AI 모델 (LLM·GPT·Claude·Gemini)

Real-SWE는 공개된 데이터가 아닌 실제 기업으로부터 라이선스를 받은 프라이빗 코드베이스를 사용하여 AI 모델의 성능을 측정하는 벤치마크입니다. 이 벤치마크는 비즈니스 로직, 회사별 고유 규칙, 외부 서비스 연동 등 실제 엔지니어가 직면하는 복잡한 과제를 다루며, 실험 결과 Fable 5.1(Claude Code)이 가장 높은 해결률을 기록했습니다.

삼성자산운용은 챗GPT 등 생성형 AI의 무분별한 사용으로 발생하는 '섀도우 AI' 리스크를 차단하기 위해 보안 솔루션 '스플렁크' 도입을 추진한다. 이를 통해 민감 정보 입력이나 비정상적 사용 패턴 등 12가지 유형을 실시간 모니터링하여 데이터 유출 및 사이버 위협에 대응할 방침이다.

생성형 AI 이미지는 실제 기억이나 사실을 재현하는 것이 아니라, 방대한 데이터를 바탕으로 확률적인 '추측'을 시각화한 것입니다. 저자는 AI 이미지가 인간의 기억 재구성 방식과 유사하게 작동하며, 이로 인해 사실과 허구의 구분이 모호해지는 현상을 경계해야 한다고 주장합니다.

오픈AI는 모델의 추론 능력이 향상됨에 따라 상세한 지침과 반복적인 스캐คล딩이 오히려 모델의 판단을 방해할 수 있다는 새로운 가이드를 발표했습니다. 이제 개발자들은 지침을 줄이는 대신 작업의 완료 기준을 명확히 정의하는 방향으로 프롬프트와 스킬을 재설계해야 합니다.

tokeneff는 개발자가 사용하는 LLM API의 비용을 실시간으로 모니터링하고 예측할 수 있게 돕는 오픈소스 CLI 도구입니다. 로컬 프록시 방식을 사용하여 프롬프트 보안을 유지하면서도 모델별 사용량과 통화별 지출 현황을 직관적으로 제공합니다.

DeepSeek Harness는 대화 기록을 단순한 메시지 리스트가 아닌, 수정 불가능한 '이벤트 로그' 형태로 관리하는 이벤트 소싱(Event Sourcing) 패턴을 사용합니다. 이를 통해 시스템 장애 시 복구 능력을 높이고, 실패한 시도까지 포함한 전체 감사 추적을 가능하게 하며, 효율적인 컨텍스트 압축(Compaction)을 지원합니다.

미국 NSA, CISA, FBI는 중국 AI 기업들이 미국 프런티어 모델의 출력을 활용해 대규모 지식 증류를 수행하고 있다고 경고했습니다. 특히 미국 기업들에게 의심스러운 요청에 대해 알리지 않고 성능을 미묘하게 저하시키는 방어 지침을 권고하며, 이는 정당한 API 사용자에게도 영향을 미칠 수 있는 리스크를 내포하고 있습니다.

NVIDIA의 Personal AI Router는 동일 네트워크 내 여러 컴퓨터의 GPU 자원을 활용해 AI 요청을 분산 처리하는 로컬 추론 라우터입니다. Ollama와 LM Studio를 지원하며, 기존 API 호환성을 유지하면서 여러 에이전트의 작업을 효율적으로 관리할 수 있습니다.

UNIST 김태환 교수 연구팀이 8개 종목, 640시간 분량의 대규모 스포츠 하이라이트 평가 벤치마크인 'SV하이라이트'를 구축했습니다. 이와 함께 긴 영상에서도 효과적으로 하이라이트를 추출하는 'TF-셀렉터' 모델을 개발하여 기존 모델 대비 성능 향상을 입증했습니다.

AI 기술의 발전으로 취약점 발견 전 공격이 이루어지는 '마이너스 TTE' 현상이 나타나며, 프롬프트 인젝션과 같은 새로운 보안 위협이 금융권을 위협하고 있습니다. 이에 대응하기 위해 금융보안원과 보안 기업들은 AI 기반의 자동화된 취약점 점검 및 다수 AI 모델을 활용한 협업 방어 체계 구축을 추진하고 있습니다.

Simon Willison은 GPT-6 Astra를 사용하여 특정 주소 기반의 5K, 10K 러닝 경로를 생성하고 GPX 및 GeoJSON 파일을 추출하는 과정을 공유했습니다. 이 과정에서 AI는 Nominatim과 Overpass API를 활용해 데이터를 처리하고 D3.js를 통해 시각화된 HTML 결과물을 만들어냈습니다.

AI가 스스로 연구 방향과 목표를 설정하며 발전하는 재귀적 자기개선(RSI)의 가능성과 그 한계에 대해 전문가들이 논의합니다. 현재의 기술은 주어진 목표를 최적화하는 데 강점이 있으나, 새로운 과학적 발견이나 패러다임 전환을 이끌어낼 수 있을지에 대해서는 의견이 갈리고 있습니다.

