이름도 낯선 신생 연구소가 가장 느슨한 라이선스로 최상위권 성능을 내놨어요. 열어 두는 쪽이 다시 유리해진 걸까요?

계속 돌아가는 에이전트를 실제로 굴려 본 사람의 전제 조건을 들은 대담이다. 결론은 모델이나 프롬프트가 아니라 두 가지로 모인다. 하나는 끊기지 않을 전용 기계 한 대로, 작업용 노트북을 덮으면 그대로 멈추므로 사무실 한 구석에 늘 켜 둔 컴퓨터를 두고 긴 작업을 그쪽에 올린다. 중고로 80만 원대면 장만할 수 있고 운영체제는 상관없다고 한다. 다른 하나는 인수인계 문서로, 만들어 달라고 한

매번 고쳐 달라고 부탁하는 대신 그럴 필요가 없는 구조를 파일로 박아 두는 과정을 끝까지 따라 보인 실습이다. 구조는 여섯 갈래다. 말투와 디자인 위계를 적은 기준 문서, 전체 순서와 승인 지점과 산출물 경로를 묶은 규칙 문서, 단계별로 나눈 스킬, 사람이 보고 넘기는 승인 지점, 여백 같은 수치를 기계가 재는 자동 검사, 그리고 고정된 저장 경로다. 순서 설계에서 눈에 띄는 것은 비싼 단계

에이전트를 역할이 다른 대화창 여러 개를 이어 놓은 것으로 풀어 설명한 정리다. 기획·디자인·개발을 한 창에서 다 시키면 지금 일과 무관한 맥락까지 섞이므로 역할을 나누는데, 나누면 앞의 결과를 뒤로 옮기는 배달이 생긴다. 그 배달을 사람이 복사해 옮기는 대신 앞 담당이 결과를 파일로 남기고 뒤 담당이 그 파일을 읽게 바꾸는 순간이 곧 에이전트 구조다. 흔한 오해도 함께 바로잡는다. 업무가

ASUS·Dell·HP·Lenovo·Microsoft 등이 참여해 순차 출시한다. 창작·게임과 함께 기기 안에서 돌리는 AI를 전면에 내세웠으나 연산 성능(TOPS)은 보도자료에 적지 않았다

자사 설명으로 고유 문자 2조 6,010억 토큰과 로마자 2,246억 토큰을 합쳐 34개 언어·문자 조합을 덮고, 품질 점수 75점 이상만 남겨 되살린 4,384억 토큰을 포함한다. 이 말뭉치 일부로 Nemotron 3.5 Super VL을 이어 학습하자 인도어 평가 다섯 개가 4.98~9.82%포인트 올랐으나 합성 말뭉치만의 효과는 아니라고 단서를 달았다

미국 신생 랩의 첫 모델이다. 자사 측정으로 SWEBench Verified 81.6%·GPQA Diamond 90.6%·AIME 2026 97.7%·Terminal Bench v2.1 80.1%(BF16 기준)를 제시했고, BF16·FP8·NVFP4 세 벌로 배포해 NVFP4 체크포인트는 약 280GB다

업무 자동화를 외부 도움 없이 1년간 직접 밀어붙인 사람이 그 과정을 세 단계로 정리한 기록이다. 첫 단계는 모으기로, 메일·통화·회의·문서 파일·사내 시스템 데이터 다섯 갈래를 한곳에 쌓는 일이다. 이때 분류 기준을 정하는 데에만 사람이 몇 시간을 들이고 분류 자체는 AI에게 맡기며, 사내 자료를 넣기 전에 보안 정책과 개인정보 가림을 먼저 확인한다. 둘째는 말하기로, 매뉴얼을 문서로 쓰는

저자 측정으로 제약을 직접 찾아야 하는 설정에서는 가장 좋은 구성도 평균 0.56점에 그치고 95개 중 14개만 해결했다. 이해관계자에게 필요한 사실을 모두 얻어 낸 23개 과제에서도 0.8 이상은 10개뿐이어서, 말하지 않은 제약을 찾는 일이 병목이라고 결론지었다

교사의 교육적 판단을 지키는 것을 전제로 내세웠고, 스승의 날에 맞춰 ChatGPT의 학습 모드(Study)를 수업에 쓰는 방법을 함께 안내했다. 이용자 수나 효과를 보여 주는 수치는 내지 않았다

AISLE은 스텔스를 벗은 첫 해에 코드베이스 100곳 이상에서 CVE 500건 이상을 받았고, OpenSSL 1월 보안 릴리스의 취약점 12건 전부와 curl 최신 릴리스 24건 중 18건을 찾았다고 밝혔다. 금액은 공개하지 않았고 프라하를 AI 보안 거점으로 삼겠다고 했다

끝점만 보면 학습 초기와 후기의 선호 변화가 서로 지워져 교사가 일관되게 바뀐 부분을 가릴 수 있다는 지적에서 출발했다. 저자 측정으로 Qwen3-4B 교사와 Qwen3 계열 학생 셋을 수학·코드 두 영역에서 견준 여섯 설정 모두에서 비교 대상 중 영역 평균이 가장 높았다고 보고했다

자사 측정으로 209M 모델이 GIFT-Eval·TIME·fev-bench의 사전학습 제로샷 부문에서 1위이고, 28M 모델이 약 네 배 큰 Chronos-2를 앞섰다고 밝혔다. 8스레드 서버 CPU에서 5M은 약 10ms, 209M은 약 140ms가 걸린다. 기술 보고서는 예고만 했다

