GPT-6 Astra, 제1차 세계대전 독일 무선 암호를 해독하다
GPT-6 Astra가 1918년 독일군이 사용한 ADFGVX 방식의 미해독 무선 메시지를 해독했다고 보고합니다. 모델은 당시 사용 기록이 남은 암호 키를 적용해 영국 순양함의 세바스토폴 도착과 연합군 함대의 후속 이동을 담은 문장을 복원했으며, 관련 항해 기록과의 일치도 확인했습니다.
AI · 최신기사
AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.
Intel, 가중치를 하나도 바꾸지 않고 1.58비트 LLM을 1.485비트로 압축
Intel 연구진이 모델의 가중치나 출력값을 바꾸지 않고 저장 형식만 개선하는 BITCOS를 제안했습니다. 0 가중치의 비율을 별도로 활용해 한 체크포인트를 1.485비트로 저장했으며, 하드웨어에 따라 디코딩 처리량이 CPU에서 최대 18%, GPU에서 최대 27% 향상됐습니다.
OpenAI는 자체 LLM으로 Jalapeño 칩을 어떻게 설계했나
OpenAI의 AI 가속기 칩 Jalapeño는 최대 13.4페타플롭스의 4비트 연산과 15.4TB/s 메모리 대역폭을 제공하며, Nvidia GB300보다 엔드투엔드 지연 시간을 최대 3.6배 줄이는 것을 목표로 합니다. 설계 과정에서는 LLM을 고수준 합성, 검증, 소프트웨어 최적화에 활용해 아키텍처 구상부터 첫 실리콘까지 20개월 이내에 진행했습니다.
Toone — 복잡하고 신뢰할 수 있는 AI 에이전트 워크플로와 루틴 구축
Toone은 자연어로 복잡하고 장시간 실행되는 AI 에이전트 워크플로를 만들고, 각 단계를 확인·수정·디버깅한 뒤 중단한 지점부터 재개할 수 있는 macOS 앱입니다. OpenAI 또는 Anthropic 계정을 연결해 결정적 실행과 관찰 가능성을 확보하는 것을 목표로 합니다.
점진적 공개(Progressive Disclosure): 무엇을, 어디에, 언제, 왜 적용할까요?
코딩 에이전트의 지침을 하나의 거대한 파일에 항상 넣는 대신, 작업에 필요한 규칙을 무엇을·어디에·언제라는 기준으로 나눠 필요한 순간에만 불러오는 점진적 공개를 설명합니다. 28,721개 저장소 분석과 AGENTS.md, CLAUDE.md, skills, 경로 설정 사례를 바탕으로 컨텍스트 경쟁을 줄이는 방법과 새롭게 생기는 지침 관리 문제를 다룹니다.
ApplySeed — 액셀러레이터에서 시드 투자 유치하기
ApplySeed는 스타트업 프로필을 바탕으로 지원 자격에 맞는 액셀러레이터와 펀딩 프로그램을 찾고, 각 지원서에 맞춰 답변을 작성해 주는 서비스입니다. 사용자는 덱이나 메모, ChatGPT 프롬프트로 정보를 입력한 뒤 결과를 검토하고 직접 제출할 수 있습니다.
LLM 4,768회 실행에서 단 한 번의 스윕도 잃지 않기 — 타임아웃·멈춤·비용을 견디는 필드 테스트 러너 만들기
CauterRule v0.3.0은 40개 코퍼스와 2개 모델을 대상으로 4,768개 trajectory-run을 완료한 필드 테스트 보고서입니다. per-trajectory timeout, 비재시도 타임아웃, 토큰 상한, 격리, 종료 시 취소라는 다섯 가지 방어 장치로 멈춘 요청 하나가 전체 평가를 막지 않게 했으며, 호출별 토큰 사용량도 비용으로 환산했습니다.
Pushary — Mac 노치에서 모든 에이전트에 접근합니다
Pushary는 AI 코딩 에이전트가 권한 승인이나 추가 답변을 기다리며 멈추는 문제를 Mac 노치와 잠금 화면, 모바일 앱으로 해결합니다. Claude Code·Codex·Cursor 등 여러 도구의 승인과 질문을 한곳에서 처리하고, 도구별 자동 승인 정책과 감사 기록도 제공합니다.
스스로 바보가 되는 법 101 — AI 의존이 기술 면접에서 드러낸 것
Wasmer 기술 면접을 위해 엣지 배포, 대시보드, 내구성 워크플로 시스템까지 준비했지만, 간단한 캐시 파일의 수동 코드 리뷰에서 코드의 문제를 발견하고도 설명하지 못해 고전합니다. 글쓴이는 AI를 활용한 개발 역량과 기초 코드를 직접 읽고 설명하는 능력 사이의 간극, 그리고 AI 시대에 맞지 않는 채용 방식이 무엇인지 되묻습니다.
MosMos — 회의 전·중·후에 작동하는 음성 글쓰기
MosMos는 개인의 생각과 여러 사람이 참여한 대화를 음성으로 받아 실제 문서 작업에 활용할 수 있도록 만드는 음성 글쓰기 도구입니다. 자연어 받아쓰기, 사용자 지정 문체, 웹 검색, 개인 용어집, 화자 구분과 타임스탬프 기반 회의 정리 기능을 제공합니다.
