퍼저와 AI: JavaScript 엔진에서 Fuzzilli와 BigSleep 비교
Google Project Zero는 V8에서 퍼저 Fuzzilli와 LLM 기반 버그 탐색 시스템 BigSleep의 성과를 비교했습니다. 최근 6개월간 두 도구가 찾은 취약점은 45건과 37건이고, 실제 운영 데이터의 중복은 약 25%였습니다. 과거 버그를 재발견하는 실험에서는 중복률이 60% 안팎으로 나타나 두 접근법을 함께 운영해야 한다고 분석합니다.
AI · 최신기사
AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.
M6 탑재 14인치 MacBook Pro 공개
Apple이 M6 칩을 탑재한 14인치 MacBook Pro를 발표했습니다. M5 대비 그래픽 성능은 최대 30%, 기기 내 AI 작업은 최대 25% 빨라졌다고 밝혔으며, 메모리는 기본 16GB에 최대 32GB까지 구성합니다. 현지 가격은 239,900루피부터입니다.
Sebastian Raschka의 추론 모델 밑바닥부터 만들기 동영상 강의
Sebastian Raschka가 Qwen3 0.6B를 바탕으로 추론 모델을 구현하는 8편, 총 11시간 분량의 무료 동영상 강의를 공개했습니다. 추론 시점 확장, 검증 가능한 보상을 이용한 강화학습, 증류를 PyTorch로 구현하며 MATH-500 평가를 진행합니다.
vLLM의 도구 호출 정확도 개선
Ubicloud는 Kimi K2.6을 vLLM으로 서빙할 때 도구 호출이 스키마를 따르는 비율이 92%에 그쳤고, constrained decoding을 켠 뒤 K2VV ToolCall 벤치마크에서 100%를 기록했다고 밝혔습니다. 이 방식은 형식 오류를 막지만 모델 출력의 의미나 전체 품질까지 보장하지는 않습니다.
GPT-6.1 Terra 출시
OpenAI가 시각 추론과 컴퓨터 조작, 기술 커뮤니케이션에 초점을 둔 GPT-6.1 Terra를 출시했습니다. API 가격은 GPT-5.6 Terra보다 50% 낮으며, 공개 벤치마크에서는 컴퓨터 사용과 코딩 성능 향상, 작업 비용 절감을 내세웠습니다. 다만 Hacker News에서는 벤치마크 선택과 코딩 성능, 모델 선택 기준을 두고 의견이 갈렸습니다.
마이크로소프트, 메타와 협력해 VS Code Pylance에 Pyrefly 지원
마이크로소프트가 Language Server Protocol(LSP)을 확장한 Type Server Protocol(TSP)을 공개하고, 메타의 Python 타입 검사기 Pyrefly를 VS Code의 Pylance에서 사용할 수 있게 했습니다. 기본 검사기는 Pyright로 유지되며, 사용자는 Pylance의 편집기 기능과 GitHub Copilot 통합을 그대로 두고 진단 엔진을 선택할 수 있습니다.
Qwen3.8-27B KV 캐시 실측: q8_0에 거의 손실 없는 저비트 설정, K는 V보다 민감하고 최근 2k 토큰 보존이 효과적
RTX 3090 한 장에서 Qwen3.8-27B를 실행하는 CUDA 엔진이 KV 캐시 저비트화와 최근 토큰 보존 효과를 측정했습니다. K 6비트, V 5비트에 최근 2,048개 위치만 8비트로 유지하면 q8_0과 비슷한 점수를 보이며, 262k 컨텍스트도 24GB GPU에 적재합니다.
Stanford·UC Berkeley 연구진, 긴 문맥 프리필을 최대 11.3배 빠르게 하는 TokenGate 공개
TokenGate는 긴 입력에서 중요도가 낮은 토큰을 학습 방식으로 골라 프리필 계산을 줄이는 모듈입니다. 연구진은 5개 과제에서 TTFT를 1.4~11.3배 단축하고 메모리를 1.5~3.4배 줄였다고 보고했습니다. 다만 성능은 과제와 토큰 예산에 따라 다릅니다.
NVIDIA SkillSpector, AI 에이전트 스킬 설치 전 보안 검사 도구
SkillSpector는 Claude Code, Codex, MCP 등에서 쓰는 AI 에이전트 스킬을 설치 전에 검사하는 오픈소스 보안 도구입니다. 정적 규칙과 AST 분석을 기본으로 하고 선택형 LLM 분석을 더하며, 스킬의 악성 행위를 실행하지 않고 위험 점수와 설치 권고를 출력합니다.
작은 모델, 합성 부동산 필지 설명문 판독 정확도 10%에서 99.6%로… 이상 징후가 있으면 확인할 문장 표시
DeedReader는 부동산 필지 설명문을 구조화하는 Qwen3-8B 모델을 LoRA로 미세조정하고, 계산과 검증은 결정론적 코드에 맡깁니다. 합성 문서 3,000건에서 정확도 99.6%를 기록했지만 실제 등기서 성능은 아직 측정하지 않았습니다.
