Google Developers Blog

구글이 온디바이스 AI/ML 추론을 위한 고성능 GPU 컴퓨팅 엔진인 'ML Drift'를 Apache 2.0 라이선스로 공개했습니다. 이 엔진은 다양한 GPU 아키텍처와 API를 통합적으로 지원하며, 텐서 가상화와 5D 텐서 지원을 통해 생성형 AI와 같은 복잡한 모델의 엣지 디바이스 실행 성능을 획기적으로 높였습니다.

AI 에이전트는 초기 테스트를 통과하더라도 실제 운영 환경의 사용자 패턴 변화나 시스템 업데이트로 인해 논리적 오류를 일으키는 'Silent Failure'가 발생할 수 있습니다. AQuA는 이러한 오류를 감지하기 위해 샘플링, 리뷰, 클러스트링, 검증의 5단계 파이프라인을 통해 에이전트의 성능 저하 원인을 자동으로 규명하는 앰비언트 품질 에이전트입니다.

구글은 웹 스크래핑의 불안정성과 LLM의 학습 데이터 지연 문제를 해결하기 위해 Google Cloud, Firebase 등의 문서를 API 형태로 제공하는 'Developer Knowledge API'를 발표했습니다. 이 API는 gcloud CLI, AI 에이전트용 스킬, 클라이언트 라이브러리를 통해 개발자가 최신 기술 정보를 정확하고 효율적으로 활용할 수 있도록 지원합니다.

EmbeddingGemma 2는 Gemma 4를 기반으로 텍스트, 코드, 이미지, 비디오, 오디오를 통합적으로 처리하는 오픈 소스 모델입니다. 모듈형 구조를 통해 필요한 인코더만 선택적으로 로드하여 메모리 효율을 극대화할 수 있으며, Matryoshka 학습법을 통해 벡터 저장 용량까지 최적화할 수 있습니다.

구글 딥마인드가 텍스트, 이미지, 비디오, 오디오를 하나의 벡터 공간으로 매핑하는 경량 멀티모달 임베딩 모델 'EmbeddingGemma 2'를 공개했습니다. 740M 파라미터의 작은 크기로 모바일 기기에서 별도의 모델 체이닝 없이도 즉각적인 미디어 검색과 비디오 순간 찾기 기능을 제공하며, 개인정보 보호와 저지연 성능을 동시에 확보했습니다.

비디오 디퓨전 모델의 막대한 연산 비용을 줄이기 위해 어텐션 메커니즘의 구조적 특성을 활용한 시공간적 희소 어텐션(Sparse Attention) 기법을 소개합니다. TPU v6e 환경에서 JAX와 Pallas 커널을 통해 이론적 희소성을 실제 엔드투엔드 속도 향상으로 구현한 사례를 다룹니다.

본 기사는 Google Cloud TPU 환경에서 MaxText를 사용하여 AI2의 OLMo 3 7B 모델 훈련을 재현한 사례 연구를 다룹니다. 연구팀은 PyTorch 기반의 기존 훈련 레시피를 JAX/TPU로 성공적으로 이식했으며, 모델 구조의 정확성 검증부터 훈련 중 자원 규모 변경 및 TPU 세대 교체까지 대규모 훈련의 안정성과 효율성을 증명했습니다.

Google Cloud API Gateway의 새로운 기능은 OpenAPI 스펙에 간단한 주석을 추가하는 것만으로 기존 REST API를 MCP(Model Context Protocol) 도구로 변환해 줍니다. 이를 통해 개발자는 별도의 MCP 서버를 운영할 필요 없이 AI 에이전트가 기업의 내부 데이터와 기능을 안전하게 호출할 수 있는 환경을 구축할 수 있습니다.

Antigravity SDK가 Google AI Edge의 LiteRT를 활용해 Gemma 4 26B 모델을 로컬에서 실행할 수 있는 기능을 발표했습니다. 이를 통해 개발자는 클라우드 API 비용 없이도 보안이 유지된 상태에서 강력한 에이전트 워크플로우를 구축하거나, 클라우드와 로컬 모델을 결합한 하이브리드 방식을 활용할 수 있습니다.

Google Colab이 Google AI 구독 플랜에 통합되어, 구독자들에게 더 빠른 가속기와 강력한 머신에 대한 우선 접근권을 제공합니다. 특히 Ultra 구독자는 브라우저를 닫아도 실행되는 백그라운드 기능과 프리미엄 GPU를 사용할 수 있으며, 이는 Google의 최신 AI 모델 및 개발 도구와 연동됩니다.

구글은 기존 SDK 생성 도구 업체의 인수 및 서비스 종료로 인한 리스크를 해결하고자 Speakeasy의 OpenAPI 코드 생성 도구를 오픈 소스로 전환했습니다. 이 도구는 7개 언어의 SDK, CLI, MCP 서버 생성을 지원하며, AI 에이전트를 결합해 효율적인 SDK 유지보수를 가능하게 합니다.

구글이 제미니 엔터프라이즈 에이전트 플랫폼에 에이전트의 비정상적 행동을 탐지하는 '에이전트 이상 감지' 기능을 프리뷰로 공개했습니다. 이 기능은 에이전트의 실행 로그와 추적 데이터를 분석하여, 겉으로는 정상처럼 보이지만 실제로는 권한 남용이나 데이터 스크래핑을 수행하는 위험한 행동을 식별하고 차단합니다.

