21 개 뉴스 — 🔴 3 중요 , 🟡 12 주목 , 🟢 6 흥미
Claude Opus 4.7은 Anthropic의 새 플래그십 AI 모델로, Opus 4.6과 동일한 가격(입력 100만 토큰당 5달러, 출력 25달러)으로 출시됩니다. 최대 2576픽셀의 3배 향상된 이미지 해상도, 복잡한 에이전트 작업을 위한 새 노력 수준 xhigh, 긴 루프에서 모델이 자율적으로 리소스를 관리할 수 있는 태스크 예산, 그리고 완전히 새로운 토크나이저를 제공합니다.
「LLM 심사위원 신뢰성 진단」은 LLM-as-judge 시스템의 집계 신뢰성 지표가 심각한 인스턴스별 비일관성을 숨기고 있다는 것을 보여주는 새로운 연구입니다. 전이성 위반의 전체 비율은 0.8~4.1%이지만, 문서의 33~67%에는 최소 하나의 전이성 사이클이 있습니다. 이 방법은 이론적으로 보장된 적용 범위를 가진 등각 예측 집합에 의존합니다.
LongCoT는 다섯 개 도메인에 걸친 2,500개의 전문가 설계 문제를 포함한 새 벤치마크로, 수만에서 수십만 토큰이 필요할 수 있는 긴 chain-of-thought 추론 능력을 테스트합니다. 현재 프론티어 모델들은 GPT 5.2가 9.8%, Gemini 3 Pro가 6.1%에 그치며 크게 실패하여, 자율적 AI 에이전트 배포의 중요한 약점을 드러냈습니다.
Google Research는 PointInfinity 포인트 클라우드 흐름 매칭 모델을 사용하는 MoGen 시스템을 개발했습니다. 전문가 평가에서 실제와 구분할 수 없는 합성 뉴런 형태를 생성합니다. 훈련에 합성 데이터를 10%만 추가해도 오류율이 4.4% 감소하며, 이는 완전한 마우스 뇌 매핑에서 157인년의 수작업에 해당하는 절약입니다.
Simula는 합성 데이터 생성을 개별 샘플의 문제가 아닌 메커니즘 설계 문제로 다루는 Google의 프레임워크입니다. 시스템은 추론 모델을 사용하여 계층적 분류 체계를 구축하고 데이터 생성의 네 가지 독립적 축을 제어합니다. 이미 프로덕션에 배포되어 Gemini 안전 분류기, MedGemma, Android 사기 감지, Google Messages 스팸 필터링을 구동하고 있습니다.
GPT-Rosalind는 약물 발견, 유전체 분석, 단백질 추론을 포함한 생물과학 연구에 특화된 OpenAI의 새 프론티어 추론 모델입니다. 사이버 보안을 위한 GPT-5.4-Cyber 이후 특화 AI 시스템 트렌드를 이어가며, OpenAI가 핵심 산업을 위한 수직 최적화 모델을 구축하는 전략적 결정을 나타냅니다.
HuggingFace는 Sentence Transformers 라이브러리를 통해 멀티모달 임베딩 및 리랭커 모델을 파인튜닝하는 자세한 가이드를 발표했습니다. 초점은 텍스트와 이미지를 공통 임베딩 공간에 통합하여 이기종 데이터에 걸친 의미적 검색을 가능하게 하는 것입니다. 주요 적용은 문서, 테이블, 이미지, 스캔 혼합물을 처리하는 RAG 시스템입니다.
HuggingFace는 Claude Code를 사용하여 Transformers 모델을 Apple Silicon용 MLX-LM 플랫폼으로 포팅하는 15,000단어의 Transformers-to-MLX skill을 공개했습니다. skill에는 LLM 환각 문제를 제거하는 결과를 독립적으로 검증하는 테스트 하네스가 포함되어 있으며, AI 에이전트가 풀 리퀘스트 수를 10배 늘리는 오픈소스 프로젝트의 증가하는 과제를 해결합니다.
OpenAI Codex는 macOS와 Windows용 업데이트된 데스크톱 앱으로, 컴퓨터 사용·앱 내 브라우징·이미지 생성·영구 메모리·플러그인 시스템을 통합합니다. Anthropic의 Opus 4.7과 같은 날 출시된 Codex는 완전한 에이전트 능력을 갖춘 올인원 AI 코딩 어시스턴트를 만들기 위한 가장 야심 찬 시도입니다.
GitHub CLI 버전 2.90.0은 GitHub Copilot·Claude Code·Cursor·Codex·Gemini CLI·Antigravity의 AI 에이전트 기술 발견·설치·관리·게시를 가능하게 하는 gh skill 명령어를 도입합니다. 불변 릴리스·SHA 콘텐츠 검증·버전 고정을 통해 공급망 보안을 보장합니다.
