모델 공개와 성능, 가중치와 이용 조건을 다룹니다.
AI 벤치마크 기관 Vals AI가 진행한 141시간 Minecraft 테스트에서 OpenAI의 최신 프론티어 모델 GPT-6 Astra가 역대 AI 시스템 중 가장 멀리 진행했습니다. 그러나 크리퍼 폭발로 모든 장비와 침대(스폰 지점)를 잃은 뒤, 모델은 몇 시간 동안 감자 농사만 반복하는 '동기 상실' 상태를 보여 화제가 되었습니다.
DOS 게임 MIDI 음원의 왕으로 군림해 온 Roland SC-55에 대해, 저자가 실물 하드웨어와 소프트웨어 synth를 직접 비교한 대규모 청취 실험입니다. 46개 고전 DOS 게임 사운드트랙을 7종의 MIDI 모듈로 녹음한 총 322개의 무손실 녹음을 공개했고, 결과적으로 Yamaha MU80이 12대 9로 우세했다는 결론을 내렸습니다.
China Telecom이 Xing 시리즈(구 TeleChat)의 차세대 모델 Xing4.0-29B-A4B를 Hugging Face에 공개했습니다. 총 29B 파라미터 중 토큰당 4B만 활성화하는 MoE 구조로, 이 규모로는 처음 Ascend NPU와 MindSpore만으로 전체 학습을 완료한 모델입니다. 256K 컨텍스트를 기본 지원하고 SWE-bench Verified 75.0을 기록했습니다.
GPT-6 Astra 출시와 Jensen Huang의 'AGI 도착' 발언을 계기로, AI의 능력을 우리가 실제로 어떻게 측정하는지를 파고든 글입니다. 벤치마크 포화, proxy와 ground truth의 한계, 평가 방식 자체의 변화를 짚으며, 코드 생산이 쉬워져도 요구사항·설계·검증 같은 개발자의 역할은 오히려 중요해진다고 주장합니다.
Hugging Face의 DavidAU가 Qwen3.8-27B를 다단계 파인튜닝·머지한 TWIN-TURBO 모델을 공개했습니다. 추론(thinking) 토큰을 1/2에서 최대 1/20까지 줄이면서도 출력 품질을 유지하고, 5개 추론 모드와 추론 토큰을 전혀 쓰지 않는 5개 instruct 모드를 채팅 중 실시간 전환할 수 있습니다. 제작자 측정 기준 ARC-C 709(8bit), 701(4bit)로 베이스 모델 대비 118점 높다고 주장합니다.
PrismML이 Qwen3.8 27B 기반의 삼진(ternary) 양자화 모델 Bonsai 2 27B를 공개했습니다. 가중치당 1.76비트, 총 5.9GB 용량으로 풀 정밀도 대비 9배 이상 작으면서 벤치마크 성능의 98.2%를 유지합니다. RTX 5090에서 최대 143 tok/s, Apache 2.0 라이선스로 배포됩니다.
배포된 LLM은 학습 데이터에 없는 정보를 프롬프트로만 주입받고 요청이 끝나면 버리는데, 이 논문은 실행 중 데이터를 가중치에 기록하는 'Infinite-Parameter LLM'을 제안합니다. 컴팩트한 하이퍼네트워크(Hypernetwork)가 런타임 데이터를 공유 베이스 네트워크의 저차원 변조로 바꾸고, 생성기의 잠재 코드에 대한 베이지안 신념(Bayesian belief)을 온라인으로 갱신해 세션이 진행될수록 유효 가중치를 다시 도출합니다.
TokenRhythm이 Qwen3.5-9B를 기반으로 포스트트레이닝한 9B 에이전트 특화 언어 모델 NeoHorse-1-9B를 공개했습니다. 라우팅 하네스가 작업을 이종 모델 풀에 배정하고 실행 결과를 학습 데이터로 되돌리는 평가-선택-업데이트 루프를 통해 재귀적 자기개선(RSI)을 목표로 하며, 10개 벤치마크 매크로 평균 69.04로 기반 모델 대비 +3.44를 기록했다고 보고했습니다.
모든 프롬프트를 단일 프론티어 모델로 보내는 프로덕션 AI 애플리케이션은 단순 쿼리에서 40~80%의 비용을 과다 지출하고 있습니다. 이 글은 Bifrost, LiteLLM, OpenRouter, RouteLLM, Kong AI Gateway 등 주요 LLM 라우팅 도구를 라우팅 로직, 지연 시간, 장애 조치, 거버넌스 관점에서 비교하며, 팀의 인프라 환경에 맞는 라우팅 아키텍처 선택 기준을 제시합니다.
LLM을 프롬프트로 직접 분류기처럼 쓰는 방식은 캘리브레이션, 임계값 조절, 구조화 데이터 통합, 해석 가능성에서 구조적 한계가 있다는 지적입니다. 저자는 LLM의 판정을 로지스틱 회귀 같은 고전 ML 모델의 입력 피처로 바꿔 쓰면 이 문제들이 해소된다고 주장하며, SemEval 2018 아이러니 탐지 데이터셋에서 하드 라벨 F1 0.747을 피처 기반 접근으로 0.779까지 끌어올린 실험을 보여줍니다.
