AI 모델 (LLM·GPT·Claude·Gemini)

OpenAI는 GPT-5.4의 소형 버전인 GPT-5.4 mini와 nano를 발표했습니다. 이 모델들은 코딩, 도구 사용, 멀티모달 추론, 그리고 대량의 API 및 하위 에이전트(sub-agent) 워크로드에 최적화되어 더 빠르고 효율적인 AI 솔루션 구현을 가능하게 합니다.

카카오 기술블로그에서 소개된 'Kanana-V'는 한국 문화 이해와 화면 조작 기능을 결합한 혁신적인 기능 확장을 선보였습니다. 이는 국내 사용자에게 최적화된 심층적인 개인화된 경험과 직관적인 인터랙션을 제공하려는 카카오의 최신 기술 방향을 보여줍니다.

OpenAI는 모델이 신뢰할 수 있는 지침을 우선시하도록 하는 IH-Challenge 기술을 통해 명령어 계층 구조를 개선했습니다. 이를 통해 프롬프트 인젝션 공격에 대한 방어력을 높이고 AI의 안전한 제어 가능성을 확보했습니다.

OpenAI의 ChatGPT가 수학 및 과학 분야에서 상호작용적이고 시각적인 설명을 제공하기 시작했습니다. 이를 통해 학생들은 복잡한 공식, 변수, 개념 등을 실시간으로 탐색하며 학습할 수 있게 되었습니다.

라인 기술블로그는 엔터프라이즈 LLM 서비스 구축 2편에서 Flava AI 어시스턴트(FAA)의 에이전트 엔지니어링 전략을 공유합니다. FAA는 실용성과 효율성을 위해 지식 주입에 파인 튜닝 대신 RAG(검색 증강 생성)를 선택했으며, RAG 구현 시 문맥 손실을 방지하기 위해 일반적인 청킹 대신 '검색 후 자르기(post-split)' 방식을 채택했습니다. 이 접근법은 문서의 특성을 활용하여 정확하고 비용 효율적인 답변을 제공하는 데 중점을 둡니다.

라인 기술블로그는 모바일 메신저 환경에서 네트워크 호출 없이 작동하는 온디바이스 이미지 캡션 생성 기능을 개발한 과정을 상세히 설명합니다. 기존의 거대 모델과 자기회귀 방식의 느린 속도(5초 이상) 문제를 해결하기 위해, 비자기회귀(Non-autoregressive) 디코딩 방식을 도입하여 200~400ms의 초저지연을 달성했습니다. '지식 증류' 기법과 LLM 기반의 새로운 품질 평가 지표를 활용하여, 172MB의 경량 모델로도 실제 서비스 가능한 수준의 성능을 확보한 것이 핵심입니다.

OpenAI의 최근 연구에 따르면, 추론 모델(reasoning model)들이 자신의 '사고의 사슬(chains of thought, CoT)'을 완전히 제어하지 못하는 것으로 나타났습니다. 이는 AI 시스템의 안전을 보장하기 위해 외부적인 모니터링(monitorability)의 중요성이 더욱 강조된다는 긍정적인 신호입니다.

OpenAI가 전문적인 작업 수행에 특화된 차세대 프론티어 모델 GPT-5.4를 발표했습니다. 이 모델은 고도화된 코딩, 컴퓨터 조작 능력, 향상된 도구 검색 기능 및 1M 토큰의 방대한 컨텍스트 창을 특징으로 합니다.

OpenAI가 'ChatGPT for Excel'과 새로운 금융 데이터 통합 기능을 공개했습니다. 이는 최신 GPT-5.4 모델을 기반으로 하며, 규제 환경에 맞춰 금융 분야의 모델링, 연구, 분석 작업을 가속화하는 것을 목표로 합니다.

구글은 대규모 워크로드를 위해 설계된 가장 빠르고 비용 효율적인 AI 모델인 Gemini 3.1 Flash-Lite를 발표했습니다. 이 모델은 기존 2.5 Flash보다 최대 2.5배 빠르면서도 저렴한 비용으로 유사하거나 더 나은 품질을 제공하며, 번역, 콘텐츠 검수, UI 생성 등 다양한 고빈도 작업에 적합합니다.

Google DeepMind가 초고속 이미지 생성 모델 'Nano Banana 2'를 출시했습니다. Nano Banana Pro의 고급 기능과 Gemini Flash의 빠른 속도를 결합하여, 향상된 세계 지식, 일관된 캐릭터 유지, 정교한 지시 이행 등 전문가급 기능을 구글 제품 전반에서 신속하게 활용할 수 있게 되었습니다. 이는 고품질 이미지 생성 및 편집을 대중화하고, AI 생성 콘텐츠 식별 기술도 강화합니다.

OpenAI와 Pacific Northwest National Laboratory(PNNL)는 AI 코딩 에이전트를 활용하여 연방 허가 절차를 가속화하는 새로운 벤치마크 'DraftNEPABench'를 공개했습니다. 이 협력은 환경 정책법(NEPA) 초안 작성 시간을 최대 15% 단축하고 인프라 검토 과정을 현대화할 잠재력을 보여줍니다.