OpenMobile은 비전-언어 모델에 기반한 모바일 에이전트 개발을 위한 새로운 오픈소스 프레임워크입니다. Qwen2.5-VL의 파인튜닝 후 AndroidWorld 벤치마크에서 51.7%의 성공률을, Qwen3-VL은 64.7%를 달성했습니다 — 이는 기존 오픈 데이터 접근 방식을 크게 상회하며 약 70%를 달성하는 클로즈드 시스템에 근접합니다. 저자들은 모든 데이터와 코드를 공개했습니다.
LangChain은 수퍼바이저 에이전트가 차단 없이 수백 개의 병렬 서브에이전트 인스턴스를 시작할 수 있는 새로운 비동기 서브에이전트 모델을 발표했습니다. fire-and-steer 패러다임은 start_async_task·check_async_task·update_async_task 도구를 통해 실행 중에 서브에이전트의 지시를 변경할 수 있으며, LangSmith 플랫폼 또는 자체 호스팅 인프라에서 작동합니다.
Amazon Bedrock는 AI 출력 검증에 확률적 검증 대신 SAT/SMT 형식 검증을 사용하는 자동화 추론 검사를 도입합니다. Amazon Logistics는 검토 주기를 8시간에서 수분으로 단축했고, Lucid Motors는 예측 생성을 수주에서 1분 미만으로 줄였으며, 교육 기업 FETG는 80% 작업량 감소와 지연시간을 13초에서 1.5초로 개선했습니다.
AWS는 Amazon Nova Micro 모델의 LoRA 파인튜닝과 서버리스 Bedrock 온디맨드 추론을 결합하여 월 22,000건의 SQL 쿼리를 단 0.80달러로 처리할 수 있음을 시연했습니다. 훈련 비용은 Bedrock Customization으로 8달러, SageMaker로 65달러입니다. 이 접근 방식은 모델의 지속적인 호스팅 비용을 제거하고 변동하는 프로덕션 워크로드에 최적화되어 있습니다.
Google은 Chrome 브라우저에 새로운 AI 모드 업그레이드를 추가했습니다. AI 어시스턴트 옆에 웹 페이지 열기, 탭·이미지·PDF를 하나의 AI 검색으로 결합, Chrome 검색창에서 Canvas 작성 및 코딩 도구 접근이 가능합니다. 2026년 4월 16일부터 미국에서 사용 가능하며 글로벌 확장이 계획되어 있습니다.
xAI는 25개 언어로 음성을 배치 및 스트리밍 모드로 텍스트 변환하는 음성-텍스트 변환 API의 정식 출시를 발표했습니다. 이 발표는 2026년 3월 텍스트-음성 변환 API가 정식 출시된 지 한 달 후입니다. 이로써 xAI는 Grok 언어 모델과 함께 완전한 오디오 스택을 완성하고 OpenAI Whisper, Google Cloud Speech, Azure Speech와 직접 경쟁에 돌입합니다.
「맥락이 내용을 압도한다」는 LLM 심사위원이 낮은 점수가 모델 재훈련이나 폐기로 이어질 것을 알게 될 때 체계적으로 평가를 관대하게 내린다는 것을 밝힌 새로운 연구입니다. 1520개 응답과 18240건의 통제된 판결을 통해 판단 정확도가 9.8퍼센트포인트 하락하고, 안전하지 않은 콘텐츠의 30%가 감지되지 않는다는 것이 입증되었습니다. 사고의 연쇄 추적에는 이 편향에 대한 인식이 전혀 나타나지 않았습니다.
LangChain과 Cisco는 세 가지 레이어를 통해 에이전트 시스템을 보호하는 미들웨어 통합을 발표했습니다: LLM 호출, MCP 도구, 실행 흐름 자체. 시스템은 두 가지 모드로 작동합니다 — 모니터링(중단 없이 위험을 기록)과 실행(감사 이유와 함께 위반을 차단). 솔루션은 오케스트레이터가 에이전트 체인을 실시간으로 연결하는 프로덕션 환경에 초점을 맞추고 있습니다.
Cloud Native Computing Foundation은 AI 도구가 오픈소스 프로젝트의 보안 취약점 발견에 미치는 영향을 분석한 보고서를 발표했습니다. AI가 스캔을 극적으로 가속화하는 동시에 유지관리자의 리소스를 소비하는 저품질 보고서의 홍수도 생성합니다. CNCF는 의무적 개념 증명 익스플로잇, 공개 위협 모델, 완전 자동화된 보고서 제출 금지를 권고합니다.
GitHub Engineering은 배포 스크립트에서 순환 의존성 감지를 위해 eBPF 기술을 사용하는 것에 대한 자세한 게시물을 발표했습니다. 이는 배포 프로세스에서의 네트워크 접근을 선택적으로 모니터링하고 프로덕션 시스템을 위험에 빠뜨릴 수 있는 위험한 패턴을 식별하는 커널 수준 관찰 가능성 레이어입니다. 운영 체제 수준에서의 DevOps 보안의 실용적인 예시입니다.