AI 모델 (LLM·GPT·Claude·Gemini)

개발자 Maxime Rivest가 공개한 'riddle'은 reMarkable Paper Pro에서 사용자의 필기를 비전 LLM이 읽고, 마치 마법 일기장처럼 손글씨로 답변을 스트리밍하는 앱입니다. 펜 입력 후 일정 시간 유휴 상태가 되면 페이지를 이미지로 변환해 AI가 분석하며, 하드웨어의 e-ink 엔진을 직접 제어하여 극도의 몰입감을 구현했습니다.

메이투안의 최신 MoE 모델인 LongCat-2.0은 1.6T 파라미터를 보유하며, 약 48B의 활성 파라미터로 효율적인 추론을 지원합니다. MIT 라이선스로 공개되어 코딩 및 에이전트 작업에 특화된 성능을 제공하는 것이 특징입니다.

구글 제미나이 3.5 프로가 토큰 과소비, 코딩 성능 저하, 다단계 추론 능력 부족이라는 핵심 공학적 문제로 인해 정식 출시가 지연되고 있습니다. 클로드와 GPT 등 경쟁 모델들이 잇따라 신제품을 내놓는 가운데, 구글은 차별화된 성능 입증을 위해 출시를 미루며 품질 확보에 집중하는 모습입니다.

AI 클라이언트 소프트웨어의 사용자 데이터 수집 우려와 계정 공유 차단 문제를 해결하기 위해, 모든 요청을 중계하는 로컬 프록시 시스템을 구축했습니다. 이 방식은 메타데이터를 제거하여 프라이버시를 보호할 뿐만 아니라, 여러 모델 제공자를 단일 엔드포인트로 통합하여 비용 최적화와 벤더 종속성 탈피를 가능하게 합니다.

MCP는 단순한 API 표준을 넘어 AI 에이전트와 서버 간의 자동화된 도구 발견 및 인증을 지원하는 프로토콜입니다. JSON-RPC 2.0을 기반으로 실시간 데이터 교환과 자율적인 적응을 가능케 하여, 개발자가 별도의 코드 수정 없이도 변화하는 API 환경에 대응할 수 있는 생태계를 구축하고자 합니다.

Anthropic이 특정 지역 계정을 차단하는 등 LLM 벤더의 정책 불확실성이 커지면서, 모델 공급업체에 구애받지 않고 즉각적인 전환을 지원하는 'AiKey'와 같은 라우팅 레이어 기술이 주목받고 있습니다. 이 솔루션은 애플리케이션 코드를 수정하지 않고도 설정 변경만으로 LLM 프로바이더를 교체할 수 있는 추상화 계층을 제공합니다.

LIG아큐버의 AI 영상품질 평가 솔루션 VQML이 영상의 의미적 결함까지 구분하는 정밀도를 인정받아 ITU-T 국제표준으로 채택되었습니다. 회사는 이를 소프트웨어 형태의 개방형 유료 라이선스로 제공하여, 글로벌 통신 및 미디어 산업을 대상으로 한 로열티 기반의 지속 가능한 수익 모델 구축을 추진하고 있습니다.

제논은 '제5회 AI익스피리언스 데이'를 통해 단순 보조 기능을 넘어 업무 완결성을 갖춘 'Gen AI 2.0' 비전을 공개했습니다. 자사 플랫폼인 GenOS 2.0과 원에이전트 등을 통해 기업 데이터를 업무 시스템에 내재화하고, 나아가 물리적 세계까지 확장되는 피지컬 AI로의 진화를 예고했습니다.

그래파이가 세 가지 데이터 모델을 하나의 엔진으로 통합하여 AI 환각 문제를 해결하는 ‘아카식DB 1.0’을 정식 출시했습니다. 자체 개발한 옴니RAG 기술을 통해 기존 방식보다 훨씬 높은 답변 정확도와 빠른 처리 성능을 제공하며, 기업용 AI 에이전트를 위한 핵심 인프라를 목표로 합니다.

Claude Fable 5의 능력을 끌어올리기 위한 '언호블링(Unhobbling)' 전략과 함께, Tencent가 고성능 오픈 모델 Hy3를 공개하며 에이전트 경쟁이 심화되고 있습니다. 최신 벤치마크 결과, Fable 5가 에이전트 성능 1위를 기록했으나 여전히 가드레일 준수 문제는 해결해야 할 과제로 남아있습니다.

Subtext는 Anthropic의 연구를 바탕으로 LLM의 내부 활성화 상태를 텍스트로 변환하여 실시간으로 보여주는 시각화 도구입니다. 이를 통해 모델이 답변을 생성하기 전 이미 판단을 내리거나 다음 단어를 계획하는 과정을 직접 확인할 수 있어, 블랙박스였던 LLM의 추론 과정을 투명하게 관찰할 수 있습니다.

오타리는 다양한 AI 모델 공급업체를 단일 인터페이스로 연결하여 API 키 관리, 사용량 추적 및 사전 예산 제한을 가능하게 하는 프록시 서버입니다. 사용자는 이를 직접 호스팅하여 데이터 보안을 유지하거나, otari.ai 플랫폼을 통해 편리하게 관리형 서비스를 이용할 수 있습니다.

