허깅페이스가 공개한 '2026년 오픈 모델 현황' 보고서에 따르면 알리바바 큐원 모델군이 올해 1~8월 다운로드 20억건, 파생 모델 15만개를 기록하며 오픈소스 생태계의 핵심 축으로 부상했다. 같은 기간 플랫폼 내 공개 모델 저장소는 243만개에서 296만개로 늘었으며, 중국 AI 기업들이 오픈소스 개발자 시장에서 미국 기업을 빠르게 추월하고 있다.

로이터에 따르면 미국 국무부가 지난 6월 'AI 기회 성명'에 서명한 35개국에 서한을 보내 미국 주도 AI 협력체제와 중국의 경쟁 체제 중 하나를 명확히 선택하도록 요구할 예정이다. 서한 발송 시점은 미확정이며 최종 발송 전 내용이 수정될 가능성도 있다. 이는 미중 AI 패권 경쟁이 동맹국을 상대로 한 진영 재편 압박으로 확산되고 있음을 보여준다.

하워드 러트닉 미 상무장관이 13일 애플 휴스턴 시설 방문 후 인터뷰에서 애플의 중국산 메모리 칩(창신메모리 CXMT, 양쯔메모리 YMTC) 구매에 반대한다고 공개 압박했다. AI 데이터센터發 메모리 공급난 속에 애플이 중국산 범용 메모리 테스트 및 중국 판매 제품 탑재까지 검토해온 것으로 알려졌으며, 미국 마이크론은 반대로 이를 막아달라고 행정부에 로비했고 관련 지역 상원의원들도 팀 쿡에게 서한을 보낸 상태다. 미국의 대중 반도체 규제상 맞춤 설계 정보 공유는 정부 허가가 필요하지만 기성 범용 칩 구매·가격협상은 허용돼 있어, 애플이 트럼프 행정부와 마이크론 사이 로비전의 중심에 놓였다.

2025년 AI 스타트업들이 소규모 팀으로 연매출경상수익(ARR) 1억 달러를 돌파하는 사례가 이어지고 있다. Lovable은 정직원 45명으로 출시 8개월 만에 ARR 1억 달러를 넘었고, Gamma는 직원 약 50명·사용자 7000만 명으로 ARR 1억 달러를 흑자로 달성하며 2억1000만 밸류에이션에 6800만 달러 시리즈B를 유치했다. Cursor 개발사 Anysphere는 출시 20개월 만인 2025년 1월 마케팅비 없이 직원 60명으로 ARR 1억 달러를 돌파했고, Bolt.new는 출시 4주 만에 400만 달러, 5개월 만에 4000만 달러 ARR을 고투마켓 인력 10명 미만으로 기록해 AI 네이티브 기업의 매출 성장 속도가 기존 소프트웨어 대비 훨씬 빠르다는 패턴을 보여준다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

지푸 AI의 오픈웨이트 모델 GLM-5.3이 리버스 엔지니어링 과제 수행 중 코딩 플랫폼 커서(Cursor)에서 잠재적으로 심각한 보안 취약점을 발견했다. 지푸 AI 개발자 옹호자 루가 이를 커서 측에 제보했으며, 현재 지푸와 커서가 취약점 해결을 위해 협력 중이다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

정보공유센터(퓨전센터)가 자동차 번호판 인식 카메라(ALPR) 기업 Flock에 반대하는 DeFlock 활동가들의 SNS 게시물을 감시하며, 경찰에 카메라 주변 순찰 강화와 전국 반대 행동 주간 대응을 지시한 정부 문건이 공개됐다. 문건은 Flock 카메라 위치를 식별할 수 있는 기기에 대한 경고도 포함하며, 정치적 반대 활동가와 카메라 파손 행위자를 연계시키려는 정황을 보여준다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

AI 코딩 에이전트의 토큰 한도 소진 문제를 다룬 분석글로, 병렬 서브에이전트 작업을 토큰 리셋 시점에 넘겨받아 이어가는 것이 실무적으로 어렵다는 점을 지적한다. Claude Fable 5와 Claude Mythos 5는 원본 사고 과정(chain of thought)을 반환하지 않고 짧은 요약만 제공한다는 점도 언급하며, 토큰 제약 환경에서의 업무 방식이 아직 성숙하지 않았다고 진단한다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

허깅페이스가 공개한 '2026년 오픈 모델 현황' 보고서에 따르면 알리바바 큐원 모델군이 올해 1~8월 다운로드 20억건, 파생 모델 15만개를 기록하며 오픈소스 생태계의 핵심 축으로 부상했다. 같은 기간 플랫폼 내 공개 모델 저장소는 243만개에서 296만개로 늘었으며, 중국 AI 기업들이 오픈소스 개발자 시장에서 미국 기업을 빠르게 추월하고 있다.

로이터에 따르면 미국 국무부가 지난 6월 'AI 기회 성명'에 서명한 35개국에 서한을 보내 미국 주도 AI 협력체제와 중국의 경쟁 체제 중 하나를 명확히 선택하도록 요구할 예정이다. 서한 발송 시점은 미확정이며 최종 발송 전 내용이 수정될 가능성도 있다. 이는 미중 AI 패권 경쟁이 동맹국을 상대로 한 진영 재편 압박으로 확산되고 있음을 보여준다.

하워드 러트닉 미 상무장관이 13일 애플 휴스턴 시설 방문 후 인터뷰에서 애플의 중국산 메모리 칩(창신메모리 CXMT, 양쯔메모리 YMTC) 구매에 반대한다고 공개 압박했다. AI 데이터센터發 메모리 공급난 속에 애플이 중국산 범용 메모리 테스트 및 중국 판매 제품 탑재까지 검토해온 것으로 알려졌으며, 미국 마이크론은 반대로 이를 막아달라고 행정부에 로비했고 관련 지역 상원의원들도 팀 쿡에게 서한을 보낸 상태다. 미국의 대중 반도체 규제상 맞춤 설계 정보 공유는 정부 허가가 필요하지만 기성 범용 칩 구매·가격협상은 허용돼 있어, 애플이 트럼프 행정부와 마이크론 사이 로비전의 중심에 놓였다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

지푸 AI의 오픈웨이트 모델 GLM-5.3이 리버스 엔지니어링 과제 수행 중 코딩 플랫폼 커서(Cursor)에서 잠재적으로 심각한 보안 취약점을 발견했다. 지푸 AI 개발자 옹호자 루가 이를 커서 측에 제보했으며, 현재 지푸와 커서가 취약점 해결을 위해 협력 중이다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

오픈AI가 챗GPT 대화에서 구체적인 살해·스토킹 위협 정황을 포착해 FBI에 직접 신고했고, 전직 골드만삭스 애널리스트가 체포됐다. AI 기업이 이용자 대화 내용을 수사기관에 제보해 형사 사건으로 이어진 희귀 사례로, 챗봇 안전장치와 이용자 사생활 보호 사이의 경계를 둘러싼 논쟁이 재점화되고 있다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

허깅페이스가 공개한 '2026년 오픈 모델 현황' 보고서에 따르면 알리바바 큐원 모델군이 올해 1~8월 다운로드 20억건, 파생 모델 15만개를 기록하며 오픈소스 생태계의 핵심 축으로 부상했다. 같은 기간 플랫폼 내 공개 모델 저장소는 243만개에서 296만개로 늘었으며, 중국 AI 기업들이 오픈소스 개발자 시장에서 미국 기업을 빠르게 추월하고 있다.

로이터에 따르면 미국 국무부가 지난 6월 'AI 기회 성명'에 서명한 35개국에 서한을 보내 미국 주도 AI 협력체제와 중국의 경쟁 체제 중 하나를 명확히 선택하도록 요구할 예정이다. 서한 발송 시점은 미확정이며 최종 발송 전 내용이 수정될 가능성도 있다. 이는 미중 AI 패권 경쟁이 동맹국을 상대로 한 진영 재편 압박으로 확산되고 있음을 보여준다.

하워드 러트닉 미 상무장관이 13일 애플 휴스턴 시설 방문 후 인터뷰에서 애플의 중국산 메모리 칩(창신메모리 CXMT, 양쯔메모리 YMTC) 구매에 반대한다고 공개 압박했다. AI 데이터센터發 메모리 공급난 속에 애플이 중국산 범용 메모리 테스트 및 중국 판매 제품 탑재까지 검토해온 것으로 알려졌으며, 미국 마이크론은 반대로 이를 막아달라고 행정부에 로비했고 관련 지역 상원의원들도 팀 쿡에게 서한을 보낸 상태다. 미국의 대중 반도체 규제상 맞춤 설계 정보 공유는 정부 허가가 필요하지만 기성 범용 칩 구매·가격협상은 허용돼 있어, 애플이 트럼프 행정부와 마이크론 사이 로비전의 중심에 놓였다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

지푸 AI의 오픈웨이트 모델 GLM-5.3이 리버스 엔지니어링 과제 수행 중 코딩 플랫폼 커서(Cursor)에서 잠재적으로 심각한 보안 취약점을 발견했다. 지푸 AI 개발자 옹호자 루가 이를 커서 측에 제보했으며, 현재 지푸와 커서가 취약점 해결을 위해 협력 중이다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

지난 10년간 신약개발 AI 투자가 급증했지만 실제 임상적 효과는 아직 미미하다는 네이처 리뷰 논문. 원인으로 임상 전환에 대한 집중 부족, 생명과학 조건부 데이터에 AI 알고리즘 적용의 어려움, 문제 정의 부실로 인한 모델의 과소specification, '기술 주도'가 '과학 수요'를 앞선 점, 실용 시스템으로 규모화하는 데 걸리는 시간 등을 지적한다. AI 도구 벤치마킹이 모델 검증을 넘어 실제 의사결정 개선 여부를 평가하는 방향으로 전환돼야 한다고 제언한다.

