Sai — 명령대로 움직이는 자율 컴퓨터 fleet
Sai는 웹 브라우저뿐 아니라 레거시 데스크톱 앱과 사내 포털까지 실제 컴퓨터 화면으로 조작하는 AI 비서입니다. 여러 클라우드 컴퓨터를 동시에 실행하고 작업을 저장·예약하며, OSWorld 2.0에서 73%의 점수와 작업당 15.70달러 비용을 기록했다고 소개합니다.
개발·오픈소스 · 최신기사
개발 도구와 언어, 웹 기술과 오픈소스 프로젝트의 변화를 다룹니다.
MiMo-V2.6-Distill-Qwen-9B — 에이전트 작업용 9B 모델
Xiaomi MiMo가 Qwen3.5-9B를 MiMo 생성 데이터로 지도 미세 조정한 9B 모델을 공개했습니다. 코딩, 사이버보안, 시각적 코딩, 일반 에이전트 작업을 다루며, 여러 평가에서 원본 Qwen3.5-9B보다 높은 점수를 기록했습니다.
주장이 아니라 확인 가능한 근거를 세는 에이전트
Sanity에 저장된 120개 문서를 조회하는 에이전트가 기록된 주장과 실제로 확인한 근거를 분리합니다. Knowledge Base의 식별자 바인딩 한계를 측정한 뒤, 정확한 필드 조회는 GROQ로 라우팅하고 검색 실패와 불확실성을 답변에 남깁니다.
Superset Mobile — 코딩 에이전트를 주머니 속으로
Superset Mobile은 iPhone에서 Claude Code, Codex 같은 터미널 코딩 에이전트의 작업 상태를 확인하고 후속 지시를 보내며 diff를 검토하고 PR을 병합하는 앱입니다. 컴퓨터에서 실행 중인 같은 workspace에 연결하므로 PC가 켜져 있어야 하며, 모바일 접근은 Superset Pro에 포함됩니다.
코드가 생성되는 /src에 Markdown을 함께 두기
LLM이 코드를 생성하는 시대에는 프롬프트 세션에서 사라지는 의도와 설계를 Markdown으로 남겨야 한다고 제안합니다. Markdown을 코드와 함께 /src에 저장하고, 코드와 테스트를 그 문서에서 파생시키자는 구상입니다.
내 하드웨어에서 실행하는 프런티어 AI
CMU의 Tim Dettmers는 연구의 단위를 논문에서 서로 연결된 오픈소스 생태계로 바꿔야 한다고 주장합니다. 작은 연구실의 GPU와 로컬 모델만으로 대규모 모델 추론, 장시간 에이전트 실행, 자율 연구를 구현한 사례와 수치를 Open Source Week에서 공개하겠다고 설명합니다.
Meta의 Muse는 나를 돕기보다 감시하는 데 능합니다
Meta의 AI 에이전트 Muse는 웹사이트를 직접 탐색하고 예약·구매를 처리하지만, 이메일·은행 계좌·대화 기록 같은 개인정보를 더 연결하도록 계속 유도합니다. 사용자는 모델 학습 데이터 제공에 기본 동의한 상태이며, 글은 자동화가 감시와 과도한 의존으로 이어질 위험을 짚습니다.
AI 코딩 에이전트가 새벽 3시에 장애를 일으키는 이유 — 해피 패스의 신기루와 강제 연속성 결함
원문은 LLM이 매끄러운 성공 경로를 예측하는 반면, 운영 소프트웨어는 비동기 지연과 원자성 실패 같은 불연속적인 위험으로 가득하다고 설명합니다. 저자는 실패 사례를 ‘Synthetic Scar’라는 검증 규칙으로 외부화해 에이전트의 반복 장애를 막는 구조를 제안합니다.
충분히 잘하고 있나요? 기준은 누가 정하나요?
기술 면접에서 수동 코드 리뷰를 놓친 한 개발자가 면접 평가의 기준과 개발자 역량의 관계를 묻습니다. 즉각적인 코드 패턴 기억보다 문제 해결, 학습, 도구 활용, 실제 결과물을 평가해야 하며, 한 번의 실수가 연봉 기대치를 낮춰서는 안 된다고 주장합니다.
Python Workers 정식 출시
Cloudflare가 WebAssembly 기반 Python Workers를 정식 출시했습니다. Pyodide를 바탕으로 FastAPI·Django·Flask, PostgreSQL·MySQL, AI 라이브러리와 Cloudflare의 Workers 서비스 연동을 지원하며, 패키지 호환성을 넓히는 표준화 작업도 진행했습니다.
