AI 모델 (LLM·GPT·Claude·Gemini)

앤스로록은 엑셀 내에서 직접 데이터를 분석하고 수정할 수 있는 'Claude for Excel' 베타 출시와 함께, LSEG, Moody's 등 주요 금융 데이터 플랫폼과의 커넥터를 확대했습니다. 또한 DCF 모델링이나 기업 분석 등 금융 전문 업무를 수행할 수 있는 6가지 새로운 '에이전트 스킬'을 추가하여 금융권의 업무 효율성을 극대화할 계획입니다.

코그니전트는 앤스로픽의 클로드 모델과 에이전트 도구를 자사의 엔지니어링 플랫폼과 결합하여 전사적 AI 도입을 추진합니다. 이를 통해 소프트웨어 개발 생산성 향상, 레거시 코드 현대화, 그리고 다중 에이전트 시스템 구축을 통한 '에이전트화된 기업(Agentified Enterprise)'으로의 전환을 목표로 합니다.

Anthropic은 Claude가 정치적 편향 없이 다양한 관점을 균형 있게 전달하도록 훈련하는 방법론과 이를 검증하기 위한 새로운 자동화 평가 도구를 공개했습니다. 테스트 결과 Claude Sonnet 4.5는 GPT-5나 Llama 4보다 정치적 중립성 측면에서 우수한 성능을 보였으며, Anthropic은 이 평가 방식을 오픈소스로 공개하여 업계 표준화를 도모하고 있습니다.

메릴랜드주는 Anthropic과 협력하여 Claude AI를 정부 운영 전반에 도입하기로 했습니다. 이를 통해 복지 혜택 신청 프로세스를 간소화하고, 공무원의 서류 검토 업무를 자동화하며, 지역사회의 미충족 수요를 파악하는 등 공공 서비스의 효율성과 접근성을 높일 계획입니다.

마이크로소프트, 엔비디아, 앤스로픽이 클라우드 인프라와 하드웨어 최적화를 위한 삼각 동맹을 맺었습니다. 앤스로픽은 Azure에서 클로드 모델을 확장하고 엔비디아와는 차세대 아키텍처 최적화를 위해 협력하며, 양사는 앤스로픽에 각각 최대 100억 달러와 50억 달러를 투자하기로 했습니다.

Anthropic과 Microsoft의 파트너십 확대로 Claude Sonnet 4.5, Haiku 4.5, Opus 4.1 모델이 Microsoft Foundry에서 사용 가능해졌습니다. 이를 통해 개발자는 Azure 인프라를 활용해 AI 에이전트를 구축할 수 있으며, 일반 사용자는 Excel 내 Claude 에이전트를 통해 데이터 분석 및 수식 생성을 수행할 수 있습니다.

스노우플레이크와 앤스로픽은 2억 달러 규모의 다년 계약을 통해 클로드 모델을 스노우플레이크 플랫폼에 통합하고, 기업용 AI 에이전트 배포를 위한 공동 시장 진출 전략을 발표했습니다. 이를 통해 기업들은 정형 및 비정형 데이터를 활용해 보안이 보장된 환경에서 멀티모달 분석과 자동화된 데이터 에이전트를 구축할 수 있게 됩니다.

앤스로픽이 초고속 자바스크립트 런타임인 번(Bun)을 인수한다고 발표했습니다. 이는 출시 6개월 만에 연간 매출 10억 달러(run-rate)를 돌파한 '클로드 코드'의 성능과 안정성을 강화하여 AI 기반 소프트웨어 엔지니어링 생태계를 주도하려는 전략적 움직임입니다.

Anthropic은 자사가 개발한 모델 컨텍스트 프로토콜(MCP)을 리눅스 재단 산하의 에이전틱 AI 재단(AAIF)에 기부한다고 발표했습니다. 이번 결정은 MCP를 특정 기업의 소유가 아닌, 오픈 소스 기반의 중립적인 표준으로 정착시켜 AI 에이전트 생태계의 폭발적인 성장을 도모하기 위함입니다.

엑센츄어와 앤스로픽은 기업의 AI 도입을 가속화하기 위해 'Accenture Anthropic Business Group'을 출범하고, 3만 명의 전문가를 Claude 기반으로 교육하기로 했습니다. 이번 협력은 특히 Claude Code를 활용한 소프트웨어 개발 프로세스 혁신과 금융, 의료 등 규제 산업을 위한 맞춤형 솔루션 제공에 집중합니다.

NVIDIA의 새로운 NIM 2.0.12는 커널 최적화, 텐서 병렬화, 프리픽스 재사용 등 다양한 기술을 결합하여 Nemotron 3 Ultra 모델의 추론 처리량을 기존 대비 2.5배 향상시켰습니다. 이를 통해 동일한 GPU 자원에서 더 많은 동시 사용자를 수용하면서도 응답 지연 시간을 최소화하는 고성능 에이전틱 AI 서비스 구축이 가능해졌습니다.

기존의 고정된 스키마를 가진 NER 모델 대신, 프롬프트 지시사항을 통해 다양한 개인정보 유형을 유연하게 탐지하는 모델 불문(Model-agnostic) PII 탐지기를 제안합니다. Amazon Bedrock이나 자체 인프라 등 어떤 LLM 백엔드와도 연동 가능하며, 재학습 없이 프롬프트 수정만으로 새로운 식별자 유형을 즉시 추가할 수 있습니다.