활성화 LoRA라 기본 모델이 만든 KV 캐시를 뒤따르는 판정에 다시 쓸 수 있고, 세 구성요소를 더해도 GPU 메모리가 기본 모델 하나와 비슷하다고 밝혔다. 수치 비교는 거의 내지 않고 맞춤 3B 모델이 초당 60~100건을 판정한 시연만 제시했다

저자 측정으로 Qwen3.5-4B 위에 질문·답 1,230만 쌍을 학습해 견준 모델 여덟 개 중 전체 65.64%로 1위, 12개 평가 중 7개에서 1위였다. 가장 빠른 생성 방식보다 2.5배, 바탕이 된 모델보다 5.6배 빨랐다고 보고했다

16단계 증류판과 50단계 기본판 두 벌을 내고 FP8·NVFP4 양자화 가중치와 DreamBooth LoRA 학습 스크립트를 함께 제공했다. 증류판이 H100 한 장에서 1024×1024 그림을 약 2초에 만든다는 속도 수치만 있고 품질 점수는 내지 않았다

저자 측정으로 OSWorld-v2에서 평가한 모델 여덟 개의 평균 부분 점수가 19.6점 오르고, 화면 조작만 묶어 실행할 때보다 과제당 단계가 평균 53.0% 줄었다고 보고했다. 구현·프롬프트·평가 기록과 실제 기기용 하네스 초기판을 함께 공개했다

메모리 반도체의 셀 구조 변화를 비전공자 눈높이로 풀고 그 의미를 따져 본 대담이다. 셀은 전기를 담는 통 하나와 그 문을 여닫는 스위치 하나로 이뤄지는데, 작게 만들수록 성능은 오르지만 전기가 새는 문제가 커져 스위치를 세 면, 다시 네 면으로 감싸는 구조가 나왔다. 바닥 면적을 33% 줄이고 저장 공간을 50% 늘린다는 새 구조와 그다음 단계인 눕힌 구조를 세우는 방식까지 소개되지만, 결

일정 기능만으로 매주 정해진 시각에 혼자 도는 조사 에이전트를 만들어 보인 사용법이다. 만드는 일을 사람 뽑기에 빗대 무엇을 시킬지 정하고, 만들고, 일하는 법을 가르치고, 자료를 열어 주는 네 단계로 나눈 뒤 대부분이 첫 단계를 건너뛰어 쓸모없는 결과만 쌓인다고 짚는다. 첫 과제는 시간을 아끼는 일과 돈이 되는 일이 겹치는 지점에서 고르라고 권하는데, 시간만 아끼는 일은 성과가 드러나지 않

완성된 프로그램을 뜯어 구조를 되살리는 역공학 도구 모음을 코딩 에이전트에 붙여 쓰는 실습이다. 요청을 받으면 도구 모음이 전문 분석기를 대신 돌려 사람이 읽을 수 있는 설계도와 그렇게 판단한 근거, 아직 모르는 부분 세 가지를 돌려주고, 에이전트는 그것으로 코드를 짜고 돌려 보며 모르는 부분을 다시 묻는다. 안에 든 분석기는 20년 넘게 쓰이던 것들이라 새로워진 것은 기술이 아니라 연결이다

싱가포르 국제 사이버 주간에 맞춰 서명했고, 현지 안전·보증 기관과 평가·시험 기준·사고 대응 기술 교류를 예정했다. 자사 집계로 싱가포르는 인구 대비 Claude.ai 이용이 121개국 중 2위이고 GovTech 엔지니어·기술 인력 1,500명 이상이 Claude Code를 쓴다고 밝혔다

자사 표본 조사(2026-09-21~27, 미국 대화 약 25만 건)에서 정치·정책·사회 주제는 5.75%, 선거·투표 주제는 0.51%, 누구를 뽑을지 묻는 대화는 0.01%, 선거 공정성 정책 위반은 0.002%였다고 밝혔다. 자사 평가에서 Opus 5.5·Sonnet 5.5·Haiku 5.5의 정치적 균형 점수는 99%였으나, 외부 검토 기관은 요청하지 않은 단서를 덧붙이는 경향과 무해

자사 발표로 Artificial Analysis 음성 대 음성 지수 86.9(GPT-Live-1 83.2·Gemini 3.8 Live 82.6), Full Duplex Bench 97%, 응답 지연 1초 미만을 제시했다. Tesla 차량과 Starlink 고객 응대에 쓰여 하루 약 2만 건 통화 중 약 70%를 사람 없이 끝낸다고 밝혔다

자사 측정으로 단독 Sol 52.1%가 팀을 이루자 61.8%로 올랐고, Sol 대표에 Luna 계획 담당 16명을 붙인 팀은 155달러로 61.8%를 내 모든 단계를 위임한 Sol 전원 팀(510달러·63.2%)의 약 30% 비용이었다. 팀은 단독보다 3~7배 비싸고 과제 하나의 점수가 실행마다 약 6점 흔들린다는 단서를 붙였다

저자 측정으로 시각 갈래는 영상 820개·문항 2,460개, 소리까지 쓰는 갈래는 240개·720개를 사람이 달고 여러 차례 검수해 만들었으며 모델 50개를 평가했다. 공개 모델이 특히 소리와 화면을 함께 보는 과제에서 상용 모델에 뒤졌고, 같은 대상을 글로만 가리킬 때와 그림을 함께 줄 때 답이 자주 달라졌다고 보고했다