AI 모델 (LLM·GPT·Claude·Gemini)

팀스파를타가 자체 개발한 1.8B 규모의 초경량 모델이 대형 언어모델(LLM)보다 뛰어난 추론 성능을 기록하며 K-AI 리더보드 1위에 올랐습니다. 이 모델은 독자적인 학습 방법론을 통해 인프라 비용을 90% 이상 절감하면서도 고난도 업무 수행이 가능한 효율성을 증명했습니다.

국방부가 2030년까지 총 242억 원을 투입하여 국방 특화 초거대 AI 플랫폼을 구축하는 사업을 발주했습니다. LIG D&A와 한화시스템이 각각 국내 주요 IT·통신 기업들과 컨소시엄을 구성해 경쟁 중이며, 멀티모달 데이터를 활용한 지휘통제체계 고도화를 목표로 합니다.

AI 모델 Claude Fable이 야코비안 추측을 부정하는 다항식 매핑 반례를 찾아냈다는 소식이 전해졌습니다. 이 반례는 서로 다른 세 점을 동일한 지점으로 보냄으로써 해당 추측의 오류 가능성을 시사하며, 연관된 딕스미어 및 푸아송 추측에도 영향을 미칠 수 있습니다.

마이크소프트 오피스는 OOXML과 같은 국제 표준을 채택했음에도 불구하고, 문서 내에 독자적인 기능과 복잡한 구현 방식을 포함시켜 타 소프트웨어와의 완벽한 호환성을 저해합니다. 이러한 '보이지 않는 마찰'은 사용자가 다른 도구로 전환할 때 발생하는 서식 왜곡 등의 불편함을 유발하여 결과적으로 MS 생태계에 대한 의존도를 심화시킵니다.

LoRA Speedrun은 단일 L40S GPU를 사용하여 특정 정확도 목표를 가장 빠르게 달성하는 파인튜닝 기술을 경쟁하는 공개 리더보드입니다. 참가자들은 시퀀스 패킹이나 손실 마스킹 등 다양한 최적화 기법을 통해 학습 시간을 단축할 수 있으며, 모든 기록은 동일한 환경에서 3회 재현 실험을 통해 엄격하게 검증됩니다.

AI 스타트업 옵사이드(Obside)가 실시간 배당률을 바탕으로 AI 모델의 예측 및 의사결정 능력을 테스트하는 'AI 베팅 아레나' 실험을 진행했습니다. 7종의 주요 모델 중 제미나이가 가장 우수한 성적을 거둔 반면, 클로드는 최하위를 기록하며 모델별 실전 데이터 대응력 차이를 보여주었습니다.

오픈AI가 대규모 크레딧 보상 캠페인을 통해 수집된 'GPT-5.6 솔'의 사용자 활용 후기 1만 건을 공개했습니다. 이번 데이터는 AI가 단순한 문장 및 코드 작성을 넘어 산업별 실제 워크플로우에 어떻게 깊숙이 통합되었는지를 보여주는 핵심 지표입니다.

사티아 나달라 MS CEO가 앤트로픽의 '페이블 5' 정책이 지나친 편집 통제를 통해 제작 도구로서의 가치를 떨어뜨리고 있다고 비판했습니다. 그는 내부 회의에서 과도한 답변 거부가 AI의 유용성을 방해한다는 점을 지적하며 안전 조치의 적정성에 의문을 제기했습니다.

RAG 파이프라인에서 단순히 관련성 높은 문서를 찾는 것을 넘어, 문서의 최기성과 상태(active, archived 등)를 검증하는 단계를 추가해야 합니다. 이를 통해 오래되거나 폐기된 정보가 생성 모델에 전달되어 잘못된 답변을 만드는 리스크를 사전에 차단할 수 있습니다.

AI 모델 선택 시 벤치마크 점수뿐만 아니라 비용과 처리량을 통합한 'Value Score'를 기준으로 삼아야 한다고 강조합니다. 작업 유형별 필터링과 공급업체 가용성 확인을 통해 운영 리스크를 줄이고 경제성을 확보하는 구체적인 단계를 설명합니다.

Microsoft AI-103 인증 시험 합격자가 단순 암기가 아닌 아키텍처 결정 프레임워크와 실습 중심의 학습이 성공의 핵심임을 공유합니다. RAG, 에이전트 오케스트레이션, 보안 등 기술적 트레이드오프를 이해하는 것이 AI 솔루션 구축의 본질임을 강조합니다.

LLM 에이전트의 메모리 비용을 절감하기 위해 별도의 LLM 호출 없이 '놀라움' 점수만으로 정보를 저장하는 기술을 개발하던 중, 정보의 수정과 반복을 구분하지 못하는 문제를 발견했습니다. 이를 해결하기 위해 모순(contradiction) 신호를 활용하여 기존 지식과 충돌하는 새로운 사실을 식별하고 업데이트하는 로직을 구현함으로써 데이터 오염을 9배 줄이는 성과를 거두었습니다.

