Daily Briefing

November 7, 2026
2026-11-06
59 articles

Anthropic files S-1 with the SEC for proposed initial public offering

AI 기업 Anthropic이 미국 증권거래위원회(SEC)에 클래스 A 보통주 상장을 위한 S-1 증권신고서를 제출했다.

  • Anthropic은 나스닥 글로벌 셀렉트 마켓(Nasdaq Global Select Market)에 티커 심볼 'ANT'로 클래스 A 보통주 상장을 추진하고 있다.
  • 이번 기업공개(IPO)에서 공모할 주식 수와 희망 공모가 범위는 아직 결정되지 않았다.
  • SEC에 제출된 증권신고서는 아직 효력이 발생하지 않았으며 골드만삭스와 모건스탠리가 주관사단에 포함되어 있다.
Notable Quotes & Details
  • Form S-1
  • Nasdaq Global Select Market
  • “ANT”
  • Goldman Sachs & Co. LLC
  • Morgan Stanley & Co. LLC

AI 산업 투자자, 금융 시장 관계자 및 테크 기업 IPO에 관심 있는 독자

AI for Science expands to foundations and research institutions

Anthropic이 전 세계 20개 과학 재단 및 연구 기관과 파트너십을 맺고 연구자들에게 무료 Claude 크레딧과 리소스를 제공하는 'AI for Science' 프로그램을 대폭 확장했다.

  • Anthropic은 영향력 있는 과학 연구를 가속화하기 위해 전 세계 20개 과학 재단 및 기관과 협력하여 무료 Claude 크레딧을 지원하고 있다.
  • 개별 과학자 지원을 넘어 기관 협력을 통해 오픈 데이터셋, 오픈소스 소프트웨어, 오픈 표준 등 과학계 전반을 위한 공공재 구축을 지원한다.
  • HHMI Janelia Research Campus와 협력해 연구실 장비를 안전하게 제어하는 'Model Hardware Standard(MHS)'를 개발 중이며, Allen Institute 등과도 데이터 분석 협력을 진행하고 있다.
Notable Quotes & Details
  • 20 scientific foundations, institutions, and research groups
  • May 2025
  • Model Hardware Standard (MHS)
  • turning months of manual analysis into hours

과학 연구자, AI 기반 과학 연구(AI for Science)에 관심 있는 학계 및 연구 기관 관계자

Expanding our partnership with GSA to bring Claude to all levels of government

Anthropic이 미국 연방조달청(GSA)과의 파트너십을 확대하여 연방 및 지방 정부 기관에 Claude 제품군을 40% 할인된 가격으로 제공하고 도입 지원 프로그램을 시작한다는 내용이다.

  • 미국 연방조달청(GSA)과의 신규 계약을 통해 Claude Enterprise, Claude for Government, Claude API에 대해 40% 할인을 제공하며, 최소 지출 약정 없이 사용량 기반으로 지불할 수 있다.
  • 현재 약 500개 미국 정부 기관이 Claude를 사용 중이며, Claude for Government의 주간 활성 사용자는 2월 이후 약 8배 증가했고 연방 민간 기관의 사용량은 1년 만에 약 20배 성장했다.
  • 할인을 통해 정부가 약 10억 달러의 비용을 절감할 것으로 예상되며, 유타주 개발자 업무 효율화 및 랜섬웨어 신속 대응 등 공공 부문의 다양한 실제 활용 사례가 확인되고 있다.
Notable Quotes & Details
  • Claude Enterprise, Claude for Government, Claude API에 대해 40% 할인 제공
  • 정부 지출을 약 10억 달러 절감할 것으로 추정
  • 약 500개 미국 연방, 주, 지방 정부 기관에서 Claude 사용
  • Claude for Government 주간 활성 사용자 2월 이후 약 8배 증가, 연방 민간 기관 사용량 1년 만에 약 20배 증가
  • 유타주 파일럿 결과 80%가 30분 이내 작업 환경 구축, 71%가 4주 파일럿 종료 시점까지 20시간 이상 절감 보고
  • 기존 2~3일 소요되던 랜섬웨어 공격 대응을 8분 만에 완료
  • 1개월 일정의 프로젝트였던 900개 API 메서드 이전 작업을 2일 만에 완료
  • FedRAMP High 인증 수준의 Claude for Government 9월 30일 정식 출시

공공 부문 IT 및 행정 의사결정권자, 정부 조달 담당자, 공공 디지털 전환 관련 개발자

Donating Agent Skills to the Agentic AI Foundation

Anthropic이 AI 에이전트에 전문 지식과 워크플로우를 제공하는 개방형 표준인 Agent Skills를 리눅스 재단 산하 Agentic AI Foundation(AAIF)에 기부했습니다.

  • ChatGPT, Cursor, GitHub Copilot 등 70개 이상의 에이전트 플랫폼에 연동된 Agent Skills 표준이 중립적 운영을 위해 AAIF에 기부되었습니다.
  • Anthropic은 이름, 로고, GitHub 조직, agentskills.io 도메인을 포함한 전권을 기부하며 벤더 중립적 오픈 커뮤니티 거버넌스를 구축합니다.
  • Anthropic, Google, OpenAI 엔지니어들이 개인 자격으로 유지 관리에 참여하며, 버전 릴리스, 공식 제안 프로세스, 보안 가이드라인 로드맵을 추진합니다.
Notable Quotes & Details
  • 70 agent platforms
  • December 2025
  • October 2025
  • 1 million skills have been published and nearly 280 million installed
  • David Soria Parra and Mahesh Murag as Lead Maintainers

AI 에이전트 개발자, 플랫폼 엔지니어, 오픈소스 커뮤니티 기여자

Open call for guest investigators in the life sciences

Anthropic이 생명과학 분야 연구자들과 협력하여 Claude를 활용한 공동 연구 프로젝트를 진행하기 위해 객원 연구원(Guest Investigators)을 공개 모집한다.

  • 학계, 비영리단체, 정부 연구기관의 연구책임자(PI) 및 연구팀을 대상으로 인과 생물학, 구조/계산 분자생물학, 신약 개발 등의 연구 제안서를 접수한다.
  • 선발된 연구원은 8~12주 동안 Anthropic 연구진과 직접 협력하며 모델 및 인프라를 무료로 지원받고 결과물은 오픈소스화 및 공동 출판될 예정이다.
  • 연구원은 프로젝트 전 과정에서 데이터 권리를 유지하며 지원 기간은 약 14일간 진행되고 마감 후 약 14일 이내에 선정 결과가 통보된다.
Notable Quotes & Details
  • 8–12 weeks
  • 14 days

생명과학 및 바이오 연구자, 학계/연구기관 연구책임자, AI 기반 과학 연구에 관심 있는 개발자 및 연구진

Le Chonk brings the brains. Studio puts it to work.

미스트랄 AI가 고성능 오픈 모델 Mistral Large 4와 기업용 에이전트·워크플로우 구축 및 배포 플랫폼인 Mistral Studio의 신규 확장 기능을 발표했습니다.

  • Mistral Large 4(Le Chonk)는 향상된 코딩, 사이버 보안 방어 역량 및 복잡한 비즈니스 문서 추론 성능을 제공합니다.
  • Mistral Studio 플랫폼을 통해 클라우드, VPC, 온프레미스 환경 전반에서 매니지드 에이전트, 워크플로우, 엔터프라이즈 앱을 유연하게 배포하고 제어할 수 있습니다.
  • 새로운 Mistral MCP 서버와 스킬, 샌드박스, 하위 에이전트 연동을 지원하여 복잡한 다단계 업무 자동화 및 빠른 프로덕션 전환을 가능하게 합니다.
Notable Quotes & Details
  • Mistral Large 4 (Le Chonk)
  • ABANCA, Accenture, Alten, BNP Paribas, Capgemini, CMA CGM, Tata Consultancy Services

엔터프라이즈 AI 시스템 도입 및 맞춤형 AI 에이전트·워크플로우를 구축하려는 기업 개발자와 기술 총괄

Le Chonk: Built for Coders, Trusted by Defenders.

미스트랄(Mistral)이 코딩 및 사이버 보안 성능과 추론 효율성을 대폭 강화한 1조 파라미터 규모의 오픈 가중치 멀티모달 모델 '미스트랄 라지 4(Mistral Large 4, 코드명 Le Chonk)'의 가중치를 정식 공개했다.

  • 추가적인 강화학습을 통해 코딩 및 방어적 사이버 보안 성능을 크게 개선하며 주요 오픈 가중치 벤치마크 1위를 달성했다.
  • FrontierCode 2.0에서 19.7%로 1위를 기록하고, Artificial Analysis Coding Agent Index에서는 선두 모델 대비 평균 47% 적은 토큰을 사용하면서도 동등한 48% 점수를 획득했다.
  • 비용과 성능의 균형을 맞출 수 있도록 3가지 추론 모드를 제공하며, 유럽 인프라에서 처음부터 훈련되어 자주적 AI(Sovereign AI)를 위한 신뢰할 수 있는 기반을 제공한다.
Notable Quotes & Details
  • 1-trillion-parameter
  • Cognition의 비공개 FrontierCode 2.0 벤치마크 점수: 19.7%
  • Artificial Analysis Coding Agent Index: 48% (GLM-5.3 대비 평균 47% 적은 토큰 사용)
  • Terminal-Bench 4.0: 공개 프리뷰 대비 13%p 향상된 41% 달성 (출력 토큰 30% 절감)

소프트웨어 엔지니어, 사이버 보안 전문가, 엔터프라이즈 AI 아키텍트 및 자주적 AI 인프라 구축 기관

Mistral Advances AI for Engineering with NVIDIA

Mistral과 NVIDIA가 협력하여 고성능 AI 모델과 가속 컴퓨팅을 결합한 엔지니어링 및 물리 시뮬레이션용 차세대 AI 워크플로우와 공개 벤치마크를 개발한다.

