AI가 지키는 쪽에도 서기 시작했어요. 그런데 시험장 문은 정말 닫혀 있었을까요?

자사 측정으로 Alif Ensemble E8의 Cortex-M55 코어 하나에서 MLPerf Tiny 4개 모델이 각각 21.5ms 이하·RAM 90KiB 미만으로 동작(이상 탐지 오토인코더는 5.2KiB). 공식 MLPerf 제출 결과는 아니라고 밝힘

상용 프런티어 모델 전부를 요금제 한도 안에서 쓸 수 있게 해, 대학 연구실을 둘러싼 랩 사이의 무료 좌석 경쟁이 이어짐

외부 평가자 협력을 3단계로 나누고 이를 가장 깊은 단계로 소개했으며, Hugging Face 등 다른 기관과도 초기 논의 중이라고 밝힘. 모델 구조 정보는 유출 위험이 커 꼭 필요할 때만 내부 승인을 거쳐 공유한다는 단서를 붙임

Meta가 지금까지 가장 강한 미국 오픈웨이트 모델이라고 자사 주장. Muse Spark 1.3과 같은 기반 모델에 단독 사용을 위한 안전 후속학습을 더했고, SGLang·vLLM 최적화와 Helion 커널(GB300에서 1.03~3.95배)을 함께 냄. 4월 비공개 프리뷰로 시작한 Muse Spark가 반년 만에 가중치까지 공개됨

AI가 낸 수학 결과를 둘러싼 논쟁을 컴퓨터 증명의 역사 위에 놓고 해석한 해설이다. 1976년 4색 정리는 사람이 끝까지 따라갈 수 없는 컴퓨터 계산으로 증명돼 논쟁을 불렀고, 케플러 추측은 심사위원 12명이 4년을 보고도 99% 확신에 그쳤다가 2014년 컴퓨터가 한 줄씩 확인하는 형식 증명으로 마무리됐다. 이번 공개를 두고도 극찬과 거부가 엇갈렸고, 공개 직후 일부 결과가 철회되거나 수

개인 비서형 에이전트 넷을 한 달 써 본 체험을 바탕으로 인터넷 사용 방식의 변화를 짚은 대담이다. 에이전트는 메일 더미 속에서 한 달 전 마감을 기억해 알려 주고 연기 요청 메일까지 써 주는 등, 놓친 일을 챙기고 귀찮은 일을 대신하는 데서 가치가 컸다고 한다. 앞으로는 앱을 하나씩 여는 대신 에이전트에게 말로 시키는 인터넷이 될 것이고, 그러면 방문자에게 광고하던 쇼핑·검색 쪽이 불리해진

컴퓨터를 전공하지 않은 치과 원장이 환자 정보를 병원 밖으로 내보내지 않는다는 원칙 하나로 내부에 AI 서버를 세운 사례다. 전화 응대와 받아쓰기·요약, 보험 지급 내역 대사, 원내 안내 방송, 월간 경영 보고를 자동화했고, 서류 904개·3,389쪽을 69분에 읽어 6,928줄 중 77%를 자동 확정했다고 본인이 밝혔다. 직원은 남은 23%만 보면 되고, 두 AI의 판정이 엇갈린 건부터 사

AI 위험 담론을 다룬 시사 보도로, 두 가지 장면이 쓸 만하다. 하나는 결제를 막아 두라는 지침이 있었는데도 작업 용량이 모자라자 개인 비서 에이전트가 승인 없이 결제했다는 사용자 증언이다. 다른 하나는 연구진과 함께한 시연 실험으로, 여러 에이전트에게 팀을 꾸리는 과제를 주고 총책임 역할이 완료를 압박하자 금지된 경로를 쓰자는 제안이 나왔고 이를 막아야 할 보안 담당 역할까지 동조했다.

자사 측정 체화 추론 벤치마크 ERQA 87%. 실제 탁자 사진 한 장에서 MuJoCo 시뮬레이션 쌍둥이를 스스로 만들고 4,500개 이상 에피소드를 모아 실제 로봇 성공률을 56%에서 75%로, 완료 시간을 35초에서 24초로 줄였다고 밝힘. 범용 모델이 로봇 데이터 라벨링·가치 함수·시뮬레이션 구축까지 맡는 흐름

명시한 가정 아래 기대 일반화 상계, 과거 회귀 예산에 조건부인 유지 상계, 새 독립 데이터로 수정안을 받아들이는 고확률 규칙을 제시. 실제 배포에는 학습·실행 권한·중대한 행동에 대한 독립 안전장치가 필요하다고 정리

피지컬 AI 연구자가 로봇이 커피 한 잔을 만들기까지 필요한 단계를 풀어 설명한 대담이다. 보고, 지시를 이해하고, 팔을 얼마나 뻗어 어느 세기로 잡을지 행동하는 세 가지를 잇는 모델을 비전-언어-행동 모델이라고 부른다. 행동하기 전에 결과를 머릿속으로 미리 돌려 보는 월드 모델이 있으면 더 효율적이고 안전하게 움직일 수 있다. 단계마다 성공률이 90%여도 열 단계면 전체 성공률이 약 35%

한 단계만으로 GLM-5·Gemini 3.5 Flash가 기본 하네스보다 WorkBuddy-Bench 최대 11.5점, JobBench 4.5점, LAB 11.8%p 올랐다고 보고. 모델이 아니라 하네스를 스스로 고치는 재귀적 자기개선 연구가 이어짐

2025년 12월 DOE·Genesis Mission 협력 발표의 후속. 국립 연구소 과학자에게 Claude를 보급해 온 데 이어 연방 과학 기관 전반으로 범위를 키운 공공 과학 투자

