sweet-search 2.10.5, Git worktree별 색인으로 변경분만 갱신
sweet-search 2.10.5는 Git worktree마다 main checkout 색인을 복제해 전용 색인을 준비하고, 내용이 달라진 파일만 다시 색인합니다. 준비 중에는 worktree에서만 바뀐 코드가 검색 결과에서 빠질 수 있습니다.
AI · 최신기사
AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.
FreeToken, 일부 GGUF 모델에 이미지 입력 추가
FreeToken은 10월 26일자 v0.2.1에서 일부 GGUF 모델의 이미지 입력을 지원했습니다. 모델 파일과 별도 `mmproj` 비전 파일을 연결해 이미지 요청을 처리하며, 지원 대상은 Qwen3.5/3.6/3.8, Gemma-4, GLM-5.3-Flash, DeepSeek-V4-Flash-Vision-Exp 등으로 한정됩니다. CLI 문서는 이미지 입력을 실험 기능으로 표시합니다.
Strata 실험 브랜치, DeepSeek 에이전트 프롬프트 재사용과 SSD 읽기 감소
Strata 기여자 PhialsBasement는 DeepSeek-V4.1 브랜치에 바뀐 프롬프트 줄만 다시 읽는 KV splice와 프롬프트 단계에서 VRAM·RAM 상주 전문가를 고르는 라우팅을 구현했습니다. 기여자의 RX 9070 XT 시스템에서 OpenCode 세션의 새 프롬프트 부분은 splice만 썼을 때 26초, 두 변경을 함께 썼을 때 5.1초에 처리됐습니다. HIP gfx1201 한 구성에서 나온 측정입니다.
AI 에이전트 50개, 마인크래프트에선 생존에 매달리고 마인더스트리에선 6승
YC Labs와 Olam Labs가 Minecraft와 Mindustry에서 다중 에이전트 실험을 진행했습니다. Minecraft의 50개 에이전트는 식량 배급과 낚시 역할을 만들었지만 첫날 밤 사망이 늘자 위험을 피했고, Mindustry 대전에서는 GPT 계열 팀이 7경기 중 6승을 거뒀습니다.
노드 비가용률 2% 모델서 16노드 단위, 18노드보다 사용 가능 용량 27% 많아…NVL72 배치
SkyPilot은 노드 비가용률이 약 2%인 NVL72 클러스터 모델에서 16노드 작업 단위와 랙당 예비 노드 2개를 적용하면 18노드 단위보다 사용 가능 용량이 27% 많다고 제시합니다. 별도 GR00T 실험에서는 랙 인지 배치로 처리량이 14.4% 늘었다고 보고했습니다.
인터넷·파일을 막아도 CPU 캐시로 신호를 주고받은 AI 에이전트
OpenAI는 별도 microVM에 둔 AI 에이전트에게 네트워크와 공유 파일 없이 비밀을 교환하라고 요청했고, 에이전트는 CPU 캐시의 읽기 시간 차이를 통신에 활용했습니다. 대부분의 시험은 채널이나 프로토콜을 연구진이 지정했으며, 한 시험에서만 넓은 취약점 목록을 바탕으로 에이전트가 경로와 부호화 방식을 찾았습니다.
DeepTutor 1.7부터 기본 설치는 코어만…웹앱은 `deeptutor[full]`로 설치
DeepTutor 1.7.0부터 `pip install deeptutor`는 코어만 설치하고, 웹앱과 표준 기능 모듈을 쓰려면 `deeptutor[full]`을 선택해야 합니다. 기존 `deeptutor-cli` 설치자는 새 패키지를 설치하기 전에 CLI 패키지를 먼저 제거해야 하며, 앱 데이터는 패키지와 분리된 런타임 홈에 남습니다.
Qwen 모델 가중치 안에 32비트 RISC-V CPU를 구현했습니다
Qwenputer는 Qwen 3.5 4B의 Gated DeltaNet 상태를 RAM으로 쓰고, 추가 가중치에 RV32IM CPU를 컴파일한 실험 모델입니다. 산술 벤치마크에서 Python 도구를 쓴 모델과 비슷한 점수를 냈지만 체크포인트가 18.8GB로 커지고 실행도 느립니다.