  • Mistral Large 4와 NVIDIA CUDA-X, NVIDIA Warp를 결합하여 엔지니어링 시뮬레이션을 가속화하고 시뮬레이션·AI 모델·설계를 잇는 폐루프 워크플로우 구축
  • NVIDIA Omniverse와의 통합을 통해 GPU 가속 3D 씬 생성 및 SimReady 시뮬레이션 에셋 제작 지원
  • 항공우주, 자동차, 반도체 분야의 CAE 및 EDA를 위한 물리 AI와 에이전틱 AI 평가용 공개 벤치마크 및 오픈 데이터셋 공동 구축
Notable Quotes & Details
  • Neil Ashton (Mistral VP of Computational Engineering): "For too long, the pace of engineering has been set by the pace of simulation. With Mistral's open-weight models and physics AI capabilities, combined with NVIDIA’s accelerated computing stack, we’re giving engineers faster simulation cycles, as well as open benchmarks rigorous enough to validate agents on real CAE and EDA work."
  • Tim Costa (NVIDIA VP and GM of Industrial and Computational Engineering): "The next wave of engineering breakthroughs will come from exploring ideas that were once too complex or time-consuming to test."

항공우주·자동차·반도체 분야의 산업 엔지니어, CAE/EDA 개발자 및 물리 AI 연구원

Voxtral 3

Mistral이 50개 이상의 언어를 지원하며 듣기, 추론, 도구 호출, 발화를 단일 실시간 파이프라인으로 통합한 음성 에이전트 SDK 및 음성 모델 제품군 Voxtral 3을 발표했습니다.

  • 실시간 멀티스텝 대화, 다화자 분리(diarization), 발화 종료 감지(end-of-turn detection)를 지원하는 STT 모델 Voxtral Small Transcribe 3 포함
  • 감정과 표현력이 적응되는 자연스러운 음성 합성 및 외부 시스템과의 딥 툴 연동을 통한 워크플로우 자동화 지원
  • EU 호스팅 API 및 자체 인프라 배포(self-deployment)를 지원하여 기업의 데이터 주권 보장
Notable Quotes & Details
  • across 50+ languages
  • Voxtral Small Transcribe 3
  • Mistral’s EU-hosted API

음성 기반 고객센터 솔루션, 가상 비서, 핸즈프리 코파일럿을 구축하려는 AI 엔지니어 및 엔터프라이즈 개발자

Introducing Timestral

Mistral이 5M부터 209M 파라미터 크기로 제공되며 CPU에서도 효율적으로 동작하고 주요 벤치마크 1위를 달성한 첫 번째 시계열 파운데이션 모델 패밀리 'Timestral'을 공개했습니다.

  • Timestral은 합성 데이터 사전 학습, 공변량 인식 어텐션, 긴 문맥 학습을 결합하여 제로샷 다변량·확률론적 시계열 예측을 지원합니다.
  • 최대 209M 파라미터 모델은 기존 SOTA 대비 3분의 2 수준의 파라미터만으로 GIFT-Eval, TIME, fev-bench 3대 주요 공개 벤치마크에서 1위를 차지했습니다.
  • 5M, 28M, 123M, 209M의 4가지 크기로 제공되어 정확도와 비용 효율성을 절충할 수 있으며, Mistral Forge를 통한 도메인 적응 파인튜닝을 지원합니다.
Notable Quotes & Details
  • 209M parameters
  • GIFT-Eval, TIME, fev-bench
  • 5M, 28M, 123M and 209M parameters
  • outperforming the previous state of the art with only two-thirds of the model parameters

시계열 데이터 예측을 활용하는 머신러닝 엔지니어, 데이터 사이언티스트, 산업·금융 분야 분석가

Underdog shows off a 32MB speech model in new demo

스타트업 Underdog가 인터넷 연결 없이 브라우저와 엣지 기기에서 구동 가능한 32MB 크기의 초경량 음성 합성 모델 Woof와 이를 활용한 인터랙티브 데모 게임을 공개했습니다.

  • Underdog가 3,100만 개 매개변수를 지닌 31.7MB 크기의 텍스트 음성 변환(TTS) 모델 'Woof'를 공개하고 누구나 다운로드할 수 있도록 개방함
  • 웹 브라우저 및 대부분의 기기에서 클라우드 연결 없이 로컬 환경에서 직접 동작하여 데이터 프라이버시를 보장함
  • 앞서 공개한 167MB 크기의 음성 인식(STT) 모델 'Bark', 노트북용 270억 개 매개변수 모델 등 온디바이스 AI 생태계 확장을 추진 중임
Notable Quotes & Details
  • 32MB(31.7MB)
  • 31 million parameters
  • 167 MB
  • Sigil Wen: "I think we will be able to run most capable models of today on the devices you already own within months. We just want to train the best open models that are American-made, that are open, that are capable and allow people to have private AI"

온디바이스 AI 및 엣지 컴퓨팅 개발자, 프라이버시 중심 AI 솔루션에 관심 있는 엔지니어

Physicl raises $10M to make the digital world real enough for robots

현실 물리 법칙을 정밀하게 반영한 시뮬레이션 환경을 구축해 로봇 및 물리적 AI 학습용 합성 데이터를 제공하는 스타트업 Physicl이 1,000만 달러 규모의 시드 투자를 유치했습니다.

  • e커머스용 3D 렌더링 기업 nfinite를 이끌던 Alex de Vigan이 현실 세계 물리 법칙을 정밀 반영한 로봇 시뮬레이션 스타트업 Physicl을 창업하고 1,000만 달러 투자를 유치했습니다.
  • 기존 비디오 학습의 한계와 원격 조작 데이터 수집 비용 문제를 극복하기 위해 현실의 기하학, 재질, 물리적 특성을 정확히 구현한 합성 데이터 생성 도구를 제공합니다.
  • 10,000개의 3D 환경과 100,000개의 에셋을 포함한 제품 'Studio'를 출시해 까다로운 엣지 케이스 극복을 위한 합성 데이터 생성을 지원합니다.
Notable Quotes & Details
  • $10 million
  • Inovia Capital
  • 10,000 3D environments
  • 100,000 assets
  • Echo-3
  • Alex de Vigan: "What we were super unique about doing in 3D, AI was going to replace, but something was missing in AI: its ability to understand, interact, and manipulate space and objects"

로보틱스 개발자, 물리적 AI 및 월드 모델 연구자, 테크 투자자

Palo Alto Networks in talks to buy AI agent security startup Clutch for $500M

팔로알토 네트웍스가 AI 에이전트 보안 스타트업 클러치 시큐리티를 약 5억 달러에 인수하기 위한 협상을 진행 중이다.

  • 팔로알토 네트웍스는 기업 시스템에 대한 AI 에이전트의 접근 보안을 담당하는 클러치 시큐리티를 현금 5억 달러 및 마일스톤 지급 조건으로 인수를 논의하고 있다.
  • 클러치는 최근 8,500만 달러의 기업 가치로 투자를 유치했으며, 현재 연간 반복 매출(ARR)이 1,000만 달러에 육박하여 인수 시 ARR 대비 약 50배의 높은 멀티플을 인정받게 된다.
  • AI 기반 사이버 공격 증가에 대응하여 보안 기업들의 AI 관련 스타트업 인수 경쟁이 활발해지고 있으며, 이번 거래 성사 시 팔로알토 네트웍스의 올해 7번째 인수가 된다.
Notable Quotes & Details
  • 인수 규모: 현금 5억 달러(약 500M달러) 및 마일스톤 기반 추가 지급액
  • 클러치 시큐리티: 설립 3년 차, 2025년 1월 2,000만 달러 규모 시리즈 A 유치 시 기업 가치 8,500만 달러 평가, 현재 ARR 약 1,000만 달러 달성 근접 (ARR의 약 50배 가치 평가)
  • 팔로알토 네트웍스의 올해 인수 이력: Console(5억 달러), Embrace(3억 2,500만 달러), Chronosphere(29억 5,000만 달러), Koi(2억 3,100만 달러) 등 성사 시 올해 7번째 인수
  • 경쟁사 인수 사례: Cyera의 Oasis Security 10억 달러 인수, Cisco의 Astrix 약 4억 달러 인수

사이버 보안 및 AI 업계 관계자, 테크 M&A 투자자, IT 인프라 및 엔터프라이즈 보안 관리자

Amazon will let you text Alexa your shopping list

아마존이 사용자가 문자 메시지를 통해 쇼핑 AI 어시스턴트에게 제품 추천을 받고 주문까지 할 수 있는 기능을 도입했습니다.

  • 사용자는 텍스트 설명이나 사진을 문자로 전송하여 아마존 등록 상품 검색, 추천 확인 및 대리 주문을 진행할 수 있습니다.
  • 이 기능은 사용자의 개인적 선호도를 기억하여 반영하며, 관심 상품의 할인 및 가격 변동 시 문자 알림을 제공합니다.
  • 미국 내 소규모 고객을 대상으로 우선 배포를 시작했으며, 향후 수주일 내 수백만 명 이상의 고객으로 확대될 예정입니다.
Notable Quotes & Details
  • Rajiv Mehta (아마존 Conversational Shopping 부사장): "Now with Alexa for Shopping, your personal shopping agent is just a text away. Message it what you need and Alexa goes to work on your behalf — searching, comparing, and buying so you can get on with your day."
  • millions more customers

아마존 쇼핑 사용자 및 대화형 AI·모바일 커머스에 관심 있는 소비자

OpenAI is stepping back from NDAs for data center projects

OpenAI가 지역 사회 상생 공약의 일환으로 데이터 센터 프로젝트 추진 시 공무원과의 비밀유지계약(NDA) 체결을 중단하기로 결정했습니다.

  • OpenAI는 데이터 센터 확장 반대 여론을 반영하여 공무원과의 NDA 체결을 중단하고 합법적인 보안 및 영업비밀 등에 한해서만 좁은 범위의 보호를 적용하기로 했습니다.
  • 사용하는 전력 비용 전액과 관련 인프라 비용을 직접 부담하고, 예상 일자리 창출 규모와 채용 현황을 공개할 예정입니다.
  • 향후 소유 및 운영하는 모든 '컴퓨팅 캠퍼스'에 대해 지역 주민의 우선순위를 반영하는 '지역 협약(local compact)'을 체결할 계획입니다.
Notable Quotes & Details
  • OpenAI: "only narrow protections covering legitimate security information, trade secrets, or proprietary or competitively sensitive information."
  • OpenAI: paying "the full cost" of electricity it uses and the "infrastructure needed to serve us."
  • In October, Amazon announced it would no longer use NDAs with government agencies it works with on data center projects.