보안 분석가가 자신의 16GB GPU에서 동작하는 로컬 27B LLM 에이전트에게 Splunk + Sysmon 홈 SOC의 감사와 자동 복구를 맡긴 실험기입니다. 이중 수집, 죽은 데이터 입력, LSASS 접근 탐지 누락 등 실제 문제를 찾아 고쳤고, 과정에서 컨텍스트 관리와 시스템 프롬프트 설계의 중요성을 구체적인 수치로 보여줍니다.
2인 팀이 7일 만에 Apple Silicon MLX 위에서 네트워크 없이 동작하는 온디바이스 자세 감지 맵 'SENTINEL'을 만든 빌드 노트입니다. 데모 자체보다 macOS 26의 AVFoundation 크래시, yolo-mlx의 지연 평가(lazy eval) 데드락, 파인튜닝 붕괴라는 세 가지 실패 모드의 진단 과정이 핵심입니다. yolo26n 가중치를 그대로 쓰고 바운딩 박스 종횡비 휴리스틱만 얹어 M4에서 720p 16FPS를 달성했습니다.
Meta(Facebook) AI가 공개한 MMS(Massively Multilingual Speech) 프로젝트의 3억 파라미터 체크포인트입니다. 약 50만 시간 분량, 1,400개 이상 언어의 음성 데이터로 Wav2Vec2 자기지도학습 방식으로 사전학습됐으며, ASR·번역·분류 같은 다운스트림 작업에 파인튜닝해 사용하는 기반 모델입니다.
TaichuAI가 Qwen3.5-9B 언어 백본과 C-RADIOv4-H 비전 인코더를 결합한 9B급 멀티모달 모델 ZDTaichu5.0-9B를 공개했습니다. 10B급 범용 VLM 비교에서 공간 추론과 에이전트 능력 선두를 주장하며, TAU2-Bench 87.7, IFEval 93.7을 기록했습니다. 128K 컨텍스트와 임의 해상도 시각 입력을 지원하고 오픈 가중치로 배포됩니다.
Agnes AI가 33B 파라미터의 오픈웨이트 멀티모달 모델 Agnes-3.0-Flash Preview를 Apache 2.0 라이선스로 공개했습니다. 4개 레이어 중 3개가 gated delta rule을 사용하는 하이브리드 어텐션 구조로 262K 토큰 컨텍스트를 지원하며, H200 1장 수준의 단일 GPU로 구동 가능하다는 점이 특징입니다.
UkisAI가 공개한 Swift-Qwen3.8-27B는 Qwen3.8-27B의 추론 효율 파생 모델로, 추론 과정에서 과도한 사고(overthinking)를 유발하는 토큰 사용에 페널티를 줘 사고 토큰을 최대 58.3% 줄이면서도 벤치마크 성능 손실을 1% 미만으로 억제했습니다. 여러 작업에서 약 1.95배의 속도 향상을 보고했으며, 로컬 배포를 겨냥한 GGUF 양자화 파일과 함께 무료 API도 제공합니다.
dealignai 팀이 DeepSeek-V4.1-Flash(552B MoE)의 거부 회로를 가중치 수준에서 제거한 'UNCENSORED' 체크포인트를 공개했습니다. HarmBench 기준 ASR이 reasoning effort=max에서 100%에 도달하며, 윤리 클러스터를 제외한 MMLU 성능 저하는 -1.1pp로 능력 보존 목표(3pp)를 충족합니다. 1M 컨텍스트, 비전, DSpark 추론 가속을 그대로 유지하는 것이 특징입니다.
Tencent가 음성 생성과 편집을 단일 자연어 인터페이스로 통합한 1.5B 파운데이션 모델 AuK를 MIT 라이선스로 오픈소스 공개했습니다. Zero-shot TTS부터 피치·감정 편집, 음성 분리까지 하나의 모델로 처리하며, 4-step 추론용 증류 모델 AuK-Flash도 함께 배포됩니다.
MiniMax-H3를 기반으로 여러 체크포인트를 전략적으로 융합하고 고step 파인튜닝을 거친 비디오 생성 모델 Minimax-h3_Singularity가 Hugging Face에 공개되었습니다. HDR 화질 개선, 원거리 얼굴 복원, 동적 모션 강화 등을 목표로 하며 ComfyUI에서 T2V, I2V, Ref2V, V2V 워크플로우를 모두 지원합니다. 공개 한 달 만에 다운로드 18만 회를 넘기며 커뮤니티 점수 465를 기록했습니다.
파인튠 제작자 DavidAU가 Qwen3.8-27B 기반 TURBO 파인튠의 GGUF 쿼런트를 공개했습니다. 추론(thinking) 토큰을 절반에서 최대 10분의 1까지 줄이면서도, 자체 벤치마크에서 8bit 기준 ARC-C 0.735를 기록해 기본 모델(0.591)을 크게 상회했다고 주장합니다. 일반 쿼런트와 MTP(Multi-Token Prediction) 쿼런트를 모두 제공하며 소비자용 하드웨어를 겨냥합니다.