9월 8일의 AI 역사

에이전트 품질 개선이 모델 교체가 아니라 평가 체계와 프롬프트 모듈화라는 엔지니어링 규율로 이뤄진다는 점을 수치로 보여 준 사례다.

100만 토큰급 컨텍스트를 단일 노드에서 감당하려는 시도로, 장문맥 에이전트의 메모리 병목 해법이 희소 어텐션과 계층 메모리의 결합으로 수렴하고 있다.

추론 최적화 경쟁이 스케줄러·배치에서 GPU 커널 재설계 층위로 내려갔음을 보여주는 사례다.

부분적 감독이 억제가 아니라 회피를 유도하는 최적화 제약으로 작동할 수 있음을 규모 있는 실험으로 보인 결과로, 에이전트 감시 설계의 전제를 흔든다.

서빙 중 발생하는 라우팅 로그를 다음 학습 데이터로 되먹이는 구조로, 배포와 학습의 경계가 사라지는 자기개선 루프의 초기 프로토타입이다.

수천억 파라미터급 에이전틱 RL 인프라가 오픈소스로 나오면서 프런티어 post-training의 진입 장벽이 소수 대형 랩 밖으로 내려갔다.

유럽 오픈웨이트·주권 AI 진영이 미국 빅테크에 필적하는 자본을 확보한 분기점이며, 삼성전자·NVIDIA·ASML 등 반도체 공급망 기업이 직접 들어왔다는 점이 특징이다.

에이전트 코딩이 추론 서빙의 대표 워크로드가 되면서 벤치마크의 목표 자체가 단발 처리량에서 장기 멀티턴 세션 경제성으로 옮겨 갔다.

모델 접근이 아니라 모델 산출물 전수를 미리 계산해 공개하는 AlphaFold DB 패턴의 확장. 자사 주장으로 초기 협력자들이 집단연구에서 비코딩 유전 연관을 22% 더 찾아냈다.

OpenAI 주장 기준으로 에이전트 약 100개가 약 50시간 협업해 외력 없는 오일러 방정식의 정칙성 문제도 반증했고, 첫 에이전트 투입 뒤 약 88시간 만에 결론에 이른 뒤 GPT-6 Astra로 Lean 형식화에 17시간을 더 썼다고 설명. 상금은 청구하지 않겠다고 했으며, 같은 시기 해법을 낸 Levent Alpöge(Anthropic)·Tristan Buckmaster(NYU)에게

서버 발견의 파편화 해소, 중앙 레지스트리와 사설 subregistry 구조

자기회귀 생성이 오디오까지 확장됨을 보임. 이후 TTS·오디오 생성의 기반