구글은 AI 기술을 활용해 러닝 준비를 돕는 세 가지 핵심 기능을 선보였습니다. 사용자는 Canvas 도구로 맞춤형 훈련 계획을 세우고, YouTube Music과 연동된 플레이리스트를 생성하며, Shopping Graph를 통해 예산과 필요에 맞는 러닝 기어를 손쉽게 찾을 수 있습니다.

항공 운영 소프트웨어 기업 AvioBook은 항공기 지연으로 발생하는 막대한 비용을 줄이기 위해 Amazon Bedrock AgentCore 기반의 'Connected Analytics'를 개발했습니다. 이 시스템은 복잡한 비행 로그와 채팅 데이터를 멀티 에이전트 기술로 분석하여, 운영자가 자연어로 즉각적인 운영 인사이트를 얻을 수 있도록 돕습니다.

OpenAI가 사용자와의 대화 내용을 학습에 사용하고 이를 기술적 성과로 내세웠다는 연구자의 의혹이 제기되었습니다. 비판의 핵심은 데이터 학습의 윤리성뿐만 아니라, 이를 성과로 포장한 과정의 진정성까지 포함하고 있습니다.

OpenAI 사용자들이 '학습 허용' 설정을 껐음에도 불구하고 해당 설정이 다시 켜지는 현상을 경험하고 있다고 보고하며, 이것이 의도적인 다크 패턴인지 단순한 시스템 오류인지에 대한 논란이 일고 있습니다. 이에 따라 데이터 주권 침해 우려와 함께 Anthropic 등 경쟁사 모델에 대한 불신으로도 이어지고 있습니다.

답변 엔진은 사용자의 페르소나에 따라 추천 브랜드의 약 25%, 인용 출처의 약 20%만을 공유하며 매우 차별화된 응답을 생성합니다. 특히 소득 수준이 추천 결과의 핵심 변수로 작용하며, AI 모델이 특정 연령대를 특정 성별로 단정 짓는 등 페르소나에 대한 편향된 검색 쿼리를 생성하기도 합니다.

오픈AI의 차세대 모델 'GPT-6 아스트라'에 대한 수요가 폭발적으로 증가하면서 GPU 등 컴퓨팅 자원 부족 문제가 대두되어 프로 요금제의 신규 가입 중단 가능성이 제기되었습니다. 아스트라는 추론, 코딩, 과학 등 다양한 영역에서 압도적인 성능을 입증하며 사용자들의 집중적인 사용을 이끌어내고 있습니다.

수학자 안드레아스 톰은 OpenAI의 수학 모델이 자신의 비공개 연구 기법을 능숙하게 사용하는 것을 보고 학습 데이터 활용 의혹을 제기했습니다. OpenAI는 특정 대화의 학습 활용은 부인했으나, 비식별화된 사용자 데이터가 모델 개선에 기여할 가능성을 완전히 배제하지 않아 논란이 확산 중입니다.

앤트로픽은 성능 저하 없이 클로드 API 비용을 낮출 수 있는 3가지 최적화 전략을 발표했습니다. 핵심은 단순 토큰 단가 비교가 아니라, 프롬프트 캐싱과 불필요한 지침 제거를 통해 실제 작업 성공에 드는 총비용을 최적화하는 것입니다.

Vercel AI Gateway가 이미지 인식 기능을 갖춘 DeepSeek V4.1 Flash 모델 지원을 시작했습니다. 이 모델은 100만 토큰의 컨텍스트 창과 효율적인 새로운 아키텍처를 제공하며, 개발자는 Vercel의 통합 API를 통해 비용 효율적이고 안정적인 멀티모달 AI 서비스를 구축할 수 있습니다.

이 기사는 8x B200 GPU를 활용해 약 998달러의 비용으로 3.8B 파라미터 모델을 43시간 만에 학습시킨 실험적 성과를 다룹니다. 학습 과정에서 데이터셋(CllamaMix), 최적화 알고리즘(Muon), 학습률 스케줄링(Trapezoidal) 등의 기술적 최적화가 성능 향상에 결정적인 역할을 했음을 보여줍니다.

NVIDIA는 Palantir Foundry를 활용해 공급망 가시성을 확보하고, cuOpt와 Nemotron 3.5 Lightning을 통해 최적의 자원 할당 시스템을 구축했습니다. 특히 인간 전문가의 정성적 판단과 근거를 AI 모델에 학습시켜, 정량적 최적화 모델이 놓치는 변수까지 반영한 고정밀 의사결정 체계를 완성했습니다.

AI 모델이 복잡한 퍼즐을 완벽히 해결하며 인지적 유연성을 입증하는 가운데, 이 기술은 알파 센타우리 탐사를 위한 항로 최적화와 나미비아의 수소 경제 구축 등 극한의 물리적 난제 해결에 투입되고 있습니다. 이러한 기술적 진보는 산업 간의 강력한 시너지를 창출하는 동시에 사이버 보안 리스크라는 새로운 과제를 던져주고 있습니다.