최신 AI 출시, 연구, 제품 및 업계 동향입니다.
동의하면 Google Analytics를 사용하여 페이지 방문과 주요 작업의 성공 여부를 파악합니다. 프롬프트, 파일, 계정 식별자, 모델 식별자, 잔액, 비용 또는 원본 오류는 전송하지 않습니다. 개인정보 처리방침
Google의 Gemini 3.8 Flash는 에이전트와 소프트웨어 엔지니어링 성능을 개선하면서 초당 약 300토큰의 빠른 출력을 유지합니다. Artificial Analysis Intelligence Index에서 59점을 기록해 여러 대형 프런티어 모델과 동률을 이뤘고, DeepSWE v1.1에서는 74%로 Claude Opus 5와 공동 1위를 차지했습니다. 추론 단계, 도구 호출, 출력 토큰이 늘면서 벤치마크 평균 작업 비용은 약 40% 증가한 0.58달러가 됐지만, 성능 대비 비용 효율은 여전히 높습니다. Google은 취약점 탐지와 패치를 위한 Gemini 3.8 Flash Cyber도 공개했습니다.
OpenWorker는 오픈 베타로 공개된 오픈소스 데스크톱 AI 협업자입니다. 단순한 대화 응답을 넘어 문서, 스프레드시트, 보고서, 웹페이지, 코드 수정 등 완성된 결과물을 만드는 것을 목표로 하며, 보안 작업용 전문 코워커를 먼저 제공합니다. 로컬 에이전트 서버가 사용자의 파일과 터미널, GitHub, Slack, Jira, Notion, Linear, Gmail, Google Calendar를 포함한 25개 이상의 연결 서비스를 다루며, MCP 도구도 도구별 제어와 함께 연결할 수 있습니다. OpenAI, Anthropic, Google, DeepSeek, Moonshot, Qwen 등 여러 제공업체의 API 키를 사용할 수 있고 Ollama로 완전한 로컬 모델 실행도 가능합니다. 위험하거나 되돌릴 수 없는 작업은 항상 사람에게 넘기며, 다른 작업도 기본적으로 승인 절차를 거칩니다. 승인 규칙은 명시적이고 취소할 수 있으며, 검토 모델은 일상적인 작업을 처리하다가 확신이 없는 경우 사람에게 에스컬레이션합니다. 거부가 반복되면 회로 차단기가 검토 모델을 중지하고 제어권을 사람에게 돌려줍니다. 모든 도구 호출에는 승인 경로와 검토 이유가 기록되고, 무인 실행은 스스로 승인하지 않고 받은 편지함에서 사람의 답변을 기다립니다. 예약 자동화와 Slack 호출 세션을 지원하며, 에이전트 루프, 대화, 인증 정보, 모델 키는 로컬에 저장됩니다. macOS Apple Silicon 버전은 서명 및 공증되었고 Windows 버전은 코드 서명 작업이 진행 중입니다.
WebLLM은 WebGPU를 활용해 대규모 언어 모델 추론을 브라우저 안에서 직접 실행하는 오픈소스 엔진입니다. OpenAI 호환 채팅 API, 스트리밍, JSON 모드, Web Worker, Service Worker, Chrome 확장 프로그램, 브라우저 캐시를 지원합니다. Llama, Phi, Gemma, Mistral, Qwen 계열과 사용자 지정 MLC 형식 모델을 사용할 수 있습니다.
연구진은 프론티어 대규모 언어 모델이 자신이 평가받고 있음을 인식하는지 측정하는 공개 파이프라인이자 벤치마크인 EvalDetectBench를 발표했습니다. 이 도구는 Inspect 호환 평가를 지원하며 시스템 카드 평가와 다양한 배포 환경에서 수집한 대화 기록을 제공합니다. 연구에 따르면 배포 기록을 생성한 모델의 정체성이 측정 분산의 11.25%를 설명하고 모델 순위를 바꿀 수 있습니다. 한 모델에서 성능이 높도록 고른 유도 프롬프트도 다른 모델에서는 거의 무작위 수준으로 작동할 수 있습니다. 모델별 프로브 보정과 계층화된 생성기 조정으로 이러한 편향을 줄입니다.
MASkills는 구조화된 에이전트 스킬을 최적화 단위로 삼아 멀티 에이전트 LLM 시스템을 지속 학습시키는 프레임워크입니다. 스킬 조건부 신용 할당, 계층적 신용 집계, 모멘텀 평활화 최적화를 결합해 스킬 라이브러리를 개선, 귀납, 통합, 가지치기할 수 있습니다. HotpotQA, LoCoMo, GAIA 실험에서 여러 에이전트 작업에 대한 효과를 보였으며 구현 코드도 공개했습니다.
