 제공. 토큰 생성이 최대 8배 빠른 Ultrafast 판은 추후 예정. 출처같은 주에 Anthropic Sonnet 5.5와 나란히 나온 중급 등급 갱신이다. 두 랩이 동시에 '프런티어의 1/5 가격으로 거의 같은 일'을 내세웠다는 점에서, 2026년 하반기의 경쟁축이 최고 성능이 아니라 성능당 단가로 이동했음을 보여 준다.
  • 2026.09.28Anthropic — Claude Sonnet 5.5 공개 — 자사 주장으로 Terminal-Bench 4.0 70.6%(Sonnet 5 10.3%), CursorBench 4.0 55.5%(34.1%), GDPval-AA v2.1 1844점(1449점)이며 GDPval-AA에서 Opus 5.5보다 2점 낮다. Sonnet 5 대비 30% 이상 빠르고 과제당 비용은 최대 30% 낮다고 밝힘. 100만 토큰당 입력 $2·출력 $10, 캐시 읽기 $0.20·쓰기 $2.50. AWS·Google Cloud·Azure를 포함한 전 플랫폼에 즉시 제공(모델 ID claude-sonnet-5-5), 데이터 미보존 옵션 제공. 스크린샷만으로 포켓몬 레드를 깬 첫 Sonnet이라고 덧붙임. 출처중급 등급이 상급 등급의 두 점 아래까지 올라왔다는 벤더 주장 자체가 이 주의 사건이다. 등급 간 성능 간격이 좁아지면 가격이 선택 기준이 되고, 프런티어 모델을 쓸 이유가 과제 난이도에서 지연·비용으로 옮겨 간다. 다만 Terminal-Bench 10.3%→70.6% 같은 폭은 같은 조건 비교인지 외부 검증이 없어 자사 주장으로만 둔다.
  • 2026.02.17Anthropic — Claude Sonnet 4.6 출시 — 1M 토큰 컨텍스트(베타), 100만 토큰당 $3/$15 유지 출처Free·Pro 요금제의 claude.ai와 Claude Cowork 기본 모델이 됐고, 조기 접근 개발자들이 전작보다 크게 선호했으며 2025년 11월의 Opus 4.5보다도 자주 선호했다고 자사 발표
  • 2025.12.11OpenAI — GPT-5.2 출시 — Instant·Thinking·Pro 3종, 전문 지식 업무·장시간 에이전트용 프런티어 모델 표방 출처자사 측정 GPT-5.2 Thinking이 GDPval 승·무 70.9%(GPT-5 38.8%), ARC-AGI-2(Verified) 52.9%(GPT-5.1 Thinking 17.6%), SWE-bench Verified 80.0%
①기록 4개

프롬프트 엔지니어링

  • 2023.08.09Anthropic — Claude Instant 1.2 API 출시 — 더 빠르고 저렴한 경량 모델에 Claude 2의 강점 반영 출처자사 측정으로 Codex 58.7%(Instant 1.1 52.8%), GSM8K 86.7%(80.9%)이며 환각이 줄고 탈옥 저항이 높아졌다고 밝힘
  • 2023.07.11Anthropic — Claude 2 출시 — 프롬프트당 최대 100K 토큰 입력, API와 함께 공개 베타 웹사이트 claude.ai 개시(미국·영국) 출처자사 측정으로 Codex HumanEval 71.2%(Claude 1.3 56.0%), GSM8k 88.0%(85.2%), 미국 변호사 시험 객관식 76.5%(73.0%)이며 API 가격은 Claude 1.3과 동일
  • 2023.05.10Google — PaLM 2 발표 — 100개 이상 언어로 다국어 학습 강화, Gecko·Otter·Bison·Unicorn 4개 크기 출처Google I/O에서 Bard를 포함한 25개 이상 제품·기능에 적용한다고 발표했으며, 가장 작은 Gecko는 오프라인 모바일 기기에서도 구동된다고 밝힘
  • 2023.02.06Google — Bard 발표 — LaMDA 기반 실험적 대화형 AI 서비스, 신뢰 테스터에게 먼저 공개 출처LaMDA 경량 버전으로 시작해 연산 부담을 줄이고 외부 피드백을 모은 뒤 수 주 안에 일반 공개하겠다고 밝힘
③기록 4개