이 기사는 AI 에이전트의 보안을 위해 문법적 검증을 넘어 '의도(Intent)'와 '행동(Behavior)'을 판단하는 제로 트러스트 아키텍처를 설명합니다. Model Armor, Semantic Governance Policies, Agent Anomaly Detection이라는 세 가지 핵심 통제를 통해 프롬프트 인젝션과 다단계 공격 패턴을 실시간으로 방어하는 방법을 다룹니다.

구글은 AI 에이전트가 스스로 LLM의 미세 조정(SFT) 및 강화 학습(GRPO) 실험을 설계, 실행, 평가하는 'autofinetune' 기술을 공개했습니다. 이 시스템은 개발자가 설정한 규칙 내에서 에이전트가 하이퍼파라미터를 자율적으로 조정하며 최적의 모델 성능을 찾아내는 자율 연구 루프를 구현합니다.

Kotlin 1.0 ADK는 코틀린 멀티플랫폼(KMP)을 기반으로 안드로이드와 서버 환경 모두에서 사용 가능한 AI 에이전트 개발 키트입니다. 이 도구는 온디바이스 AI 실행부터 클라우드 워크플로우 오케스트레이션, 복잡한 멀티 에이전트 시스템 구축을 위한 강력한 기능을 제공합니다.

기존의 엔드투엔드 벤치마크는 에이전트 성능 변화의 구체적인 원인을 파악하기 어렵다는 한계가 있습니다. 이를 해결하기 위해 에이전트의 구체적인 행동(도구 호출, 질문 여부 등)을 단위 테스트처럼 검증하는 '행동 기반 평가'를 도입하여, 모델 변경 시 발생할 수 있는 회귀 오류를 방지하고 지속적인 개선을 도모해야 합니다.

구글 클라우드는 Gemini Enterprise 개발자 경험(DevEx) 프로그램을 통해 AI 에이전트 거버넌스 구축 과정에서의 기술적 마찰을 식별하고 해결하는 '프로그램 스프린트'를 운영하고 있습니다. 이번 스프린트에서는 에이전트 식별, 게이트웨이 바인딩, 정책 적용 등 핵심 워크플로우의 문서화와 설정 오류를 개선하여 엔터프라이즈급 AI 솔루션 구축의 안정성을 높였습니다.

구글의 AI 에이전트 챌린지 우승작들은 단순한 챗봇을 넘어 고도화된 엔지니어링 패턴을 공유하고 있었습니다. 핵심은 MCP를 통한 에이전트 간 상호 운용성 확보와 이벤트 기반의 비동기 병렬 처리로, 이를 통해 토큰 효율성과 시스템 반응 속도를 극대화했습니다.

현대 천체입자물리학은 거대 관측소를 통해 막대한 양의 복잡한 데이터를 생성하며, 이를 처리하기 위해 딥러닝 기술이 필수적으로 도입되고 있습니다. 특히 센서 그리드 형태의 데이터를 이미지처럼 처리하는 딥러닝 기법은 우주 신호의 미세한 패턴을 포지하고 분석 효율을 극대화하는 데 기여하고 있습니다.

Google Cloud는 vLLM 엔진에 TPU 지원을 통합하여 멀티모달 임베딩 모델의 대규모 추론을 위한 최적화 기술을 공개했습니다. 텐서 정렬, 지연 로딩 최적화, 장문 맥락 처리를 위한 StepPool 아키텍처 등을 통해 하드웨어 제약을 극복하고 엔터프라이즈급 정밀도와 확장성을 확보했습니다.

구글 ADK에 음성 에이전트 전용 실시간 평가 기능이 도입되어, 오디오 기반의 사용자 시뮬레이터를 통해 에이전트의 대화 흐름과 도구 사용 능력을 검증할 수 있게 되었습니다. 이를 통해 개발자는 모델 업데이트나 프롬프트 수정 시 발생할 수 있는 성능 저하를 자동화된 테스트로 사전에 방지할 수 있습니다.

AI 에이전트가 데이터베이스를 수정하거나 코드를 실행할 수 있게 되면서 프롬프트 인기젝션을 통한 보안 사고 위험이 커지고 있습니다. 이를 해결하기 위해 시스템 프롬프트에 의존하는 대신, 암호화 서명, 코드 격리(gVisor), 결정론적 게이트웨이라는 3단계의 하드웨어 기반 보안 계층을 구축해야 한다고 제안합니다.

HeyGen은 구글 클라우드와의 협업을 통해 대규모 파라미터를 가진 AI 비디오 모델 Avatar IV를 TPU 기반으로 이식하고 최적화했습니다. 이를 통해 기존 GPU 인프라와 유사한 성능을 유지하면서도 운영 비용을 획기적으로 낮추는 성과를 거두었습니다.

구글은 대용량 미디어 파일의 C2PA 콘텐츠 자격 증명을 클라우드 전송 없이 기기 자체에서 빠르고 안전하게 검증할 수 있는 오픈 소스 라이브러리 '크레덴티오'를 출시했습니다. 이 기술은 데이터 프라이버시를 유지하면서도 저사양 환경이나 대규모 워크플로우에서도 효율적인 콘텐츠 출처 확인을 가능하게 합니다.