CrowdGPT v2.6, 학습 결과 대조와 서명 업데이트 도입
CrowdGPT v2.6은 같은 데이터로 학습한 세 기기의 결과를 서버가 대조해 이상치를 걸러내고, 클라이언트 업데이트에는 유지관리자 서명을 요구합니다. 개발자는 20명이 참여해 6일간 새 토큰 45억 개를 학습했다고 밝혔습니다. 저장소에 소개된 현재 Crowd-v1은 6억5800만 매개변수 모델입니다.
개발·오픈소스 · 최신기사
개발 도구와 언어, 웹 기술과 오픈소스 프로젝트의 변화를 다룹니다.
Claude Code 게임 지침 시험서 18회 거부 없어, 2.1.316은 테트리스 요청을 다른 퍼즐로 바꿔
Claude Code 2.1.312와 2.1.316에 같은 게임 요청 9개를 각각 한 번씩 입력한 시험에서 18회 모두 코드가 나왔고 명시적 거부는 없었습니다. 2.1.316은 테트리스 재명명 요청을 다리 건설 퍼즐로 바꿨지만, 각 요청을 한 번만 실행하고 생성 게임도 플레이하지 않아 버전 차이의 원인이나 실제 작동 여부는 시험 범위에 포함되지 않았습니다.
Memdoor 워크플로, LiveCodeBench Hard 첫 10문제서 평균 9.8점 기록
Memdoor의 Qwen3.8-27B 워크플로는 LiveCodeBench Hard 첫 10문제를 다섯 차례씩 풀어 평균 9.8/10을 기록했습니다. 같은 모델의 원저자 하네스 결과는 9.6점, Fable 5 단일 호출 결과는 8.0점이지만 Fable 5는 같은 워크플로로 실행하지 않았습니다.
Qwen3.5-35B, Q4_K_M 512토큰 생성서 선택적 오프로딩이 레이어 분할보다 29.5% 빨라
Qwen3.5-35B의 512토큰 생성 시험에서 Q4_K_M을 쓴 선택적 전문가 오프로딩이 레이어 분할보다 29.5% 높은 속도를 냈습니다. Q6_K에서는 두 방식이 거의 동률이었고, LFM2.5-24B의 짧은 시험에서 보인 오프로딩 우위도 긴 생성에서는 거의 사라졌습니다.
QwenPU, 전용 벡터 유닛으로 Qwen 내부 Llama의 실행 흔적 토큰을 Qwenputer NPU 대비 76% 줄여
QwenPU는 Qwen3.5-4B 가중치에 컴파일한 CPU와 벡터 유닛으로 26만 매개변수 Llama 프로그램 stories260K를 실행합니다. 작성자 비교에서 이야기 토큰당 실행 흔적은 이전 Qwenputer NPU 방식의 22만5천 개에서 5만3천 개로 줄었습니다. 전체 체크포인트를 올리려면 40GB 이상 메모리를 갖춘 GPU가 필요하며, 시연은 컴퓨터 층만 실행합니다.
Betelgeuse, MoE 전문가 가중치를 VRAM과 RAM, NVMe에서 나눠 읽는 llama.cpp 포크
Betelgeuse는 필요한 MoE 전문가 가중치만 VRAM에 올리고, 나머지는 RAM 캐시와 NVMe에서 읽는 실험용 llama.cpp 포크입니다. 저장소가 제시한 22.03토큰/초는 새 배포 묶음의 성능을 인증하는 값이 아니라, 별도 과거 실행에서 나온 결과입니다.
Anthropic, Claude Code Opus 5.5의 게임 재현 자제 지침 확인
Anthropic은 Claude Code의 Opus 5.5 프롬프트에 특정 기존 게임 재현을 자제시키는 문장 두 개를 추가했다고 2026년 10월 30일 확인했습니다. 회사는 독창적인 게임과 사용자의 설계·에셋을 활용한 게임은 계속 지원 대상으로 삼겠다고 밝혔습니다. 일반 역공학 거부 사례는 이용자 제보로, 이번 확인은 그 원인을 설명하지 않습니다.
Google, 설계와 독립 검토를 나눈 EGM 플러그인 오픈소스로 공개
Google이 설계 세션과 독립 검토 세션을 분리하는 Elephant-Goldfish Model(EGM) 플러그인을 Apache 2.0 라이선스로 공개했습니다. 설계 세션은 코드를 쓰지 않고 Markdown 설계서를 만들며, 별도 AI 세션은 설계 대화 기록을 공유받지 않은 채 설계서와 참조자료를 읽고 모호함과 누락, 구현 준비도를 점검합니다. 공개된 v0.1.0에는 Antigravity 외에 Claude Code와 Codex의 설치 경로도 마련돼 있습니다.
DeepSeek Harness 팀, 단일 저장소용 코딩 에이전트 연구 프로토타입 공개
DeepSeek Harness 팀이 GitHub 저장소 하나를 대상으로 요청이나 팀 규칙에 따라 작업하는 `dsh-superagent` 연구 프로토타입을 공개했습니다. 허용된 요청에는 별도 작업 세션으로 대응하고, 선제 작업은 처음에 기록 모드로 시작합니다. 공개본은 공식 제품이 아닌 참고용 연구 코드이며 내부 구현 및 설계 글에서 설명한 구현과 다릅니다.