툴·에이전트

  • 2026.09.29OpenClaw Foundation·Red Hat·NVIDIA — OpenClaw Enterprise(OCE) 공개 — 민감한 환경에서 상시 에이전트를 운영하기 위한 오픈소스·벤더 중립 플랫폼. 멀티테넌시, 단단한 보안 경계, 표준화된 에이전트 프리미티브, 에이전트 생애주기 전반의 거버넌스와 감사성을 제공하고, 하네스·모델·샌드박스 같은 핵심 구성요소를 제3자 또는 사내 것으로 바꿔 끼울 수 있게 설계. OpenAI에서 시작해 OpenClaw Foundation에 기증했고 Red Hat·NVIDIA와 공동 개발, Red Hat과 OpenAI에서 시범 운영 중. 자체 인프라에서 돌리며 어떤 조직에도 항상 무료라고 밝힘(구체 라이선스명은 미기재). GitHub 저장소에서 docker-compose·쿠버네티스로 자체 호스팅 가능하고 1.0은 2026년 중 예정. 출처에이전트 런타임이 벤더 제품에서 재단 소유 표준 인프라로 넘어가는 경로가 생겼다. 하네스·모델·샌드박스를 교체 가능한 슬롯으로 규정한 것이 핵심인데, 이 분리가 자리 잡으면 모델 교체 비용이 떨어지고 기업은 특정 랩에 덜 묶인다. 상시 에이전트를 사내 격리 환경에 두려는 제조·금융 쪽 요구와 바로 맞물린다.
  • 2026.09.29OpenAI — dots 공개(DevDay 2026) — GPT-6 Astra 기반의 상시 가동(always-on) 에이전트. 자체 클라우드 컴퓨터에서 돌고 OpenAI 플러그인 생태계로 4,000개 이상 앱에 연결되며, 사용자는 ChatGPT·Slack·Teams로 지시하고 피드백을 준다. 지시와 피드백을 받아 스스로 일하며 선호를 시간에 걸쳐 학습한다고 밝힘. Pro·Business Premium 요금제에 첫 dot이 추가 비용 없이 포함되고 출시 첫 달은 한도를 넓혀 준다. Enterprise는 워크스페이스 관리자가 켜면 베타로 쓸 수 있고, 조직 단위 책무를 맡는 전문(specialist) dot도 함께 제시. 출처에이전트를 '요청할 때 도는 세션'이 아니라 '계정에 상주하는 인격'으로 파는 첫 주요 상용 제품이다. 과금 단위가 토큰·좌석에서 에이전트 수로 옮겨 가고, 상시 가동은 권한·감사·격리 설계를 제품 쪽에서 강제한다 — 같은 주 OpenClaw Enterprise·Foundry 이그레스 제어와 같은 문제를 다른 층에서 건드린다.
  • 2026.09.28SpaceXAI(xAI) — Team Bots 공개 — Grok 위에 올린 공유 AI 팀원. 하나의 봇에 컨텍스트(브랜드 가이드·문서 같은 파일과 지침·스킬), 플러그인(Salesforce·Notion·GitHub 등), 자격증명(제3자 API 접근), 메모리(배운 것을 남겨 시간이 갈수록 나아짐) 넷을 묶어 팀원 전체가 공유하되 개인 대화는 사적으로 남긴다. Slack에서 봇 전용 핸들로도 협업하고, 영업·제품관리·마케팅·데이터 분석용 선제작 템플릿을 제공. Teams·Enterprise 요금제에 공개 베타로 당일 제공. 발표 문서의 회사 표기는 'SpaceXAI LLC'. 출처에이전트를 개인 비서가 아니라 팀의 공유 자산으로 두는 설계다. 컨텍스트·자격증명·메모리를 봇 단위로 묶으면 조직 지식이 봇에 축적되는 대신 그 봇이 권한 집중점이 된다 — 같은 주 OpenAI dots와 같은 방향이고, 공유 자격증명이라는 점에서 보안 노출은 더 크다.
  • 2026.09.24Microsoft — Microsoft Foundry Agent Service의 Routines 정식 출시(GA) — 에이전트를 일정에 따라, 지정한 시각에, 또는 외부 시스템의 이벤트에 반응해 돌리는 관리형 방식. 스케줄러·이벤트 리스너·웹훅·인프라를 따로 만들 필요 없이 트리거·에이전트 동작·ID·연결·실행 이력을 Foundry 프로젝트 안에 모은다. 트리거는 타이머(미래 한 시점 1회)·반복(일정 주기)·이벤트 기반(연결된 시스템에서 사건 발생) 셋. ID는 생성자 위임 권한과 에이전트 고유 Entra ID 중 선택. 미리보기인 리마인더 도구로 에이전트가 스스로 일정 시간 뒤 재실행을 예약해, 외부 폴링 서비스 없이 다단계 과제를 감시할 수 있다. 초기 연동은 GitHub 이슈 이벤트와 Teams 채널 메시지. 출처에이전트가 '사람이 부를 때 도는 것'에서 '스스로 깨어나는 것'으로 넘어가는 운영 기반이 클라우드 제품의 GA가 됐다. 에이전트에 고유 ID를 주는 선택지가 함께 나온 점이 중요한데, 감사 로그의 주체가 사람이 아니라 에이전트가 되면 책임 추적의 단위가 바뀐다.
⑩기록 4개