AI 신약 개발이 실제로 얼마나 성과를 내고 있는지 냉정하게 점검하는 분석 글로, 업계에 쏟아진 막대한 투자와 홍보성 발표에 비해 실제 임상 성공이나 신약 승인으로 이어진 사례는 아직 드물다는 점을 짚는다. AI 기반 후보물질 발굴 기업들의 성과를 실제 데이터와 대조하며, 과대 기대와 현실 사이의 간극을 지적하는 내용이다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

허깅페이스가 공개한 '2026년 오픈 모델 현황' 보고서에 따르면 알리바바 큐원 모델군이 올해 1~8월 다운로드 20억건, 파생 모델 15만개를 기록하며 오픈소스 생태계의 핵심 축으로 부상했다. 같은 기간 플랫폼 내 공개 모델 저장소는 243만개에서 296만개로 늘었으며, 중국 AI 기업들이 오픈소스 개발자 시장에서 미국 기업을 빠르게 추월하고 있다.

로이터에 따르면 미국 국무부가 지난 6월 'AI 기회 성명'에 서명한 35개국에 서한을 보내 미국 주도 AI 협력체제와 중국의 경쟁 체제 중 하나를 명확히 선택하도록 요구할 예정이다. 서한 발송 시점은 미확정이며 최종 발송 전 내용이 수정될 가능성도 있다. 이는 미중 AI 패권 경쟁이 동맹국을 상대로 한 진영 재편 압박으로 확산되고 있음을 보여준다.

하워드 러트닉 미 상무장관이 13일 애플 휴스턴 시설 방문 후 인터뷰에서 애플의 중국산 메모리 칩(창신메모리 CXMT, 양쯔메모리 YMTC) 구매에 반대한다고 공개 압박했다. AI 데이터센터發 메모리 공급난 속에 애플이 중국산 범용 메모리 테스트 및 중국 판매 제품 탑재까지 검토해온 것으로 알려졌으며, 미국 마이크론은 반대로 이를 막아달라고 행정부에 로비했고 관련 지역 상원의원들도 팀 쿡에게 서한을 보낸 상태다. 미국의 대중 반도체 규제상 맞춤 설계 정보 공유는 정부 허가가 필요하지만 기성 범용 칩 구매·가격협상은 허용돼 있어, 애플이 트럼프 행정부와 마이크론 사이 로비전의 중심에 놓였다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

지푸 AI의 오픈웨이트 모델 GLM-5.3이 리버스 엔지니어링 과제 수행 중 코딩 플랫폼 커서(Cursor)에서 잠재적으로 심각한 보안 취약점을 발견했다. 지푸 AI 개발자 옹호자 루가 이를 커서 측에 제보했으며, 현재 지푸와 커서가 취약점 해결을 위해 협력 중이다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

오픈AI가 챗GPT 대화에서 구체적인 살해·스토킹 위협 정황을 포착해 FBI에 직접 신고했고, 전직 골드만삭스 애널리스트가 체포됐다. AI 기업이 이용자 대화 내용을 수사기관에 제보해 형사 사건으로 이어진 희귀 사례로, 챗봇 안전장치와 이용자 사생활 보호 사이의 경계를 둘러싼 논쟁이 재점화되고 있다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

허깅페이스가 공개한 '2026년 오픈 모델 현황' 보고서에 따르면 알리바바 큐원 모델군이 올해 1~8월 다운로드 20억건, 파생 모델 15만개를 기록하며 오픈소스 생태계의 핵심 축으로 부상했다. 같은 기간 플랫폼 내 공개 모델 저장소는 243만개에서 296만개로 늘었으며, 중국 AI 기업들이 오픈소스 개발자 시장에서 미국 기업을 빠르게 추월하고 있다.

로이터에 따르면 미국 국무부가 지난 6월 'AI 기회 성명'에 서명한 35개국에 서한을 보내 미국 주도 AI 협력체제와 중국의 경쟁 체제 중 하나를 명확히 선택하도록 요구할 예정이다. 서한 발송 시점은 미확정이며 최종 발송 전 내용이 수정될 가능성도 있다. 이는 미중 AI 패권 경쟁이 동맹국을 상대로 한 진영 재편 압박으로 확산되고 있음을 보여준다.

하워드 러트닉 미 상무장관이 13일 애플 휴스턴 시설 방문 후 인터뷰에서 애플의 중국산 메모리 칩(창신메모리 CXMT, 양쯔메모리 YMTC) 구매에 반대한다고 공개 압박했다. AI 데이터센터發 메모리 공급난 속에 애플이 중국산 범용 메모리 테스트 및 중국 판매 제품 탑재까지 검토해온 것으로 알려졌으며, 미국 마이크론은 반대로 이를 막아달라고 행정부에 로비했고 관련 지역 상원의원들도 팀 쿡에게 서한을 보낸 상태다. 미국의 대중 반도체 규제상 맞춤 설계 정보 공유는 정부 허가가 필요하지만 기성 범용 칩 구매·가격협상은 허용돼 있어, 애플이 트럼프 행정부와 마이크론 사이 로비전의 중심에 놓였다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

지푸 AI의 오픈웨이트 모델 GLM-5.3이 리버스 엔지니어링 과제 수행 중 코딩 플랫폼 커서(Cursor)에서 잠재적으로 심각한 보안 취약점을 발견했다. 지푸 AI 개발자 옹호자 루가 이를 커서 측에 제보했으며, 현재 지푸와 커서가 취약점 해결을 위해 협력 중이다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

연구팀이 미국 초등 5학년(K-5) 교육과정만으로 필터링한 880억 토큰 코퍼스로 0.6B/1.3B/5B 규모 모델을 처음부터 학습시켜, 필터링되지 않은 대조군과 비교하는 실험을 진행했다. 스케일업, SFT+GRPO 후처리, 인컨텍스트 러닝 모두 커리큘럼이 가르친 범위 내 성능은 끌어올렸지만 범위 밖 지식·능력은 유의미하게 개선하지 못해, 프리트레이닝 데이터 필터링이 모델의 유효 능력 상한선을 결정한다는 것을 시사한다. 모델 체크포인트(Base·GRPO 버전 포함)는 공개돼 있다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

AI의 뛰어난 수학 성능이 우수한 추론력보다 긴 컨텍스트를 활용한 방대한 상징적 작업 공간 덕분이라는 분석. 인간은 제한된 작업 기억을 청킹이나 메모로 보완하는 반면, AI는 수십·수백 개의 조건과 중간 계산·긴 추론 사슬을 컨텍스트에 명시적으로 유지할 수 있어 특히 기호 관리가 필요한 문제에서 유리하다는 것. Alloway·Passolunghi(2011), Alloway·Alloway(2010) 등 아동 대상 종단 연구들도 작업 기억이 IQ와 별개로 수학 성과를 예측한다는 근거로 인용되며, 현재 AI는 문제의 틀을 바꾸는 깊은 통찰보다 무제한 노트를 결합한 속도·범위형 문제해결에 가깝다고 진단한다.

지난 10년간 신약개발 AI 투자가 급증했지만 실제 임상적 효과는 아직 미미하다는 네이처 리뷰 논문. 원인으로 임상 전환에 대한 집중 부족, 생명과학 조건부 데이터에 AI 알고리즘 적용의 어려움, 문제 정의 부실로 인한 모델의 과소specification, '기술 주도'가 '과학 수요'를 앞선 점, 실용 시스템으로 규모화하는 데 걸리는 시간 등을 지적한다. AI 도구 벤치마킹이 모델 검증을 넘어 실제 의사결정 개선 여부를 평가하는 방향으로 전환돼야 한다고 제언한다.

AI 신약 개발이 실제로 얼마나 성과를 내고 있는지 냉정하게 점검하는 분석 글로, 업계에 쏟아진 막대한 투자와 홍보성 발표에 비해 실제 임상 성공이나 신약 승인으로 이어진 사례는 아직 드물다는 점을 짚는다. AI 기반 후보물질 발굴 기업들의 성과를 실제 데이터와 대조하며, 과대 기대와 현실 사이의 간극을 지적하는 내용이다.