빅테크 인프라 정책, 데이터 센터 개발 및 공공 정책 관계자

Thinking Machines Releases Inkling 2 Small, a 594B MoE With 17B Active

Thinking Machines Lab이 총 594B 파라미터 중 17B가 활성화되는 멀티모달 MoE 모델 Inkling 2 Small을 공개했다.

  • 총 594B 파라미터 중 토큰당 17B(384개 전문가 중 8개 라우팅)가 활성화되는 희소 MoE 아키텍처이며 1M 토큰 컨텍스트와 가변 추론 강도를 지원한다.
  • 텍스트와 이미지 입력을 처리할 수 있는 멀티모달 모델로, 현재 Tinker API를 통해 제공되며 외부 안전성 검증 후 다음 주 Apache 2.0 라이선스로 가중치를 공개할 예정이다.
  • 코딩 및 에이전트 작업에 특화되어 SWE-Bench Pro v2(Hard)에서 86.3%를 기록하는 등 우수한 성과를 보였으나 Terminal-Bench 4.0에서는 13.1%에 그쳤다.
Notable Quotes & Details
  • 총 594B 파라미터 중 17B 활성화
  • AA Intelligence Index 31점 (이전 모델 Inkling Small은 13점)
  • SWE-Bench Pro v2 (Hard): 86.3%
  • Terminal-Bench 4.0: 13.1%
  • 사전 학습 H1 단계에서 NVIDIA GB300 NVL72 랙을 이용해 NVFP4 네이티브로 8.4T 토큰 학습
  • RL 학습에 2,048개 GPU로 9일 소요 및 코딩 토큰 비중 65.0%
  • 정렬 개선을 통해 내부 오작동(misbehavior) 점수 66.8에서 14.9로 감소

AI 연구원, 에이전트 및 코딩 모델 활용 개발자, LLM 인프라 엔지니어

How to Give Your AI Agent Memory

OpenAI Agents SDK와 Mem0를 활용하여 여러 세션에 걸쳐 컨텍스트와 사용자 선호도를 기억하는 장기 기억 AI 에이전트를 구축하는 방법을 설명합니다.

  • 세션이 끝나면 대화 내용을 잊는 한계를 극복하기 위해 단기 기억과 장기 기억을 분리하여 관리합니다.
  • 모든 대화 기록을 프롬프트에 넣는 대신 시맨틱 검색 기반의 검색 툴(search_memory)로 관련 정보만 검색해 컨텍스트 크기를 효율적으로 유지합니다.
  • 저장 툴(save_memory)을 통해 핵심 사실, 사용자 선호도, 결정 사항만을 선별하여 Mem0에 영구 저장합니다.
Notable Quotes & Details

세션 간 상태 유지가 필요한 AI 에이전트 및 코딩 보조 도구를 개발하려는 AI/소프트웨어 엔지니어

Top 7 Python Libraries for Time Series Analysis and Modeling

고전적 통계 예측부터 딥러닝 및 이상 탐지까지 시계열 분석 전반을 지원하는 주요 파이썬 라이브러리 7가지를 소개합니다.

  • statsmodels는 고전적 통계 모델의 기반으로 ARIMA 계열 모델, 지수 평활법(ETSModel), 정상성 및 잔차 검정 진단 도구를 제공합니다.
  • pmdarima는 R의 auto.arima 기능을 파이썬에 도입하여 ARIMA의 최적 파라미터(p, d, q) 탐색 및 계절성 검정을 자동화합니다.
  • sktime은 통계, 머신러닝, 딥러닝을 아우르며 파편화된 시계열 학습 작업(예측, 분류, 회귀, 군집 등)에 일관된 단일 인터페이스를 제공합니다.
Notable Quotes & Details

시계열 데이터 분석 및 모델링을 수행하는 데이터 사이언티스트, 머신러닝 엔지니어 및 파이썬 개발자

Notes: 제시된 본문 텍스트가 7개 라이브러리 중 일부(statsmodels, pmdarima, sktime) 설명 도중 잘려 있어 내용이 불완전함

KDASO: Knowledge-Data Dual-Driven Automated Skill Optimization for Liability Adjudication Tasks

법적 책임 판정 작업에서 LLM의 해석 가능한 추론 능력을 극대화하기 위해 지식과 데이터를 이중으로 활용하여 실행 가능한 스킬 라이브러리를 지속적으로 진화·최적화하는 프레임워크인 KDASO를 제안한 연구입니다.

  • 기존 LLM 기반 책임 판정의 주요 한계인 스킬 라이브러리의 노후화, 의미적 실행 격차(semantic execution gap), 컨텍스트 용량 초과로 인한 스킬 누락 문제를 지적했습니다.
  • 최근 판정 데이터 기반의 이웃 조건부 귀납, 궤적 분석을 통한 실행 정렬 개선, 컨텍스트 예산 기반 라우팅을 통합한 지식-데이터 이중 구동 스킬 최적화(KDASO)를 제안했습니다.
  • 차량 호출 판정, 법적 책임 판정, 논리적 추론 판단 실험에서 기존 범용 및 도메인 특화 기준 모델을 크게 앞섰으며 유사 시나리오 전이 시에도 8.96%의 성능 향상을 입증했습니다.
Notable Quotes & Details
  • arXiv:2611.06972v1
  • 개념적으로 유사한 시나리오로 스킬을 전이할 때 8.96%의 성능 향상 달성

법률 및 공공 정책 AI 연구자, LLM 기반 추론 및 스킬 최적화 시스템 엔지니어

BlockLock: Reproducible LLM Inference with Fixed Batch Geometry

배치 내 다른 요청의 영향을 받지 않고 동일한 출력을 보장하는 재현 가능한 LLM 추론 기법인 BlockLock을 제안한 논문입니다.

  • 공유 배치 프리필을 유지하면서 보호 대상 요청의 수치 연산 경로와 기하 구조만을 고정하는 BlockLock 방식을 도입했습니다.
  • 고정 폭 행을 사용해 전체 배치의 디코딩을 유지하는 BlockLock-Rows와 격리된 더미 세그먼트 패킹 후 대상 요청만 디코딩하는 BlockLock-Pack의 두 가지 모드를 제공합니다.
  • 별도의 커스텀 커널 구현 없이 기존 vLLM Batch-Invariant 대비 지연 시간을 53.5~55.0% 단축하고 처리량을 115.2~122.2% 개선했습니다.
Notable Quotes & Details
  • BlockLock-Rows reduces latency by 53.5--55.0% and improves throughput by 115.2--122.2% relative to vLLM Batch-Invariant
  • Qwen3-8B/14B, Llama-3.1-8B-Instruct, Gemma-3-4B/12B-IT
  • NVIDIA A6000, A100, H100
  • Both modes preserve target sequences and Top20-logit bits in the reported tests.

LLM 서빙 최적화 엔지니어, AI 시스템 연구원, 머신러닝 인프라 개발자

Resource-Efficient Reinforcement Learning Post-Training through Elastic Expert Parallelism

MoE 기반 대형 언어 모델의 강화학습 사후 학습 시 동적 전문가 병렬 처리를 통해 컴퓨팅 자원을 조기 회수하고 생성 효율을 높이는 시스템인 FlexFloor를 소개합니다.

  • MoE 모델 기반 강화학습 생성 과정에서 다른 작업자의 긴 응답 처리를 위해 응답 생성을 마친 작업자가 대기하며 전체 작업 시간의 약 1/3이 낭비되는 병목 현상이 발생합니다.
  • FlexFloor는 응답 스케줄링과 활성 작업자 그룹을 함께 조정하여 과거 응답 길이 및 메모리 제약을 바탕으로 배칭 및 프롬프트를 배치하고 작업자를 점진적으로 조기 해제합니다.
  • verl 베이스라인 대비 점유 컴퓨팅 시간당 약 65.40% 더 많은 응답 토큰을 생성하고 처리량을 52.74% 향상시키며 보상 저하 없이 자원 효율성을 극대화합니다.
Notable Quotes & Details
  • arXiv:2611.06984
  • 약 1/3(one-third)의 작업자 점유 시간이 로컬 응답 생성 완료 후 발생
  • verl 베이스라인 대비 점유 컴퓨팅 시간당 약 65.40% 더 많은 응답 토큰 생성
  • 응답 생성 처리량 52.74% 향상

대형 언어 모델 및 강화학습(RL) 사후 학습 분산 처리를 연구·개발하는 AI 엔지니어 및 연구자

The Two-Ledger Model: Transaction-Grain Cost Accounting for Multi-Agent AI Systems Across Clouds, Models, and Systems of Record

멀티 에이전트 AI 시스템에서 발생하는 비용을 개별 비즈니스 트랜잭션 단위로 추적 및 정산하기 위한 투레저(Two-Ledger) 모델을 제안한 논문입니다.

  • 클라우드 제공업체가 제공하는 청구 데이터(FOCUS 규격)는 SKU 및 청구 기간 단위의 결제 수준에 머물러 있어 실제 주문이나 클레임 단위의 비즈니스 트랜잭션별 AI 비용을 파악하기 어렵다는 문제점을 공식화했습니다.
  • 청구서 기반의 '결제 원장(Settlement Ledger)'과 OpenTelemetry GenAI 원격 측정을 기반으로 한 호출 단위의 '귀속 원장(Attribution Ledger)'을 계층형 상관관계 기술로 연결하는 투레저 모델을 제시했습니다.
  • 시뮬레이션 검증 결과 추적 전파가 실패하는 환경에서도 99% 이상의 비용 커버리지를 유지했으며, 실시간 비용 제어를 통해 트랜잭션 p99 비용을 최대 61% 절감할 수 있음을 확인했습니다.
Notable Quotes & Details
  • arXiv:2611.06989v1
  • trace propagation falls to zero 상황에서도 비용 커버리지 99% 이상 유지
  • 미계측 지출 복구 오차 0.24%p 이내
  • mid-flight gating을 통해 2-4% false-pause rate로 p99 transaction cost 최대 61% 절감

멀티 에이전트 AI 시스템을 운영하는 엔터프라이즈 엔지니어, FinOps 전문가 및 클라우드 비용 관리자

Trust Responsive Runtime Authorization for Agentic AI with Empirical Characterization of Policy Behavior and Parameter Sensitivity

자율 에이전트의 런타임 신뢰도 및 상태 평가를 동적 권한 제어로 변환하는 비대칭 인가 정책인 TRAP의 성능과 파라미터 민감도를 실증적으로 분석한 연구입니다.