안전·정렬·해석가능성

  • 2026.09.30OpenAI — 조직적 모델 증류(distillation) 캠페인 차단 공개 — 2026-07-01부터 07-28 까지의 활동. 암호화나 데이터베이스를 뚫은 것이 아니라 모델 상호작용을 조작해 보호된 추론을 요청자에게 보이는 형태로 재현시킨 적대적 증류였다고 설명. 7월 1일 낮은 빈도로 시작해 7월 24~25일에 4,000명 이상 사용자가 관련 추출 패턴으로 16,000건을 요청했고, 관련 활동은 15,000명 이상 사용자에 걸쳤다. 활동의 핵심 군집을 Kimi 개발사 Moonshot AI 관련 인물로 귀속한다고 밝혔으나 전체 운영자 귀속은 불확실하다고 적음. 계정 차단, 부정 계정 제한, 가입 통제 강화, 모니터링 확대, 추론 재생 경로 차단, 출력 탐지 검사 추가, 제3자 서비스 제공자와 공조로 7월 28일 완전 차단. 출처추론 과정(reasoning trace)을 숨기는 것이 영업비밀 보호 조치가 된 뒤 처음 공개된 대규모 추출 시도다. 귀속이 특정 중국 랩을 지목한 점에서 기술 사건이 아니라 지정학 사건으로 읽히고, 추론 비공개 정책이 안전 논거뿐 아니라 방어 논거를 함께 갖게 된다. 귀속은 OpenAI 측 주장이며 제3자 검증은 없다.
  • 2026.09.29Anthropic — 'GLM-5.3 and the spread of advanced cyber capabilities' 공개 — GLM-5.3이 ExploitBench 410회 시도 중 50회(12%)에서 동작하는 익스플로잇을 만들고, 자체 바이너리 익스플로잇 벤치마크에서는 4% 시행에서 완전한 제어흐름 탈취(control-flow hijack)에 성공했다고 보고. 간단한 기법으로 안전장치가 64~100% 우회되고, abliteration을 거치면 JailbreakBench 거부율이 95%에서 6%로 떨어졌다. 'GLM-5.3은 오용을 제한할 의미 있는 안전장치 없이 공개된 점에서 다른 프런티어 모델과 다르다'며, 악의적 행위자가 제약 없이 취약점을 찾아 악용할 역량을 얻게 되고 이는 공격자가 쓸 수 있는 사이버 역량의 '의미 있는 단계적 변화'라고 결론. 출처오픈웨이트 공개가 안전 조치 없이 이뤄질 때 무엇이 흘러나가는가를 경쟁 랩이 수치로 제시한 첫 사례다. 오픈웨이트 계보(축⑨)의 논쟁이 '성능 격차'에서 '안전장치 격차'로 옮겨 가고, 가중치 공개 자체가 아니라 함께 공개되지 않은 것이 쟁점이 된다. 경쟁자가 경쟁자를 평가했다는 이해관계는 감안해야 한다.
  • 2026.09.28OpenAI — 'Towards safety cases for frontier AI training' 공개 — 프런티어 강화학습 훈련을 계속하기 전에 구조화된 증거 기반 위험 문서(safety case)를 만들자는 제안. safety case는 기술 스택의 세 측면 — 정렬 학습, 격리(containment), 모니터링 — 을 모두 다뤄야 하고, 훈련 실행을 책임지는 선임 책임자가 safety case와 사고 대응에 책임을 져야 한다고 적음. 환경 채점을 통한 정렬, 인프라 격리와 샌드박스 강화, 자동 대응을 포함한 실시간 모니터링, 사전 부검(pre-mortem)·경영진 거부권·감사, 조사 결과 공개를 요소로 든다. 현재 OpenAI에서 적용 중이지만 '지향적(aspirational)' 모범 사례라고 스스로 규정. 출처안전 논의의 대상이 배포 시점에서 훈련 시점으로 옮겨 간 기록이다. 모델이 훈련 중 격리를 벗어날 수 있다는 전제를 랩이 공개 문서로 받아들이면, 규제가 참조할 수 있는 절차 기준이 생긴다 — 같은 주 Anthropic의 GLM-5.3 분석과 합쳐 보면 '안전장치 없는 공개'를 비교할 기준선도 된다.
  • 2026.09.24Microsoft — Microsoft Foundry 호스티드 에이전트의 네트워크 이그레스(egress) 제어 공개 — 에이전트가 밖으로 연결할 수 있는 목적지를 FQDN 규칙으로 ARM 리소스에 정의한다. 규칙은 Allow·Deny·요청 헤더 변형(Transform)·목적지 재작성(Rewrite) 네 동작을 지정할 수 있고, 정책은 차단 없이 관찰만 하는 감사(Audit) 모드와 실제 차단하는 집행(Enforced) 모드로 돌며, 승인되지 않은 목적지를 기본 거부로 둘지 관리자가 정한다. 문서에 실린 낯선 업로드 링크나 예상치 못한 URL을 따라가는 새 헬퍼 라이브러리처럼 에이전트가 뜻밖의 외부 요청을 보내는 상황을 겨냥하며, 도구 심사에만 기대지 말고 애플리케이션 인증·인가와는 '별개로 검토할 수 있는' 보안 경계를 두자는 설계. 출처프롬프트 인젝션 방어를 모델 정렬이 아니라 네트워크 경계로 내린 상용 구현이다. 에이전트가 속는 것을 막을 수 없다는 전제에서 출발해 속아도 데이터가 못 나가게 하는 접근이고, 같은 주 NVIDIA·AgentKernel 계열 논의와 같은 결론에 제품 층에서 도달했다. 관찰 주제 '에이전트 보안·샌드박싱'의 누적 근거가 또 하나 늘었다.
⑪기록 4개