앤트로픽 CEO 다리오 아모데이가 최첨단 AI 모델의 개발 속도를 조절해야 한다는 에세이를 발표했습니다. 이에 오픈AI의 샘 알트먼과 테슬라의 일론 머스크가 동의 의사를 밝히며, AI 기술의 급격한 발전에 따른 리스크 관리와 속도 조절에 대한 글로벌 논의가 가속화될 전망입니다.

TokenDelivery.ai는 Gemma 4와 같은 오픈 웨이트 모델을 활용해 바이트 단위로 동일한 결과를 보장하는 결정론적 LLM 추론 API 서비스를 제공합니다. 현재 프리뷰 기간 동안 무료로 이용 가능하며, OpenAI 호환 API를 통해 기존 시스템에 손쉽게 도입할 수 있는 것이 특징입니다.

본 기사는 Claude Code와 Mooncake의 실제 트레이스를 활용한 시뮬레이션을 통해, 에이전트 워크로드에서 LRU(Least Recently Used) 캐시 교체 정책의 강력한 성능을 입증합니다. 연구 결과, 캐시 미스의 주된 원인은 세션의 장기 유휴 상태가 아니라 빈번한 툴 호출 루프에 의한 재계산임이 밝혀졌습니다.

이 논문은 트랜스포머 모델의 내부 작동 원리를 파악하기 위해 소규모 어텐션 전용 모델을 수학적으로 분석한 연구입니다. 연구 결과, 2개 레이어 이상의 모델에서 '인덕적 헤드(induction heads)'가 형성되어 인컨텍스트 러닝(in-context learning)을 가능하게 한다는 핵심적인 발견을 제시합니다.

AI 모델의 가중치 독점을 통한 기업 가치 형성을 막기 위해, 대중용 모델의 가중치 공개를 법제화하여 AI 개발 속도를 늦추자는 제안이 나왔습니다. 기존의 규제 방식이 대기업의 기득권을 보호하는 '규제 포획'으로 이어질 수 있음을 경고하며, Anthropic의 사명에 부합하는 결단을 촉구하고 있습니다.

기존의 Open WebUI와 같이 무거운 서버와 데이터베이스가 필요한 방식 대신, 브라우저 클라이언트 사이드에서 모든 것이 실행되는 'Lab'이라는 새로운 대기안이 등장했습니다. 이 도구는 IndexedDB를 통한 로컬 저장과 정밀한 토큰 사용량 분석, 멀티 모델 지원을 통해 가볍고 강력한 LLM 워크스페이스를 제공합니다.

Apple Neural Engine(ANE)의 내부 구조 분석 결과, LLM의 토큰 생성 속도는 연산 능력보다 메모리에서 가중치를 읽어오는 대역폭에 의해 결정됩니다. ANE는 CNN처럼 데이터 재사용성이 높은 작업에 최적화되어 있어, 거대한 가중치를 매번 새로 로드해야 하는 LLM 디코딩 작업에서는 GPU 대비 데이터 전송 효율이 떨어지는 한계를 보입니다.

LiteLLM의 방대한 기능 중 모델 라우팅과 메시지 변환 기능에만 집중하여 코드 규모를 획기적으로 줄인 경량 라이브러리 'Litelm'이 공개되었습니다. 기존 LiteLLM과 동일한 인터페이스를 유지하면서도 프록시, 캐싱, 비용 추적 등 무거운 기능은 제외하여 최소한의 의존성만으로 LLM 호출 경로를 단순화했습니다.

CauterRule v0.3.0은 에이전트의 실패 사례에서 학습된 규칙을 검증할 때, 전체 데이터가 아닌 해당 규칙의 도메인에 국한된 데이터로 평가하는 '도메인 범위 재현(Domain-Scoped Replay)' 방식을 도입했습니다. 이를 통해 모델이나 매처의 변경 없이도 리콜 지표를 기존 대비 최대 2.7배까지 개선하며 평가 시스템의 정확도를 높였습니다.

구글은 기존의 시행착오 방식 대신 검증된 도구 사용 경로를 먼저 구축하고 이에 맞는 질의를 생성하는 '툴그래드(ToolGrad)' 프레임워크를 공개했습니다. 이 방식은 복잡한 API 탐색 과정에서의 데이터 생성 비용을 낮추고 AI 에이전트의 도구 활용 성공률을 획기적으로 높이는 데 기여합니다.

태국어 TTS 시장에서 현지 특화 모델인 ThonburianTTS와 다국어 모델 OmniVoice, 그리고 글로벌 강자 ElevenLabs의 성능과 활용도를 비교합니다. 각 모델은 언어 정확도, 지원 언어 수, 사용 편의성 및 비용 측면에서 뚜렷한 차이를 보이며 사용자의 목적에 따른 전략적 선택이 필요함을 강조합니다.

비브레스트가 별도 웨어러블 기기 없이 스마트폰만으로 수면 중 코골이, 기침, 호흡 불안정 등을 분석하는 ‘트랜슬립 AI’를 출시했습니다. 이 앱은 데이터를 외부 서버로 전송하지 않고 기기 내에서만 처리하여 프라이버시를 강화했으며, AI 코치를 통해 개인별 맞춤형 수면 개선 과제를 제안합니다.