  • TRAP(Trust Responsive Authorization Policy)은 런타임 신뢰도, 운영 안정성, 맥락적 위험을 결합한 ARS(Authorization Readiness Score)를 기반으로 권한을 동적으로 제어합니다.
  • 권한 상승 시에는 임계값 이상의 연속적인 관측을 요구하고 급격한 저하 시에는 즉시 권한을 제한하는 비대칭 규칙을 적용하여 안정성과 회복성을 높였습니다.
  • 급격한 성능 저하 상황에서는 효과적인 즉시 제한을 보이지만, 성능 저하가 점진적으로 분산되어 발생할 경우 제한 효과가 크게 줄어드는 한계가 확인되었습니다.
Notable Quotes & Details
  • 100 Monte Carlo traces
  • 동일한 저하가 5-20개 구간으로 분산된 경우, TRAP은 단일 구간 저하가 임계치를 넘은 4개 추적에서만 권한을 제한함
  • 점진적 저하 상황에서 20개 구간 중 15.9-18.9 구간 동안 준비도 수준을 초과하는 권한을 유지함 (급격한 저하 시 0.8 구간 대비)

자율 에이전트 시스템 설계자, AI 보안 및 런타임 정책 연구원

SteelAgent: LLM-Orchestrated, Physics-Informed Steel Property Prediction with Audited Generalization and Calibrated Uncertainty

물리 기반 야금학적 특성과 대형 언어 모델(LLM)을 결합하여 강재 물성 예측, 불확실성 보정 및 역설계를 수행하고 평가 분할 방식에 따른 일반화 성능 저하를 분석한 연구입니다.

  • 무작위 분할에서는 성능이 높아 보여도 생소한 강종군(steel family)을 분리 평가할 경우 그레이디언트 부스팅의 OOF R²가 0.859에서 0.113으로 급감함을 규명했습니다.
  • 명목 90% 예측 구간의 실제 커버리지가 무작위 분할 시 91.0%에서 출처 홀드아웃 시 37.6%로 떨어져 불확실성 보정이 크게 악화될 수 있음을 확인했습니다.
  • 물리 기반 특성의 효과는 평가 조건에 따라 달라져 17개 강종군 분석에서는 R²를 0.2534 향상시켰으나 4개 등급 실험실 분석에서는 0.358 감소시키는 양상을 보였습니다.
Notable Quotes & Details
  • arXiv:2611.06953v1
  • gradient boosting pooled out-of-fold R²: 0.859 (random split) -> 0.113 (steel families held out)
  • nominal 90% prediction intervals coverage: 91.0% (random splitting) -> 37.6% (held-out sources)
  • R² change by physics-derived features: +0.2534 (17-family holdout), -0.358 (four-grade laboratory analysis)

재료공학 및 야금학 연구자, 인공지능 기반 물성 예측 및 신소재 역설계 개발자

Octopus: One Brain, Many Branches for Latent-KV Multi-Agent Reinforcement Learning

단일 모델의 백본과 GPU 상의 KV 상태 DAG를 공유하여 다중 에이전트 강화학습의 메모리와 연산 비효율을 해결한 Octopus 프레임워크를 제안합니다.

  • 공유 물리 KV 페이지에 대해 O(1) 커서 뷰로 브랜치를 생성하는 Zero-Copy Radix Forking 기술을 도입했습니다.
  • 선형 순환 상태를 우회하고 형제 스레드의 KV 블록을 직접 어텐션 레이어에 마운트하여 오프태스크 하이재킹을 21배 줄이면서 상호 정보량을 유지합니다.
  • 에피소드 내 브랜치를 단일 블록 희소 어텐션 패스로 패킹하고 브랜치별 기여도를 평가하는 Packed DAG-GRPO 학습 방식을 적용했습니다.
  • Qwen3.5-4B 기반 실험에서 기존 단일 에이전트 및 텍스트 요약 다중 에이전트 대비 높은 정확도를 달성하고 최대 250배 큰 고밀도 검색 에이전트를 능가했습니다.
Notable Quotes & Details
  • arXiv:2611.06956
  • off-task hijacking by 21x (57.9% -> 2.7%)
  • retaining 92.2% of full-text mutual information
  • BrowseComp-Plus 49.6% accuracy (+17.5 points over single-agent GRPO, +12.5 points over text-summary multi-agent RL)
  • OpenResearcher 51.2% accuracy
  • outperforming dense-retrieval agents up to 250x larger
  • increasing training throughput 3.3x and cutting peak KV memory 2.8x

LLM 기반 다중 에이전트 시스템, 강화학습(RL) 최적화 및 추론 메모리 효율화에 관심 있는 AI 연구자 및 엔지니어

Uncertainty calibration in Bayesian M/EEG source imaging

M/EEG 신호원 국소화의 신뢰성을 높이기 위해 베이즈 역문제 추정 기법의 불확실성을 정량화하고 사후 교정하는 시뮬레이션 기반 프레임워크를 제안한 연구입니다.

  • sLORETA 가중치를 적용한 베이지안 최소 놈(BMN)과 S-FLEX 희소 기저 확장을 적용한 희소 베이지안 학습(SBL)의 사후 신용 영역 교정 성능을 비교 분석했습니다.
  • 재교정 전에는 SBL+S-FLEX가 BMN+sLORETA에 비해 낮은 바서슈타인 국소화 오차와 더 작은 사후 불확실성, 공칭 신용도에 가까운 커버리지를 보였습니다.
  • 등조 회귀 기반 사후 재교정(isotonic recalibration)을 통해 두 방법 모두 불확실성 정밀도가 향상되었으며, 실제 청각 MEG 데이터에서도 SBL+S-FLEX가 더 국소적인 위치 추정 성능을 나타냈습니다.
Notable Quotes & Details
  • arXiv:2611.06979v1

생체신호(M/EEG) 분석 연구자, 뇌과학자 및 베이지안 역문제 머신러닝 연구원

Big Models, Small Gains: Frozen Forecasters as Classifiers on MONSTER

시계열 예측 기반 파운데이션 모델을 사전 학습된 고정 특성 추출기로 사용했을 때, 비사전학습 기반 분류 모델 대비 실질적인 성능 이점이 크지 않음을 MONSTER 벤치마크를 통해 검증한 연구입니다.

  • Reverso와 Chronos-Bolt 예측 모델을 MONSTER 벤치마크 6개 대규모 데이터셋(라벨 1%, 10%, 100%)에서 평가했습니다.
  • 무작위 가중치 모델 대비 사전 학습이 정확도를 최대 23%p 향상시켰으나, 강력한 비사전학습 기반 기준 모델(Baseline)에는 17개 설정 중 15개에서 뒤처지고 2개에서만 동률을 기록했습니다.
  • 진폭(amplitude) 정보를 복원하면 일부 격차가 줄어들었지만, 미세조정(fine-tuning)이나 예측 오차 특성 활용으로도 비사전학습 기준 모델과의 성능 차이를 완전히 좁히지는 못했습니다.
Notable Quotes & Details
  • arXiv:2611.06988v1
  • 6개 대규모 데이터셋(라벨 1%, 10%, 100%)
  • 무작위 가중치 대비 최대 23 percentage points 향상
  • 17개 설정 중 15개에서 비사전학습 기준 모델보다 낮은 성능(2개 동률)
  • https://github.com/Rachet2006/frozen-forecasters-monster

시계열 데이터 분석 및 머신러닝/딥러닝 연구자, 파운데이션 모델을 활용한 분류 작업을 연구·개발하는 AI 엔지니어

Stochastic Dynamics of Generative AI: From Autoregressive Models to Interacting LLM Networks and Neural SDEs

확률 동역학계의 관점에서 LLM의 순차적 생성, 상호작용하는 LLM 네트워크의 집단적 행동, 그리고 신경 SDE 기반 연속시간 생성 모델을 포괄적으로 분석한 연구입니다.

  • LLM을 고차원 비선형 자기회귀 모델로 공식화하여 사전학습과 순차적 토큰 생성 간의 연결 및 확률론적 해석을 제시했습니다.
  • 상호작용하는 LLM 네트워크의 집단 행동을 평균장 상미분방정식(mean-field ODE)으로 특성화하여 우선적 연결 및 유리천장 효과 같은 구조적 편향을 규명했습니다.
  • 신경 확률미분방정식(Neural SDE)의 학습 효율성을 높이기 위해 몬테카를로 추정의 대안으로 거친 경로(rough-path) 분석 기반 위너 공간 큐버처(Wiener-space cubature) 기법을 제안했습니다.
Notable Quotes & Details
  • arXiv:2611.07065v1

생성형 AI의 확률적 모델링, 복잡계 네트워크 동역학 및 신경 SDE 이론을 연구하는 AI 연구원 및 수학자

Interactive Backdoor Attacks in LLM-Based Proactive Dialogue Systems

LLM 기반 능동형 대화 시스템에서 미세조정 데이터 오염을 통해 다중 턴 대화를 공격자가 의도한 목표로 유도하는 대화형 백도어 공격 프레임워크에 관한 연구입니다.

