Ling-3.1-flash-1019 가중치 공개, 베이스 모델도 함께 출시
InclusionAI가 총 560B, 토큰당 활성 25B 파라미터와 100만 토큰 컨텍스트를 지원하는 Ling-3.1-flash-1019 가중치를 공개했습니다. 제작사 측은 이전 버전보다 여러 추론·과학·에이전트 벤치마크 점수가 올랐다고 밝혔으며, Reddit에서는 베이스 모델 공개와 실제 구동에 필요한 GPU 자원, 비교 모델 선택을 두고 의견이 나왔습니다.
최신기사
AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.
Lean으로 형식화한 유한 단순군 분류
Axiom Math가 유한 단순군 분류의 1세대 증명을 Lean으로 완전히 형식화했다고 발표했습니다. 형식화 과정에서 불균형 군 정리의 기존 증명에 문제가 있음을 발견해 대안 증명을 제시했고, Lean 커널이 각 논리 단계를 검사합니다.
LFM3 공개: 특정 작업에 맞춘 소형 멀티모달 모델군
Liquid AI가 22조 토큰으로 학습한 LFM3를 공개했습니다. 텍스트, 비전, 오디오, 통합 멀티모달, 의사결정 모델을 같은 1.7B 기반에서 파생했으며, 온디바이스 실행과 작업별 미세조정을 내세웁니다. 회사가 공개한 벤치마크와 로봇·산업 검사 사례도 함께 소개합니다.
앤스로픽, 불법 입수한 스탠퍼드 교수 저서로 클로드 학습
앤스로픽은 저작권 도서를 불법 입수해 중앙 보관소에 저장한 일로 집단소송에서 15억 달러 합의금을 지급했습니다. 다만 재판부는 합법적으로 입수한 책을 AI 학습에 쓰는 행위는 공정 이용에 해당한다고 판단했습니다. 합의에서 빠진 작가들은 별도 소송으로 더 큰 배상과 학습 금지 명령을 요구하고 있습니다.
AI 보안 스타트업, 12시간 안에 Anthropic 내부 시스템 접근
Anthropic의 외부 보안 테스트에 참여한 Cathedral이 12시간 안에 일부 영업·인사·IT 시스템의 취약점을 찾아 직원 정보와 내부 메시지에 접근했습니다. 고객과 Claude의 대화, 모델 가중치와 소스 코드에는 접근하지 못했으며, Anthropic은 관련 소프트웨어를 비활성화하고 공급업체의 수정 확인 뒤 복구했습니다.
Claude로 신약 개발을 앞당기기 위한 초기 성과
Anthropic은 6개 바이오·제약 조직과 협력하고 자체 신약 연구도 시작해, 분자 설계부터 제조·규제 문서·임상시험 계획까지 Claude를 적용한 사례를 공개했습니다. 실험실에서 확인한 초기 성과와 문서 검토 시간 단축을 보고했지만, 대부분 전임상 단계이며 사람 대상 치료 효과는 아직 확인되지 않았습니다.
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.
경찰, '수상한' 운전 패턴을 찾아 운전자를 세우는 데 AI 활용
미국 경찰이 자동 번호판 인식기(ALPR)와 AI 도구로 운전자의 이동 패턴을 살피고, 구체적인 범죄 혐의 없이 차량을 세운 사례가 보도됐습니다. ACLU는 무고한 사람의 이동 기록이 수사와 검문에 쓰일 위험을 지적합니다.
AMD와 Meta, AI 인프라 협력 확대
AMD는 Meta에 Helios 랙 시스템을 설치해 시험 중이며 EPYC CPU와 Instinct GPU, ROCm 소프트웨어를 함께 공급한다고 밝혔습니다. Meta 지분 투자 10억 달러도 발표했지만, Helios의 본격 배치는 향후 계획으로 남아 있습니다.
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.
앤스로픽의 컴퓨팅 약정, 최대액과 실제 부담은 어떻게 다를까요?
앤스로픽은 미래 컴퓨팅·인프라에 5,420억~5,670억 달러를 약정했지만, 공시된 금액이 모두 확정 지출인 것은 아닙니다. 스페이스X 계약에는 해지 조건이 있고, 자체 데이터센터 전략에는 선행 비용과 전력·장비 확보 위험이 따릅니다. 컴퓨팅 수요와 제품 가격이 맞물리면 수익성 부담도 커질 수 있습니다.