퍼플렉시티가 AI 연구 에이전트의 실무 능력을 평가하는 오픈 벤치마크 'WANDR'를 발표했습니다. 조사 결과, 현재의 최첨단 AI 시스템은 경쟁사 분석이나 기업 실사와 같은 복잡한 지식 노동을 완벽히 수행하기에는 정보 수집 및 근거 입증 능력에서 여전히 한계를 보이고 있습니다.

기존 구글 SEO 방식으로는 ChatGPT나 Perplexity 같은 LLM 기반 검색 엔진에서 자사 서비스를 노출하기 어렵다는 한계를 지적하며, 이를 해결하기 위한 실질적인 기술적/콘텐츠적 대응 방안을 제시합니다. 핵심은 마케팅 용어를 배제한 직관적인 설명, JSON-LD를 활용한 구조화 데이터 구축, 그리고 모든 채널에서의 정보 일치입니다.

OpenAI는 대규모 기능 발표 대신 메모리 강화, 모바일 편의성 증대, GPT-5.5 Instant 최적화 등 사용자 경험을 개선하는 점진적 업데이트를 진행했습니다. 이는 ChatGPT가 단순한 질의응록 도구를 넘어 개인의 맥락을 이해하고 업무에 통합되는 종합 AI 어시스턴트로 변모하고 있음을 보여줍니다.

문샷AI의 키미 K3와 알리바바의 큐원 3.8 맥스가 차례로 공개되며 중국 AI 기업들의 초거대 모델 경쟁이 가속화되고 있습니다. 이들은 수조 개의 매개변수를 기반으로 한 오픈웨이트 방식을 채택하여, 클로드나 GPT 시리즈 등 미국 최상위 모델에 근접하는 성능을 목표로 하고 있습니다.

Zillow은 상담원, 대출 담당자, 중개인을 거치는 긴 고객 서비스 과정에서 파편화된 정보를 하나로 잇는 기술적 과제를 제시했습니다. 이를 해결하기 위해 전체 여정의 맥락을 전달하도록 설계된 특화된 AI 아키텍처 구축의 중요성을 설명했습니다.

여러 LLM 프로바이더를 직접 연동할 때 발생하는 비용 예측 불가능성, API 키 관리의 파편화, 그리고 장애 대응의 어려움을 LiteLLM 프록시로 해결하는 방법을 제시합니다. 이를 통해 팀별 토큰 예산 설정과 자동 페일오버(Failover) 구현이 가능해져 효율적인 LLM 운영 인프라를 구축할 수 있습니다.

AI 조언을 받은 참가자들의 정확도는 2감소했으나 자신감은 30%에서 76%로 급증하며, 잘못된 정보를 무비판적으로 수용하는 '인지적 항복' 현상이 관찰되었습니다. 이는 사용자가 자신의 지식 한계를 인식하는 능력을 약화시킬 수 있다는 우려를 낳고 있습니다.

국방부가 2030년까지 약 242억 원을 투입하여 멀티모달 전장 정보를 처리할 수 있는 '국방 특화 초거대 AI 플랫폼' 개발 사업을 추진합니다. 이번 사업은 LIG와 한화라는 방산 거물들이 주도하고 삼성SDS, 네이버클라우드 등 IT 대기업이 참여하는 두 컨소시멀의 치열한 경쟁 구도로 진행 중입니다.

배경훈 부총리는 프론티어급 AI 모델 구축을 위해 베라루빈 GPU 1만 장 확보를 포함한 약 4조 원 규모의 재정 투입 필요성을 강조했습니다. 또한, 6G와 차세대 네트워크 인프라를 통해 한국이 AI 토큰을 수출하는 국가로 도약하겠다는 비전을 발표했습니다.

NVIDIA는 엣지 컴퓨팅 환경에 최적화된 4B 규모의 오픈 월드 모델인 'Cosmos 3 Edge'를 공개했습니다. 이 모델은 오토레그레시브와 디퓨전 트랜스포머 구조를 결합하여 로봇이 실시간으로 물리적 환경 변화를 예측하고 제어 명령을 생성할 수 있는 고성능 추론 능력을 제공합니다.

애플 인텔리전스와 시리 AI의 고도화로 인해 최소 12GB RAM 등 높은 하드웨어 사양이 요구되면서, 아이폰 18 프로를 기점으로 한 대규모 교체 수요가 예상됩니다. 특히 AI 성능 격차가 중고 시장의 가치 하락으로 이어지며 신제품 구매를 촉진하고, 애플은 구독 서비스 수익을 통해 부품 원가 상승에 따른 가격 인상 부담을 상쇄할 것으로 보입니다.

알리바바의 AI 조직 큐원이 2.4조 개의 매개변수를 가진 초거대 모델 '큐원 3.8'을 오픈웨이트 방식으로 곧 출시한다고 발표했습니다. 이는 문샷AI의 키미 K3 발표 직후 나온 것으로, 중국 기업들이 대규모 파라미터와 개방형 생태계를 통해 미국 선두 기업들과의 기술 격차를 급격히 좁히고 있음을 보여줍니다.