HeadWiseKV는 하이브리드 장문맥 언어 모델을 위한 재학습 없는 KV 캐시 압축 프레임워크입니다. 물리적 KV 헤드마다 이력 윈도우를 배정해 네 개 모델에서 Full-KV에 가까운 RULER와 LoCoMo 품질을 유지했습니다. Qwen3.6-27B 연구에서는 112K 문맥에서 샘플링된 피크 장치 메모리를 8.59% 줄였고, 검증된 최대 성공 문맥 길이를 114K에서 161K로 늘렸습니다.
arXiv 연구는 Qwen3-4B를 사후 삼진화하면 저장 공간을 크게 줄일 수 있지만 작업 능력과 난이도가 악화되고 추론 속도 향상은 입증되지 않았다고 보고합니다.
새로운 arXiv 연구는 가중치를 반복 사용하는 루프형 및 깊이 순환형 트랜스포머에서도 글로벌 워크스페이스와 유사한 표현이 형성된다고 밝혔습니다. 그러나 접근 방식은 구조마다 달랐습니다. Ouro-2.6B는 매 루프마다 내용을 재구성했고, Huginn-0125는 16번의 순환에 걸쳐 내용을 유지했지만 읽기, 쓰기, 제거의 영향은 약 2회 순환의 슬라이딩 윈도에 제한됐습니다.
연구진은 문서 서술과 여러 차트의 증거를 결합하는 멀티모달 대규모 언어 모델의 능력을 평가하는 DocHop 벤치마크를 공개했습니다. 기존의 차트 질의응답과 문서 질의응답 평가와 달리, 모델은 텍스트에서 의미적 참조를 해석하고 대상 엔터티를 찾은 뒤 여러 차트의 데이터를 단계별 제약에 따라 집계해야 합니다. 벤치마크는 6개 작업 유형의 2,074개 예제로 구성됩니다. 인간 평가자는 90% 이상의 정확도를 보였지만 최고 모델은 62.83%에 그쳤습니다. 추론 강화 모델은 개선됐으나 복잡도가 높아지면 성능이 하락했습니다.
연구진은 비공식적인 통계 목표와 이질적인 데이터에서 적절한 분석 과제와 관련 변수를 추론하는 대규모 언어 모델의 능력을 평가하는 StatFormBench를 공개했습니다. 1,013개 샘플과 14개 모델을 평가한 결과, 최고 제로샷 모델의 세부 분류 정확도는 72.0%, 변수 집합 중첩률은 63.2%에 그쳤습니다.
IBM과 Confluent는 IBM Granite Time Series 파운데이션 모델 4종을 Confluent Cloud에서 얼리 액세스로 제공합니다. Apache Flink SQL을 통해 스트리밍 데이터에 직접 forecasting, 이상 탐지, 최적화, 유사성 검색, 분류, 결측치 보간을 적용할 수 있습니다. Confluent가 모델 추론, 상태 관리, 확장, 거버넌스, 보안, downstream 전달을 관리하므로 기업은 별도 머신러닝 스택을 구축하지 않아도 됩니다. 포트폴리오는 PatchTST-FM, FlowState, TTM, TSPulse로 구성되며 데이터 규모와 시간 해상도, 운영 목표에 맞춰 선택할 수 있습니다. AWS의 Confluent Cloud에서 먼저 제공되고 온프레미스와 하이브리드 환경에는 이후 확대됩니다.
새 연구는 영구 메모리가 AI 에이전트로 하여금 오래된 정보를 과신하게 만들 수 있음을 분석했습니다. Qwen3 대형 모델은 권위 있는 도구의 최신 값과 충돌하는 메모가 최근 정보처럼 보일 때 특히 취약했습니다. 메타데이터는 고성능 모델을 개선했지만, 소형 모델은 충돌을 미리 해결해야 했습니다. Llama-Instruct와 외부 데이터셋에서도 유사한 패턴이 확인됐습니다.