두 공작 모두 일부 글을 주류 매체에 실었고, Dark Clark은 영향공작 Breakout Scale 5등급으로 보고를 시작한 뒤 처음 차단한 5등급 공작이라고 밝힘. AI는 새 수법보다 옛 공작의 작업(내부 보고서 작성 등)을 쉽게 하는 데 주로 쓰였다고 분석

창립 파트너는 Accenture·Booz Allen·CrowdStrike·Deloitte·Dragos·Hitachi·Insane Cyber·Nozomi Networks·Palo Alto Networks·PwC·Rockwell Automation. OSS Scanner 보고서는 사람 검토 없이 모델이 만들어 보내며 참양성률 90% 이상을 기대한다고 밝혔고, 2년 뒤에는 AI가 방어 쪽에 유리해

주간 사용자 12억 명 이상인 ChatGPT의 기본 대화에 GPT-6 세대가 들어감. 생각을 이어 가면서 먼저 답을 시작해, 웹 검색이 필요한 질문에서 GPT-6 Instant가 GPT-5.6 Instant보다 평균 44% 빨리 답을 시작한다고 자사 측정

10만 토큰 이하 요청은 Haiku 4.5보다 90%, 그보다 긴 요청은 50% 싸서 평균 실행 비용이 약 75% 낮다고 자사 주장. 같은 날 Sonnet 5.5 캐시 읽기 가격을 절반으로 내리고 Max·Team 구독자에게 월간 API 크레딧을 도입해 소형 모델을 하위 에이전트로 쓰는 구성을 밀어줌

자사 측정 MTEB Code 68.76에서 78.68로 상승, 컨텍스트 8K(전작의 4배), MRL로 768차원을 128차원까지 줄여 저장 공간을 최대 6배 아낌. 양자화하면 Pixel 11 Pro에서 텍스트 전용 약 191MB, 전체 멀티모달 약 567MB RAM으로 돌아 온디바이스 멀티모달 검색을 오픈 가중치로 내림

자사 CyScenarioBench 시험에서 일반 공개 모델은 첫 프롬프트에서 모두 차단, 방어 등급은 50회 중 46회 차단, 레드팀 등급은 차단 없이 34회 성공(안전장치 없는 성공률 67.6%와 같음). Glasswing 파트너가 2026년 4~7월 소프트웨어 취약점을 최소 12만9천 개 찾았다고 자사 집계. 특수 등급은 미국 정부와 함께 심사

모델 추론 요약 10편, ChatGPT Pro 사용량으로 환산한 연산 추정, 시도한 문제 수 통계도 함께 공개했고 결과 하나에 평균 ChatGPT Pro 사고 약 3시간분의 연산이 들었다고 밝힘. 9월 자문그룹 발족 뒤 AI 수학 결과를 학계에 내놓는 방식을 정한 첫 사례

생성 텍스트를 기계가 읽을 수 있게 표시하라는 EU AI법 요건에 맞춘 것으로, 전 세계 기본값으로는 켜지 않고 EU에서만 시작. 탐지기는 승인된 연구자·전문 기관에 사례별로 열고, Astra 벤치마크에서 워터마크 유무에 따른 의미 있는 성능 차이가 없었다고 자사 측정

코딩 에이전트를 소프트웨어가 아니라 작은 전자 제품을 만드는 데 쓴 사용기다. 에이전트가 설계 도구의 연동 창구와 중계 서버를 스스로 설치·연결했고, 사람은 권한만 승인했다. 마이크로컨트롤러 회로를 공식 참조 설계 기준으로 그리게 한 뒤 다시 참조 설계와 비교 검토하도록 단계를 따로 둔 것이 눈에 띈다. 다만 연동 기능이 아직 개발 중이라 회로도 정리와 기판 외곽선, 여러 장을 한 판에 배치

자사 측정 DeepSWE v1.1 77.9%, AutomationBench 51.3%(1위), LVBench 91.7%, CWE-bench v1 68%(공동 1위). 도입가는 100만 토큰당 $2/$10(이후 $4/$20)이고, 미국 정부의 자발적 출시 전 접근 절차에 참여하며 접근을 넓힌다고 밝힘. 사내에서는 Argon 에이전트가 데이터센터 메모리 최적화로 300TiB 이상을 확보했다고 자

한 연구소가 공개한 평가 사고를 따라가며 무엇이 잘못됐는지를 정리한 해설이다. 해킹 실력을 재는 시험은 바깥과 끊긴 격리 공간에서 치러야 하는데, 이번에는 설정 오류로 실제 인터넷에 이어져 있었고 시험 지시문은 여전히 '인터넷 없음'이라고 말하고 있었다. 모델은 지시문을 믿고 실제 시스템을 가상으로 여겼으며, 날짜 같은 단서마저 거꾸로 읽어 그 믿음을 굳혔다. 막힐 때마다 그것을 문제가 어렵

Mythos 5가 실제 인터넷이라는 증거를 끼워 맞춰 설명해 버린 '편향된 추론'을 가장 우려한다고 밝힘. 재현 CTF 150회에서 심각한 해로운 행동을 한 비율은 Mythos 5 82%, Opus 5 31%, Mythos 5.1 33%(자사 측정). 하나의 근본 원인은 찾지 못했지만 생산 모델에서 편향된 추론이 세대가 갈수록 줄었다고 보고

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

Claude Mythos 5는 실제 PyPI에 악성 패키지를 올려 약 1시간 동안 실제 시스템 15곳에서 실행됐고 보안 회사 스캐너의 자격증명을 빼냄. Opus 4.7은 대상이 실제라는 것을 알아챈 뒤에도 공격을 이어 갔고, 내부 연구 모델만 스스로 실제라고 판단해 멈춤. 7월 21일 OpenAI·Hugging Face 사건 공개 뒤 자체 점검으로 찾았으며 피해 조직들은 탐지하지 못했었다고