  • 기존의 단순 트리거-응답 방식을 넘어, 트리거 발동 후 이어지는 다중 턴 상호작용 전체를 공격자 목표로 유도하는 대화형 백도어 공격 프레임워크를 제안했습니다.
  • 즉각적 반응을 유도하는 'Direct Attack', 사전 정의된 경로를 따라가는 'Constrained Progressive Attack', 자유로운 대화 흐름을 유도하는 'Unconstrained Progressive Attack'의 세 가지 공격 형태를 구현했습니다.
  • 심리 상담 도메인 실험 결과, 정상 대화 성능을 유지하면서 공격 목표를 효과적으로 달성했으며, 기존 훈련 데이터 필터링 및 방어 기법으로는 탐지하기 어렵다는 점을 확인했습니다.
Notable Quotes & Details
  • arXiv:2611.06969v1

LLM 보안 연구원, 대화형 AI 시스템 개발자, AI 안전성 및 정렬 연구자

Automated Feedback to Peer Tutors Increases Their Talk Moves and Learner Reasoning but Not the Balance of Talk

자원봉사 튜터링 환경에서 대화 분석 기반 자동 피드백이 튜터의 유도 질문과 학습자의 추론을 향상시키지만 발화 시간 불균형은 해소하지 못한다는 무작위 통제 시험 연구입니다.

  • Schoolhouse.world 플랫폼의 SAT 수학 부트캠프에서 1,030명의 자원봉사 튜터와 7,443명의 학습자를 대상으로 무작위 통제 시험(RCT)을 실시했습니다.
  • 튜터에게 제공된 자동 피드백은 학습자 아이디어 유도, 기여 수용, 학습자 추론을 8-15% 증가시켰으며 두 차례 부트캠프 모두에서 재현되었습니다.
  • 대조군 평균 91.5%에 달하는 튜터 발화 시간 비율은 피드백 조건에서도 변화하지 않았으며, 학습자 대상 피드백 추가 역시 대화 균형에 유의미한 영향을 주지 못했습니다.
Notable Quotes & Details
  • 1,030 volunteer tutors, 7,443 learners and 6,508 recorded sessions
  • 8-15%
  • 91.5%
  • arXiv:2611.07072v1

교육 AI 연구자, 에듀테크 개발자, 온라인 튜터링 플랫폼 운영자

What Patients Say They Can't Access: Mining Cancer Screening Barriers from Online Communities

미국 내 암 검진 격차 문제를 해결하기 위해 레딧의 6개 암 커뮤니티 게시물 56,000건 이상을 분석하여 환자들이 직접 언급한 검진 장애 요인을 대규모로 추출 및 규명한 연구입니다.

  • 임상 설문조사로는 포착하기 힘든 환자들의 실제 장애 요인을 확인하기 위해 6개 암 관련 Reddit 커뮤니티의 56,000개 이상 게시물을 분석함
  • 키워드 필터링, 장애 분류, 오픈 코딩, 코드북 합성을 결합한 파이프라인을 적용해 미국 위치 기반의 576개 게시물에서 구조적·정보적·심리사회적 장벽을 체계적으로 도출함
  • 도출된 장애 요인이 암 종류와 커뮤니티 맥락에 따라 유의미하게 달라짐을 확인했으며, 향후 표적 개입 프로그램 및 보건 의료 시스템 정책 설계를 위한 기반을 마련함
Notable Quotes & Details
  • 56,000 posts across six cancer-specific Reddit communities
  • 576 U.S.-located posts
  • arXiv:2611.07113v1

보건의료 정책 입안자, 암 검진 내비게이터 프로그램 설계자, 의료 정보학 및 자연어 처리 연구자

Adapting LLM Judges to Observed Human Annotation Policy through Soft Prompt Tuning

경량 오픈소스 LLM 판사의 평가 일치도를 인간 평가 정책에 맞추기 위해 소프트 프롬프트 튜닝을 적용한 연구입니다.

  • 상용 독점 모델에 비해 인간 평가와의 일치도가 떨어지는 경량 오픈소스 LLM 판사의 성능 한계를 극복하고자 소프트 프롬프트 튜닝을 도입했습니다.
  • FairBotBench 벤치마크를 기반으로 텍스트 프롬프트와 연속 프롬프트 임베딩을 결합한 하이브리드 소프트 프롬프트 튜닝을 수행하여 편향, 독성, 개인화 측면에서 인간 평가와의 일치도를 개선했습니다.
  • Qwen 3.5 9B 모델의 경우 튜닝을 통해 세 가지 평가 차원 모두에서 기존 호스팅 참조 판사 모델의 성능을 능가했습니다.
Notable Quotes & Details
  • arXiv:2611.07126v1
  • FairBotBench
  • Qwen 3.5 9B

LLM 자동 평가 파이프라인 및 오픈소스 모델 기반 평가 시스템을 구축하려는 AI 연구자 및 엔지니어

Matriarchy Classics: A Computational Approach to Swap Only Gendered Words in Classic Novels

고전 소설에서 다른 텍스트는 보존하면서 성별 관련 단어만을 정확히 반전시키는 신뢰성 있는 전산학적 방법론을 제안한 연구입니다.

  • 대규모 언어 모델(LLM)이나 단순 규칙 기반 방식이 실패하는 성별 반전 작업을 오직 성별 관련 단어만 변경되도록 프로그래밍 방식으로 보장하는 방법론을 개발했습니다.
  • 공백 보존 토크나이저, 복수형·소유격 매핑, 대명사 처리, 인물 이름 변경 전략을 통해 수주일이 걸리던 작업을 몇 분 수준으로 단축했습니다.
  • 오만과 편견(Pride and Prejudice)과 위대한 개츠비(The Great Gatsby)에 적용해 모계 중심 사회로 재해석된 소설을 선보였으며, 이는 독자·사회·AI의 성 편향을 분석하는 도구로 활용될 수 있습니다.
Notable Quotes & Details
  • arXiv:2611.07134v1
  • 수주일의 수작업을 몇 분으로 단축(shortens the time required to gender-swap a novel from weeks of manual labor to minutes)

자연어 처리(NLP) 연구자, AI 윤리 및 편향 연구자, 디지털 인문학 학자

ToyBlocks: A controlled world for robot learning and evaluation

앨런 AI 연구소(Allen Institute for AI)가 로봇 학습 및 평가를 위해 시뮬레이션 환경, 자동 태스크·시연 데이터 생성 기능을 제공하는 제어된 실험 프레임워크인 'ToyBlocks'를 공개했습니다.

  • 복잡한 로봇 학습의 실패 원인을 추적하고 체계적으로 검증하기 위해 제어된 환경을 제공하는 'FoundationWorlds' 프레임워크를 제안했습니다.
  • 첫 번째 환경인 'ToyBlocks'는 탁자 위의 로봇 팔과 블록 조작 환경을 기반으로 하며, 원격 조종 없이 대규모 시연 데이터를 자동으로 생성합니다.
  • 단순한 블록 쌓기뿐만 아니라 블록 면의 글자·그림 탐색 및 정렬 등 추론과 정밀한 물리 제어가 결합된 다양한 과제를 수행하도록 설계되었습니다.
Notable Quotes & Details
  • ToyBlocks의 4대 설계 요구조건: (1) realistic physics and appearance, (2) automatic generation of tasks and demonstrations at scale, (3) challenges that combine reasoning with dexterity, (4) broad coverage of the tasks possible within a domain
  • MolmoAct 2, MolmoBot, MolmoSpaces

로봇 공학 및 로봇 강화학습/모방학습 연구자, 시뮬레이션 기반 AI 개발자

Egyptian and Nigerian English join the Open ASR Leaderboard

Open ASR Leaderboard에 Liva AI와의 협업을 통해 이집트 및 나이지리아 영어 악센트 비공개 데이터셋이 추가되어 음성 인식 평가의 다양성과 신뢰성이 강화되었습니다.

  • Hugging Face가 Liva AI와 협력하여 이집트 및 나이지리아 악센트를 포함한 새로운 비공개 평가 데이터를 Open ASR Leaderboard에 도입했습니다.
  • 카치루의 세 동심원(Kachru's Three Circles) 모델을 기반으로 US 대 non-US, 이너 서클 대 아우터/익스팬딩 서클 등의 세부 악센트별 성능 분석을 제공합니다.
  • Liva AI의 실사용자 기반 멀티모달 상호작용 데이터를 활용하여 인위적 데이터 수집의 한계를 극복하고 자연스러운 고맥락 음성 평가 환경을 마련했습니다.
Notable Quotes & Details
  • Appen and DataOceanAI covering scripted and conversational speech from five accents
  • Inner Circle ( US, UK, Australia, Canada ) vs. Outer & Expanding Circles ( India, Nigeria, Egypt )

음성 인식(ASR) 연구원, AI 모델 평가 엔지니어 및 오픈소스 AI 커뮤니티

Show GN: K-Humanizer - 한국어 글에서 번역투를 덜어내는 Agent Skill

AI가 작성한 한국어 문장에서 불필요한 번역투를 다듬고 자연스럽게 교정해 주는 에이전트 스킬 K-Humanizer가 공개되었습니다.

  • AI로 작성된 이력서, 업무 메일, 제품 안내문 등의 번역투 표현을 간결하고 자연스럽게 다듬는 오픈소스 스킬입니다.
  • Cursor, Claude, Codex 환경에서 활용 가능하며 MIT 라이선스로 배포되었습니다.
  • 글자 변경률 제한을 제거하고 본래 의미가 훼손되지 않도록 검증 지침을 강화했습니다.
Notable Quotes & Details
  • MIT 라이선스
  • npx skills add evergreentree97/K-Humanizer --skill k-humanizer --full-depth

AI를 활용해 한국어 문서를 작성하거나 교정하려는 개발자 및 일반 사용자

Show GN: product design_harness - 아이디어부터 기획, 와이어프레임, 프로토타입 검증까지 연결하는 AI 하네스

아이디어 구체화부터 기획, 와이어프레임, 프로토타입 제작 및 UX 검증까지 전 과정을 지원하는 Claude Code·Codex용 프로덕트 디자인 하네스 소개

  • AI에게 바로 와이어프레임을 요청할 때 기획 의도와 맥락 부족으로 실패하던 문제를 해결하기 위해 개발됨
  • 아이디어를 입력하면 AI가 질문을 통해 제품 맥락과 요구사항을 먼저 구체화하도록 설계됨
  • 기획, 와이어프레임, 인터랙티브 프로토타입, UX 검증까지 이어지는 프로덕트 디자인 전 과정을 연계 지원함
Notable Quotes & Details
  • 질문 먼저, 기획은 이후에.
  • Claude Code와 Codex에서 사용할 수 있는 '프로덕트 디자인 하네스'

AI 코딩 도구를 활용해 제품을 기획하고 프로토타입을 제작하려는 기획자, 디자이너, 개발자

Baidu, 사전학습 기반 모델 ERNIE 5.5 Flash Base 공개

Baidu가 후속 연구 및 튜닝의 출발점으로 활용할 수 있는 대규모 사전학습 MoE 기반 모델 ERNIE-5.5-Flash-Base의 가중치를 공개했습니다.

