AI Today

OpenAI가 GPT-6를 발표하며 ChatGPT 사용자 전체에게 개방한다고 밝혔다. 이번 릴리즈의 핵심은 모델 성능 향상뿐 아니라 '지능형 UI(Intelligent UI)' 개념의 도입으로, 사용자 의도에 맞게 인터페이스 자체가 동적으로 변화하는 방식을 표방한다. Hacker News에서 635점을 기록하며 큰 화제를 모았고, GPT 시리즈의 새로운 세대 전환점으로 업계의 이목이 집중됐다. OpenAI는 최근 수학 분야 AI 진전 공유, 청소년 대상 교육 기능 확장 등과 함께 이번 GPT-6 공개로 제품·연구 양면에서 공세적인 행보를 이어가고 있다. 구체적인 파라미터 수·학습 데이터 규모·벤치마크 수치는 공식 발표문에서 추가 공개될 예정이다.

Anthropic이 Claude 패밀리의 경량 모델인 Haiku 5.5를 공식 출시했다. Haiku 라인은 속도와 비용 효율을 우선시하는 포지셔닝으로, 대량 API 호출이 필요한 에이전트 파이프라인이나 실시간 응답이 중요한 서비스에 적합하다. Hacker News에서 879점을 기록해 GPT-6 다음으로 높은 관심을 받았다. 같은 날 Towards AI가 Claude Opus 5.5에 대한 개발자 가이드를 별도로 게재하는 등 Anthropic의 5.5 세대 모델 라인업 전반에 대한 커뮤니티 관심이 높아지고 있다. Meta와 Microsoft가 직원들의 Claude 사용을 제한하는 움직임을 보이는 시점에 나온 출시라 경쟁 구도 측면에서도 주목된다.

OpenAI가 AI를 활용한 수학 분야 연구 진전을 공식 블로그에 공유했으며, 이는 HN에서 1,280점이라는 이날 최고 점수를 기록했다. 그러나 거의 동시에 Twitter(X)에서는 OpenAI가 해당 발표에서 수학적 결과 3개를 철회했다는 소식이 확산됐다. 이는 AI 생성 수학 증명의 신뢰성과 검증 프로세스에 대한 근본적 의문을 불러일으켰다. AI가 도출한 수학 결과를 공식 발표 전에 충분히 검증하지 못했다는 점에서, AI 보조 연구(AI-assisted research)의 품질 관리 문제가 다시 한번 부각됐다. AI-assisted proof of optimal packing for 11 squares(HN 115점)라는 별도의 수학적 성과도 이날 화제가 된 만큼, AI와 수학의 교차점이 이날의 핵심 테마 중 하나였다.

NVIDIA와 Microsoft가 샌프란시스코 이벤트에서 RTX Spark 칩을 탑재한 Surface Laptop Ultra를 공개하며 로컬 AI 에이전트 시대의 개막을 선언했다. Jensen Huang CEO는 'NVIDIA는 Windows 때문에 창립됐으며, 이제 AI 에이전트가 Windows에 온다'고 발언했다. Surface Laptop Ultra는 Nvidia 칩 기반으로 AI 모델·에이전트를 로컬에서 실행하도록 설계됐으며, 두 회사는 하드웨어와 소프트웨어를 공동 엔지니어링하고 있다고 밝혔다. 이는 클라우드 의존에서 온디바이스 AI 추론으로의 전환을 가속화하는 신호탄으로 해석된다. Towards AI는 같은 맥락에서 규제 기업들이 클라우드 GPU에서 로컬 Blackwell 머신으로 이동하는 트렌드를 별도 분석 기사로 다뤘다.

오픈소스 LLM 파인튜닝으로 유명한 Nous Research가 9,000만 달러 시리즈 B 투자를 유치하며 기업가치 15억 달러를 공식 확인했다. 동시에 Hermes Agent를 기반으로 한 비즈니스 사용자용 AI 에이전트 서비스를 론칭했다. Nous Research는 그간 연구 커뮤니티에서 고품질 파인튜닝 모델로 명성을 쌓아왔으며, 이번 기업용 에이전트 진출은 연구 중심에서 상업화로의 본격 전환을 의미한다. 에이전트 AI 시장의 자금 유입이 계속되는 가운데, 오픈소스 DNA를 가진 스타트업이 대형 상업 에이전트 플레이어로 성장할 수 있는지 주목된다.

LiquidAI가 Hugging Face 블로그를 통해 엣지 환경에서 실행 가능한 멀티모달 오픈 결정 모델 'open-d1'을 공개했다. 이 모델은 에지 디바이스(낮은 컴퓨팅 자원)에서도 멀티모달 입력을 기반으로 의사결정을 내릴 수 있도록 설계된 'decision model' 계열이다. 기존의 클라우드 중심 멀티모달 모델과 달리 온디바이스 추론에 특화돼 있어, 로봇·자율 시스템·IoT 등 지연 시간이 중요한 응용 분야에 적합하다. 오픈소스로 공개된다는 점에서 엣지 AI 연구 커뮤니티의 관심을 끌고 있다.