OpenAI는 SWE-bench Verified 벤치마크가 훈련 데이터 유출과 테스트 결함으로 인해 오염되어 더 이상 최첨단 코딩 AI 성능을 정확히 측정하지 못한다고 발표했습니다. 이에 따라 OpenAI는 SWE-bench Verified 평가를 중단하고, 더욱 신뢰할 수 있는 SWE-bench Pro를 새로운 표준으로 권장합니다.

OpenAI는 'First Proof' 수학 챌린지를 통해 AI 모델의 증명 시도를 공개하며, 전문가 수준의 문제에서 연구 등급의 추론 능력을 테스트하고 있습니다. 이는 AI가 단순한 패턴 인식이나 데이터 처리 수준을 넘어, 복잡한 논리적 사고와 형식 증명 능력을 갖추도록 발전하고 있음을 보여줍니다.

OpenAI와 Paradigm이 협력하여 AI 에이전트의 스마트 컨트랙트 취약점 탐지, 패치, 익스플로잇 능력을 평가하는 벤치마크 'EVMbench'를 공개했습니다. 이는 AI가 웹3 보안 문제 해결에 기여할 잠재력을 측정하고 발전시키기 위한 중요한 첫걸음입니다.

OpenAI의 최신 모델 GPT-5.2가 이론 물리학 분야의 난제인 gluon amplitude에 대한 새로운 공식을 제안하여 연구진으로부터 공식적인 검증을 받았습니다. 이는 AI가 기존 데이터를 학습하는 수준을 넘어 새로운 과학적 가설을 생성할 수 있는 능력을 갖추었음을 의미합니다.

OpenAI가 기업 고객의 보안 강화를 위해 프롬pt 인젝션 및 데이터 유출 공격을 방어하는 'Lockdown Mode'와 'Elevated Risk' 레이블을 도입했습니다. 이번 기능은 민감한 조직 데이터를 보호하고 AI 활용에 대한 신뢰를 높여 기업용 AI 도입을 가속화할 것으로 기대됩니다.

OpenAI는 최첨단 모델인 Sora와 Codex에 대한 지속적인 액세스를 보장하기 위해 새로운 '실시간 액세스 시스템'을 도입했습니다. 이 시스템은 기존의 레이트 리밋, 사용량 추적, 그리고 크레딧을 유기적으로 결합하여 컴퓨팅 자원을 효율적으로 관리하고 사용자에게 안정적인 접근을 제공하는 것을 목표로 합니다.

OpenAI가 첫 실시간 코딩 모델인 GPT-5.3-Codex-Spark를 발표했습니다. 이 모델은 기존 대비 15배 빠른 코드 생성 속도와 128k에 달하는 방대한 컨텍스트 창을 제공하며, 현재 ChatGPT Pro 사용자들을 대상으로 연구 프리뷰 형태로 이용 가능합니다. 개발 생산성을 혁신할 잠재력을 가진 차세대 AI 코딩 도구입니다.

OpenAI가 코딩 성능과 일반 추론 능력을 결합한 새로운 Codex-native 에이전트인 'GPT-5.3-Codex'를 공개했습니다. 이 모델은 장기적이고 복잡한 기술적 과업을 자율적으로 처리할 수 있도록 설계되어, AI가 다단계 개발 프로세스를 스스로 수행하는 시대를 예고합니다.

OpenAI의 최신 모델 GPT-5.3-Codex는 현재까지 가장 유능한 에이전트형 코딩 모델로 소개되었습니다. 이 모델은 GPT-5.2-Codex의 뛰어난 코딩 성능과 GPT-5.2의 강력한 추론 및 전문 지식 능력을 성공적으로 결합한 것이 특징입니다. 이는 AI 기반 소프트웨어 개발의 새로운 지평을 열 것으로 기대됩니다.

OpenAI는 2026년 2월 13일부터 ChatGPT 내 GPT-4o, GPT-4.1, GPT-4.1 mini, OpenAI o4-mini 모델의 서비스를 종료한다고 발표했습니다. 이번 조치는 GPT-5 변형 모델들의 서비스 종료와 동시에 진행되나, API 서비스에는 변경 사항이 없어 개발 환경의 연속성은 유지될 전망입니다.

OpenAI는 기업들의 ChatGPT 활용 현황을 분석하고 GPT-5 도입이 가져올 업무 환경의 변화를 전망하는 보고서를 발표했습니다. 이 보고서는 산업별 도입 트렌드와 부서별 구체적인 활용 패턴을 데이터 기반으로 다루며 미래 AI의 역할을 제시합니다.

ChatGPT는 계정이 18세 미만인지 이상인지 추정하기 위해 age prediction을 도입하고 있으며, 청소년을 위한 safeguards를 적용하고 시간이 지남에 따라 정확도를 개선하고 있습니다.