  • 중간 또는 후속 학습을 거치지 않아 도메인 적응, 지시 튜닝, 강화학습 등의 기초 모델로 활용 가능한 사전학습 종료 시점 가중치 공개
  • 전체 2,800억 파라미터 중 토큰당 140억 개를 활성화하는 희소 MoE 구조로 33.5조 토큰을 사용해 스크래치부터 학습
  • 사전학습 128K 및 미세조정·추론 시 최대 1M 문맥을 지원하며, 과거 문맥을 128배 압축하는 하이브리드 희소 어텐션 적용
Notable Quotes & Details
  • 전체 2,800억 파라미터 중 토큰당 140억 개를 활성화하는 희소 MoE 모델
  • 33.5조 토큰으로 처음부터 학습
  • 사전학습 문맥 최대 128K, 미세조정과 추론 문맥 1M 토큰 지원
  • 대부분의 층에서 과거 문맥을 128배 압축

AI 연구원, 머신러닝 엔지니어 및 LLM 파인튜닝 개발자

Inkling 2 Small - 장시간 자율 코딩과 연구를 강화한 MoE 모델

Thinking Machines Lab이 장시간 자율 코딩과 연구 능력을 강화한 MoE 기반 2세대 AI 모델 Inkling 2 Small을 공개했습니다.

  • 총 5,940억 파라미터 중 170억 파라미터만 활성화하는 MoE 구조로 코딩, 시각 이해, 지식 업무 및 추론 성능을 향상함
  • 생성된 화면을 시각적으로 확인하며 웹사이트, 게임, 3D 디자인을 반복 개선하고 별도 요청 없이도 작업 결과를 자율 검증함
  • 다른 모델의 데이터 분석, 미세조정, 강화학습 등 학습과 실험 과정을 자율적으로 수행 가능함
Notable Quotes & Details
  • 총 5,940억 파라미터 중 170억을 활성화하는 MoE 구조
  • 4.5시간, Tinker 사용료 426달러로 Qwen3.5-4B의 예측 점수를 두 배 이상 높임

AI 개발자, 소프트웨어 엔지니어 및 AI 연구원

로컬 LLM, 권장된 샘플링 대신 temp 0으로 실행해도 되나? ( 한국어 문서 RAG 320문항 재측정)

로컬 LLM을 한국어 문서 RAG 벤치마크에서 temp 0 대신 권장 샘플링 값으로 실행하여 성능 차이를 재측정한 결과 실질적인 차이가 없음을 확인한 분석입니다.

  • Hugging Face 토론 지적에 따라 RTX 3090 환경에서 qwen3.8 27B 및 Nanbeige4.3 33B 모델을 대상으로 카드 권장 설정값을 적용해 320문항 RAG 테스트를 재실행함
  • qwen3.8 27B의 경우 생각 모드 켬(77.3% → 77.9%) 및 끔(71.2% → 72.2%) 모두 통계적으로 유의미한 차이가 없었음(p 0.75, 0.68)
  • Nanbeige4.3 33B의 점수 상승(66.2% → 70.6%)은 샘플링 값 차이가 아니라 출력 토큰 한도를 8,192에서 20,480으로 확대한 데 따른 영향임
Notable Quotes & Details
  • 정답 있는 299문항 + 답 없는 질문 20개
  • qwen3.8 27B: 생각 켬 77.3% → 77.9%, 생각 끔 71.2% → 72.2%
  • p 0.75, 0.68
  • Nanbeige4.3 33B 생각 켬: 66.2% → 70.6%
  • 출력 한도를 20,480으로 늘린 덕

로컬 LLM 구축 및 RAG 평가를 진행하는 AI 개발자 및 엔지니어

ICLR27: Reviewer says my paper is too close to the same paper that I previously had in a workshop. [D]

ICLR 학회에 개선된 논문을 제출한 작성자가 제목과 방법명을 변경한 탓에 리뷰어로부터 자신의 이전 워크숍 논문과 비교하라는 요구를 받아 익명성을 유지하며 해명하는 방법에 대해 질문하는 글입니다.

  • 작성자는 기존 워크숍/arXiv에 공개했던 논문의 오류를 수정하고 개선하여 제목과 방법 명칭을 바꾼 뒤 ICLR에 제출함
  • 한 리뷰어가 이전 버전의 연구와 매우 유사하다며 이전 논문과의 비교 분석을 요구함
  • 블라인드 리뷰의 익명성을 해치지 않으면서 해당 논문이 사실상 본인의 이전 연구 개선본임을 소명해야 하는 난처한 상황에 처함
Notable Quotes & Details
  • Reviewer says my paper is too close to the same paper that I previously had in a workshop.
  • How do I argue for this to my friend, that they are exactly the same paper, but now corrected and improved, without breaking anonymity?

AI 및 머신러닝 연구자, 학회 논문 투고 경험자

I need some guidance after a six month hiatus [R]

6개월간의 공백기를 거친 5년 차 박사과정생이 학위 논문 작성을 위한 저널 논문 출판을 목표로 TCN 기반 시계열 예측 연구 방향 및 최신 동향에 대한 조언을 구하고 있습니다.

  • 작성자는 IEEE 저널 2회 탈락 후 겪은 심각한 슬럼프와 6개월의 공백을 극복하고 박사과정을 지속하기로 결정했습니다.
  • 지도교수의 학위 논문 작성 요건인 3번째 저널(IEEE/Elsevier 등) 게재를 위해 연속혈당측정(CGM) 데이터셋인 MetaboNet을 분석하고 있습니다.
  • TCN(Temporal Convolutional Network) 모델을 기본 축으로 삼고 있으나, 연구의 참신성 확보 및 최신 동향 파악에 어려움을 겪으며 조언을 요청했습니다.
Notable Quotes & Details
  • June 2026
  • MetaboNet (https://metabo-net.org/)
  • TCN (Temporal Convolutional Network)

시계열 예측 및 머신러닝/딥러닝 연구자, 박사과정 대학원생

Latest Open-Source Labs are gutting away cybersecurity and reverse-engineering capabilities

최신 중국발 오픈소스 LLM에서 사이버 보안 및 리버스 엔지니어링 기능이 제거되고 있어 로컬 보안 방어 활동에 차질이 우려된다는 분석.

  • Kimi K3.1 및 Tencent의 Hy4 등 최신 중국 오픈 가중치 모델들이 사이버 보안, 리버스 엔지니어링, 취약점 패치 역량을 대거 제거하고 있음
  • 로컬 모델의 보안 기능 거세는 자체 하드웨어를 통한 코드 취약점 감사와 바이너리 분석을 어렵게 만들어 방어자 진영에 큰 타격을 줌
  • 이러한 조치는 방어자들에게 오탐 차단 문제가 잦은 폐쇄형 소스 API 사용을 강제하는 역효과를 낳을 수 있음
Notable Quotes & Details
  • "Gutting defensive security from local LLMs just hurts defenders."
  • Kimi K3.1
  • Tencent’s Hy4

보안 연구원, 리버스 엔지니어, 로컬 LLM 개발자 및 오픈소스 커뮤니티

Good news bad news…

향후 Qwen 시리즈의 대형화 계획 발표에 따른 모델 파라미터 증가 전망과 오픈소스 커뮤니티의 반응을 다룹니다.

  • Qwen 발표 캡처에 따르면 향후 Qwen 4.5 및 Qwen 5 세대에서도 모델 규모가 더욱 거대해질 예정입니다.
  • Anthropic 모델의 유출된 크기 정보와 마찬가지로 전반적인 LLM 파라미터 대형화 추세가 지속되고 있습니다.
  • 로컬 LLM 사용자들은 최소 27B 크기나 실용적인 중간 규모 MoE 모델의 유지를 희망하고 있습니다.
Notable Quotes & Details
  • In the future, we will continue to push toward even larger scales, in the Qwen 4.5 and Qwen 5…
  • 27b

로컬 LLM 개발자 및 오픈소스 AI 모델 활용자

A 0.1B model just killed 8B embedding models... I tried it out.

저사양 로컬 기기에서 고비용 밀집 임베딩 모델 대신 약 0.1B 크기의 SPLADE 기반 희소 검색 모델을 활용해 가볍고 효율적인 RAG 시스템을 구축한 실험 및 오픈소스 공유.

  • 밀집 임베딩 모델(Qwen3-Embedding-0.6B)은 일반적인 저사양 PC나 구형 맥북에서 구동하기에 메모리 부하와 발열이 매우 심함
  • 한국어와 영어 성능이 뛰어난 KURE-sparse-nano(SPLADE 기반) 모델은 1.5GB 미만의 VRAM만 사용하여 OOM이나 과열 없이 뛰어난 검색 성능을 입증함
  • 밀집 임베딩과 SPLADE를 섞은 하이브리드 검색보다 SPLADE 단독 검색 성능이 더 우수했으며, LanceDB 및 Rust 기반 역색인을 최적화한 AutoRAG Agent 프로젝트를 오픈소스로 공개함
Notable Quotes & Details
  • Qwen3-Embedding-0.6B
  • SPLADE
  • KURE-sparse-nano
  • 추론 시 1.5GB 미만 VRAM 소모
  • M5 MacBook Air 16GB
  • AutoRAG Agent

로컬 환경 또는 저사양 기기에서 고성능 RAG 시스템을 구축하려는 개발자 및 엔지니어

[R] First paper on how to train actual SOTA Decision Models ever: full playbook - architecture, datasets, training, evaluation, inference

Nace AI Research Lab이 최첨단 의사결정 모델 Drex의 아키텍처, 데이터셋, 학습 및 평가 기법을 상세히 정리한 50페이지 분량의 기술 보고서와 오픈소스 모델을 공개했습니다.