판사는 구글이 반독점법을 위반했다고 판단했지만, 광고 기술 사업 전체는 유지하게 했습니다
미 연방법원이 구글의 광고 기술 시장 독점을 인정하면서도 사업 분할은 명령하지 않았습니다. 대신 경쟁 기술과의 상호운용성, 광고 경매 데이터 공개, 내부 감시관 도입을 요구했습니다.
ProductBridge — AI 네이티브 고객 지원·피드백 에이전트
ProductBridge는 고객 지원, 피드백 수집, 설문과 투표를 하나로 묶는 AI 에이전트입니다. 헬프 센터 기반 답변과 API·MCP 연동, 피드백 중복 제거와 도달 범위·매출 기준 우선순위화를 제공해 제품 로드맵을 정량적 근거에 연결합니다.
Show HN: Cactus Needle 3 — 8~29MB 자동화 모델로 DeepSeek V4 Flash 수준을 겨냥합니다
Cactus Needle 3는 도구 호출, 구조화 데이터 추출, 임베딩에 특화한 2~20층 소형 모델 계열입니다. 9~29MB CQ2 바이너리와 Raspberry Pi 5에서 최대 4,000 tokens/s 디코딩을 내세우며, 특정 작업에 파인튜닝하면 4층 모델도 DeepSeek V4 Flash와 맞먹는 성능을 낼 수 있다고 설명합니다.
PoC 요구사항을 바꾸려는 과정에서 Codex와 GitHub Copilot으로 프로토타입 만들기
작성자는 PDF 문서 뷰어와 데이터 추출 기능을 검증하는 React PoC를 OpenAI Codex와 GitHub Copilot으로 각각 만들어 봅니다. Codex는 모킹에서 실제 Apryse WebViewer로 확장하는 과정이 비교적 매끄러웠지만, GitHub Copilot은 웹 검색이 비활성화된 상태에서 오래된 패키지와 API를 추측해 여러 문제를 만들었고, 검색을 허용한 뒤에야 10분 만에 동작하는 전체 PoC를 생성했습니다.
AI는 실제로 API를 어떻게 호출하는가? — 처음부터 이해하는 Tool Calling
Foundation model은 스스로 코드를 실행하지 않고, 호출할 도구와 입력을 구조화된 요청으로 출력합니다. 애플리케이션이 실제 함수를 실행해 결과를 돌려주면 모델이 답변을 완성하며, 글에서는 Amazon Bedrock의 Converse API로 날씨·날짜 도구, 프롬프트 주입, MCP까지 단계적으로 설명합니다.
알리바바, 암을 포함한 약 150개 질환을 탐지하는 의료 AI 모델 오픈소스 공개
알리바바의 연구기관 DAMO Academy가 조영 CT를 분석해 암을 포함한 복부 질환 및 이상 소견 146개를 식별하는 의료 AI 모델 Damo Radar를 공개했습니다. 약 4만 건의 실제 검사에서 평균 AUC 0.913을 기록했으며, 연구진은 대부분의 영상의학과 전문의보다 높은 성능을 보였다고 설명합니다.
스틸맨: AI 에이전트가 복잡성을 감수할 만해지는 순간
대부분의 AI 에이전트는 LLM 호출을 끼운 결정적 파이프라인에 가깝다고 지적한 뒤, 진짜 자율성이 필요한 좁은 조건을 정리합니다. 런타임에 새 경로가 발견되고, 분기 공간을 미리 열거할 수 없으며, 자율 영역을 최소화하고, 모든 결정을 저렴하게 검증·기록할 수 있어야 합니다.
Hugging Face가 abliteration 모델을 막기 시작한 것일까요?
Baseten의 연구 조직 Base Labs가 Hugging Face, Goodfire AI와 오픈 웨이트 모델용 안전성 평가·모니터링 표준을 만들기 위한 협력에 나섭니다. 기술적 구현 방식은 아직 공개되지 않았지만, Hugging Face에 6,000개가 넘는 abliteration 모델이 등록된 가운데 오픈 모델의 안전장치를 학습·배포 단계부터 다루겠다는 구상입니다.
AlexWortega/openjev — Qwen3.5 기반의 범용 자연어 추론 크로스 인코더
openjev는 Qwen3.5를 premise와 hypothesis의 관계를 entailment·contradiction·neutral로 판별하는 단일 cross-encoder로 구성한 프로젝트입니다. 4B NLI 체크포인트와 동결된 35B-A3B MoE 백본의 작업별 MLP 헤드를 제공하며, 답변 재순위화·채점·콘텐츠 보호와 게임 제어까지 동일한 추론 primitive로 처리합니다.
모델에 오래된 코드를 보여주면 오래된 버그까지 작성합니다 — 32회 실행에서 재사용 0%
기존 저장소의 코드가 AI 모델의 다음 코드 작성 방식과 결함까지 결정하는지 160회 생성으로 검증했습니다. 오래된 중복 구현만 보여주면 32회 모두 새 구현을 만들었지만, 문서화된 규칙과 실제 공용 컴포넌트를 제공하자 재사용률과 컴파일 가능성이 크게 달라졌습니다.