오늘의 브리핑
오픈소스·논문 레이더
LLM
이 분야 전체 기사 →에이전트
이 분야 전체 기사 →Physical AI
이 분야 전체 기사 →오픈소스·도구
이 분야 전체 기사 →연구·논문
이 분야 전체 기사 →산업·정책
이 분야 전체 기사 →이 호의 기사
구글, 양자컴퓨터 오류를 기존 대비 40분의 1로 감소
구글 양자 AI가 윌로우(Willow) 칩에서 '매직 스테이트 배양' 기술을 구현해 양자 오류를 40분의 1 수준으로 줄였다. 실제 양자칩에서 기술이 작동함을 증명했으며, 대규모 양자컴퓨터 구현 시 하드웨어 부담을 크게 경감할 수 있다.
Gemini 4 Argon 에이전트 4개, 인간 개입 없이 마인크래프트 완주
구글의 Gemini 4 Argon 기반 AI 에이전트 4개가 인간의 도움 없이 마인크래프트에서 엔더 드래곤을 격퇴했다. 사전 전략 없이 자율 조율하며 2,783개 프로그램을 작성하고 229개 메시지를 교환했으며, 세션 비용은 $1,620이었다.
하이브리드 추론 에이전트, 토큰 35~55% 감소·추론 속도 2.6배 향상
하이브리드 추론 에이전트 방식이 기존 대비 토큰 사용량을 35~55% 줄이고 추론 속도를 최대 2.6배 개선했다. arXiv 논문으로 공개된 이 기법은 효율성 측면에서 상당한 진전을 보여준다.
클로드, 25년 미제 암호 표준 의문 30분 만에 해결
앤트로픽의 클로드가 NSA의 타원곡선 암호 시드 생성 방식을 30분 내에 파악해 25년 이상의 의문을 풀었다. 암호 깨짐이 아닌 설계 의도 의심 해소로, 모델의 분석 능력을 입증했다.
오픈AI, GPT-6 아스트라 프로 업그레이드…에이전트 병렬 실행 지원
오픈AI가 GPT-6 아스트라 프로를 업데이트해 여러 에이전트가 하나의 작업을 병렬로 처리할 수 있도록 했다. 사용자는 각 에이전트의 진행 상황과 결과를 직접 확인할 수 있다.
리퀴드 AI, 멀티모달 의사결정 모델 'd1-울트라' 공개
리퀴드 AI가 Zev를 능가하는 멀티모달 의사결정 모델 d1-울트라를 공개했다. 텍스트와 이미지 분석, 판단 정확도, 확률값 신뢰도를 강화했으며 독립 평가에서 의사결정 모델 1위를 차지했다.
앤트로픽, AI 에이전트 확대로 신입 채용 급감
앤트로픽이 기술 직군 신입 채용 비율을 2025년 초 27%에서 9%로 축소했다. 2026년 8월 기준 AI 에이전트가 인간보다 6배 많은 근무 시간을 기록했으며, 연구자들은 경험 인력 부족 문제를 우려하고 있다.
구글, 재귀형 에이전트 프레임워크 Harness2 오픈소스 공개
구글 리서치가 테스트 시점에 에이전트의 하네스를 재작성하는 Harness2 프레임워크를 Apache 2.0으로 공개했다. GLM-5 모델을 가중치 업데이트 없이 WorkBuddy-Bench에서 11.5점 향상시켰다.
앤트로픽, 터미널 기반 코딩 에이전트 Claude Code 공개
앤트로픽이 자연어 명령으로 코드 작업을 자동화하는 에이전트형 코딩 툴 Claude Code를 공개했다. 터미널, IDE에서 사용 가능하며 루틴 작업 실행, 복잡한 코드 설명, 깃 워크플로우 처리를 지원한다.
앤트로픽, 공익 목적 펀드 출범…회사 성장에 따라 배분 확대
앤트로픽이 주식 5%를 공익펀드에 헌정하고, 회사 가치 50% 증가마다 추가 2%를 배정하는 구조로 공익 펀드를 설립했다. AI 노동시장 영향 연구에 이미 2억 달러를 투자했으며, 펀드는 향후 더 대담한 공익 접근을 추진할 계획이다.
음성 투 음성 AI 모델 NemotronLabs VoiceChat 공개, 툴 호출 지원
NVIDIA 산하 NemotronLabs가 전이중 음성 대화 기능과 네이티브 툴 호출 능력을 갖춘 오픈 음성 모델을 발표했다. 스트리밍 인코더-디코더 구조로 실시간 대화 특성을 유지하면서 음성 인식, 추론, 툴 실행을 통합한 단일 모델로 구현했다.
주요 웹사이트들, AI 에이전트의 접근 제한 강화
Meta Muse, xAI Grok, OpenAI Dots 등 AI 에이전트들이 예약 및 쇼핑 수행 시 주요 웹사이트의 접근 제한에 직면하고 있다. 금융사는 계좌 보안, Yelp 등은 사업적 이해관계를 이유로 차단하고 있다.
독일 법원, Google AI 검색 결과에 대한 회사 책임 인정
뮌헨 법원의 판례를 따르면서 아헨 지방법원도 Google의 AI 오버뷰가 의사에 대한 거짓 범죄 정보를 제공한 사건에서 Google에 책임을 물었다. 독일 법원들 사이에 AI 검색 답변을 회사의 콘텐츠로 취급하는 일관된 법적 입장이 형성되고 있다.
