AI 모델 (LLM·GPT·Claude·Gemini)

Z.ai의 GLM-5.3-Flash는 320B 파라미터 중 18B만 활성화하는 구조를 통해 압도적인 비용 효율성을 달성했습니다. 선형 및 희소 어텐션 하이브리드 구조와 시각적 자기 검증 기능을 통해 코딩 및 에이전트 성능을 극대화했으며, 중국산 AI 칩 환경에서도 최적화된 서빙 성능을 입증했습니다.

Qwen3.8-Flash-Next는 GDN과 QSA 기술을 통해 100만 토큰의 장문 문맥을 기존 대비 획기적으로 빠른 속도로 처리하며, 훈련 비용을 혁신적으로 낮춘 차세대 MoE 모델입니다. 51B 규모의 N-gram 임베딩과 4개 병렬 잔차 경로를 통해 모델의 용량과 훈련 안정성을 동시에 확보했습니다.

글로벌 진단 기업 Natera는 Amazon Bed액 AgentCore를 도입하여 환자의 채혈 예약 과정을 자동화하는 지능형 음성 에이전트를 구축했습니다. 이 시스템은 복잡한 인증 및 외부 벤더 연동을 처리하면서도 7초 미만의 낮은 지연 시간과 호출당 1센트 미만의 저렴한 비용으로 높은 정확도를 구현했습니다.

Amazon SageMaker AI SDK v3는 기존의 프레임워크별 클래스를 ModelTrainer와 ModelBuilder라는 단일화된 인터페이스로 통합했습니다. 새로운 SourceCode 객체를 통해 로컬 소스 코드를 컨테이너에 실시간으로 동기화함으로써, 컨테이너 재빌드 없이도 빠른 모델 학습과 배포가 가능해졌습니다.

SFT 성능 최적화를 위해 학습 곡선 분석을 통해 데이터의 포화 지점을 파악하고, 무조건적인 데이터 증설 대신 고품질 데이터의 선별 및 반복 학습 전략이 필요함을 강조합니다. 또한 데이터의 양보다 학습의 깊이와 커버리지가 모델 성능에 더 결정적인 영향을 미친다는 점을 제시합니다.

LLM의 미세 조정(SFT) 성공은 데이터의 양보다 정확성과 다양성에 달려 있으며, 모델의 행동 양식을 교정하기 위해서는 정제된 골드 스탠다드 데이터가 필수적입니다. 본 글은 지식 확장을 위한 CPT, 행동 교정을 위한 SFT, 최적화를 위한 RFT의 차이와 데이터 품질 관리의 중요성을 다룹니다.

기업의 멀티 계정 환경에서 보안과 거버넌스를 위해 분리된 데이터 계정의 Redshift Serverless 데이터를 복사 없이 안전하게 AI 에이전트와 연결하는 방법을 다룹니다. AWS STS를 통해 권한을 위임받아 RetrieveAndGenerate API를 호출함으로써, 데이터 이동 없이도 고도화된 RAG(Retrieval Augmented Generation) 기능을 구현할 수 있습니다.

최근 OpenRouter에 등장한 미지의 모델 'Ox Alpha'가 매우 빠른 속도와 무료 가격 정책을 앞세워 개발자들 사이에서 폭발적인 사용량을 기록하고 있습니다. 이 모델은 출시 일주일 만에 약 10조에서 20조 개 이상의 토큰을 처리한 것으로 추정되며, 현재 AI 커뮤니티는 이 모델의 개발 주체를 추적 중입니다.

중국 Z.ai가 익명으로 출시해 폭발적인 사용량을 기록한 'Ox Alpha'가 GLM 시리즈의 신규 모델임을 공식 확인했으며, 향후 모델 가중치를 공개할 예정입니다. 이 모델은 코딩과 에이전트 작업에 특화된 멀티모달 추론 모델로, 저비용·고성능을 앞세워 글로벌 AI 시장의 경쟁 구도를 재편하고 있습니다.

YouGov의 최신 조사에 따르면 ChatGPT는 전 연령대에서 가장 높은 선호도를 유지하고 있으나, Claude는 Gen Z 세대에서 Boomers+ 세대보다 약 7.6배 높은 선호도를 기록하며 강력한 세대별 팬덤을 형성했습니다. 이는 AI 도구가 단순한 기술적 유틸리티를 넘어, 세대별 생활 습관과 가치관이 결합된 소비자 브랜드로 진화하고 있음을 시사합니다.

최근 ChatGPT 내 Reddit 인용 비중이 86%나 급감하며 AI 검색 엔진의 정보 소스 구성에 큰 변화가 포착되었습니다. 이는 구글의 AI Overviews 등 타 플랫폼에서도 일부 관찰되었으며, 기존 커뮤니티 중심의 AI 검색 최적화 전략에 대한 재검토가 필요한 시점임을 시사합니다.

미스터리한 성능을 보여준 Ox Alpha 모델의 정체가 Z.ai의 GLM 시리즈 최신 버전임이 확인되었습니다. Z.ai는 코딩과 에이전트 작업에 특화된 이 모델의 가중치를 이번 주 수요일에 공개할 예정이며, 이는 저비용 고성능 모델을 통한 시장 점유율 확대 전략의 일환으로 분석됩니다.