NVIDIA가 Hugging Face 블로그를 통해 Nemotron 모델 패밀리를 파인튜닝해 IOI(국제 정보올림피아드)와 IMO(국제 수학올림피아드) 2026에서 각각 금메달 수준의 성과를 달성했다고 밝혔다. 하나의 모델 패밀리로 코딩과 수학 두 분야에서 모두 최상위 수준에 도달한 것은 이례적이다. 이번 성과는 파인튜닝 기법과 강화학습을 결합한 접근 방식을 통해 이루어졌으며, OpenAI의 수학 AI 연구 발표와 맞물려 '경쟁적 AI 수학·코딩 능력' 레이스가 본격화되고 있음을 보여준다.

Docker가 공식 GitHub 레포지토리에 'Docker Agent'를 공개했다. HN에서 237점을 기록하며 개발자 커뮤니티의 뜨거운 관심을 받았다. Docker Agent는 컨테이너 오케스트레이션, 이미지 빌드, 환경 관리 등 Docker 워크플로우를 AI 에이전트 방식으로 자동화할 수 있도록 설계된 것으로 보이며, 공식 Docker 조직에서 배포한 만큼 신뢰성과 통합 가능성 측면에서 주목된다. DevOps 자동화에 에이전트 AI를 접목하려는 흐름과 맞닿아 있으며, MLOps 파이프라인에서 컨테이너 관리를 에이전트가 담당하는 시나리오로 확장 가능하다.

Meta와 Microsoft가 자사 직원들의 Anthropic Claude 사용을 줄이는 조치를 취하고 있다는 보도가 나왔다. 두 회사 모두 자체 AI 모델(Meta의 Llama 계열, Microsoft의 Copilot 및 OpenAI 파트너십)을 보유하고 있어, 경쟁사 AI 도구 사용을 내부적으로 제한하는 움직임으로 해석된다. 이는 단순한 보안·데이터 유출 우려를 넘어, 빅테크 기업들이 AI 도구 생태계에서 자사 제품 사용을 우선시하는 전략적 판단의 일환으로 볼 수 있다. Claude Haiku 5.5가 출시된 같은 날 이 뉴스가 주목받아 대조를 이뤘다.

Google이 AI를 활용해 사용자가 직접 커스텀 게임을 만들고, 플레이하고, 공유할 수 있는 실험적 게이밍 플랫폼 'Playground'를 공개했다. 이 플랫폼은 코딩 없이 자연어 또는 간단한 입력만으로 게임을 생성할 수 있도록 설계된 것으로, Google의 생성형 AI 기술을 인터랙티브 콘텐츠 창작 영역으로 확장한 사례다. 아직 실험적 단계(experimental)로 출시됐으며, Google의 AI 제품 포트폴리오 다각화 전략의 일환으로 볼 수 있다. 게임 생성 AI는 창의적 AI 응용의 새로운 카테고리로 부상하고 있다.

에이전트 가소성: 경험을 통한 자기 개선 측정

Harman Singh, Anton Bakhtin, Gabriel Synnaeve 외

AI 에이전트가 경험을 통해 얼마나 효율적으로 스스로를 개선하는지를 측정하는 새로운 프레임워크 '에이전트 가소성(Agent Plasticity)'을 제안한다. 기존 평가가 특정 시점의 성능만 측정하는 것과 달리, 이 연구는 '미래 held-out 성능 향상으로 경험을 얼마나 효율적으로 전환하는가'를 핵심 지표로 삼는다. 여러 환경에서 프론티어 모델들이 동일한 학습 기회에도 불구하고 개선 궤적이 크게 다르다는 것을 발견했다. 에이전트 자기 개선 능력의 체계적 평가 방법론을 제시한다는 점에서 에이전트 AI 연구의 중요한 기여다.

Humanize: 에이전트 코딩을 위한 판단 공학

Sihao Liu, Ligeng Zhu, Song Han 외

에이전트 코딩에서 '판단 공학(Judgement Engineering)'을 핵심으로 하는 멀티에이전트 오케스트레이션 워크플로우 Humanize를 제안한다. 인간이 계획 계약을 승인하면 빌더 에이전트가 구현하고, 별도 벤더의 리뷰어 에이전트가 완료 여부를 판단하는 구조로, 72개의 기계적 검증 게이트를 통해 두 모델이 동시에 결함을 놓치지 않도록 설계됐다. 118개의 실제 루프 포스트모텀 분석을 포함하며, 567파일 규모의 gem5 빌드 시스템 마이그레이션 등 실제 대규모 적용 사례도 소개한다. 에이전트 코딩의 신뢰성 문제를 구조적으로 해결하려는 접근이라는 점에서 의미 있다.