로이터에 따르면 미국 국무부가 지난 6월 'AI 기회 성명'에 서명한 35개국에 서한을 보내 미국 주도 AI 협력체제와 중국의 경쟁 체제 중 하나를 명확히 선택하도록 요구할 예정이다. 서한 발송 시점은 미확정이며 최종 발송 전 내용이 수정될 가능성도 있다. 이는 미중 AI 패권 경쟁이 동맹국을 상대로 한 진영 재편 압박으로 확산되고 있음을 보여준다.

하워드 러트닉 미 상무장관이 13일 애플 휴스턴 시설 방문 후 인터뷰에서 애플의 중국산 메모리 칩(창신메모리 CXMT, 양쯔메모리 YMTC) 구매에 반대한다고 공개 압박했다. AI 데이터센터發 메모리 공급난 속에 애플이 중국산 범용 메모리 테스트 및 중국 판매 제품 탑재까지 검토해온 것으로 알려졌으며, 미국 마이크론은 반대로 이를 막아달라고 행정부에 로비했고 관련 지역 상원의원들도 팀 쿡에게 서한을 보낸 상태다. 미국의 대중 반도체 규제상 맞춤 설계 정보 공유는 정부 허가가 필요하지만 기성 범용 칩 구매·가격협상은 허용돼 있어, 애플이 트럼프 행정부와 마이크론 사이 로비전의 중심에 놓였다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

오픈AI가 챗GPT 대화에서 구체적인 살해·스토킹 위협 정황을 포착해 FBI에 직접 신고했고, 전직 골드만삭스 애널리스트가 체포됐다. AI 기업이 이용자 대화 내용을 수사기관에 제보해 형사 사건으로 이어진 희귀 사례로, 챗봇 안전장치와 이용자 사생활 보호 사이의 경계를 둘러싼 논쟁이 재점화되고 있다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

엔비디아가 오픈AI·소프트뱅크의 미국 오하이오 데이터센터 프로젝트를 지원하는 SB 에너지에 최대 30억달러를 두 차례에 걸쳐 투자하는 방안을 논의 중이다. 이는 엔비디아가 해당 사업에 1000억달러 규모의 신용보증을 제공하는 협상의 일환이며, 계약 체결 시 15억달러가 우선 집행될 예정이다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

오픈AI가 챗GPT 대화에서 구체적인 살해·스토킹 위협 정황을 포착해 FBI에 직접 신고했고, 전직 골드만삭스 애널리스트가 체포됐다. AI 기업이 이용자 대화 내용을 수사기관에 제보해 형사 사건으로 이어진 희귀 사례로, 챗봇 안전장치와 이용자 사생활 보호 사이의 경계를 둘러싼 논쟁이 재점화되고 있다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

연구팀이 미국 초등 5학년(K-5) 교육과정만으로 필터링한 880억 토큰 코퍼스로 0.6B/1.3B/5B 규모 모델을 처음부터 학습시켜, 필터링되지 않은 대조군과 비교하는 실험을 진행했다. 스케일업, SFT+GRPO 후처리, 인컨텍스트 러닝 모두 커리큘럼이 가르친 범위 내 성능은 끌어올렸지만 범위 밖 지식·능력은 유의미하게 개선하지 못해, 프리트레이닝 데이터 필터링이 모델의 유효 능력 상한선을 결정한다는 것을 시사한다. 모델 체크포인트(Base·GRPO 버전 포함)는 공개돼 있다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

AI의 뛰어난 수학 성능이 우수한 추론력보다 긴 컨텍스트를 활용한 방대한 상징적 작업 공간 덕분이라는 분석. 인간은 제한된 작업 기억을 청킹이나 메모로 보완하는 반면, AI는 수십·수백 개의 조건과 중간 계산·긴 추론 사슬을 컨텍스트에 명시적으로 유지할 수 있어 특히 기호 관리가 필요한 문제에서 유리하다는 것. Alloway·Passolunghi(2011), Alloway·Alloway(2010) 등 아동 대상 종단 연구들도 작업 기억이 IQ와 별개로 수학 성과를 예측한다는 근거로 인용되며, 현재 AI는 문제의 틀을 바꾸는 깊은 통찰보다 무제한 노트를 결합한 속도·범위형 문제해결에 가깝다고 진단한다.

지난 10년간 신약개발 AI 투자가 급증했지만 실제 임상적 효과는 아직 미미하다는 네이처 리뷰 논문. 원인으로 임상 전환에 대한 집중 부족, 생명과학 조건부 데이터에 AI 알고리즘 적용의 어려움, 문제 정의 부실로 인한 모델의 과소specification, '기술 주도'가 '과학 수요'를 앞선 점, 실용 시스템으로 규모화하는 데 걸리는 시간 등을 지적한다. AI 도구 벤치마킹이 모델 검증을 넘어 실제 의사결정 개선 여부를 평가하는 방향으로 전환돼야 한다고 제언한다.

AI 신약 개발이 실제로 얼마나 성과를 내고 있는지 냉정하게 점검하는 분석 글로, 업계에 쏟아진 막대한 투자와 홍보성 발표에 비해 실제 임상 성공이나 신약 승인으로 이어진 사례는 아직 드물다는 점을 짚는다. AI 기반 후보물질 발굴 기업들의 성과를 실제 데이터와 대조하며, 과대 기대와 현실 사이의 간극을 지적하는 내용이다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

미스트랄 AI가 문서 레이아웃 보존력을 강화한 전용 OCR 모델 '미스트랄 OCR 4.1'을 13일 개발자 플랫폼에 공개했다. 기존 OCR 4 대비 문서 내 문자·이미지 위치를 표시하는 바운딩 박스 정확도를 높여, 다단 구성 문서·기술 도면·표·인용 목록 등 복잡한 레이아웃을 원본에 가깝게 유지하며 디지털화할 수 있다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

오픈AI가 맥용 챗GPT 데스크톱 앱에 '컴퓨터 히스토리' 기능을 출시해, 사용자가 맥에서 사용한 앱과 웹사이트 활동을 기억하고 이후 대화·작업에 활용할 수 있게 했다. 이는 앞서 선보인 연구 프리뷰 '크로니클'을 정식 기능화한 것으로, 챗GPT를 업무 맥락을 지속적으로 파악하는 개인형 AI 비서로 확장하려는 오픈AI의 전략을 보여준다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

지난 10년간 신약개발 AI 투자가 급증했지만 실제 임상적 효과는 아직 미미하다는 네이처 리뷰 논문. 원인으로 임상 전환에 대한 집중 부족, 생명과학 조건부 데이터에 AI 알고리즘 적용의 어려움, 문제 정의 부실로 인한 모델의 과소specification, '기술 주도'가 '과학 수요'를 앞선 점, 실용 시스템으로 규모화하는 데 걸리는 시간 등을 지적한다. AI 도구 벤치마킹이 모델 검증을 넘어 실제 의사결정 개선 여부를 평가하는 방향으로 전환돼야 한다고 제언한다.

AI 신약 개발이 실제로 얼마나 성과를 내고 있는지 냉정하게 점검하는 분석 글로, 업계에 쏟아진 막대한 투자와 홍보성 발표에 비해 실제 임상 성공이나 신약 승인으로 이어진 사례는 아직 드물다는 점을 짚는다. AI 기반 후보물질 발굴 기업들의 성과를 실제 데이터와 대조하며, 과대 기대와 현실 사이의 간극을 지적하는 내용이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

MCP(Model Context Protocol) 서버 2만1000여 개가 인터넷에 노출돼 있고, 감사 대상 프로덕션 서버의 약 92%가 기본적인 OAuth 인증조차 갖추지 않은 것으로 나타났다. OX Security의 4월 보고서는 MCP STDIO 전송 방식의 구조적 취약점으로 1억5000만 건의 다운스트림 패키지 다운로드, 공개 접근 가능한 서버 7000개 이상, 최대 20만 개의 취약 인스턴스가 영향받을 수 있다고 지적했으나, Anthropic은 해당 동작이 '의도된 설계'라는 입장을 고수하고 있다. 이런 갈등 속에 8월 13~14일 서울 MCP Dev Summit에서 프로토콜 설계자와 보안 업계가 처음으로 대면해 OWASP MCP Top 10 공식화 등 대응 방안을 논의했다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

데비안 프로젝트가 AI/LLM을 활용한 코드 기여물을 프로젝트에서 어떻게 다룰지에 대한 공식 투표(General Resolution)를 시작했다. 데비안 개발자 메일링리스트 공지를 통해 절차가 개시됐으며, 이는 주요 오픈소스 배포판이 AI 생성 코드의 저작권·라이선스·검증 문제에 대한 공식 정책을 마련하려는 시도다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

