OpenAI API용 공식 CLI
OpenAI가 REST API를 명령행에서 호출하는 공식 CLI를 공개했습니다. 리소스별 명령과 JSON 변환, 파일·이미지 처리, 셸 자동 완성 등을 제공하며 Codex와는 용도가 다릅니다. Go 1.26 이상 또는 Homebrew로 설치할 수 있습니다.
최신기사
AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.
Kitten-TTS 2 공개: CPU에서 실행하는 음성 복제·다국어 TTS 모델
KittenML이 17억 파라미터 TTS 모델 Kitten-TTS 2와 15M~80M 규모의 경량 모델을 공개했습니다. 음성 복제와 감정 제어, 20개 언어를 지원하며 CPU 실행을 내세우지만, 품질과 속도에 관한 비교 기준은 본문에서 제한적으로만 제시합니다.
Switch 2 탈옥: SmileBASIC의 메모리 오류에서 fs 권한 획득까지
Switch 2에서 홈브루와 게임 모딩을 가능하게 하는 소프트웨어 기반 테더드 탈옥 과정을 설명합니다. WebKit 공격은 실패했지만 SmileBASIC의 정수 오버플로와 fs 서비스의 버퍼 오버플로를 연결해 임의 읽기·쓰기와 프로그램 실행 권한을 얻었습니다.
PUBG 개발사가 처음부터 학습한 Qwen 경쟁 모델을 공개했습니다
크래프톤 AI가 28.8B 파라미터 중 토큰마다 4.3B를 활성화하는 MoE 언어 모델 Raon-1 mini preview를 공개했습니다. 한국어 대화와 일부 추론·검색 벤치마크에서 강점을 보였으며, 긴 컨텍스트와 여러 로컬 실행 형식을 지원합니다. 다만 공개된 성능표에서 코딩 에이전트와 장문 처리 결과는 모델별로 엇갈립니다.
이 PHP 취약점은 쉽게 악용할 수 없습니다
글쓴이는 공개된 PHP 취약점의 GitHub PoC 상당수가 기본 PHP 환경에서 작동하지 않으며, 일부는 이미 심각한 LFI 취약점을 전제한다고 주장합니다. 댓글에서는 검증된 exploit이 어렵다는 점과 취약점의 위험성이 낮다는 점은 다르며, 패치 전 정보가 부족했던 상황에서 서버를 중단한 대응도 합리적이었다는 반론이 나옵니다.
최근 제안된 o(n log n) 정수 곱셈 알고리즘
정수 곱셈의 기존 O(n log n) 시간 경계를 처음으로 o(n log n)으로 낮췄다는 알고리즘을, 기존 알고리즘의 저자인 David Harvey가 검토합니다. 직접 증명을 완전히 확인하지는 못했지만 AI의 설명을 바탕으로 주장이 그럴듯하다고 판단하며, 가속화 아이디어와 검증의 과제를 설명합니다.
Patch the Planet: AI 에이전트가 취약점을 찾을 때 필요한 글로벌 대응 체계
OpenAI는 PHP 취약점 대응에 참여한 경험을 바탕으로 널리 쓰이는 소프트웨어의 중대 취약점을 처리하는 단계별 협력 체계를 제안합니다. 취약점 수정과 패치 검증부터 사전 통지, 정부·서비스 제공자와의 조율, 공개 후 배포 지원까지 다루며, Hacker News에서는 AI의 기여도와 공개 지연의 위험, 오래된 PHP 버전의 패치 공백을 두고 논쟁이 이어졌습니다.
Sage-A1.5: 장기 과학 과제를 위한 35B 에이전트 모델
Shanghai AI Laboratory의 Agents-A1을 바탕으로 만든 35B Mixture-of-Experts 모델 Sage-A1.5가 공개됐습니다. 병렬 하위 에이전트 조율과 선택형 자기 검증 기능을 제공하며, 모델 카드에는 여러 과학·코딩·에이전트 벤치마크 점수와 SGLang·vLLM 실행 방법이 담겼습니다.
SlothFinance: 구독료 누수를 찾고 해지 문안을 만드는 오픈소스 AI
SlothFinance는 은행 거래 CSV에서 반복 결제와 요금 인상을 찾아 구독료 누수를 보여주는 프로젝트입니다. 글은 TabPFN-3.5로 거래 패턴을 분석하고 Gemma 2로 요약과 해지 문안을 생성한다고 설명하지만, 완전한 로컬 처리라는 주장과 서버 배포 설정 사이의 관계는 분명히 밝히지 않습니다.
bonds — 모든 친구 채팅방에 초능력 AI 친구가 생긴다
bonds는 친구 채팅방마다 AI 친구 bondi를 두고, 대화에 맞춘 게임과 챌린지, 사진 앨범 등을 함께 만들게 하는 메시징 앱입니다. 창업자들은 bondi가 그룹의 말투와 농담을 익히고 먼저 반응하는 생성형 UI를 내세우며, Product Hunt 댓글에서는 개인정보 설정과 채팅방 정리 문제가 제기됐습니다.