인류의 여섯 번째 감각: 멀티모달 모델의 직관적 시각 추론 벤치마크

Xingang Guo, Jing Gu, Brian Jang 외

인간이 장면을 한눈에 파악하는 '직관적 추론(Intuitive Reasoning)' 능력을 멀티모달 LLM이 갖추고 있는지 측정하는 새로운 벤치마크 HSS(Humanity's Sixth Sense)를 소개한다. 기존 비주얼 벤치마크가 전문가 수준 분석이나 저수준 지각에 집중한 것과 달리, HSS는 인과 관계 추론·공간 판단·사회적 맥락 파악 등 일상적 직관이 요구되는 이미지·영상 과제를 다룬다. 구조화된 분류 체계와 다양한 입력 유형을 포함하며, 현실 세계에서 사람과 함께 배치될 MLLM의 실용적 능력 평가에 초점을 맞춘다. 현재 모델들이 이 영역에서 어떤 한계를 보이는지 확인할 수 있는 중요한 평가 기준이 된다.

AdaGuard: 추론 가능한 LLM-As-A-Judge 가드레일로 안전성·정책 준수 강화

Melissa Kazemi Rad, Sihui Dai, Kushal Chawla 외

기업 생성형 AI 애플리케이션을 위한 적응형 LLM-as-a-Judge 프레임워크 AdaGuard를 제안한다. SFT와 강화학습(GRPO)으로 학습되어, 모델 재학습 없이 런타임에 사용자 정의 안전·준수 정책을 일반화할 수 있다. 핵심 혁신은 입력-정책 쌍의 복잡도를 동적으로 추론해 고속 블랙박스 추론과 설명 가능한 추론 모드 사이를 자동 전환하는 것으로, 지연 시간과 투명성 요구사항을 동시에 만족시킨다. 자신보다 수배 큰 가드레일 모델 및 프론티어 모델과 경쟁하는 성능을 보여준다.

Tokka-Bench: 100개 자연어·20개 프로그래밍 언어에 걸친 토크나이저 평가 프레임워크

Ben Gubler

다국어·다언어 LLM 토크나이저를 체계적으로 비교 평가하는 오픈소스 프레임워크 Tokka-Bench를 소개한다. 바이트/토큰 비율, 고유 토큰 커버리지, 서브워드 비율, 단어 분할률, 어휘 구성 등 5가지 보완적 지표로 100개 자연어(30개 이상 문자 체계)와 20개 프로그래밍 언어를 평가한다. GPT-2·GPT-4·Llama 3.1·Gemma 3·Qwen3·Kimi K2 등 7개 BPE 토크나이저를 비교한 결과, 어휘 크기보다 어휘 할당 전략이 더 중요하며 최신 토크나이저들의 프로그래밍 언어 효율은 수렴했음을 발견했다. 다국어 LLM 개발자들이 토크나이저 선택에 필요한 데이터 기반 근거를 제공한다.

CoDR: 확산 언어 모델을 위한 학습 불필요 신뢰도 드리프트 리마스킹

Yue Wu, Qinghe Zhang, Yu Zhang, Jian Huang

마스크드 확산 언어 모델(MDLM)의 핵심 문제인 '신뢰도 드리프트(Confidence Drift)'를 학습 없이 해결하는 CoDR 기법을 제안한다. 기존 MDLM은 희박한 컨텍스트에서 확정된 토큰이 나중에 더 풍부한 컨텍스트에서도 수정되지 않아 초기 오류가 전파되는 문제가 있었다. CoDR은 k-파티션 프로빙을 통해 k번의 순전파만으로 신뢰도 드리프트를 추정하고, 모델이 더 이상 지지하지 않는 토큰만 선택적으로 리마스킹·재생성한다. 두 개의 백본, 4개의 추론·코딩 과제, 3개의 기본 샘플러 조합 전반에서 성능이 향상됐다.

AI 에이전트가 자율적 과학적 발견을 할 수 있을까? Station 환경에서의 실증 연구

Wenyu Du, Stephen Chung

명확한 지표 없이 개방형 과학 연구를 수행하는 AI 에이전트의 능력을 측정하는 실험 환경 Station을 소개한다. 다수의 에이전트가 과학적 생태계를 시뮬레이션하는 오픈월드 환경에서, Supervisor 메커니즘과 주기적 메타 반성(Meta Reflection)을 추가해 중간 지표 없이도 지속적 탐색을 유도한다. ICLR 오랄 논문 3편의 연구 질문을 에이전트에게 제시하고(결과는 숨김) 재발견 비율을 측정한 결과, Station이 평균 62.7%의 기준을 재발견한 반면 Codex Multiagent-v2는 15.4%에 그쳤다. AI가 자율적 오픈엔드 과학 연구를 수행할 수 있는 가능성과 현재 한계를 동시에 보여주는 중요한 연구다.