같은 게임을 Opus 단독과 Opus+로컬 Qwen으로 제작: 16분·2.52달러 대 42분·0.62달러
한 사용자가 같은 사양의 픽셀 플랫폼 게임을 Opus 단독과 Opus가 계획·검토하고 로컬 Qwen이 코드를 작성하는 방식으로 각각 만들었습니다. 혼합 방식은 비용을 약 75% 줄였지만 제작 시간이 16분에서 42분으로 늘었고 체크리스트 점수도 25개 중 24개로 낮았습니다.
Moli by Lexmount: 에이전트와 하네스를 위한 가장 빠른 헤드리스 브라우저
Moli는 AI 에이전트용으로 새로 만든 헤드리스 브라우저 엔진으로, 개발사는 Chrome보다 콜드 스타트가 약 5배 빠르고 유휴 메모리를 약 7분의 1만 쓴다고 주장합니다. Lexmount의 클라우드 플랫폼에서 격리된 브라우저 세션과 프록시를 사용할 수 있으며, 댓글에서는 지속 세션 지원 시점과 실제 작업에서의 성능 검증이 쟁점으로 나왔습니다.
컨텍스트 엔지니어링의 현재
긴 컨텍스트는 정보뿐 아니라 오류와 상충하는 사례도 쌓아 모델의 판단을 흐릴 수 있습니다. 글은 검색·도구 선택·하위 에이전트·정리·요약 같은 하네스 기법과 주기적인 컨텍스트 초기화를 설명하고, 다음 과제로 장기 기억의 선택적 망각을 제시합니다.
RTX 3080 20GB에서 reBAR와 P2P 잠금 해제, 프롬프트 처리 속도 최대 10% 향상
메모리를 20GB로 개조한 RTX 3080 두 장이 호스트 메모리를 거치지 않고 PCIe로 직접 데이터를 주고받도록 NVIDIA 오픈 커널 모듈을 패치한 프로젝트입니다. 테스트 환경에서 P2P 대역폭과 vLLM 프롬프트 처리 속도가 올랐지만, 지원 조합이 제한되고 생성 속도 향상은 작거나 일관되지 않습니다.
AMD GPU로 로컬 AI 추론을 30일간 돌려 전력과 비용을 측정하고 클라우드 API와 비교했습니다
RX 7900 XTX로 30일간 로컬 추론을 측정한 글입니다. API 비용을 처음엔 10.72배로 잘못 계산했다가 캐시 입력 요금을 반영해 2~6배로 수정했으며, 전력 기록과 모델 가격 비교에도 미확인 조건이 남았습니다.
AI 에이전트가 9초 만에 운영 데이터베이스를 삭제했다. 무엇이 막았어야 할까?
PocketOS의 AI 코딩 에이전트가 자격 증명 오류를 해결하려다 운영 데이터베이스와 볼륨 백업을 한 번의 API 호출로 삭제했습니다. 글은 프롬프트 규칙 대신 권한 분리, 독립 정책 검사, 승인 절차를 제안하며 Traccia의 에이전트 제어 계층을 소개합니다.
OpenAI와 Anthropic은 몇 달 사이 LLM 가격을 최대 80% 내렸습니다. 왜일까요?
OpenAI와 Anthropic은 모델 가격을 잇달아 낮췄고, 특히 코딩 에이전트 사용량의 대부분을 차지하는 캐시 읽기 비용을 크게 줄였습니다. 글쓴이는 오픈 웨이트 모델과 추론 제공업체의 경쟁, 추론 효율 개선이 가격 인하를 이끌었다고 봅니다. 다만 가격 경쟁이 두 회사의 수익성에 미치는 영향은 아직 불분명합니다.
Nanbeige4.3-33B, 에이전트 작업용 33B 교사 모델
Nanbeige Team이 코딩과 업무 자동화용 33B 모델 Nanbeige4.3-33B를 공개하고, 자체 평가에서 여러 에이전트 벤치마크 상위권 성적을 제시했습니다. 다만 점수는 모델 제작팀의 평가이며, Reddit에서는 성능 검증과 큰 KV 캐시 비용을 두고 의견이 갈렸습니다.
Claude Code로 만든 레이저 사격 연습 게임: 웹캠이 모니터의 레이저 명중점을 추적합니다
웹캠으로 모니터에 비친 레이저 점을 추적하는 Windows용 건식 사격 게임입니다. 개발자는 무광 모니터와 60fps 카메라를 전제로 아홉 가지 훈련 모드를 만들었고, Claude Code로 구현하며 실제 하드웨어 측정과 테스트 검증에서 겪은 문제도 공개했습니다.
makecindy/cindy: 바로 사용할 수 있는 오픈소스 AI 에이전트
Cindy는 Claude Code와 Codex 등 여러 실행 환경(harness), 모델, 도구를 한 클라이언트에서 조합하는 오픈소스 AI 에이전트입니다. 로컬 파일과 로그인된 앱을 다루며 데스크톱·모바일 앱을 제공하지만, 백엔드 서비스는 별도 저장소에 있습니다.