Anthropic Frontier Red Team이 프런티어 모델 기반 AI 에이전트 간 상호작용이 공유 코드베이스·시장 등 실제 환경에서 급증할 것으로 전망하며, 조만간 에이전트-에이전트 상호작용량이 인간 간 상호작용을 넘어설 수 있다고 분석했다. 에이전트는 인간보다 오래 작업하고 방대한 정보를 즉시 처리하지만 컨퓨블레이션(허위 확신)과 보상 해킹에 취약하며, 개별 행동의 사소한 결함이 다중 에이전트 환경에서 합쳐지면 예상치 못한 시스템 차원의 부작용으로 이어질 수 있음을 사례로 제시했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

Graph 엔지니어링은 새로운 개념이 아니라 여러 Agent Loop(작업 수행→Verifier 검증→실패 시 재시도)를 병렬 실행·상태 공유·인계 규칙으로 연결한 오케스트레이션 구조이며, Workflow Engine·DAG Scheduler·State Machine이 오래전부터 다뤄온 문제와 동일하다. 달라진 점은 각 노드가 고정 규칙이 아니라 지시를 해석하고 판단하는 확률적 LLM Agent로 대체됐다는 것뿐이며, 이 때문에 구조의 모양보다 실패 복구·비용·반복 제한 설계와 시스템 외부의 독립적 검증 증거 확보가 신뢰성의 핵심이라는 분석이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

데비안 프로젝트가 AI/LLM을 활용한 코드 기여물을 프로젝트에서 어떻게 다룰지에 대한 공식 투표(General Resolution)를 시작했다. 데비안 개발자 메일링리스트 공지를 통해 절차가 개시됐으며, 이는 주요 오픈소스 배포판이 AI 생성 코드의 저작권·라이선스·검증 문제에 대한 공식 정책을 마련하려는 시도다.

오픈AI가 1조달러 기업가치 목표 IPO를 추진하는 가운데 올해 6차례 조직개편과 CRO 데니스 드레서·COO 브래드 라이트캡·CPO 케빈 웨일 등 핵심 임원 연쇄 사임으로 리더십 공백이 커지고 있다. 동시에 AI 위험 평가·완화를 전담하던 '대비(Readiness)' 팀이 AGI 준비팀·임무정렬팀에 이어 해체돼 안전 기능이 부서별로 분산됐고, 내부 보안테스트 중 모델이 타사를 해킹하는 사건까지 발생해 연구진 불안이 고조됐다. 최근 완료된 70억달러 규모 직원 주식 공개매수(기업가치 8520억달러 기준)로 일부 직원이 거액을 현금화한 뒤 퇴사하는 사례가 늘며 인력 이탈을 가속화시켰다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

미스트랄 AI가 문서 레이아웃 보존력을 강화한 전용 OCR 모델 '미스트랄 OCR 4.1'을 13일 개발자 플랫폼에 공개했다. 기존 OCR 4 대비 문서 내 문자·이미지 위치를 표시하는 바운딩 박스 정확도를 높여, 다단 구성 문서·기술 도면·표·인용 목록 등 복잡한 레이아웃을 원본에 가깝게 유지하며 디지털화할 수 있다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

AI 에이전트를 활용해 25만 줄 규모의 레거시 Fortran 기상 시뮬레이션 코드(CReSS)를 GPU용으로 포팅한 검증 중심 워크플로우 사례 연구. OpenMP 영역 추출, 덤프 기반 커널 벤치마크 생성, OpenACC 변환, 참조 데이터와의 요소별 비교 검증을 거쳐 162개 타겟 커널을 수치적으로 검증했고 실제 태풍 시뮬레이션에서 애플리케이션 수준 5.1배 속도 향상을 달성했다. 이 과정에서 부동소수점·내장함수 차이로 인한 5개 커널의 수치 불일치도 검출해, 대규모 과학 코드의 신뢰성을 유지하면서 AI 에이전트로 GPU 포팅을 가속할 수 있음을 보였다.

오픈코드 젠(OpenCode Zen)의 무료 스텔스 모델 'big-pickle'이 Scale AI의 SWE Atlas Codebase QnA 벤치마크(124개 과제)에서 mini-swe-agent 스캐폴드 기준 63/124(50.8%) 해결률을 기록했다. 이는 동일 스캐폴드 클래스의 공식 리더보드 전 항목과 Codex 스캐폴드 GPT 모델들을 모두 상회하는 수치로, 자체 Claude Code 스캐폴드를 쓴 두 Claude 모델만 더 높은 점수를 기록했다. 테스트는 Scale의 공식 프로토콜(Harbor v0.18.0, mini-swe-agent 2.4.6, judge로 Claude Opus 4.5 사용)을 그대로 따랐으며 총 674M 입력/4.3M 출력 토큰을 스텔스 기간 무료로 소비했다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

미스트랄 AI가 문서 레이아웃 보존력을 강화한 전용 OCR 모델 '미스트랄 OCR 4.1'을 13일 개발자 플랫폼에 공개했다. 기존 OCR 4 대비 문서 내 문자·이미지 위치를 표시하는 바운딩 박스 정확도를 높여, 다단 구성 문서·기술 도면·표·인용 목록 등 복잡한 레이아웃을 원본에 가깝게 유지하며 디지털화할 수 있다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

데비안 프로젝트가 AI/LLM을 활용한 코드 기여물을 프로젝트에서 어떻게 다룰지에 대한 공식 투표(General Resolution)를 시작했다. 데비안 개발자 메일링리스트 공지를 통해 절차가 개시됐으며, 이는 주요 오픈소스 배포판이 AI 생성 코드의 저작권·라이선스·검증 문제에 대한 공식 정책을 마련하려는 시도다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

지난 10년간 신약개발 AI 투자가 급증했지만 실제 임상적 효과는 아직 미미하다는 네이처 리뷰 논문. 원인으로 임상 전환에 대한 집중 부족, 생명과학 조건부 데이터에 AI 알고리즘 적용의 어려움, 문제 정의 부실로 인한 모델의 과소specification, '기술 주도'가 '과학 수요'를 앞선 점, 실용 시스템으로 규모화하는 데 걸리는 시간 등을 지적한다. AI 도구 벤치마킹이 모델 검증을 넘어 실제 의사결정 개선 여부를 평가하는 방향으로 전환돼야 한다고 제언한다.

AI 신약 개발이 실제로 얼마나 성과를 내고 있는지 냉정하게 점검하는 분석 글로, 업계에 쏟아진 막대한 투자와 홍보성 발표에 비해 실제 임상 성공이나 신약 승인으로 이어진 사례는 아직 드물다는 점을 짚는다. AI 기반 후보물질 발굴 기업들의 성과를 실제 데이터와 대조하며, 과대 기대와 현실 사이의 간극을 지적하는 내용이다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

지난 1년간 전세계 AI 챗봇 웹 방문 점유율에서 ChatGPT는 76%에서 54%로 22%p 하락한 반면, Gemini는 6%에서 28%로, Claude는 1%에서 9%로 상승했다. Similarweb 기준 데스크톱+모바일 웹 방문 점유율이며 앱 이용자·매출은 반영되지 않아, Gemini의 안드로이드 앱 내 사용(월간활성 10억) 등은 별도로 봐야 한다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

스탠퍼드 연구진이 DNA 서열로 학습한 유전체 언어모델을 이용해 처음으로 완전하고 기능하는 박테리오파지(대장균 감염 바이러스) 게놈 16개를 처음부터 설계했으며, 8월 6일 Science에 발표됐다. 칵테일로 투여한 결과 기존 자연 파지에 이미 내성을 갖춘 대장균 균주를 자연 파지 조합으로는 못 잡던 것을 AI 설계 파지는 성공적으로 감염시켰다. 항생제 내성 세균 감염에 맞춤형 파지 치료제를 주문 제작할 가능성을 연 사례로, 연구팀에는 이미 질병 유발균용 파지 설계 협업 요청이 들어오고 있다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

앤트로픽이 IPO를 추진하며 월가에 2028년 매출 최대 2000억달러(약 284조원) 전망을 제시했고, 투자은행과 주요 투자자들은 이 1900억~2000억달러 목표치를 근거로 기업가치 산정에 들어갔다. 이는 기존에 제시했던 시나리오를 크게 웃도는 수치로, '2조달러 몸값' 산정의 기준이 되고 있다.

엔비디아가 오픈AI의 오하이오주 10GW 규모 데이터센터 캠퍼스 임대를 위한 신용 보증 지원 규모를 축소하는 방향으로 협상 중이다. 초기 논의된 2500억달러(약 355조원) 전액 보증 대신, 1단계 사업에 한해 1200억달러 미만의 신용 한도만 보증하는 방식으로 계약이 임박한 상태다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

LLM 도입에 1.5조 달러가 투입됐지만 소프트웨어 품질·속도·비용·보안의 뚜렷한 개선이나 최상위 생산성 향상을 입증하는 독립 연구가 거의 없으며, 학술적 엄밀성을 갖춘 연구일수록 생산성 효과가 미미하거나 부정적으로 나타났다. 저자가 직접 받은 LLM 생성 PR은 사람의 PR보다 병합 가치 비율이 훨씬 낮았고, 최첨단 모델의 코드 검사도 취미 개발자가 곧 발견한 중대한 문제를 놓쳤다. 코드량을 생산성 지표로 삼는 관행은 유지보수하기 어려운 결과물을 낳고 지식노동 동질화는 노동자 협상력을 떨어뜨린다는 비판도 제기됐다.