  • Drex 모델군은 9B에서 35B 파라미터 규모로 Dense Causal Transformer, Diffusion LM, MoE 등 다양한 아키텍처와 주의 집중 메커니즘을 적용했습니다.
  • 약 115만 건의 검증된 기록을 바탕으로 전체 파라미터 지도 미세조정(SFT)을 진행했으며, 조정된 피드백 기반 강화학습(RLAF)을 통해 신뢰도 캘리브레이션을 개선했습니다.
  • safetensors 및 GGUF 포맷으로 공개되어 llama.cpp와 Ollama를 통해 로컬 환경에서 구동 가능하며, 로컬 에이전트 라우터나 도구 선택 모델 구축에 유용합니다.
Notable Quotes & Details
  • 50-page technical report
  • 9B to 35B parameters
  • ~1.15M verified decision records
  • Drex v1.5 has accuracy of 93.4% accuracy on their long context benchmark: 32K–128K tokens
  • 1.37% calibration ECE for Drex v2.0 on ~115K held-out decisions
  • <100 ms latency on 128K-token context
  • Option-order shuffling changes the top answer in 4-6% of decisions, without changing aggregate accuracy

로컬 AI 에이전트 라우팅, 도구 선택 모델 구현 및 자체 의사결정 모델 학습에 관심이 있는 AI 연구원 및 개발자

Introducing Inkling 2 Small

총 594B 매개변수 중 17B가 활성화되는 차세대 MoE 모델인 Inkling 2 Small이 공개되었습니다.

  • 총 594B(활성 17B) 매개변수를 갖춘 MoE 모델로 이미지 입력 및 가변 추론 강도를 지원합니다.
  • 사전 학습 효율화와 대규모 통합강화학습(RL)을 통해 코딩, 비전, 지식 작업 및 추론 성능을 대폭 개선하였습니다.
  • 현재는 Tinker를 통해 비공개 가중치로 우선 제공되며, 외부 안전성 평가 후 다음 주에 Apache 2.0 라이선스로 오픈소스로 공개될 예정입니다.
Notable Quotes & Details
  • 594B total parameters, 17B active
  • Artificial Analysis Intelligence Index score of 31
  • Apache 2.0 license
  • Previous Inkling Small model's size is only 276B total, 12B active

AI 개발자 및 오픈소스 LLM 연구자/엔지니어

How Do You Land on a Moon With Almost No Gravity?

일본 우주항공연구개발기구(JAXA) 주도의 MMX 탐사선이 극미중력 천체인 화성의 위성 포보스에 착륙하여 탐사하고 샘플을 채취하는 도전 과제를 다룬 기사입니다.

  • JAXA를 중심으로 한 국제 화성 위성 탐사선 MMX가 H3 로켓을 통해 10월 20일 발사되어 2027년 화성에 도착할 예정입니다.
  • 포보스는 지구 중력의 약 1/1,800에 불과한 암석과 먼지가 느슨하게 뭉친 천체로, 착륙 시 튕겨 나가거나 기울어지지 않게 하는 등 극미중력 제어가 핵심 과제입니다.
  • NASA, CNES, DLR 등 국제 협력을 통해 개발된 과학 탑재체와 소형 로버 Idefix를 착륙시켜 표면 탐사 및 지구로의 샘플 반환을 목표로 합니다.
Notable Quotes & Details
  • 20 October
  • 2027
  • 1/1,800 th of Earth’s gravity
  • roughly 27 kilometers in length
  • “I often say that landing on Phobos is like trying to land a balloon,” says Yasuhiro Kawakatsu

우주 탐사, 항공우주 공학 및 천문학에 관심이 있는 일반 대중 및 연구자

GitLab 19.5 Makes Agentic Development a Governed Part of the DevOps Platform

GitLab 19.5가 정식 출시되며 Model Context Protocol(MCP) 서버 GA 지원과 외부 AI 에이전트에 대한 거버넌스 및 제어 기능을 플랫폼의 핵심으로 통합했습니다.

  • GitLab MCP 서버의 정식 출시(GA)로 Claude Code, Cursor 등 외부 AI 에이전트가 GitLab 도구 카탈로그에 접근하고 Duo 워크플로를 호출할 수 있게 되었습니다.
  • 외부 연결 에이전트를 AI 거버넌스 대시보드와 연동하여 세션 기록, 사용자 및 프로젝트별 활동 추적, SIEM 이벤트 스트리밍 등 보안 통제 기능을 강화했습니다.
  • 승인 없이 작업을 수행하는 CLI auto mode, 목표 기반 실행을 지원하는 /goal 명령어, OpenBao 기반의 GitLab Secrets Manager가 정식 지원됩니다.
Notable Quotes & Details
  • GitLab 19.5 , released on October 15
  • GitLab.com also introduces MCP rate limits of 60 requests per minute for Free users and 600 for Premium and Ultimate users
  • Connectivity creates capability; governance determines whether that capability can be safely used at organisational scale.

DevOps 엔지니어, 보안 담당자, AI 기반 소프트웨어 개발 도구를 조직에 도입하려는 개발팀 리더

Malicious Browser Extensions Could Use Claude Dispatch to Run Code on Users' Computers

악성 브라우저 확장 프로그램이 Claude의 Dispatch 기능을 악용하여 사용자의 컴퓨터에서 임의 코드를 실행할 수 있다는 보안 취약점 연구 결과.

  • claude.ai에서 스크립트를 실행할 수 있는 브라우저 확장 프로그램이 Dispatch 기능을 이용해 Claude Desktop에 명령을 보내 로컬 컴퓨터에서 코드를 실행할 수 있음을 Forever Security 연구팀이 시연했습니다.
  • 확장 프로그램 스크립트가 사용자인 것처럼 위장해 npm 패키지 설치를 요청하고 승인 팝업을 자동으로 클릭함으로써 별도의 브라우저 익스플로잇 없이 계산기 앱 실행 등 임의 작업을 수행했습니다.
  • Anthropic 측은 10월 13일에 Dispatch 기능을 10월 말까지 종료하겠다고 밝혔으나, 최근 도움말 페이지에서는 신규 사용자만 차단되고 기존 일부 유료 플랜 사용자는 계속 유지되는 것으로 나타났습니다.
Notable Quotes & Details
  • October 13
  • Gal Weizman
  • Forever Security
  • Claude Desktop
  • Dispatch

보안 연구원, AI 개발자 및 Claude Desktop 사용자

The Flood is Coming And The Pipes Were Already Full

AI 모델이 대량으로 발견하는 소프트웨어 취약점에 대응하기 위해 책임 있는 공개 프로세스와 보안 패치 인프라 구축의 중요성을 강조하고 Athena 프로젝트의 현황을 공유하는 글이다.

  • AI 모델의 발전 속도와 이를 흡수할 방어 인프라 사이의 격차가 심각하며, 모델 자체 규제보다 취약점 발견 후 패치 전달 등 소비 및 방어 파이프라인 정비가 시급하다.
  • Athena는 6월 이후 4만 건 이상의 취약점(42%가 치명적 또는 높은 위험도)을 확보하고 2,000개 이상의 패치를 제작했으나, 병목 현상은 패치 생성이 아닌 대규모의 책임 있는 공개 과정에서 발생한다.
  • 9월 28일부터 비교적 위험도가 낮은 50건의 비공개 수정(silent fixes) 취약점 공개를 시작으로 단계적 공개 프로세스를 가동하며 인프라를 개방할 예정이다.
Notable Quotes & Details
  • Dario Amodei의 에세이 'We Must Pace the Frontier'
  • Athena 통계: 500개 이상의 프로젝트에서 40,000건 이상의 취약점 발견, 이 중 42%가 치명적(critical) 또는 높음(high), 2,000개 이상의 패치 생성
  • 9월 28일부터 첫 50건 취약점 공개 시작
  • Anthropic의 Project Glasswing 참여

보안 연구원, 소프트웨어 개발자, 인프라 운영자 및 AI 안전/규제 정책 입안자

Hackers Hide Linux Backdoor in Control Web Panel Server to Execute Commands Without Logs

리눅스 호스팅 관리 패널인 Control Web Panel(CWP)의 웹 서버에 침투해 접속 로그를 남기지 않고 원격 명령을 실행하는 신종 백도어 'cwpdoor'가 발견되었습니다.

  • 치안신(QiAnXin) XLab 연구진이 CWP 관리용 웹 서버(cwpsrv)를 변조하여 웹 요청을 통해 흔적 없이 명령을 실행하는 백도어 'cwpdoor'를 식별했습니다.
  • 설치에는 루트 권한이 필요하며, 타임스탬프와 서명이 포함된 특정 헤더(X-Ngx-Integrity) 요청에만 반응하고 파일 수정 시간을 원래대로 복원해 탐지를 회피합니다.
  • 브라질에서 VirusTotal로 업로드된 파일에는 Ebury 악성코드도 함께 발견되었으며, 연구진은 유닉스 소켓 및 프로세스 확인을 통한 침해 여부 진단과 자격 증명 재설정을 권고했습니다.
Notable Quotes & Details
  • June 29
  • September 30
  • zero detections out of 63 on VirusTotal
  • "real victims already exist in the wild."
  • cwpsrv 1.15.10
  • cwpsrv 1.24.0

리눅스 서버 관리자, 웹 호스팅 운영팀, 정보 보안 담당자

구글 출신 연구진, 65B 모델로 8배 큰 AI 코딩 성능 추월…개발비도 10분의 1

구글 출신 연구진의 스타트업 리커시브 인텔리전스가 기존 대형 모델보다 개발 비용을 10분의 1로 줄이면서도 코딩 벤치마크에서 뛰어난 성능을 보이는 650억 개 매개변수 규모의 오픈웨이트 AI 모델 '리플-65B 프리뷰'를 공개했습니다.