이 글은 함수형 프로그래밍과 관계형 프로그래밍을 결합한 $\lambda$FS의 핵심 개념인 '유한 함수'와 재귀 도입 시 발생하는 비종결성 문제를 다룹니다. 특히 쿼리 실행 순서가 사용자 정의 함수의 종료 여부에 영향을 미칠 수 있다는 점을 지적하며, 데이터베이스 최적화 철학과 프로그래밍 언어의 예측 가능성 사이의 기술적 충돌을 분석합니다.

Poly/ML은 함수형 프로그래밍 언어인 SML을 구현한 고성능 컴파일러로, FFI를 통한 외부 라이브러리 연동과 멀티코어 활용이 가능한 스레드 라이브러리를 제공합니다. 특히 Isabelle 및 HOL과 같은 대규모 논리 증명 프로젝트에서 선호되는 안정적인 실행 환경을 구축하고 있습니다.

RAG 시스템에서 검색된 청크 중 불필요한 정보를 제거하기 위해 소형 LLM을 활용한 '컨텍스트 가지치기' 단계를 도입했습니다. 이를 통해 답변의 정확도 손실은 최소화하면서도, 고비용 모델의 컨텍스트 사용량을 68% 줄여 전체 쿼리 비용을 약 33% 절감하는 성과를 거두었습니다.

데이터 센터나 안정적인 네트워크 연결이 어려운 지역을 중심으로 소형 AI 모델의 수요가 급증하고 있습니다. 특히 TinyML과 같은 기술은 인프라 제약이 있는 환경에서도 독립적인 연산을 가능하게 하며 의료 등 다양한 분야에 적용되고 있습니다.

고성능 오픈 웨이트 모델인 GLM 5.2가 Claude Opus와 대등한 성능을 보여주며 기존 프론티어 모델들의 독점적 지위를 위협하고 있습니다. 특히 API 규격의 호환성 덕분에 개발자들이 큰 비용 없이 모델을 교체할 수 있게 되면서, AI 기업들의 핵심 수익원인 추론 마진이 붕괴될 가능성이 제기됩니다.

AI는 인간처럼 경험을 통해 제품을 판단하는 것이 아니라, 학습된 데이터 중 통계적으로 가장 신뢰도가 높고 설명이 명확한 정보를 추천합니다. 최근 Gen Z를 중심으로 AI가 쇼핑의 발견 단계(Discovery stage)를 대체하면서, 브랜드의 디지털 정보 구조화가 고객 접점 확보의 핵심 요소로 부상하고 있습니다.

30일간의 실험을 통해 스타트업은 DeepSeek와 같은 저비용 모델과 통합 API를 활용해 비용을 극적으로 낮출 수 있는 반면, 엔터프라이즈는 SLA와 결제 조건 등 계약적 신뢰성을 우선시해야 함을 보여줍니다. 기업의 성장 단계와 규정 준수 요구에 따라 최적화된 AI 인프라 구축 전략이 완전히 달라져야 한다는 점을 강조합니다.

Urban One은 2021년 4억 8,460만 달러로 매출 정점을 기록했으나, 이후 매년 역성장을 거듭하며 2024년에는 3억 7,437만 달러까지 하락했습니다. 광고 시장의 위축과 미디어 소비 패턴의 변화가 주요 원인으로 지목되며, 향후 디지털 혁신을 통한 수익 구조 개선이 핵심 과제로 남아있습니다.

이 글은 모듈형 평가 엔진 구축 중 발생한 스케일 방향성 문제와 그 해결 과정을 다룹니다. AI가 혼란을 겪지 않도록 모든 데이터 범위를 '낮은 점수=나쁜 상태'라는 단일 규칙으로 통일하고, 음수 방향의 경우 시스템이 저장 시점에 라벨을 역전시키는 방식을 통해 오류율을 획기적으로 낮춘 사례를 설명합니다.

AMD Ryzen AI Halo는 강력한 Zen 5 기반 프로세서와 128GB 통합 메모리를 갖춘 고성능 미니 PC로, ROCm 및 전용 개발 도구를 포함해 즉시 사용 가능한 AI 개발 환경을 제공합니다. Apple Silicon 대비 메모리 대역폭 한계로 토큰 생성 속도는 낮을 수 있으나, NPU 활용과 최적화된 소프트웨어 생태계를 통해 로컬 AI 개발의 진입 장벽을 낮추는 데 집중하고 있습니다.

미국 정부의 수출통제가 풀리며 재개방된 앤트로픽의 '클로드 페이블5'가 오는 8일부터 기존 구독 요금제에서 제외되고 사용량만큼 결제하는 크레딧 방식으로 전환됩니다. 새로운 가격은 차상위 모델인 오퍼스4.8의 두 배 수준으로 책정되어, 고성능 AI 활용을 위한 비용 부담이 크게 늘어날 전망입니다.

앤트로픽의 과금 체계 변경과 오픈AI의 모델별 차등 가격 전략이 글로벌 클라우드 업계의 수익 구조와 파트너 정책에 영향을 미치고 있습니다. 이에 따라 CSP들은 자체 모델 개발을 강화하는 동시에, 국내 MSP 기업들도 변화하는 AI 모델 비용에 맞춘 서비스 설계 및 제안 전략 재검토가 필요한 상황입니다.