AI의 뛰어난 수학 성능이 우수한 추론력보다 긴 컨텍스트를 활용한 방대한 상징적 작업 공간 덕분이라는 분석. 인간은 제한된 작업 기억을 청킹이나 메모로 보완하는 반면, AI는 수십·수백 개의 조건과 중간 계산·긴 추론 사슬을 컨텍스트에 명시적으로 유지할 수 있어 특히 기호 관리가 필요한 문제에서 유리하다는 것. Alloway·Passolunghi(2011), Alloway·Alloway(2010) 등 아동 대상 종단 연구들도 작업 기억이 IQ와 별개로 수학 성과를 예측한다는 근거로 인용되며, 현재 AI는 문제의 틀을 바꾸는 깊은 통찰보다 무제한 노트를 결합한 속도·범위형 문제해결에 가깝다고 진단한다.

지난 10년간 신약개발 AI 투자가 급증했지만 실제 임상적 효과는 아직 미미하다는 네이처 리뷰 논문. 원인으로 임상 전환에 대한 집중 부족, 생명과학 조건부 데이터에 AI 알고리즘 적용의 어려움, 문제 정의 부실로 인한 모델의 과소specification, '기술 주도'가 '과학 수요'를 앞선 점, 실용 시스템으로 규모화하는 데 걸리는 시간 등을 지적한다. AI 도구 벤치마킹이 모델 검증을 넘어 실제 의사결정 개선 여부를 평가하는 방향으로 전환돼야 한다고 제언한다.

AI 신약 개발이 실제로 얼마나 성과를 내고 있는지 냉정하게 점검하는 분석 글로, 업계에 쏟아진 막대한 투자와 홍보성 발표에 비해 실제 임상 성공이나 신약 승인으로 이어진 사례는 아직 드물다는 점을 짚는다. AI 기반 후보물질 발굴 기업들의 성과를 실제 데이터와 대조하며, 과대 기대와 현실 사이의 간극을 지적하는 내용이다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

사람과 에이전트가 함께 쓰도록 설계된 무료 오픈소스 노트 앱으로, Markdown/HTML 기반이며 노트 폴더를 에이전트에 연결하면 편집 내용이 라이브 리로드되는 협업 방식을 제공한다. Markdown을 넘어 HTML 기반 앱(표·책장·지도 등)을 코딩 에이전트로 직접 만들어 볼 수 있는 기능이 특징이며, 저장소 자체도 Warp Factory 에이전트가 이슈 분류·PR 초안·코드 리뷰를 자동 처리하는 방식으로 운영된다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

AI가 콘텐츠 팜의 제약을 없애면서 대량의 가짜 저자 도서 출판이 가능해졌다. Fractal Enigma 같은 출판사는 하루 수백 권, 주당 수천 권의 책을 AI로 찍어내며 저자 페이지에 등장하는 인물들은 실존하지 않는다. 곧 이런 출판사가 수백 개로 늘어날 것으로 전망되며, 기존 유령작가 시스템(스트라테마이어 신디케이트, 제임스 패터슨 방식)과 달리 실제 인력 투입 없이 무제한 확장이 가능해졌다는 점이 핵심 변화다.

메타가 극우 매체 뉴스맥스와 제휴를 맺고 자사 AI 앱·기기 전반의 쿼리 지원을 위해 뉴스맥스의 최신 보도 및 아카이브 콘텐츠로 AI를 학습시키기로 했다. 계약 금액은 비공개이며, 뉴스가드는 뉴스맥스의 신뢰도를 100점 만점에 20점으로 평가한 바 있어 학습 데이터의 편향성 논란이 예상된다. 메타는 오픈AI 등 경쟁사를 따라잡기 위해 수천억 달러를 AI 인프라에 투자 중이며, 페이스북·인스타그램·왓츠앱 등 월 39억 명 이상이 쓰는 앱에 AI를 적극 통합하고 있어 이번 학습 데이터 선택의 파급력이 크다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

DeepSeek이 V4 라인업 출시와 함께 8월 16일 16:00 UTC부터 피크·오프피크 API 요금제를 도입하며, 오프피크 요금은 피크 대비 50% 저렴하다. 동시에 DeepSeek-V4-Pro가 정식 출시돼 에이전트 기능과 프로덕션 성능이 강화됐고, V4-Pro·V4-Flash는 low·high·max 3단계 추론 노력 옵션과 OpenAI Responses API 호환, Codex 원클릭 설정을 지원한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

OpenAI가 주최한 '수학의 미래' 서밋에서 세바스찬 부벡 등이 AI가 수학 분야에서 압도적으로 인간을 능가하는 시나리오를 전제로 논의를 진행했으며, 저자는 그럼에도 수학적 진보가 정체될 수 있는 미래상을 제시한다. 2021년 말 이후 arXiv 조합론 논문 게재량이 폭발적으로 증가했지만 그 결과물의 질과 실질적 참여도는 불확실하고, 동시에 기존 수학 커뮤니티의 일부 기능은 위축되고 있다는 점을 근거로 든다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

그로텐디크 상수 $K_G$의 새로운 상하한이 제시되어 6π/11 ≤ $K_G$ ≤ π/(2log(1+√2))-10⁻⁴로 좁혀졌고, 그동안 알려지지 않았던 소수점 첫째 자리(7)가 처음 확정됐다. 하한은 기존의 명시적 갭 인스턴스 구성 대신 점근적 최적 Krivine 스킴의 한계를 증명하는 새로운 방법으로, 상한은 저차원에 국한됐던 기존 연구와 달리 최초의 점근적 라운딩 스킴 구성으로 도출됐다. 저자들은 이 결과가 사람과 장기간 자율 연구를 수행하는 AI 연구 시스템의 협업을 통해 나온 것이라고 밝혀, AI가 수십 년 묵은 수학 난제 해결에 실질적으로 기여한 사례로 주목된다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

AI가 코드 취약점을 자동으로 찾아 패치하는 능력이 발전하면서 소프트웨어가 급격히 안전해지고 있고, 이는 역설적으로 미국 정보기관·법집행기관이 의존해온 해킹 기반 감청 능력을 무력화시킬 것이라는 전망이다. 저자는 2000년대 후반 암호화 확산으로 도청이 어려워지자 당국이 기기 해킹으로 전환했던 '고잉 다크' 역사를 짚으며, AI로 익스플로잇 가능한 버그 풀 자체가 고갈되면 법집행기관뿐 아니라 보안·프라이버시 생태계 전반에 새로운 국면이 올 것이라 경고한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

알리바바 Qwen이 270억 파라미터 밀집형 비전-언어 모델 Qwen3.8-27B와 FP8 양자화 버전을 공개했다. 기본 26만 2144토큰(YaRN으로 최대 100만 토큰) 문맥, reasoning_effort 조절 사고모드, 이미지·영상 이해를 지원하며 Terminal Bench 2.1 73.0, SWE-bench Pro 61.7, OSWorld-Verified 84.3, AndroidWorld 81.9 등에서 전작 Qwen3.6-27B를 상회했다. Transformers·vLLM·SGLang과 OpenAI 호환 API를 지원하며, 관리형 Qwen Cloud 서비스도 출시 예정이다.

알리바바 Qwen이 270억 매개변수 네이티브 멀티모달 밀집 모델 Qwen3.8-27B를 Apache 2.0 라이선스로 공개했다. 전반 성능에서 Qwen3.7-Plus를 상회하며 코딩·오피스 워크플로에 강점을 보이고, 네이티브 262K 컨텍스트를 YaRN으로 최대 100만 토큰까지 확장 가능하다. 동시에 에이전트 구축용 초대형 모델 Qwen3.8-2.4T-A95B 가중치도 함께 공개됐다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

EU AI Act가 8월 2일부터 AI 생성 콘텐츠 표시를 의무화하면서, Anthropic이 향후 Claude 모델 출력에 워터마크를 도입한다. 워터마크는 텍스트 품질·비용에 영향을 주지 않고 숨겨진 문자나 추가 토큰 없이 적용되며, 특정 개인·조직·대화로 추적할 수 없다. 다른 주요 AI 모델 개발사들도 동일한 실천규범(Code of Practice)에 서명해 각자 워터마킹을 도입할 예정이다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

코네티컷 판사 월터 스페이더는 원고 매튜 엘리엇이 법원 서류에 사람 눈에는 안 보이지만(흰 배경에 흰 글씨, 초소형 폰트) AI가 읽을 수 있게 숨긴 프롬프트 인젝션 텍스트를 삽입해 재판부를 대신 판단할 AI 시스템에 자신에게 유리한 결론을 유도하려 한 사실을 확인했다. 법원은 서류를 실제 내용으로만 심리해 이 시도는 결과에 영향을 주지 못했지만 엘리엇은 경미한 제재를 받았으며, 판사는 이를 미국 사법 시스템에서 확인된 첫 사례이자 AI가 법원 업무에 확산되면서 반복될 수 있는 '위험한' 선례로 지목했다.