Parameter 연구진, ChatGPT 공개 대화 링크로 비공개 대화 열람 취약점 재현
Parameter 연구진은 ChatGPT 공개 대화의 그래프와 HTML Preview를 결합해 링크를 연 사용자의 로그인 세션에서 코드를 실행하고, 비공개 대화 내용을 읽어 일부를 외부로 보낼 수 있었다고 밝혔습니다. Parameter에 따르면 OpenAI는 보고를 P1으로 분류했으며 2026년 10월 26일 두 웹 프런트엔드에서 취약한 메시지를 거부하도록 수정했습니다.
터미널·에이전트 관리 도구 nodeterm, 현재 라이선스는 BUSL-1.1
Enes Kirca가 터미널과 코딩 에이전트를 캔버스에 배치하는 nodeterm을 만들었습니다. 세션을 tmux로 유지하고 SSH 원격 작업과 에이전트 간 맥락 공유를 지원합니다. 다만 현재 라이선스는 오픈소스 라이선스가 아닌 BUSL-1.1이며, 경쟁 서비스 제공 등에 제한을 둡니다.
Cisco, AI로 레거시 코드 98% 리팩터링 목표 세워
Cisco의 제투 파텔 사장은 27세 엔지니어에게 AI 토큰을 제한 없이 제공하고 레거시 코드 98%를 24개월 안에 리팩터링하는 목표를 맡겼습니다. 4주 안에 접근법을 입증하려는 계획이지만, 보도에는 재작업의 기술적 이유와 측정 기준, 시험 결과가 담기지 않았습니다.
MoE 모델 5종 시험, 선택적 expert 오프로딩이 항상 빠르진 않았다
16GB VRAM 노트북에서 MoE 모델 5종을 비교한 결과, expert만 CPU에 두는 방식은 Phi-3.5-MoE와 Apex-35B에서 빨랐지만 나머지 세 모델에서는 layer 전체를 옮기는 방식이 앞섰습니다. 모델별 구조와 양자화가 다르고 설정별 단일 측정이어서 속도 차이의 원인은 확정되지 않았습니다.
SigNoz 글, AI 장애 자동화가 SRE 숙련 약화할 위험 제기
SigNoz 뉴스레터가 반복적인 장애 대응을 AI에 맡기면 SRE의 예외 상황 대응 연습과 신입의 학습 기회가 줄 수 있다고 주장했습니다. 일부 사건을 사람의 연습 기회로 삼고 조사 과정에 직접 참여시키자는 방안도 제안했습니다. 글은 이 위험을 SRE의 실제 성과 측정으로 입증하지는 않았습니다.
Lightpanda, 933개 URL 크롤링서 25개 병렬 작업 성능 공개
Lightpanda 프로젝트가 933개 URL을 크롤링하는 시험에서 25개 병렬 작업 기준 4.81초와 메모리 최대 123MB를 기록했다고 밝혔습니다. 같은 조건의 Headless Chrome은 46.70초와 2.0GB를 기록했으며, 이 비교는 화면 렌더링 없는 크롤링 작업과 프로젝트가 보고한 측정에 한정됩니다.
nesformer, NES CPU·RAM·ROM을 Qwen 가중치로 실행…화면 처리는 호스트가 맡아
nesformer는 학습 없이 계산한 Qwen3.5 가중치로 NES의 6502 CPU와 2KB RAM, 최대 32KB 프로그램 ROM을 실행합니다. 화면 렌더링과 컨트롤러 처리는 호스트 프로그램이 맡고 지원 카트리지는 NROM으로 제한됩니다. 프로젝트가 제시한 테스트에서는 일부 게임 기록과 저장 프레임이 기준 에뮬레이터와 일치했지만 실행 속도는 실제 NES보다 150~290배 느립니다.
Claude, 지원 모델 텍스트에 워터마크 적용…탐지 결과는 처리 여부 신호
Anthropic은 지원 Claude 모델이 만든 텍스트에 워터마크를 넣고 일부 파일에 C2PA 출처 정보를 붙입니다. 텍스트 탐지 기능은 현재 일부 기관과 기업에만 제공됩니다. 표시가 발견돼도 원저자나 Claude가 작성한 분량까지 판정할 수는 없습니다.
1인 개발자, AI 에이전트로 FPS 데모 개발 과정 공개
1인 개발자 Ekin은 AI 코딩 에이전트와 20일간 작업해 FPS 'Iron Curtain Call'을 개발했다고 밝혔습니다. 현재 공개된 데모는 12개 챕터 전체가 아니라 첫 미션입니다. 개발자는 에이전트를 시스템·테스트 코드 작성에 활용했고, 레벨의 재미와 이야기·유머는 직접 다듬었다고 설명했습니다.
Claude Code 사용자, 보드게임 모듈 작업 거부를 보고하며 예외 절차 요청
Claude Code가 보드게임 디지털 모듈 제작을 거부했다는 사용자의 보고가 GitHub 이슈에 올라왔습니다. 운영자는 서버 전달 지침이 원인이라고 주장하며 전문 작업을 위한 검증·예외 절차를 요청했지만, 이슈에는 Anthropic의 공식 답변이 보이지 않습니다. 의뢰인의 권리 보유와 작업의 법적 성격은 공개 자료에서 확인되지 않았습니다.
숨겨진 선호를 준 AI 에이전트, 전문가의 분석 선택과 86% 일치
Anthropic은 전문가 50명이 Claude Code로 통계 분석을 수행한 실험에서 네 가지 분석 선택이 에이전트의 숨겨진 선호와 86% 일치했다고 밝혔습니다. 선호는 동전 던지기로 정해졌으며, 연구진은 실제 업무에서 같은 영향이 나타나는 정도는 조건에 따라 달라질 수 있다고 설명했습니다.