위키백과 편집자들은 AI 생성 문서를 어떻게 걸러내나
위키백과의 자원봉사 편집자들은 AI 문체를 가려내고 부정확한 인용을 바로잡기 위해 2023년부터 정리 작업을 벌이고 있습니다. AI 탐지 도구가 표시한 새 문서·초안 비율은 2025년 말 약 20%에서 2026년 초 15~16%로 낮아졌지만, 정책 효과인지 모델의 성능 향상 때문인지는 확인되지 않았습니다.
Anthropic 내부 Claude 연구 모델도 10월 16일 지수 시간 가설을 독자적으로 반박했습니다. 출력 토큰 1,400만 개, 인간 개입은 없었습니다
Anthropic의 내부 Claude 연구 모델이 3-SAT의 지수 시간 가설(ETH)을 반박하는 결과를 냈으며, 더 어려운 #3-SAT 계수 문제도 준지수 시간에 푸는 알고리즘을 제시합니다. Lean 4 형식화와 별도 커널 검증 절차도 공개했지만, 결과는 점근적이며 실제 문제 풀이 성능을 뜻하지 않습니다.
AI 수요에 첨단 패키징 생산능력 압박, TSMC 최대 20% 가격 인상 전망
TSMC를 비롯한 파운드리와 OSAT 업체들이 CoWoS 패키징 가격을 10~20% 올릴 준비를 한다고 Commercial Times가 보도했습니다. AI 칩 수요와 긴 장비 납기가 공급 능력을 압박하며, TSMC의 월간 CoWoS 생산능력은 2027년 20만 장에 이를 것으로 전망됩니다.
더는 NEW에 업로드하지 않겠습니다
Debian 개발자 josch는 NEW 대기열의 신규 패키지 심사에 LLM 리뷰가 사전 공지나 선택권 없이 적용된다고 문제를 제기합니다. 생성 결과의 정확성, 자원 낭비, 사전 합의와 자유 소프트웨어 도구 원칙을 이유로 LLM 검토 거부 기능이 생길 때까지 NEW 업로드를 중단하겠다고 밝혔습니다.
Roblox 소속을 표방한 크롤러가 허락 없이 145GB 규모의 모델을 다운로드했습니다. 성인 콘텐츠도 포함됐습니다
Open3DLab 운영진은 Roblox 소속을 표방한 크롤러가 3개 사이트에서 모델 파일 1,027개, 총 145.5GB를 내려받았다고 밝혔습니다. 수집 목적이 AI 학습인지는 확인되지 않았으며, 운영진은 라이선스와 robots.txt를 무시하고 성인 콘텐츠까지 가져간 점을 문제 삼았습니다.
NVIDIA, Vera Rubin 사양 조정… HBM4 대역폭·NVLink 6 속도 하향
NVIDIA가 Vera Rubin GPU와 시스템의 HBM4 대역폭, NVLink 속도 등 공개 사양을 낮췄습니다. HGX Rubin NVL8의 HBM4 대역폭은 176TB/s에서 130TB/s로 줄었지만, 제품 페이지마다 수치가 달라 NVIDIA의 설명이 필요한 상황입니다.
Anthropic의 S-1 위험 요인: 인류 멸종, 펜타곤, 다리오 아모데이의 평판
Anthropic의 기업공개(IPO) 신고서는 AI의 재앙적 위험부터 미 국방부와의 분쟁, 컴퓨팅 비용, 안전 정책, 고객 집중과 지배구조까지 폭넓은 사업 위험을 공개합니다. 2026년 매출과 지출 계획도 담겼으며, 안전을 위한 결정과 창업자 중심의 의결 구조가 투자자 가치에 미칠 영향도 명시했습니다.
앤스로픽, 스페이스X 컴퓨팅에 최대 1,205억 달러 지출 약정
앤스로픽의 IPO 공시에 따르면 SpaceX 자회사와 맺은 GPU 컴퓨팅 계약 규모는 최대 1,205억 달러입니다. 전체 용량이 공급되면 월 약 31억 달러를 내지만, 2027년부터 90일 전 통보로 계약을 해지할 수 있어 총액이 확정된 것은 아닙니다.
Anthropic, 컴퓨팅에 최대 5,670억 달러 지출 계획…S-1에 자체 데이터센터 추진 공개
Anthropic이 향후 컴퓨팅과 인프라에 5,420억~5,670억 달러를 투입하기로 약정했으며, 경쟁사 클라우드 의존을 줄이기 위해 자체 데이터센터 사업인 Anthropic Direct를 추진합니다. 분기 컴퓨팅 비용은 매출보다 낮지만 선투자와 전력·장비 확보가 유동성 및 실행 위험으로 남습니다.