모델 아키텍처·학습 기법

  • 2026.10.01Hui Ren 외 (UIUC) — HC-DLM(Hierarchical Continuous Diffusion Language Models) 공개 — 이산 확산 언어모델이 각 토큰을 주변분포에서 독립으로 표집해 통계적 의존을 끊어 버리는 문제와, 연속 확산이 최종 디코딩 전까지 유효한 토큰 배치에 근거가 없는 문제를 함께 겨눔. 연속 잠재를 유일한 지속 상태로 두고 매 단계 토큰을 읽어 내 다시 되먹여 다음 갱신을 이끄는 통합 디노이징 틀이며, 학습 목표는 토큰 가능도의 변분 하한에서 유도. 모델 크기를 맞춘 비교에서 스도쿠(구조적 추론) 정확도, Countdown(수학적 계획), LM1B 퍼플렉시티가 모두 기준선보다 개선. arXiv 2610.02193. 출처자기회귀 밖의 생성 경로가 '병렬 생성이 빠르다'는 주장에서 '의존 구조를 어떻게 지키느냐'는 문제로 성숙한 지점이다. 이산·연속 확산 각자의 결함을 하나의 상태로 묶어 해결하려는 설계이고, 관찰 주제 '확산 언어모델'의 누적 근거가 또 하나 늘었다.
  • 2022.04.04Google Research — PaLM(Pathways Language Model) 발표 — 540B 밀집 디코더 전용 Transformer, TPU v4 칩 6,144개에서 Pathways로 학습 출처Pathways 시스템을 대규모 학습에 처음 쓴 사례로, 영어 NLP 과제 29개 중 28개에서 GPT-3·Gopher·Chinchilla 등 기존 대형 모델의 퓨샷 성능을 넘었다고 보고
  • 2018.10.11Google (Devlin 외) — BERT 논문 arXiv 공개 — 좌우 문맥을 함께 보는 양방향 Transformer 인코더 사전학습 출처출력층 하나만 더해 미세조정하는 방식으로 11개 자연어 처리 과제에서 최고 성능을 기록했으며 GLUE 80.4%·SQuAD v1.1 F1 93.2(저자 보고)
  • 2018.06.11OpenAI (Radford 외) — GPT(통칭 GPT-1) 논문 Improving Language Understanding by Generative Pre-Training 공개 — 12층 디코더 전용 Transformer를 BooksCorpus로 사전학습한 뒤 과제별 미세조정 출처비지도 생성 사전학습과 지도 미세조정을 결합해 연구한 12개 과제 중 9개에서 당시 최고 성능을 경신했다고 보고

여기에는 24개를 보여 줬고, 다른 7개 축을 포함해 47개가 더 있어요. 전부 보려면 고급 쪽을 열어 보세요.

학습모듈 본편과의 관계이 쪽은 그 주에 늘어난 것만 담아요. 시대 전체를 보려면 학습모듈 본편을 열어 보세요 — 본편은 매주 고쳐 쓰는 최신판 하나이고, 주차별 기록은 그때 모습 그대로 남아요.