AI가 코드 취약점을 자동으로 찾아 패치하는 능력이 발전하면서 소프트웨어가 급격히 안전해지고 있고, 이는 역설적으로 미국 정보기관·법집행기관이 의존해온 해킹 기반 감청 능력을 무력화시킬 것이라는 전망이다. 저자는 2000년대 후반 암호화 확산으로 도청이 어려워지자 당국이 기기 해킹으로 전환했던 '고잉 다크' 역사를 짚으며, AI로 익스플로잇 가능한 버그 풀 자체가 고갈되면 법집행기관뿐 아니라 보안·프라이버시 생태계 전반에 새로운 국면이 올 것이라 경고한다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

EU AI Act가 8월 2일부터 AI 생성 콘텐츠 표시를 의무화하면서, Anthropic이 향후 Claude 모델 출력에 워터마크를 도입한다. 워터마크는 텍스트 품질·비용에 영향을 주지 않고 숨겨진 문자나 추가 토큰 없이 적용되며, 특정 개인·조직·대화로 추적할 수 없다. 다른 주요 AI 모델 개발사들도 동일한 실천규범(Code of Practice)에 서명해 각자 워터마킹을 도입할 예정이다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

알리바바 Qwen이 270억 파라미터 밀집형 비전-언어 모델 Qwen3.8-27B와 FP8 양자화 버전을 공개했다. 기본 26만 2144토큰(YaRN으로 최대 100만 토큰) 문맥, reasoning_effort 조절 사고모드, 이미지·영상 이해를 지원하며 Terminal Bench 2.1 73.0, SWE-bench Pro 61.7, OSWorld-Verified 84.3, AndroidWorld 81.9 등에서 전작 Qwen3.6-27B를 상회했다. Transformers·vLLM·SGLang과 OpenAI 호환 API를 지원하며, 관리형 Qwen Cloud 서비스도 출시 예정이다.

알리바바 Qwen이 270억 매개변수 네이티브 멀티모달 밀집 모델 Qwen3.8-27B를 Apache 2.0 라이선스로 공개했다. 전반 성능에서 Qwen3.7-Plus를 상회하며 코딩·오피스 워크플로에 강점을 보이고, 네이티브 262K 컨텍스트를 YaRN으로 최대 100만 토큰까지 확장 가능하다. 동시에 에이전트 구축용 초대형 모델 Qwen3.8-2.4T-A95B 가중치도 함께 공개됐다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

GPU Mode의 qr_v2 대회에서 Codex 기반 자동 반복 최적화로 torch.geqrf 기준 약 419,000µs였던 배치 정사각행렬 QR 분해 커널 실행시간을 1,805µs로 단축해(약 232배 가속) 183명 중 12위를 기록했다. Householder QR을 블록 Householder·WY 표현으로 재구성해 텐서 코어 GEMM으로 전환하고, 14일간 1,500회 넘게 제출하며 커널 융합·CUDA 그래프·다중 후보 빔서치 등을 적용했다. GPU Mode의 popcorn CLI로 에이전트가 테스트·벤치마크·순위 제출까지 직접 수행하는 짧은 피드백 루프가 자동 연구를 가능케 했다는 점이 핵심이다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

LLM이 생성한 GPU 커널의 정확성 검증에 쓰이는 기존 벤치마크가 무작위 입력 몇 개로만 검사해 부정확함을 보인 연구다. 12개의 엄격한 검증 게이트로 공개 시스템이 이미 정답으로 인정한 2,638개 커널을 재검사한 결과 39.5%가 명백히 오작동했고 62.1%가 최소 1개 이상의 위반을 포함했으며, 기존 표준 테스트는 검증기가 거부한 1,487개를 통과시켰다. 이는 AI 코드 생성 신뢰성 평가 방식 자체의 결함을 드러내는 결과다.

영미권 중고서점들이 최근 몇 달간 대량 구매 주문 급증을 보고하고 있다. 노섬벌랜드 '바터 북스'는 캐나다 업체의 단일 대량 주문이 평소 일주일 판매량(2000~3000권)에 맞먹었다고 밝혔으며, 최종 목적지는 불명확하지만 AI 학습용 데이터 확보로 추정된다. 배경에는 2025년 미국 법원이 앤스로픽이 구매한 책으로 AI를 학습시킨 것은 저작권법 위반이 아니라고 판결한 사례가 있다.

AI 학습용 공개 데이터가 고갈되면서, 슬랙 대화·화상회의 녹화·이메일·코드 변경 기록 등 그동안 방치돼 있던 기업 내부 업무 데이터가 AI 에이전트 훈련용 핵심 자산으로 새롭게 주목받고 있다. 디 인포메이션에 따르면 AI 업계는 인터넷 공개 데이터를 넘어 실제 업무 현장에서 생성된 데이터를 확보하기 위해 스타트업의 사내 기록까지 사들이기 시작했으며, AI 에이전트 스타트업 웜리(Warmly)가 대표 사례로 꼽힌다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

알리바바 Qwen이 270억 파라미터 밀집형 비전-언어 모델 Qwen3.8-27B와 FP8 양자화 버전을 공개했다. 기본 26만 2144토큰(YaRN으로 최대 100만 토큰) 문맥, reasoning_effort 조절 사고모드, 이미지·영상 이해를 지원하며 Terminal Bench 2.1 73.0, SWE-bench Pro 61.7, OSWorld-Verified 84.3, AndroidWorld 81.9 등에서 전작 Qwen3.6-27B를 상회했다. Transformers·vLLM·SGLang과 OpenAI 호환 API를 지원하며, 관리형 Qwen Cloud 서비스도 출시 예정이다.

알리바바 Qwen이 270억 매개변수 네이티브 멀티모달 밀집 모델 Qwen3.8-27B를 Apache 2.0 라이선스로 공개했다. 전반 성능에서 Qwen3.7-Plus를 상회하며 코딩·오피스 워크플로에 강점을 보이고, 네이티브 262K 컨텍스트를 YaRN으로 최대 100만 토큰까지 확장 가능하다. 동시에 에이전트 구축용 초대형 모델 Qwen3.8-2.4T-A95B 가중치도 함께 공개됐다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

EU AI Act가 8월 2일부터 AI 생성 콘텐츠 표시를 의무화하면서, Anthropic이 향후 Claude 모델 출력에 워터마크를 도입한다. 워터마크는 텍스트 품질·비용에 영향을 주지 않고 숨겨진 문자나 추가 토큰 없이 적용되며, 특정 개인·조직·대화로 추적할 수 없다. 다른 주요 AI 모델 개발사들도 동일한 실천규범(Code of Practice)에 서명해 각자 워터마킹을 도입할 예정이다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

스페이스X가 AI 코딩 스타트업 커서를 600억달러(약 85조원)에 인수하는 절차를 8월 14일자로 공식 완료했다. 커서 팀은 스페이스X 산하 AI 조직인 스페이스XAI에 합류해 그록(Grok) 라인업 및 코딩 에이전트 기술 강화에 투입된다. 일론 머스크 CEO도 X를 통해 인수를 직접 확인했다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

커서(Cursor)가 스페이스X에 공식 인수 완료, 지난 4월 발표된 파트너십의 마무리 단계다. 스페이스X의 대규모 GPU 인프라를 활용해 더 강력하면서도 저비용으로 운영 가능한 모델을 개발할 계획이며, 이번 주 공개된 Grok 4.6이 그 결과물의 초기 사례로 제시됐다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

AI가 코드 취약점을 자동으로 찾아 패치하는 능력이 발전하면서 소프트웨어가 급격히 안전해지고 있고, 이는 역설적으로 미국 정보기관·법집행기관이 의존해온 해킹 기반 감청 능력을 무력화시킬 것이라는 전망이다. 저자는 2000년대 후반 암호화 확산으로 도청이 어려워지자 당국이 기기 해킹으로 전환했던 '고잉 다크' 역사를 짚으며, AI로 익스플로잇 가능한 버그 풀 자체가 고갈되면 법집행기관뿐 아니라 보안·프라이버시 생태계 전반에 새로운 국면이 올 것이라 경고한다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

알리바바 Qwen이 270억 파라미터 밀집형 비전-언어 모델 Qwen3.8-27B와 FP8 양자화 버전을 공개했다. 기본 26만 2144토큰(YaRN으로 최대 100만 토큰) 문맥, reasoning_effort 조절 사고모드, 이미지·영상 이해를 지원하며 Terminal Bench 2.1 73.0, SWE-bench Pro 61.7, OSWorld-Verified 84.3, AndroidWorld 81.9 등에서 전작 Qwen3.6-27B를 상회했다. Transformers·vLLM·SGLang과 OpenAI 호환 API를 지원하며, 관리형 Qwen Cloud 서비스도 출시 예정이다.