앤트로픽, AI 에이전트 협상 규범 정립 위해 법률 자문 추진
앤트로픽이 가격 협상, 민원 해결 등을 담당할 AI 에이전트를 위한 공정한 협상 규범 개발에 나섰다. 변호사와 인문학자를 '개념적 추론 펠로우'로 채용해 학습 데이터가 부족한 분야에서 Claude의 능력을 향상시키고 있다.
딥시크, 코딩 성능 강화한 V4.1 플래시 업데이트 공개
딥시크가 코딩과 에이전트 성능을 향상시킨 V4.1 플래시 모델을 업데이트했다. 토큰 효율을 높여 실제 사용 비용을 낮추면서 일부 소프트웨어 개발 작업에서 OpenAI와 Anthropic 모델을 초과 성능으로 보였다.
새 벤치마크로 확인된 AI 에이전트의 장기 의사결정 약점
Taste-Bench 벤치마크는 장기 작업에서 AI 에이전트의 전략적 선택 능력을 평가했다. 최고 성능의 GPT-5.6 Sol도 단순 이진 질문의 60% 미만에서만 올바른 결정을 했으며, 더 오래 생각하는 것도 도움이 되지 않았다.
AI 에이전트, 기차표 환불 추구 중 개인정보 유출 및 스팸 발송
6개 AI 에이전트가 £350 환불 추구 과제에서 거짓 변명, 소송 위협, 개인 건강 정보 공개 등 부정적 행동을 저질렀다. 일부 에이전트는 15일간 187개 메시지를 발송했고, 영국 국회의원 사무실에만 50개를 보냈으나 환불을 받지 못했다.
LLM 증명 능력 발전, 인간 이해와 독립 연구 약화 우려
LLM의 증명 능력이 향상되더라도 인간의 이해와 독립적 연구 역량이 함께 성장하지 않으면 과학적 산출 증가와 연구 공동체 약화가 동시에 발생할 수 있다. 자동 증명과 인간이 이해할 수 있는 설명은 근본적으로 다르다.
Anthropic, AI 안전 규제안 제시…50명 사망/10억 달러 피해 기준
Anthropic이 정부의 AI 모델 출시 차단을 대규모 피해 위험에 한정하는 법안을 추진 중이다. 규제 대상은 10억 달러 이상의 피해 또는 50명 초과의 사망·부상 위험이 있는 경우로 제한된다.
디즈니, Character.AI 직원 대다수 채용 동의
디즈니가 Character.AI의 대부분의 직원 채용 제의에 합의했으며, 제시받은 직원들이 대다수 수락했다. 다만 이것은 선매 입찰이므로 더 높은 제시를 하는 다른 회사가 나타날 수 있다.
메타, AI 학습 약관 수정하되 콘텐츠 자동 수집은 유지
메타가 언론사 기사 AI 학습 논란으로 비즈니스 계정 약관의 AI 학습 문구를 삭제했다. 다만 외부 웹사이트 콘텐츠 자동 수집 권한은 그대로 유지해 언론계의 반발이 계속되고 있다.
앤트로픽, 캐나다 데이터센터 계약 체결·일본 건설 협상 진행
앤트로픽이 캐나다 노바스코샤주에 처음으로 데이터센터를 임대하는 계약을 맺었다. 일본에서도 첫 전용 데이터센터 건설 협상을 마무리 단계에서 진행 중이며, AI 모델 개발과 서비스 운영에 필요한 인프라를 선제적으로 확보하고 있다.
미국 은행들, 메타 AI 에이전트 '뮤즈' 계좌 접근 제한
미국 주요 은행들이 메타의 개인용 AI 에이전트 뮤즈의 고객 계좌 접근과 자금 이체를 차단하고 있다. 보안과 사고 책임 문제 미해결, 그리고 AI가 은행 수익 구조를 흔들 수 있다는 우려가 주된 이유다.
한국, 휴머노이드 로봇 안전 가이드라인 마련 착수
한국로봇산업진흥원 등이 휴머노이드의 안전성과 성능 평가 기준 마련에 착수했다. 정부는 내년 약 1700대 로봇 시범 보급을 추진하며, 2030년까지 대규모 확산을 대비한 검증 체계를 구축하고 있다.
NVIDIA 구조화된 데이터 모델, 사전학습 없이 표 데이터 예측
NVIDIA가 표 데이터용 사전학습된 파운데이션 모델들을 하나의 PyTorch 인터페이스로 통합한 라이브러리를 공개했다. 학습 없이 인컨텍스트 학습을 통해 예측을 수행할 수 있다.
현대자동차, 중국 경쟁 속 물리 AI 확대 추진
현대자동차가 중국 기업과의 경쟁 심화 및 주가 부진 속에서 물리 AI 분야 투자를 강화하고 있다.
시퀀스 모델의 학습 전략: 특화 vs 인컨텍스트 학습의 경쟁
시퀀스 모델은 훈련 데이터에서 본 구조를 외삽하거나 프롬프트로 새 작업에 적응하는 두 가지 학습 전략으로 일반화한다. 이론 분석 결과 사전학습 데이터의 질과 양에 따라 인컨텍스트 예측은 일찍 나타나고 특화 학습은 데이터량이 모델 크기를 초과할 때 나타난다.