AI Today

Mistral AI가 자사의 새로운 플래그십 모델인 Mistral Large 4를 공개했다. 이번 릴리즈는 HackerNews에서 1,447점을 기록하며 오늘 가장 주목받은 뉴스가 됐다. Mistral Large 4는 멀티모달 및 멀티링궐 기능을 갖춘 대형 언어 모델로, Mistral의 기존 플래그십 라인업을 계승하면서 성능과 활용 범위를 크게 확장했다. Mistral은 유럽 기반 AI 스타트업으로 GPT-4급 성능의 오픈 모델을 꾸준히 출시해온 강자다. 이번 모델은 API 및 오픈 가중치 형태로 제공될 것으로 예상되며, 기업 고객과 개발자 커뮤니티 모두에서 큰 관심을 받고 있다.

Google DeepMind가 EmbeddingGemma 2를 발표했다. 이 모델은 오픈 가중치로 공개되는 경량 멀티모달 임베딩 모델로, 텍스트와 이미지 등 여러 모달리티를 단일 임베딩 공간에 표현할 수 있도록 설계됐다. Gemma 시리즈의 임베딩 특화 버전으로, 검색·RAG·시맨틱 유사도 등 다양한 다운스트림 작업에 활용 가능하다. 기존 독점 임베딩 모델 대비 경량화에 초점을 맞춰 엣지 디바이스나 비용 민감 환경에서도 사용할 수 있도록 최적화됐다. HackerNews와 Google Developers 블로그 양쪽에서 동시에 주목받으며 임베딩 모델 분야의 새 기준점으로 부상했다.

TechCrunch 보도에 따르면, 쇼핑·항공권 예약·레스토랑 예약 등을 대신 처리해주는 개인 AI 에이전트가 확산되는 가운데, 웹사이트들의 의도적인 봇 차단과 안티봇 방어 시스템이 에이전트 상용화의 핵심 장벽으로 떠오르고 있다. 사용자는 에이전트를 통해 서비스를 이용하려 하지만, 웹사이트 측은 스크래핑·자동화 남용 등을 우려해 이를 막고 있어 소비자가 중간에서 피해를 보는 상황이 발생하고 있다. 이 문제를 해결하기 위한 새로운 표준(standard)이 제안되고 있으며, AI 에이전트가 합법적으로 웹사이트에 접근할 수 있는 인증·협약 체계 마련이 논의되고 있다. 이는 에이전트 경제(agentic economy)가 성숙하기 위해 반드시 해결해야 할 인프라 문제로 인식되고 있다.

AI 에이전트 플랫폼 vals.ai가 Opus 5.5 기반 에이전트를 활용해 실온에서 작동하는 자성 반도체 후보 물질 2종을 발견했다고 밝혔다. 이번 발견은 AI 에이전트가 과학 연구 분야에서 실질적인 발견을 이끌어낼 수 있음을 보여주는 사례로, HackerNews에서 482점을 기록하며 큰 관심을 끌었다. 실온 자성 반도체는 차세대 스핀트로닉스 소자와 양자컴퓨팅 등에 응용될 수 있는 핵심 소재다. AI 에이전트가 방대한 문헌과 데이터를 분석해 인간 연구자가 놓칠 수 있는 패턴을 발굴하는 방식으로 이 성과를 달성했다.

QLabs가 역전파(backpropagation) 없이 트랜스포머를 사전학습(pretraining)할 수 있는 새로운 방법론 'Dust'를 공개했다. HackerNews에서 264점을 기록하며 주목을 받았다. 역전파는 딥러닝의 핵심 알고리즘이지만 메모리 소비가 크고 병렬화에 한계가 있다는 단점이 있다. Dust는 이를 대체하는 새로운 학습 메커니즘을 제안함으로써, 향후 대형 모델 학습의 효율성과 확장성을 근본적으로 개선할 가능성을 제시한다. 구체적인 기술적 세부사항과 벤치마크 결과가 함께 공개돼 연구자들의 검증이 진행 중이다.

OpenAI가 법률 계약 관리 플랫폼 Ironclad와 협력해 복잡한 계약 워크플로우에 AI 에이전트를 학습·평가하는 프로젝트를 진행하고 있다고 밝혔다. 이번 협업은 단순한 API 연동을 넘어, 전문 업무 영역에서의 컴퓨터 사용(computer use) 능력을 고도화하는 데 초점을 맞추고 있다. AI 에이전트가 계약서 검토, 조항 협상, 승인 워크플로우 등 고도로 복잡한 법률 업무를 자율적으로 수행할 수 있도록 훈련 데이터와 평가 체계를 공동 개발하는 방식이다. 이는 OpenAI가 특정 도메인 전문 에이전트 개발에 파트너십 모델을 적극 활용하고 있음을 보여준다.

