AI 모델 (LLM·GPT·Claude·Gemini)

Tako Search가 9월 30일까지 AI Gateway에서 무료로 제공되며, AI 모델이 실시간 웹 데이터와 특정 도메인을 검색하여 정확한 답변을 생성할 수 있도록 지원합니다. 별도의 계정이나 API 키 없이도 AI Gateway 내 모든 모델에 즉시 통합하여 사용할 수 있는 것이 특징입니다.

최근 사용자들이 설정해둔 '데이터 학습 제외' 옵션이 결제 수단 변경이나 서비스 약관 업데이트 과정에서 예기치 않게 다시 활성화되는 현상을 목격하고 있습니다. 이는 기업이 모델 고도화를 위해 사용자의 명시적 의사를 무시하고 데이터를 수집하려 한다는 불신으로 이어지고 있습니다.

MultiMatte는 텍스트 명령어로 원하는 객체만 남기고 배경을 제거하는 모델로, SAM 3의 이진 세그멘테이션 한계를 극복하기 위해 알파 매팅(Alpha Matting) 기술을 도입했습니다. LoRA 미세 조정을 통해 모델의 핵심 성능을 유지하면서도 경계면의 투명도를 정교하게 처리하여 주요 벤치마크에서 성능을 대폭 향상시켰습니다.

Magic Team은 기존 오픈 웨이트 모델 대비 10배 이상 효율적인 사전 훈련 기술을 통해 DeepSeek V4 Pro 수준의 성능을 훨씬 적은 연산량으로 구현했습니다. 이는 막대한 컴퓨팅 자원 없이도 고성능 모델을 구축할 수 있는 새로운 경로를 제시합니다.

Cognition의 새로운 코딩 에이전트 모델 SWE-2는 Kimi K3를 기반으로 대규모 강화학습(RL)을 적용하여 Terminal-Bench 2.1에서 92.8라는 압도적인 점수를 기록했습니다. 특히 Claude Fable 5.1과 유사한 성능을 유지하면서도 운영 비용을 64%까지 낮추어 에이전트의 실용성을 입증했습니다.

이 기사는 NVIDIA RTX 4090 GPU에서 계산된 결과값이 글로벌 메모리에 저장되는 과정을 하드웨어 유닛 단위로 상세히 추적합니다. 코알레서의 데이터 병합, L1 캐시의 Write-through 방식, L2 캐시의 데이터 처리 및 Dirty 비트 관리 등 메모리 쓰기 작업의 핵심 단계를 설명합니다.

Cognition은 대규모 강화학습(RL) 기술을 적용하여 성능과 비용 효율성을 극대화한 차세대 코딩 모델 SWE-2를 공개했습니다. 이 모델은 2.8T 파라미터 규모의 Kimi K3를 기반으로 하며, 불필요한 탐색을 줄인 '집중된 탐색'을 통해 기존 모델 대비 압도적인 비용 절감과 지능 향상을 동시에 달성했습니다.

네이버클라우드는 정부 주도 보안 AI 파운데이션 모델 개발 사업을 통해 보안 특화 모델을 구축하며, LG와 협력하여 공격과 방어 역량을 각각 강화할 계획이다. 개발된 모델은 내년 7월 오픈소스로 공개되어 보안 기업들의 AI 전환을 돕고, 네이버클라우드는 이를 통해 AI 팩토리 및 클라우드 수요를 창출한다는 구상이다.

OpenAI가 자사의 최신 모델 Astra에 대한 전례 없는 수요로 인해 인프라 부하를 방지하고자 Pro 플랜의 신규 구독을 일시적으로 중단했습니다. API와 Plus, Go 등 다른 서비스 플랜은 계속 이용 가능하며, 이번 조치는 기존 사용자의 서비스 품질을 유지하기 위한 결정입니다.

Hugo Vergnes는 8개의 NVIDIA B200 GPU를 사용하여 43시간 만에 3.8B 파라미터 모델을 998달러라는 저비용으로 학습시켰습니다. 그는 Muon 최적화 알고리즘, 정제된 데이터셋 활용, FP8 정밀도 적용 등 효율성을 극대화한 구체적인 레시피를 공개하며 소규모 모델 학습의 경제성을 보여주었습니다.

OpenAI가 금융 업무에 특화된 'ChatGPT for Financial Services'를 공개하며 연구, 모델링, 고객 자료 제작을 하나의 워크플로우로 통합하겠다고 밝혔습니다. 이 서비스는 GPT-6 Astra의 추론 능력과 내장된 금융 데이터를 결합하여 금융 팀의 생산성을 높이는 데 초점을 맞추고 있습니다.

AI 산업이 범용적인 기능을 제공하는 '수평적 AI'와 특정 산업의 워크플로우에 깊게 침투하는 '수직적 AI'로 양분되고 있습니다. 범용 모델 기반의 스타트업들이 위기를 겪는 사이, 독점적 데이터와 전문성을 갖춘 수직적 AI 기업들은 높은 수익성과 고객 유지력을 바탕으로 유니콘 기업으로 성장하며 시장의 주류로 부상하고 있습니다.