Spark-X2.6-4B: 온디바이스 배포용 4B 언어 모델
SparkLLM이 Spark-X2.5-4B와 같은 아키텍처를 유지하면서 후처리를 개선한 Spark-X2.6-4B를 공개했습니다. 코딩, 에이전트 작업, 긴 문맥 처리 성능을 높였다고 설명하며, 추론 수준을 none, low, high로 설정하는 기능과 여러 로컬 실행 경로를 제공합니다.
dev.to에서 늘 같은 주제만 보이나요? 오픈 모델로 주간 요약을 만들었습니다
개발자가 dev.to 글을 매일 모아 주간 이메일로 보내는 오픈소스 스크립트 devto-digest를 만들었습니다. 팔로우한 태그의 인기 글과 관심 영역 밖의 글을 나눠 보여주고, 오픈 웨이트 모델로 짧은 요약을 작성합니다. 태그가 119개일 때 발견 영역이 좁아지는 문제와 API 호출 제한, 이메일 렌더링 문제를 해결한 과정도 다룹니다.
Recursive Flint: 코딩 에이전트용 398억 파라미터 MoE 모델
Recursive가 코딩 에이전트용 MoE 모델 Flint를 공개했습니다. 총 398억 파라미터 중 토큰마다 약 25억 개를 활성화하며, SWE-bench Pro v2에서 89.7%, SWE-bench Verified에서 74.2%를 기록했습니다. 평가 방식에 따라 점수가 달라질 수 있다는 조건과 함께 체크포인트, SGLang 서빙 키트를 제공합니다.
Kling 4.0 — 자주 만드는 제작자를 위한 빠르고 저렴한 AI 영상
Kling 4.0은 최대 10개 키프레임과 15개 참조 자료를 활용해 한 번에 최대 30초 영상을 만드는 AI 영상 모델입니다. 다국어 립싱크와 스테레오 오디오를 지원하며, 빠르고 저렴한 초안용 Flash 모델과 MCP·CLI 연동도 제공합니다.
HBM 선점과 메모리 공급 압박, 증산 전망은 얼마나 상쇄할까
엔비디아 등 주요 기업의 HBM 확보 전망과 삼성전자의 증산 계획은 공급 부족을 서로 다른 각도에서 보여줍니다. 다만 생산 확대 전망과 이미 예약됐다는 보도는 성격이 다르며, HBM 생산이 범용 DRAM 공급과 가격에 미치는 영향도 별도로 살펴볼 필요가 있습니다.
약국 반품 기한을 놓치지 않도록 돕는 ShelfMitra
ShelfMitra는 인도 약국의 의약품 재고와 판매 속도를 확인해 유통업체 반품 기한을 놓칠 위험이 있는 제품을 알려주는 도구입니다. 송장 사진 인식, TabPFN 기반 재고 위험 예측, Temporal 알림을 결합하고 타밀어·힌디어·영어를 지원합니다.
AI 생성 PR의 숨은 비용: 조용한 장애를 놓치는 이유
AI가 만든 코드는 깔끔한 형태와 통과하는 테스트를 갖춰도 시스템 불변 조건을 깨뜨릴 수 있습니다. 글은 구독 결제 사례로 멱등성, 원자적 갱신, 트랜잭션 누락이 만드는 장애를 설명하고, PR을 작게 나누며 실패 조건을 사전에 명시하라고 제안합니다.
Harness² — 에이전트를 활용하고, 그 자기 개선도 활용하세요
Google Research의 Harness²는 LLM 에이전트가 프롬프트, 도구, 메모리를 작업에 맞춰 개선하고 경험을 다음 작업에 축적하는 프레임워크입니다. 정답 검증기 없이 개선한다고 설명하며, WorkBuddy-Bench 등 전문 벤치마크에서 최대 11.5점 향상을 제시합니다.
문서와 지원 답변을 재사용 지식으로 바꾸는 오픈소스 도구
answerLoops는 Discord, Slack, GitHub 등에서 들어오는 지원 질문을 모아 지식베이스를 참고한 답변 초안을 만듭니다. 문서에 없는 답변을 검토해 지식베이스에 추가하고 검색 결과를 확인하는 흐름도 제공합니다. 자동 답변은 기본적으로 꺼져 있습니다.
SlopCodeBench 2026년 10월 결과 — Astra가 strict pass rate 1위, XHigh는 비용 대비 일관된 개선을 보이지 않았습니다
36개 문제와 196개 체크포인트로 코딩 모델을 비교한 SlopCodeBench에서 GPT-6 Astra XHigh가 strict pass rate 16.33%로 가장 높았습니다. 다만 모델별 설정을 한 번씩만 실행했으며, XHigh는 세 모델 비교에서 비용을 2.11~4.22배 늘렸지만 strict 통과가 일관되게 늘지는 않았습니다.