NVIDIA 지원을 받는 AI 컴퓨팅 스타트업 Lambda가 2027년 IPO를 앞두고 Coatue와 Blackstone 주도로 최대 40억 달러 투자를 유치할 예정이라고 TechCrunch가 보도했다. 현재 기업가치는 145억 달러 이전 기준으로 평가받고 있으며, 이는 GPU 클라우드 및 AI 인프라 분야에 대한 투자 수요가 여전히 폭발적임을 보여준다. Lambda는 AI 모델 학습과 추론에 특화된 GPU 클라우드 서비스를 제공하며, 연구기관과 스타트업들이 주요 고객이다. NVIDIA의 지원을 받는 만큼 최신 GPU 접근성에서도 경쟁 우위를 갖추고 있다.

AI 스타트업 Musubi가 실시간 콘텐츠 모더레이션에 최적화된 경량 결정 모델 PolicyLM-1.7B를 오픈 가중치로 공개했다. 이 모델은 기존 범용 LLM 대비 모더레이션 판단에 특화돼 있으며, 실시간 처리가 가능한 경량 크기(1.7B 파라미터)로 설계됐다. 오픈 가중치 공개로 플랫폼 운영자들이 자체 서버에서 콘텐츠 정책을 적용하고, 커스터마이징할 수 있는 길이 열렸다. AI 기반 콘텐츠 모더레이션은 소셜미디어, 커머스, 게임 등 다양한 플랫폼에서 핵심 운영 과제로 부상하고 있다.

GitHub에 'OpenTPU'라는 AI 가속기 프로젝트가 공개됐다. 특이한 점은 이 AI 가속기 자체가 AI에 의해 개발됐다는 점으로, HackerNews에서 180점을 기록하며 주목받았다. OpenTPU는 Google의 TPU(Tensor Processing Unit) 개념을 오픈소스로 구현한 프로젝트로, 특정 하드웨어 독점 없이 AI 추론 가속을 가능하게 하는 것을 목표로 한다. AI가 AI 하드웨어를 설계하는 이 사례는 AI의 자기참조적 능력이 하드웨어 설계 영역까지 확장됐음을 보여주는 흥미로운 시도다.

Atlassian과 OpenAI가 기존 파트너십을 확대해 Jira, Confluence 등 Atlassian 제품에 축적된 엔터프라이즈 지식을 OpenAI 프론티어 모델과 연결하는 심화 협업을 발표했다. 이번 파트너십은 팀이 계획·개발·업무 전달 과정에서 AI의 도움을 보다 깊이 받을 수 있도록 하는 것을 목표로 한다. 단순한 챗봇 연동이 아니라, 수십 년간 쌓인 기업 지식 그래프와 워크플로우를 AI 에이전트가 이해하고 행동할 수 있는 형태로 전환하는 데 초점을 맞추고 있다. 이는 OpenAI가 엔터프라이즈 소프트웨어 시장 깊숙이 파고드는 전략의 일환이다.

에이전트 툴 사용 시 멀티모달 LLM의 안전 거부 능력이 급격히 저하된다

Rikiya Takehi, Ryo Hachiuma, Shaona Ghosh

이 논문은 에이전트 방식으로 툴(줌, 태깅 등)을 사용하는 멀티모달 LLM(MLLM)이 해로운 요청에 대한 거부 능력이 크게 떨어진다는 심각한 안전 취약점을 발견했다. 세 가지 주요 안전 벤치마크에서 실험한 결과, 오픈·클로즈드 가중치 모델 모두 툴 사용 환경에서 비툴 환경 대비 최대 68.7%의 거부 실패율 증가를 보였다. 10만 개 이상의 응답 분석을 통해 안전 저하의 두 가지 가능한 원인을 제안하며, 에이전트 AI 시스템 설계 시 반드시 고려해야 할 안전 취약점으로 경고한다.