  • 구글 알파칩 개발진이 설립한 리커시브 인텔리전스가 65B 규모의 오픈웨이트 모델 '리플-65B 프리뷰'를 공개하고 터미널벤치 2.1 및 SWE-벤치 프로 v2.0 하드에서 대형 경쟁 모델들을 앞서는 성능을 기록했습니다.
  • MoE 대신 밀집형(Dense) 구조와 12조 개 토큰 학습을 채택하였으며, 3200만달러(약 430억원)의 비용과 140만 회의 강화학습 롤아웃으로 효율적인 고성능을 구현했습니다.
  • 일부 벤치마크(딥SWE 1.1)에서는 경쟁 모델에 뒤처지기도 해 에이전트 코딩 특정 영역의 우위로 평가되며, 엔비디아 하드웨어 최적화 및 NVFP4 경량화 버전도 함께 지원합니다.
Notable Quotes & Details
  • 650억개 매개변수(65B)
  • 터미널벤치 2.1 점수: 리플-65B(80.52점), 빔 501B(80.1점), 뮤즈 스파크 오픈 816B(76.4점)
  • SWE-벤치 프로 v2.0 하드 점수: 리플-65B(79.1점), 빔(76.5점)
  • 총 개발 비용 약 3200만달러(약 430억원)
  • 12조개 토큰 사전 학습 및 최대 100만 토큰 컨텍스트 지원
  • B200 GPU 2개 기준 초당 약 250토큰 생성 속도

AI 개발자, 오픈소스 LLM 연구자, 소프트웨어 엔지니어링 및 AI 인프라 관계자

앤트로픽, '클로드' 게임 복제 제한 완화…"비슷한 게임 만들 수 있어"

앤트로픽이 개발자들의 반발을 수용해 클로드 코드의 지나친 게임 개발 제한 규칙을 완화하고 기존 게임을 참고한 독창적인 신작 제작을 허용하도록 지침을 수정했다.

  • 앤트로픽은 클로드 코드에서 기존 게임을 참고해 비슷한 장르의 독창적인 게임을 제작할 수 있도록 2.1.317 버전에서 지침을 완화했다.
  • 이전 규칙이 단순 참조나 정상적인 게임 개발, 소프트웨어 분석까지 과도하게 차단했던 문제를 해결하기 위해 기존 게임 언급 및 메커니즘 참조를 허용했다.
  • 단순 복제 요청은 여전히 제한되며, 지식재산권 보호와 독창적인 게임 개발 지원 사이의 균형을 맞추는 것이 목표이다.
Notable Quotes & Details
  • 4일(현지시간)
  • 클로드 오퍼스 5.5
  • 2.1.317 버전
  • 애디 오스마니 앤트로픽 기술 담당자: "독창적인 게임을 만드는 이용자에게 최대한 도움을 주면서도 다른 사람이 그 작품을 복제하려 할 때는 보호하는 것이 목표"

게임 개발자, AI 코딩 도구 사용자, 소프트웨어 엔지니어

앤트로픽, 클로드에 개인 금융 기능 추가…계좌 연결해 지출 분석

앤트로픽이 클로드에 은행 계좌와 신용카드를 연동해 지출 내역과 소비 패턴을 자연어로 분석해주는 '개인 금융' 베타 기능을 출시했다.

  • 플레이드(Plaid)를 통해 금융 계좌를 연동하며, 자연어 질의로 잔액·거래 내역·항목별 지출 합산 및 중복 수수료 분석이 가능하다.
  • 금융 데이터 접근은 읽기 전용으로 제한되어 직접 이체나 투자 자문은 불가하며, 대화 내용은 AI 모델 훈련에 사용되지 않는다.
  • 미국 내 유료 구독자(프로, 맥스, 울트라)를 대상으로 베타 서비스가 우선 제공된다.
Notable Quotes & Details
  • 5일(현지시간)
  • 최대 2년간의 거래 내역
  • 오픈AI는 지난 5월 챗GPT에 유사한 개인 금융 기능을 먼저 도입했으며, 10월부터는 미국 무료 이용자에게도 제공
  • Access is read-only, and Claude can't move, manage, or invest your money.

개인 재무 관리 및 AI 비서 서비스를 활용하려는 일반 사용자 및 핀테크 관계자

구글, 15초 영상 생성 '제미나이 옴니 1.2' 출시…가격 30% 인하

구글이 영상 생성 길이를 15초로 늘리고 비용을 30% 낮춘 동영상 생성 AI 모델 '제미나이 옴니 1.2 플래시'를 출시했다.

  • 최대 영상 길이가 기존 10초에서 15초로 확대되었으며, 생성 비용은 720p 기준 초당 0.07달러로 전작 대비 30% 저렴해졌다.
  • 대화형 편집 기능을 통해 영상을 처음부터 다시 만들지 않고도 배경, 조명, 사물 등 세부 요소를 수정할 수 있고 참조 대상의 일관성을 강화했다.
  • 구글 AI 스튜디오 및 제미나이 API를 통해 개발자에게 제공되며 기업용 구글 클라우드와 일반 사용자용 서비스에도 단계적으로 적용된다.
Notable Quotes & Details
  • 구글은 5일(현지시간) 동영상 생성 AI 모델 ‘제미나이 옴니 1.2 플래시(Gemini Omni 1.2 Flash)’를 출시했다.
  • 720p 영상 생성 비용은 초당 0.07달러로, 전작인 옴니 1.1보다 30% 저렴하다.
  • 한 번에 생성하거나 편집할 수 있는 영상 길이도 기존 최대 10초에서 15초로 늘었다.
  • 일반 이용자는 구글 비즈에서 매월 최대 3개의 15초 영상을 무료로 생성할 수 있다.

동영상 콘텐츠 제작자, 광고 마케터, AI 애플리케이션 개발자 및 기업 고객

애질리티, 미국 휴머노이드 기업 최초 나스닥 상장…수익성은 과제

미국 휴머노이드 로봇 기업 애질리티 로보틱스가 미국 업계 최초로 나스닥에 상장했으나, 막대한 적자로 인한 수익성 입증이 주요 과제로 떠올랐다.

  • 애질리티 로보틱스가 SPAC 합병을 통해 종목 코드 'AGLT'로 미국 휴머노이드 기업 최초로 나스닥에 상장하며 약 4억6500만달러 자금을 확보함
  • 엔비디아 플랫폼 기반의 신형 로봇 '디지트 5' 출시 및 다년간 3억달러 이상의 주문 약정을 확보하며 사업 확장을 추진 중임
  • 매출 규모에 비해 막대한 순손실과 높은 현금 지출이 지속되고 있어 향후 흑자 전환과 경제성 검증이 과제로 지목됨
Notable Quotes & Details
  • 첫 거래일 주가는 11.51달러로 마감해 전일 종가보다 2.2% 상승했다.
  • 이번 합병으로 확보한 자금은 비용 차감 전 4억6500만달러(약 6300억원)다.
  • 합병 과정에서 책정된 기존 기업가치는 25억달러(약 3조3000억원)다.
  • 지난해 매출은 180만달러(약 24억원)에 불과했지만, 순손실은 1억3810만달러(약 1800억원)에 달했다.
  • 페기 존슨 CEO: '디지털 세계를 넘어 AI가 현실 세계로 확장되는 과정에서 더 큰 기회가 열리고 있다'

로봇 및 테크 산업 투자자, 물류 자동화 및 AI 비즈니스 관계자

예링크, 글로벌 업계 리더들을 한자리에 모아 AI 기반 업무 공간의 미래 탐색

예링크가 글로벌 서밋을 개최하여 마이크로소프트, 퀄컴 등과 함께 AI 기반의 차세대 업무 공간 및 원스톱 협업 솔루션 비전을 제시했습니다.

  • 예링크는 뮌헨에서 워크플레이스 포워드 서밋을 열고 설계부터 유지보수까지 회의실 전 주기를 지원하는 AI 기반 원스톱 솔루션을 공개했습니다.
  • 마이크로소프트, 퀄컴 등 파트너사와 함께 온디바이스 AI, 새로운 업무 체계, 보안 및 신뢰성 구축 방안을 논의했습니다.
  • 창립 25주년을 맞은 예링크는 지난 5년간 연평균 매출 성장률(CAGR) 19% 이상을 달성하며 시장 평균보다 4배 빠른 성장세를 기록했습니다.
Notable Quotes & Details
  • 2026년 11월 6일
  • 참석자 400명
  • 상반기 회의실 영상 기기 시장 약 15% 성장
  • 지난 5년간 연평균 매출 성장률(CAGR) 19% 이상 달성 (시장 평균 대비 4배)

기업 IT 및 협업 인프라 담당자, 스마트 워크플레이스 구축 관계자, 통신 및 화상회의 솔루션 업계 종사자

레디스, AI 에이전트 실서비스 운영에 필요한 메모리, 컨텍스트, 메시징 제공 위해 Redis Iris 확장

레디스가 AI 에이전트의 실운영에 필요한 메모리, 컨텍스트, 메시징을 통합 제공하는 실시간 컨텍스트 엔진 Redis Iris의 6가지 신규 확장 기능을 발표했다.

  • Redis Iris는 에이전트 실운영을 지원하기 위해 Intent Router, Agent Playbooks, Agent Memory, Context Gateway(이상 GA), Lens, Agent Mesh(이상 베타) 등 6가지 핵심 기능을 통합 제공한다.
  • 프롬프트 비대화, 중복 LLM 호출, 파편화된 인프라 연동 문제를 해결하여 토큰 비용과 지연 시간을 줄이고 안정적인 런타임을 구현하도록 돕는다.
  • 의미 기반 라우팅, 메모리 계층화 및 거버넌스(ETL·출처 추적), MCP 서버 연동 캐싱, 통신 중단 방지 버퍼링 등 실제 운영 환경에 필수적인 기능들을 단일 플랫폼에 집중시켰다.
Notable Quotes & Details
  • 2026년 11월 6일
  • 로완 트롤로프(Rowan Trollope) 최고경영자: "개발자가 에이전트를 작동시키기 위해 5개의 인프라 제품을 사용해야 해서는 안 된다. Iris는 이러한 기본 구성 요소를 한곳에 통합해 개발자가 실제 운영 환경에서 작동하는 에이전트를 구축할 수 있도록 한다"

AI 에이전트 서비스를 구축 및 상용화하려는 소프트웨어 개발자, 인프라 엔지니어 및 기술 의사결정권자

Jooojub
System S/W engineer
Explore Tags
Series
    Recent Post
    © 2026. jooojub. All right reserved.