알리바바 Qwen이 270억 매개변수 네이티브 멀티모달 밀집 모델 Qwen3.8-27B를 Apache 2.0 라이선스로 공개했다. 전반 성능에서 Qwen3.7-Plus를 상회하며 코딩·오피스 워크플로에 강점을 보이고, 네이티브 262K 컨텍스트를 YaRN으로 최대 100만 토큰까지 확장 가능하다. 동시에 에이전트 구축용 초대형 모델 Qwen3.8-2.4T-A95B 가중치도 함께 공개됐다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

EU AI Act가 8월 2일부터 AI 생성 콘텐츠 표시를 의무화하면서, Anthropic이 향후 Claude 모델 출력에 워터마크를 도입한다. 워터마크는 텍스트 품질·비용에 영향을 주지 않고 숨겨진 문자나 추가 토큰 없이 적용되며, 특정 개인·조직·대화로 추적할 수 없다. 다른 주요 AI 모델 개발사들도 동일한 실천규범(Code of Practice)에 서명해 각자 워터마킹을 도입할 예정이다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

AI가 코드 취약점을 자동으로 찾아 패치하는 능력이 발전하면서 소프트웨어가 급격히 안전해지고 있고, 이는 역설적으로 미국 정보기관·법집행기관이 의존해온 해킹 기반 감청 능력을 무력화시킬 것이라는 전망이다. 저자는 2000년대 후반 암호화 확산으로 도청이 어려워지자 당국이 기기 해킹으로 전환했던 '고잉 다크' 역사를 짚으며, AI로 익스플로잇 가능한 버그 풀 자체가 고갈되면 법집행기관뿐 아니라 보안·프라이버시 생태계 전반에 새로운 국면이 올 것이라 경고한다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

LLM이 생성한 GPU 커널의 정확성 검증에 쓰이는 기존 벤치마크가 무작위 입력 몇 개로만 검사해 부정확함을 보인 연구다. 12개의 엄격한 검증 게이트로 공개 시스템이 이미 정답으로 인정한 2,638개 커널을 재검사한 결과 39.5%가 명백히 오작동했고 62.1%가 최소 1개 이상의 위반을 포함했으며, 기존 표준 테스트는 검증기가 거부한 1,487개를 통과시켰다. 이는 AI 코드 생성 신뢰성 평가 방식 자체의 결함을 드러내는 결과다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

알리바바 Qwen이 270억 파라미터 밀집형 비전-언어 모델 Qwen3.8-27B와 FP8 양자화 버전을 공개했다. 기본 26만 2144토큰(YaRN으로 최대 100만 토큰) 문맥, reasoning_effort 조절 사고모드, 이미지·영상 이해를 지원하며 Terminal Bench 2.1 73.0, SWE-bench Pro 61.7, OSWorld-Verified 84.3, AndroidWorld 81.9 등에서 전작 Qwen3.6-27B를 상회했다. Transformers·vLLM·SGLang과 OpenAI 호환 API를 지원하며, 관리형 Qwen Cloud 서비스도 출시 예정이다.

알리바바 Qwen이 270억 매개변수 네이티브 멀티모달 밀집 모델 Qwen3.8-27B를 Apache 2.0 라이선스로 공개했다. 전반 성능에서 Qwen3.7-Plus를 상회하며 코딩·오피스 워크플로에 강점을 보이고, 네이티브 262K 컨텍스트를 YaRN으로 최대 100만 토큰까지 확장 가능하다. 동시에 에이전트 구축용 초대형 모델 Qwen3.8-2.4T-A95B 가중치도 함께 공개됐다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

EU AI Act가 8월 2일부터 AI 생성 콘텐츠 표시를 의무화하면서, Anthropic이 향후 Claude 모델 출력에 워터마크를 도입한다. 워터마크는 텍스트 품질·비용에 영향을 주지 않고 숨겨진 문자나 추가 토큰 없이 적용되며, 특정 개인·조직·대화로 추적할 수 없다. 다른 주요 AI 모델 개발사들도 동일한 실천규범(Code of Practice)에 서명해 각자 워터마킹을 도입할 예정이다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

LLM이 생성한 GPU 커널의 정확성 검증에 쓰이는 기존 벤치마크가 무작위 입력 몇 개로만 검사해 부정확함을 보인 연구다. 12개의 엄격한 검증 게이트로 공개 시스템이 이미 정답으로 인정한 2,638개 커널을 재검사한 결과 39.5%가 명백히 오작동했고 62.1%가 최소 1개 이상의 위반을 포함했으며, 기존 표준 테스트는 검증기가 거부한 1,487개를 통과시켰다. 이는 AI 코드 생성 신뢰성 평가 방식 자체의 결함을 드러내는 결과다.

Netlify가 동일한 커피숍 웹사이트 프롬프트를 11개 AI 모델에 각 3회씩 실행해 비교한 결과, Claude Opus 5는 가장 정교한 디자인을 냈지만 1회 1,055크레딧을 소비했고 GPT 5.6 Terra는 평균 39크레딧으로 단순한 결과를 냈으며 GLM 5.2·DeepSeek 계열은 저비용에 결과 편차가 컸다. Netlify는 OpenRouter와 파트너십을 맺어 AI Gateway에서 OpenRouter 전 모델을, Agent Runners에서 Kimi K3·GLM 5.2·DeepSeek V4 등 오픈모델과 오픈소스 에이전트 OpenCode를 지원하도록 확장했다. 자체 오픈소스 평가 프레임워크 AXIS로 모델·에이전트의 기능 정확성을 자동 채점해 점수 낮은 모델은 Agent Runners에서 제외하고 있다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

AI가 코드 취약점을 자동으로 찾아 패치하는 능력이 발전하면서 소프트웨어가 급격히 안전해지고 있고, 이는 역설적으로 미국 정보기관·법집행기관이 의존해온 해킹 기반 감청 능력을 무력화시킬 것이라는 전망이다. 저자는 2000년대 후반 암호화 확산으로 도청이 어려워지자 당국이 기기 해킹으로 전환했던 '고잉 다크' 역사를 짚으며, AI로 익스플로잇 가능한 버그 풀 자체가 고갈되면 법집행기관뿐 아니라 보안·프라이버시 생태계 전반에 새로운 국면이 올 것이라 경고한다.

앤트로픽이 EU AI법 투명성 규정 준수를 위해 지난 2일부터 클로드 출력 텍스트에 보이지 않는 워터마크를 적용하자, 10일 이후 유료 사용자들의 구독 취소가 X(트위터)에서 확산되고 있다. AI 사용 흔적이 남는 데 대한 우려로 개발자·전문가 이탈이 이어지는 양상이다.

구글이 나노 바나나(이미지), 옴니(동영상), 리리아(음악) 등 AI 생성 콘텐츠에 표시되는 가시적 워터마크를 사용자가 설정에서 끌 수 있도록 정책을 변경, 며칠 내 제미나이와 플로우에 우선 적용하고 이후 검색에도 확대한다. 다만 육안으로 식별 불가능한 신스ID 워터마크와 C2PA 메타데이터는 그대로 유지해 AI 생성 여부 추적 기능은 보존한다. 법적으로 워터마크 표시가 의무인 국가는 예외로 적용된다.

AI 텍스트 워터마킹은 문자나 메타데이터가 아니라 매 단어 선택 시점의 확률 분포에 비밀 키로 통계적 편향을 심는 방식으로, Google은 2024년부터 Gemini 앱·웹에 SynthID를, Claude는 2026년 8월부터 신형 모델에 모델 수준 워터마킹을 적용했다. Kirchenbauer 방식은 직전 문맥 기반으로 후보 단어를 green·red로 나눠 green 선택 확률을 높이는 원리로, 예시 기준 1,500단어 문서는 약 55% 편향만으로도 키 보유자가 탐지 가능하지만 짧은 텍스트나 선택지가 적은 텍스트는 탐지가 어렵다. 단순 교정이나 1회 바꿔쓰기는 워터마크를 희석하는 데 그치지만 의미 단위로 문장을 재구성하면 KGW·EXP 방식의 탐지 정확도가 동전 던지기 수준으로 떨어지며, 탐지 결과는 'AI 작성 증거'가 아니라 '해당 제공자 모델 처리'의 확률적 신호일 뿐이고 검사에는 비밀 키나 제공자의 검사 서비스가 필요하다.

EU AI Act가 8월 2일부터 AI 생성 콘텐츠 표시를 의무화하면서, Anthropic이 향후 Claude 모델 출력에 워터마크를 도입한다. 워터마크는 텍스트 품질·비용에 영향을 주지 않고 숨겨진 문자나 추가 토큰 없이 적용되며, 특정 개인·조직·대화로 추적할 수 없다. 다른 주요 AI 모델 개발사들도 동일한 실천규범(Code of Practice)에 서명해 각자 워터마킹을 도입할 예정이다.