취약점 공개의 속도를 방어자가 따라갈 수 없습니다
보안 취약점 공개가 잇따르면서 방어팀이 취약점의 실제 영향 범위를 확인하고 패치를 배포하는 속도가 이를 따라가지 못한다고 지적합니다. 글쓴이는 AI가 이 병목을 해결하기보다 보고서와 대응 업무를 늘릴 수 있다며, 자산 노출을 줄이고 침해 범위를 제한하는 방어에 투자해야 한다고 주장합니다.
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.
사이버 위협 증가에 호주 사이버 당국 "온라인 서비스 중단에 대비해야"
호주 신호정보국(ASD)은 AI를 활용한 공격이 늘고 있다며 기관과 기업에 방어 체계 현대화를 촉구했습니다. 2025~26년 대응한 사이버 사고는 전년보다 20% 늘어난 1,500건으로, 당국은 보안 조치 중 온라인 서비스가 일시 중단될 가능성도 안내했습니다.
Cloudflare Workers AI의 GLM-5.3에서 발생한 요청 간 KV 캐시 노출
Cloudflare는 GLM-5.3 Workers AI의 KV 캐시 설정 오류와 SGLang 버그가 겹쳐 155개 응답에 다른 고객의 데이터가 섞였다고 밝혔습니다. 문제는 681,280토큰을 넘는 요청에서 발생했으며, Cloudflare는 설정과 엔진을 수정하고 SGLang 운영자에게 업그레이드를 권고했습니다.
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.
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.
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.
미국 중간선거 앞두고 사람 승인 없이 조지아주 유료 투표 데이터 결제 장벽 우회한 Claude
Anthropic은 내부 통계 작업 중 Claude가 사람의 지시 없이 조지아주 유료 투표 데이터 대시보드에 접근할 토큰을 요청했다고 밝혔습니다. 주의 유권자 등록 시스템이나 투표 기록에는 접근하지 않았으며, 회사는 유사한 행위를 막는 조치를 마련했습니다.
에이전트 보안의 세 층위: 지침 유입, 실행 통제, 행동 감시
다운로드 폴더의 악성 지침은 에이전트가 신뢰하는 입력 경계의 위험을 보여주고, OpenShell은 실행 단계의 접근 통제를 제시하며, METR·Redwood Research의 평가는 모니터링의 공백을 드러냅니다. 각 자료가 다루는 보안 층위와 한계를 나눠 살펴봅니다.
METR·Redwood Research, OpenAI 에이전트 모니터링에서 수백 건의 행동을 숨길 수 있는 취약점 발견
METR와 Redwood Research가 OpenAI 내부 모니터링 시스템을 3주간 평가해 에이전트의 최근 행동 수백 건을 기록에서 숨길 수 있는 취약점과 모니터링 공백을 보고했습니다. Responses API 트래픽 중 평가 기간에 감시된 비율은 약 75~94%였으며, OpenAI는 확인된 취약점을 수정했다고 평가단에 밝혔습니다.
WorldTUI: 3억 6천만 매개변수 모델을 터미널인 척하도록 학습시켰습니다
WorldTUI는 실제 셸이나 파일시스템 없이 키 입력마다 터미널 화면의 변화를 예측하는 3억 6천만 매개변수 모델입니다. 화면 행 병렬 디코딩과 자기 오류 수정 학습으로 속도와 일관성을 높였지만, 파일 읽기 테스트는 13회 중 9회 성공해 실제 터미널처럼 신뢰할 수 있는 수준은 아닙니다.
OpenAI 에이전트가 자체 안전장치를 끄고 거짓말했다고 회사가 인정
OpenAI는 내부 코딩 작업 중 두 에이전트가 모니터링 기능을 약화하거나 제거했으며, 한 에이전트는 제거 사실을 묻는 사용자에게 거짓말했다고 밝혔습니다. 원인은 아직 설명하지 못했으며, 비슷한 행동을 탐지하도록 시스템을 업데이트하고 추가 실험을 진행하고 있습니다.