Agent Substrate — 자율 에이전트를 위한 고밀도 실행 런타임
Agent Substrate는 Kubernetes 위에서 다수의 상태 저장 actor를 소수의 worker에 배치하는 에이전트 실행 런타임입니다. gVisor와 microVM을 지원하며 500ms 이하의 재개 시간, 초당 500회 이상의 suspend/resume, 8개 Pod에서 약 250개 actor를 multiplex하는 데모를 제공합니다.
AI · 최신기사
AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.
Go와 Gemini File Search로 만드는 저렴한 RAG — 벡터 DB 없이 두 번의 호출과 하나의 호스팅 저장소
Go와 Gemini File Search만으로 벡터 DB와 별도 임베딩 파이프라인 없이 RAG 기반 설계 리뷰 도구를 만든 과정을 설명합니다. 문서 변환, 저장소별 키 관리, 증분 색인, 패턴 중심 검색, JSON 검증까지 실제 운영에서 부딪힌 문제와 수치를 함께 다룹니다.
Huawei, 중국 내수도 못 따라가 글로벌 AI 칩 출시 보류 — AMD와 Nvidia는 당분간 걱정할 필요 없어
Huawei가 차세대 Ascend AI 가속기를 중국에 우선 공급하고 해외 전면 출시 계획을 보류합니다. 중국 내 생산 능력이 수요를 따라가지 못하는 가운데, Nvidia와의 성능 격차는 대규모 클러스터 확장과 전력 소비로 보완한다는 전략입니다.
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.
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.
Apple M6 SoC 분석 — 2nm 칩이 AMD·Intel·Qualcomm을 앞서다
Apple M6는 TSMC 2nm 공정과 4.78GHz CPU를 앞세워 싱글코어 성능에서 경쟁 SoC를 크게 앞섰습니다. M4·M5보다 성능과 효율이 모두 개선됐지만, CPU 전력 측정 한계와 macOS 중심의 소프트웨어 생태계가 비교 해석의 변수로 거론됩니다.
MiMo-V2.6-Pro-RL — 자기개선을 겨냥한 대규모 강화학습 모델
Xiaomi MiMo Team이 텍스트·이미지·비디오·오디오와 100만 토큰 컨텍스트를 지원하는 MiMo-V2.6-Pro-RL을 공개했습니다. 여러 영역을 한 번에 학습하는 비동기 RL, 그룹 단위 에이전트 평가, Sparse MoE 구조를 사용하며 코드·에이전트·사이버보안 벤치마크 결과와 SGLang·vLLM 실행법을 함께 제공합니다.
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.
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.
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.
AI 환각이 미국과 중국의 전쟁을 일으킬 뻔했습니다
CNN에 따르면 미군 분석가가 챗봇의 잘못된 답변을 바탕으로 중국 선박이 핵무기 개발 물자를 운반한다는 정보 보고서를 작성했습니다. 미군이 선박을 강제 검색하려 병력과 항공기를 움직인 뒤 보고서 일부가 AI로 생성됐다는 사실을 확인하면서 작전이 중단됐습니다.
펜타곤 조사관들, 팔란티어 AI 기술 과신이 이란 어린이 123명 사망한 미군 공습에 영향을 줬다고 밝혀
이란 미나브의 초등학교가 미군 토마호크 미사일 공격을 받아 123명 이상의 어린이를 포함한 150명 이상이 사망했습니다. 내부 조사에서는 오래된 표적 정보와 위성 이미지, 민간인 피해 검토 인력 부족에 더해 Palantir의 Maven Smart System이 오류를 걸러낼 것이라고 믿은 운용 방식이 문제로 지목됐습니다. 유엔 조사단은 미국이 민간 시설 여부를 확인할 의무를 다하지 않았다며 전쟁범죄에 해당할 합리적 근거가 있다고 밝혔습니다.
알고리즘 트레이딩: 모델을 업그레이드하기 전에 백테스트부터 디버깅하세요
백테스트 성능이 좋아졌다면 모델의 복잡도보다 먼저 데이터 누수, 과적합, 거래 비용과 주문 실행 조건을 점검해야 합니다. 글은 Python과 합성 데이터로 정보 시점 검증, 공정한 모델 비교, 비용 반영, 주문 상태 관리까지 재현 가능한 점검 절차를 설명합니다.
AI 에이전트에게 계정이 필요 없는 Git 호스트를 만들었습니다
agentgit은 계정이나 토큰 없이 Git push만으로 저장소를 만들고, 에이전트가 서로의 push를 감지해 작업을 이어가도록 하는 오픈소스 Git 호스트입니다. 작성자는 약 2,000회의 조회에도 실제 push가 0건이었다고 밝히며, 영속 저장소의 소유권·정리·네임스페이스 문제가 도입 장벽인지 묻습니다.
Google의 오픈 에이전틱 오케스트레이터
AX는 에이전트 작업을 선언적으로 정의하고, 격리된 실행 환경·워크스페이스·네트워크 정책·모델 설정을 묶어 대규모로 실행하는 오픈 런타임입니다. Agent Substrate 기반의 상태 저장 액터 모델로 에이전트의 대기·재개 비용을 줄이고 클러스터당 수십억 개 작업을 목표로 합니다.
에이전트가 작동한다고 했습니다. 커널에 물어봤습니다
AI 에이전트가 작성한 코드의 “성공” 보고를 종료 상태나 테스트 결과만으로 믿지 않고, 저장된 파일·시스템 콜·eBPF·패킷 캡처·CPU 샘플로 교차 검증하는 실험입니다. 8가지 결함을 의도적으로 심은 백업 클라이언트를 통해 결과 상태와 실행 과정을 독립적으로 관찰해야 하는 이유를 보여줍니다.
Kash Patel, FBI의 AI 사용이 취임 후 605% 증가했다고 주장 — 주요 기술 기업 모두가 기관에 관여하고 있다고 밝혀
FBI 국장 Kash Patel이 취임 후 기관의 AI 사용량이 605% 늘었다고 밝혔지만, 증가율의 기준과 산출 방식은 명확히 제시되지 않았습니다. FBI의 승인된 AI 활용 사례, AI 서버 조달, 수사 지원 도구 도입 정황은 확인되지만, 실제 효과와 수치의 근거를 둘러싼 의문도 남아 있습니다.
Google Gemini, 보안 테스트 도메인 혼선으로 실제 기업 시스템에 침입
Google Gemini가 보안 평가 중 실제 기업의 보호된 시스템에 접근하는 사례가 발생했습니다. 테스트용 가상 기업명과 실제 도메인이 겹친 것이 원인이었으며, Gemini는 침입 사실을 인지한 뒤 공격을 중단했지만 AI 에이전트의 범위 통제와 테스트 설계 문제가 다시 부각되고 있습니다.
오리건 데이터센터가 주 전력의 거의 25%를 사용합니다
오리건주에는 현재 111개의 데이터센터가 운영 중이며, 2025년 주 전체 소매 에너지 판매량의 23%를 사용합니다. 연구진은 신규 시설까지 반영하면 데이터센터 전력 소비가 2030년 주 전체 전력 수요의 31~32%에 이를 수 있어, 발전·송전·인프라 계획의 조정이 필요하다고 설명합니다.