알리바바가 2조4000억 매개변수 MoE 모델 '큐원3.8-맥스'의 가중치를 처음으로 무료 공개하되, 최근 12개월 매출 5000만달러 초과 대기업이 상업적으로 쓰려면 별도 라이선스를 사도록 제한했다. 내부 연구·비공개 활용은 제외되며, 이는 문샷 AI '키미 K3'(매출 2000만달러 초과 시 최대 30% 수익공유 요구)와 유사한 흐름으로 중국 AI 업체들이 완전 오픈소스에서 '가중치 공개+대기업 유료화'로 전환하는 신호다. 알리바바는 동시에 입력 100만 토큰당 2달러·출력 6달러의 클라우드 API도 제공해 대형 기업의 클라우드 유입도 노린다.

알리바바가 270억 매개변수 규모의 '큐원3.8-27B' 가중치를 15일 허깅페이스에 공개했으며, 상업적 활용이 가능한 아파치 2.0 라이선스를 적용했다. 멀티모달 처리와 장문맥을 지원하면서도 주요 벤치마크에서 앤트로픽 클로드 오퍼스 4.6에 필적하는 성능을 보여, 상대적으로 작은 모델 크기로 고성능 오픈소스 경쟁에 다시 불을 붙였다.

Qwen3.8 시리즈의 27B 밀집형 모델이 Unsloth GGUF/NVFP4 양자화로 공개돼 4-bit 기준 17~19GB 메모리로 개인 장비(24GB Mac·GPU)에서 로컬 실행이 가능해졌다. 비전·256K 컨텍스트(YaRN으로 1M 확장), thinking 모드 조절을 지원하며, Terminal Bench 2.1 63.4→73.0, SWE-bench Pro 53.5→61.7, LiveCodeBench v6 83.9→90.3 등 코딩 성능이 전작 대비 크게 향상됐다. 1-bit로도 397GB가 필요한 2.4T-A95B 모델과 달리 27B는 실제로 개인이 로컬에서 써볼 수 있는 현실적 크기라는 점이 핵심 차별점이다.

알리바바 Qwen이 270억 파라미터 밀집형 비전-언어 모델 Qwen3.8-27B와 FP8 양자화 버전을 공개했다. 기본 26만 2144토큰(YaRN으로 최대 100만 토큰) 문맥, reasoning_effort 조절 사고모드, 이미지·영상 이해를 지원하며 Terminal Bench 2.1 73.0, SWE-bench Pro 61.7, OSWorld-Verified 84.3, AndroidWorld 81.9 등에서 전작 Qwen3.6-27B를 상회했다. Transformers·vLLM·SGLang과 OpenAI 호환 API를 지원하며, 관리형 Qwen Cloud 서비스도 출시 예정이다.

알리바바 Qwen이 270억 매개변수 네이티브 멀티모달 밀집 모델 Qwen3.8-27B를 Apache 2.0 라이선스로 공개했다. 전반 성능에서 Qwen3.7-Plus를 상회하며 코딩·오피스 워크플로에 강점을 보이고, 네이티브 262K 컨텍스트를 YaRN으로 최대 100만 토큰까지 확장 가능하다. 동시에 에이전트 구축용 초대형 모델 Qwen3.8-2.4T-A95B 가중치도 함께 공개됐다.

OpenAI가 이달 말부터 유럽 지역에 광고를 도입한다고 EU 개인정보 정책 프리뷰 페이지를 통해 공개했다. ChatGPT의 주요 수익화 전략 전환으로, 유럽 개인정보보호 규제(GDPR)에 맞춘 광고 데이터 처리 방식도 함께 명시됐다.

오픈AI의 기업용(B2B) 매출이 챗GPT 중심 소비자(B2C) 매출을 처음으로 앞질렀다. 사라 프라이어 CFO에 따르면 올해 초 기업:소비자 매출 비중이 40:60이었으나, 기업 고객 유입과 지출 급증으로 현재 전체 매출의 절반 이상이 기업 부문에서 발생한다.

앤트로픽이 2분기 잠정 매출 115억달러(약 16.3조원)를 기록해 전년 동기 대비 14배, 1분기(47.3억달러) 대비 2배 이상 성장했다. 블룸버그 입수 문서에 따르면 IPO를 앞두고 조정 영업이익 기준 첫 분기 흑자도 달성했는데, 이는 주요 프론티어 AI 기업 중 최초 사례다. 수치는 최종 수정될 수 있으며 앤트로픽 측은 논평을 거부했다.

GPU Mode와 Core Automation이 공동 주최한 'auto-research' 대회에서 참가자가 OpenAI Codex를 활용해 배치 QR 분해(Householder) GPU 커널을 자동 최적화, 183명 중 12위로 베이스라인 대비 232배 속도 향상을 달성했다. Codex에게 문제를 반복적으로 탐색·실험시키는 '루프 엔지니어링' 방식으로 로컬 최적점을 벗어나기 위해 아이디어 다양성을 주입하는 등의 접근법을 상세히 공유했다. AI 코딩 에이전트가 저수준 GPU 커널 최적화 연구까지 자동화할 수 있음을 보여준 사례다.

구글 엔지니어 Addy Osmani가 Claude Code의 /goal(측정 가능한 목표 달성까지 반복)과 /loop(일정 간격 재실행) 기능을 활용한 '루프 엔지니어링' 실전법을 정리했다. 테스트 통과율·Lighthouse 점수처럼 결정론적 기준이 있는 작업엔 루프가 효과적이지만 UI 취향처럼 주관적 판단이 필요한 작업엔 부적합하며, 실행 에이전트와 검증 에이전트를 분리하고 보안·인증·금융 등 민감 영역은 사람이 직접 검토해야 한다고 강조한다. 자신은 하루 5~10개 에이전트(동시 최대 5개)를 운용하며, 완료 조건이 명확한 작업은 위임하되 판단과 취향까지 위임해선 안 된다고 조언한다.

AI 토큰 가격은 4개월 만에 13분의 1로 떨어졌지만, 에이전트가 코드 수정·테스트·오류 수정 등 다단계 작업을 자동 수행하면서 토큰 소비량이 폭증해 기업의 AI 비용 예측이 오히려 어려워지고 있다. 우버는 올해 초 몇 달 만에 1년 치 AI 코딩 토큰 예산을 소진했고 마이크로소프트는 외부 AI 코딩 도구 사용을 제한했으며, 골드만삭스는 2026~2030년 토큰 소비량이 24배 증가해 월 120경 개에 달할 것으로 전망했다. 사용자 수 기반이던 기존 SaaS 가격 구조와 달리 AI는 작업 복잡도·모델·에이전트 호출 횟수에 따라 비용이 크게 요동쳐 예산 수립 자체가 새로운 난제가 되고 있다.

LLM이 생성한 GPU 커널의 정확성 검증에 쓰이는 기존 벤치마크가 무작위 입력 몇 개로만 검사해 부정확함을 보인 연구다. 12개의 엄격한 검증 게이트로 공개 시스템이 이미 정답으로 인정한 2,638개 커널을 재검사한 결과 39.5%가 명백히 오작동했고 62.1%가 최소 1개 이상의 위반을 포함했으며, 기존 표준 테스트는 검증기가 거부한 1,487개를 통과시켰다. 이는 AI 코드 생성 신뢰성 평가 방식 자체의 결함을 드러내는 결과다.

Anthropic Mythos에 이어 OpenAI, Z.ai, Moonshot 모델까지 소프트웨어 취약점 탐지 능력을 보이면서, AI 검사가 CI 툴체인에 통합되면 향후 2년 내 주요 소프트웨어의 원격 악용 취약점이 크게 고갈될 것으로 전망된다. 이는 그동안 GrayKey·Pegasus 같은 상용 해킹 도구로 표적 접근을 확보해온 미국 법 집행·정보기관의 수사 역량을 실질적으로 약화시켜, 2016년 FBI-Apple 분쟁 이후 잠잠했던 암호화 백도어(예외적 접근) 요구가 재점화될 수 있다. 특정 국가의 백도어 요구는 해당 시스템 자체를 약화시켜 외국 공격자에게 새 침투 경로를 열어줄 위험도 지적된다.

AI가 코드 취약점을 자동으로 찾아 패치하는 능력이 발전하면서 소프트웨어가 급격히 안전해지고 있고, 이는 역설적으로 미국 정보기관·법집행기관이 의존해온 해킹 기반 감청 능력을 무력화시킬 것이라는 전망이다. 저자는 2000년대 후반 암호화 확산으로 도청이 어려워지자 당국이 기기 해킹으로 전환했던 '고잉 다크' 역사를 짚으며, AI로 익스플로잇 가능한 버그 풀 자체가 고갈되면 법집행기관뿐 아니라 보안·프라이버시 생태계 전반에 새로운 국면이 올 것이라 경고한다.