자동 진단과 스킬 발견으로 수치 지능(Numerical Intelligence)을 학습시키는 ADSD 프레임워크

Peter Chen, Wotao Yin

AI 에이전트가 수치 솔버(numerical solver)의 성능 저하 원인을 스스로 진단하고, 이를 바탕으로 적절한 수치 기법을 발견해 재사용 가능한 솔버 스킬로 패키징하는 ADSD 프레임워크를 제안한다. 파워 플로우 방정식, AC 최적 전력 제어, 강직 미분방정식 등 4개의 도전적 수치 도메인에서 솔버 정확도·견고성·효율성을 일관되게 개선했으며, GOC-500 파워 플로우에서 평균 오류를 71배 줄이는 성과를 달성했다. 코드 생성을 넘어 알고리즘 자체를 개선하는 AI 에이전트의 가능성을 보여준다.

블랙박스 LLM 에이전트를 대리 모델 로그 확률로 감사(audit)하는 Proxy Confidence

Yikai Zhao, Saurabh Pandey, Pradeep Kumar Misra

배포된 LLM 에이전트는 토큰 확률을 공개하지 않아 에이전트 행동의 신뢰도를 평가하기 어렵다는 문제를 해결하는 방법론을 제안한다. 저비용 오픈 가중치 대리 모델을 병렬로 실행해 에이전트의 툴 호출·쿼리·코드에 대한 신뢰도를 다양한 방식(teacher forcing, PMI, 판별 평결 등)으로 추정한다. 학습이 필요 없고 에이전트 내부에 접근하지 않아도 되며, 단 하나의 프리필 비용으로 실행 가능해 실용성이 높다.

코딩 에이전트를 신뢰성 있게 학습시키기 — SWE-bench에서 52.8% 달성

Muhammad Ahmed Mohsin, Myeongsoo Kim, Kangrui Ruan

자율 코딩 에이전트의 신뢰성을 높이기 위해 위치 다양성, 편집 다양성, 검증 신뢰성이라는 세 가지 핵심 행동을 정책(policy)에 직접 학습시키는 방법을 제안한다. 실행 피드백으로 탐색을 유도하고 각 패치를 원래 트리 기준으로 채점하는 방식으로 SWE-bench Verified에서 52.8%를 달성했으며, 이는 8샘플 베이스라인 대비 에이전트 스텝을 48.1% 절약한 결과다. SFT와 RL 학습 조합으로 pass@1을 31.9%에서 35.2%로, pass@8을 46.7%에서 51.1%로 향상시켰다.

LLM 합성 페르소나에서 인구통계 설명보다 행동 이력이 더 효과적

Khashayar Pourtaheri, Ahmad Zareei

LLM을 설문 응답자 대리인(synthetic persona)으로 활용할 때, 인구통계·성격·인지 점수 등 설명적 정보보다 응답자의 과거 행동 이력을 제공하는 것이 개별 선택을 더 정확하게 예측한다는 것을 845명의 미국 성인 패널 데이터로 실증했다. 집단 수준에서는 편향 수가 비슷하지만, 개인 간 분산 재현에서는 페르소나 설명이 인간 수준의 53~67%에 그친다. AI 합성 페르소나 연구의 유효성 기준을 재정립하는 중요한 실험적 근거를 제공한다.

CoT 추론의 토큰 비용을 줄이는 구문 정렬 텍스트-잠재 압축 SynLat

Yifeng Zhao, Hongjun Yu, Shibo Wang

긴 Chain-of-Thought(CoT) 추론 과정의 토큰 비용을 줄이기 위해, 압축 경계를 구문 구조(syntactic structure)에 정렬하는 SynLat 프레임워크를 제안한다. 비겹치는 구문 정렬 단위(SAU)를 사용해 의미 있는 청크 단위로 압축하며, 단일 압축 조건 스튜던트 모델이 질문과 압축 수준만으로 혼합 추론을 생성한다. Qwen3-8B/14B에서 MEDIUM·HIGH 압축 수준에서 최강 베이스라인을 각각 최대 7.0/5.5 포인트 상회하는 성과를 달성했다.

WAM 양자화 시 정책 향 잠재 계약을 보존하는 LatentQuant

Ziye Deng, Lufang Chen, Shuyu Feng

비디오 VAE를 재사용하는 세계 행동 모델(WAM)에서 NVFP4 양자화 시 인코더 잠재 표현이 변화해 다운스트림 액션 정책 성공률이 95.5%에서 10.5%로 폭락하는 문제를 발견하고 해결한다. 양자화-역양자화 연산이 디코더 그라디언트를 왜곡해 인코더에 잠재 드리프트를 유발하는 메커니즘을 규명했다. LatentQuant는 인코더를 먼저 고정밀 기준에 정렬한 뒤 디코더만 적응시키는 2단계 QAT로 LIBERO에서 95.75% 성공률을 회복한다.