Transformer를 시각적으로 설명하기
GPT-2 small을 브라우저에서 직접 실행하며 Transformer의 토큰화, 임베딩, self-attention, MLP, 다음 토큰 샘플링 과정을 시각적으로 보여줍니다. 124M 파라미터 모델의 계산값과 attention map을 실시간으로 살펴보는 교육용 도구입니다.
Needle 3 — 모바일·임베디드 기기를 위한 초소형 도구 호출 모델
Needle 3는 모바일, 웨어러블, 로봇, 스마트홈, 자동차, 마이크로컨트롤러에서 도구 호출과 구조화된 데이터 추출, 텍스트 임베딩을 처리하는 온디바이스 모델입니다. 전체 모델 파일은 8~29MB이며, 2~20개 레이어 서브네트워크를 각 기기에 맞춰 배포하고 LoRA로 제품별 도구를 튜닝할 수 있습니다.
AI 에이전트는 아무것도 결정하지 못하게 했습니다
Google Agentic Cinema hackathon용 Shot-Delivery Guardian은 영상 후반 작업의 마감 지연을 감지하고, AI의 자유 판단이 아닌 고정 규칙으로 미룰 작업을 고릅니다. 실환경 5회 테스트에서 3회 일치했고, 규칙 위반은 0건, 평균 응답 시간은 44초였습니다.
Grok 4.7 — 장시간 코딩과 안전성 개선을 내세운 새 모델
xAI가 코딩과 지식 작업을 겨냥한 Grok 4.7을 출시했습니다. 더 큰 기반 모델과 장시간 강화학습으로 긴 작업, 자기 검증, 문서·프레젠테이션 생성을 개선했으며 입력 100만 토큰당 2달러, 출력 6달러부터 제공합니다.
Yandex AliceAI Foundation 80B-A3B Base 공개 — 토큰당 3B 파라미터를 활성화하는 하이브리드 MoE 모델
Yandex가 전체 80B 파라미터 중 토큰마다 3B만 활성화하는 AliceAI Foundation Base 모델을 공개했습니다. 262,144토큰 컨텍스트를 지원하며 러시아어 사실 지식, 수학, 추론 평가와 Transformers·vLLM 실행법을 함께 제공합니다.
비자기회귀 의사결정 모델을 1년 전에 만들었습니다 — 한 프런티어 연구소는 이를 ‘획기적 성과’라고 불렀습니다
Laya는 텍스트를 생성하지 않고 선택·점수·불리언 질문에 확률을 반환하는 4억 2,100만 파라미터 의사결정 모델입니다. 작성자는 RLCD와 bidirectional encoder를 조합해 GPU에서 33~38ms 지연 시간과 보정된 확률을 구현했다고 설명합니다.
여러 코딩 에이전트가 이어 쓰는 장기 메모리 — ai-memory
ai-memory는 여러 AI 코딩 에이전트와 컴퓨터가 공유하는 장기 메모리 서버입니다. Git 기반 Markdown을 원본으로 삼고, lifecycle hook으로 작업을 자동 기록하며, 기본 설정에서는 LLM API 없이 검색과 에이전트 간 handoff를 제공합니다.
Show HN: Mini-AGI — 8GB VRAM에서 학습하는 동적 지속 학습 모델
mini-AGI는 8GB VRAM GPU 한 장에서 처음부터 학습하며, 디스크에 둔 전문가 가중치를 필요할 때만 VRAM으로 올리는 byte-level language model입니다. 전문가를 동적으로 추가·삭제하고 trunk 학습률을 낮춰 지속 학습 중 망각을 줄이는 실험을 제시하지만, 아직 toy-level이며 일반화 성능은 검증되지 않았습니다.
Kev: Qwen3.5 기반의 초소형 Jev 계열 의사결정 모델
Kev는 Qwen3.5 위에 LoRA와 결정용 헤드를 얹은 오픈소스 의사결정 모델 제품군입니다. 하나의 입력에서 예·아니오, 분류, 등급 판단을 함께 수행하고 확률까지 반환하며, 0.8B·4B·9B 모델을 로컬에서 실행하거나 자체 데이터로 미세 조정할 수 있습니다.
AI가 자신 있게 망가진 코드를 배포하지 못하게 하는 방법 — 실제로 작동한 패턴
AI에게 작성한 코드를 스스로 검토하라고 시키면 같은 확신을 반복할 뿐입니다. 글쓴이는 30일간 AI가 모든 애플리케이션 로직을 작성하게 한 뒤, 별도 컨텍스트의 다른 검토자에게 실패 시나리오만 찾게 하는 ‘Refutation Gate’를 제안합니다.