Anthropic은 대학 교육의 미래를 설계하기 위해 학계 리더들로 구성된 '고등 교육 자문 위원회'를 설립하고, 교수와 학생을 위한 세 가지 AI 활용 능력(AI Fluency) 코스를 출시했습니다. 이번 이니셔티브는 AI가 학습과 비판적 사고를 저해하지 않도록 윤리적 가이드라인을 마련하고 실질적인 AI 활용 역량을 강화하는 데 목적이 있습니다.

RAG 시스템 구축 시 LLM 자체보다 데이터의 수집, 정제, 청킹을 담당하는 데이터 파기프라인의 안정성이 더 중요함을 강조합니다. OCI Object Storage를 데이터 백본으로 활용하여 각 처리 단계를 디커플링하고, 원본 데이터를 보존하며 스트리밍 방식으로 처리하는 아키텍처를 제안합니다.

Cognition이 수조 개의 매개변수를 가진 Kimi K3를 기반으로 강화학습을 적용한 새로운 코딩 모델 SWE-2를 공개했습니다. 이 모델은 작업의 난이도에 따라 추론 수준을 조절하여 성능과 비용 사이의 최적의 균형을 제공하며, 특히 불필요한 코드 탐사 과정을 줄여 작업당 비용을 대폭 절감했습니다.

DeepSeek V4.1 Flash는 552B의 거대 파라미터를 보유하고 있지만, 실제 연산에는 8B~16B만 사용하여 효율성을 극대화한 모델입니다. 특히 혁신적인 캐시 최적화 기술을 통해 100만 토큰의 컨텍스트를 매우 적은 메모리 비용으로 처리할 수 있는 능력을 갖추었습니다.

2024년 한 해에만 수천만 개의 API 키가 GitHub에 유출되었으며, 기존의 보안 방식은 키가 런타임에 전달되는 한 한계가 명확합니다. 이를 해결하기 위해 실제 키 대신 가상 토큰을 사용하는 프록시 구조를 도입하여, 키 유출 시에도 피해 범위를 최소화하고 정교한 제어를 가능하게 하는 전략을 제시합니다.

Anthropic은 약 74,000건의 대화 데이터를 분석하여 교육자들이 AI를 커리큘럼 개발(57%), 연구(13%), 학생 평가(7%) 등에 활용하고 있음을 밝혀냈습니다. 특히 단순 행정 업무는 자동화하고, 수업 설계나 학생 상담 같은 고도의 맥락이 필요한 업무는 AI를 통한 증강(Augmentation) 방식으로 활용하는 경향을 보였습니다.

Anthropic은 Claude 개인용 플랜 사용자가 자신의 데이터를 모델 학습에 사용할지 직접 결정할 수 있는 선택권을 도입합니다. 학습에 동의할 경우 데이터 보관 기간이 기존 30일에서 5년으로 연장되지만, 기업용 서비스인 Claude for Work나 API 사용자의 데이터는 이번 업데이트의 적용을 받지 않고 기존의 보안 정책을 유지합니다.

본 기사는 기업의 실제 운영 환경에서 검증된 5가지 핵심 오픈 소스 LLM의 성능, 라이선스, 하드웨어 요구사항 및 트레이드오프를 분석합니다. Mistral, Qwen, DeepSeek, Llama, OLMo 등 각 모델이 가진 고유한 강점과 실제 서비스 적용 시 직면할 수 있는 기술적·법적 한계를 구체적인 사례와 함께 제시합니다.

딜로이트가 앤스로픽과 협력하여 전 세계 47만 명의 네트워크에 클로드를 도입하고, 1만 5천 명의 전문가를 위한 인증 프로그램을 운영합니다. 양사는 금융, 의료 등 규제 산업에 특화된 컴플라이언스 기능을 갖춘 AI 솔루션을 공동 개발하며 기업용 AI의 대규모 배포를 추진합니다.

Anthropic이 Stripe의 전 CTO인 라훌 파틸을 새로운 CTO로 영입하며 엔지니어링 조직의 대대적인 확장을 선언했습니다. 이번 인사는 클로드(Claude)를 글로벌 기업용 AI 플랫폼으로 성장시키기 위해 인프라, 보안, 데이터 과학 등 전 영역의 기술 운영 역량을 강화하려는 목적을 가지고 있습니다.

세일즈포스와 앤스로픽이 파트너십을 확대하여 금융, 의료, 사이버 보안 등 규제 산업을 위한 보안 중심의 AI 에이전트 서비스를 강화합니다. 클로드를 세일즈포스의 에이전트포스 플랫폼에 통합하고 슬랙과의 연동을 심화하여, 데이터 보안을 유지하면서도 산업별 맞춤형 AI 솔루션을 제공하는 것이 핵심입니다.

수학자 Andreas Thom은 ChatGPT와 논의한 미공개 연구 내용이 OpenAI의 '비소픽 군' 발견에 활용되었는지 의문을 제기했습니다. OpenAI가 데이터 학습 편입 여부와 추론 과정에서의 접근 여부를 명확히 구분하여 답변하지 않으면서 데이터 보안 및 저작권 논란이 확산되고 있습니다.