IBM은 3B, 8B, 3한 30B 파라미터 규모의 새로운 Granite 4.2 모델을 공개하며, 특히 8B와 30B 모델에 추론 및 도구 사용 능력을 강화했습니다. 이번 출시는 클라우드 기반 프론티어 모델의 높은 비용 문제를 해결하기 위해 로컬 LLM과 모델 라우팅 기술에 대한 관심을 반영하고 있습니다.

세일즈포스와 앤스로픽은 '클라우드포스(Claudeforce)'라는 파트너십을 통해 클로드 내에서 세일즈포스 기능을 사용할 수 있는 플러그인을 출시합니다. 이를 통해 사용자는 별도의 앱 접속 없이 클로드 내에서 37개의 사전 구축된 영업 기술을 활용할 수 있게 됩니다.

앤트로픽은 클로드 채팅 기능과 업무 자동화 도구인 코워크의 메모리 시스템을 하나로 통합했습니다. 이를 통해 채팅에서 축적된 정보와 업무 맥락이 코워크와 실시간으로 공유되어, 사용자는 별도의 반복 입력 없이 연속적인 작업 흐름을 유지할 수 있습니다.

OpenAI가 추론 속도와 에너지 효율을 극대화한 자체 칩 'Jalapeño'를 발표하며 인프라 주도권 강화에 나섰으며, Anthropic은 대화 간 맥락을 유지하는 메모리 기능을 출시했습니다. 이와 함께 로보틱스 및 AI 에이전트 인프라 분야에서도 대규모 투자와 기술적 진보가 이어지고 있습니다.

AI는 NYT 커넥션즈 퍼즐 등에서 비약적인 발전을 이루었으나, 3D 물체 회전을 다루는 공간 추론과 학습 데이터의 미세한 변형을 감지하는 적응성 측면에서는 여전히 취약점을 드러내고 있습니다. 이는 AI의 지능이 진정한 추론보다는 방대한 데이터의 패턴 매칭과 암기에 의존하고 있음을 시사합니다.

신생 AI 스타트업 액셀러레이티드 언더스탠딩이 기존 트랜스포머와 월드 모델의 한계를 극복하기 위해 물리 법칙을 이해하는 '피지컬 AI' 모델을 발표했습니다. 이 모델은 4D 시공연 궤적 예측 기술을 통해 물리적 현상을 직접 시뮬레이션할 수 있는 능력을 갖추고 있습니다.

AI 모델은 정답 여부와 상관없이 매우 자신감 있는 어조로 답변을 생성할 수 있으므로, 결과뿐만과 그에 이르는 논리적 단계를 확인해야 합니다. 추론 과정을 투명하게 요구함으로써 숨겨진 오류를 발견하고, 사용자가 스스로 방어 가능한 논리를 구축할 수 있습니다.

이 글은 광고 검증을 단순한 IP 확인을 넘어 지역, 디바이스, 세션, 윈도우 상태를 포함한 다차원 매트릭스로 접근해야 한다고 제안합니다. 특히 요청된 위치와 실제 관측된 데이터 간의 불일치를 분석하는 것이 광고 부정 행위 탐지의 핵심이며, 탐지 시스템을 자극하지 않도록 제한된 범위 내에서 정밀하게 증거를 수집하는 방법론을 제시합니다.

스테이블 디퓨전 개발사인 스태빌리티 AI가 유니버설 뮤직, 소니 뮤직, EA 등 글로벌 콘텐츠 거물들로부터 7600만 달러 규모의 시리즈 B 투자를 유치했습니다. 이번 투자를 발판 삼아 스태빌리티 AI는 기존의 이미지 생성 기술을 넘어 음악, 영상, 게임을 아우르는 통합 창작 플랫폼으로 사업 영역을 넓힐 계획입니다.

LLM 앱 개발 시 개인정보 유출을 막기 위해 사용자 입력값은 기본적으로 마스킹하고, 대신 토큰 수, 모델 버전, 지연시간 등 구조화된 메타데이터를 100% 기록해야 합니다. 실패 사례와 일부 샘플링된 데이터에 대해서만 원문을 보관함으로써 보안과 디버깅 효율성을 동시에 확보하는 전략을 제안합니다.

루닛이 과학기술정보통신부와 NIPA의 후원 아래 의료 특화 파운데션 모델인 'L2-프리뷰'를 활용한 해커톤을 진행했습니다. 이번 행사에는 개발자, 임상의, 엔지니어 등 다양한 분야의 전문가 70여 명이 참여하여 모델의 활용 가능성을 모색했습니다.

국가유산진흥원과 모티프테크놀로지는 글로벌 AI의 한국 문화 왜곡을 방지하기 위해 한국형 콘텐츠 창작 AI '하이(HAI)'를 개발했습니다. 이 프로젝트는 공공의 양질의 데이터와 스타트업의 독자적인 '프롬 스크래치' 기술력을 결합하여 높은 역사적 재현성을 확보하는 성과를 거두었습니다.