새 arXiv 논문은 멀티 에이전트 AI의 인식론적 시빌 문제를 형식화했습니다. 추가 보고서가 같은 증거를 반복하거나 공통 기반 모델에서 비롯된 상관된 추출 오류를 공유할 수 있기 때문에, 보고서 수만 늘리는 방식은 신뢰성을 보장하지 못합니다. 2만 건이 넘는 LLM 에이전트 실험에서 증거의 뿌리를 늘리지 않고 보고서만 늘리자 사후 커버리지가 크게 하락했습니다. 연구진은 집단 추론 시스템이 에이전트 수나 보고서 유사도 대신 증거의 계보와 의존성을 추적해야 한다고 제안합니다.
연구진은 인간이 추상적 지식을 학습하는 방식을 설명하는 계산 모델을 제시했습니다. 이 모델은 자연어와 소스 코드를 결합한 정신 프로그램으로 가설을 표현하고, LLM 유도 베이지안 학습으로 이를 순차적으로 추론하고 수정합니다. 고정 효과와 가든패스 효과를 비롯한 인간의 귀납 학습 및 능동적 탐구 특성을 재현했습니다.
연구진은 LLM 기반 다중 에이전트 채용 시스템을 위한 과정 인식형 공정성 진단 파이프라인 SCOPED-Hiring을 제안했습니다. 이 방법은 31만 1천 건이 넘는 구조화된 의사결정 궤적을 최종 결과, 반사실, 과정, 경로, 동적 효과, 설계 효과라는 여섯 관점에서 분석합니다. 최종 채용률이 균형을 이루어도 경력 공백, 대리 단서, 정체성 단서가 의심, 자격 판단, 조사 수준에 차이를 만들 수 있었습니다. 진단에 따른 수정은 채용률을 1.86%포인트만 바꾸면서 전체 누적 부담을 72.3% 줄였습니다.
이 사례 연구는 LLM 코딩 에이전트가 다중 구성요소 데이터 시스템을 구현할 때 어떻게 작동하는지 분석합니다. 연구진은 한 세션에서 발생한 결함 5건을 분류하고 HotpotQA 100문제로 검색 방식을 비교했습니다. 후보를 제한한 검색은 예산 3에서 재현율 상한에 도달했지만, 필터 없는 검색은 예산 10에서도 필요한 증거를 69%만 모두 회수했습니다. 또한 성능 개선을 주장한 수정 사항이 문제를 일으킨 회귀 테스트에서 재측정되지 않은 사례를 통해 에이전트 평가의 허점을 지적합니다.
ToolGate는 전문 소프트웨어가 필요한 과학 벤치마크를 구축하는 실행 가능한 파이프라인입니다. 재현 가능한 스크립트로 생성 항목을 검증하고, 도구 없이 풀 수 있는 문제를 제거한 뒤, 도구 사용 에이전트로 생존 항목을 테스트합니다. FEniCSx 실험에서 500번의 생성 시도는 GPT-5.5 선별과 Codex 에이전트 검증을 거쳐 128개의 고유 후보로 줄었습니다.
이 논문은 모델 내부 불확실성 신호 없이 관찰 가능한 실행 궤적만으로 웹 에이전트의 실패 위험을 예측하는 방법을 제시합니다. 거시 특징과 미시 특징으로 에이전트가 정상 경로에 있는지 판단하고, 최종 실패와 연결된 최초의 미수정 중대 오류를 핵심 단계로 라벨링합니다. WebArena-Lite와 Online Mind2Web에서 5개 모델 백본을 평가한 결과, 내부 신호 기반 기준선과 경쟁력 있는 성능을 보였으며 조기 개입과 미지 웹사이트 범주로의 전이도 가능했습니다.
Joseph Axisa는 기업용 대화 시스템에서 세션 영속성과 의미 메모리를 추론 엔진과 분리하는 Hydration Proxy Pattern을 제안했습니다. 이 구조는 플랫폼이 대화 데이터에 대한 주권을 유지하면서 안전한 다단계 의미 기반 접지를 수행하도록 설계되었습니다. 또한 주권적 상태 관리와 KV 캐싱 사이의 절충을 다루기 위해 Context Stabilization Mandate를 제시합니다. 이 연구는 확장 가능한 대화형 AI 배포에서 상태 관리의 중요성을 강조합니다.
연구진은 작업 결과를 계획, 실행, 양쪽 또는 어느 쪽도 아닌 경우로 먼저 분류한 뒤 관련 메모리만 갱신하는 CHIME을 제안했습니다. 4개 장기 에이전트 벤치마크에서 기존 학습 기반 및 자기 진화 메모리 기준선을 꾸준히 앞섰고, 더 적은 메모리 항목으로 유효한 경험을 축적했으며, 백본 모델 간 전이도 확인했습니다.