AI 모델 (LLM·GPT·Claude·Gemini)

OpenAI가 출시 6개월 만에 Sora 앱 및 관련 비디오 모델을 중단했습니다. 이는 잠재적 IPO를 앞두고 기업 및 생산성 도구에 집중하려는 OpenAI의 전략적 결정으로 분석됩니다. 이번 중단은 AI 비디오 도구 개발사와 할리우드 대체론자들에게 현실적인 경고 메시지가 될 수 있습니다.

이 기사는 AI 모델이 외부 시스템과 상호작용하는 데 사용되는 MCP(Machine Comprehensible Programs) 도구 정의의 중요성을 강조합니다. 좋은 도구 정의는 AI의 유용성과 정확성을 결정하며, 이름 지정, 매개변수 명확성, 그리고 도구의 스코프를 명확히 하는 것이 핵심입니다.

ATTN/11 프로젝트는 1976년 미니컴퓨터인 PDP-11에서 어셈블리어로 단일 레이어 트랜스포머를 구현하고 학습시키는 데 성공했습니다. 이는 현대 AI의 핵심 구성 요소인 트랜스포머가 극도로 제한된 하드웨어에서도 고도로 최적화될 경우 효과적으로 작동할 수 있음을 보여줍니다.

이 글은 코딩 모델인 Composer를 개선하기 위해 실제 사용자 상호작용을 훈련 신호로 활용하는 '실시간 RL(강화 학습)' 접근 방식을 소개합니다. 시뮬레이션 환경의 한계인 'train-test mismatch'를 극복하고, 매 5시간마다 모델을 업데이트하여 실제 사용자 피드백을 기반으로 빠르게 개선하는 것이 핵심입니다.

이 글은 2026년 기준 프로덕션 환경에서 겪은 프롬프트 인젝션 경험을 바탕으로, Python 개발자를 위한 LLM 보안 체크리스트를 제시합니다. OWASP LLM01:2025에서 가장 위험한 취약점으로 꼽히는 프롬프트 인젝션 등 실제 발생한 사건들을 언급하며, 직접/간접 인젝션 및 다중 에이전트 공격의 위협 모델을 설명하고 구체적인 5가지 보안 지침을 제안합니다.

이 글은 인기 단어 게임 Semantle의 목표 단어를 찾는 새로운 접근 방식을 소개합니다. 기존 솔버가 게임의 정확한 임베딩 모델을 알아야 했던 것과 달리, 이 새로운 방법은 추측들의 절대적인 유사도 점수 대신 상대적인 순위 정보만을 활용합니다. 이를 통해 게임의 기본 임베딩 모델이 바뀌어도 작동하는 더욱 견고한 솔버를 구현할 수 있습니다.

Chroma Context-1은 다단계 검색 쿼리의 한계를 극복하기 위해 설계된 200억 개의 파라미터를 가진 에이전트형 검색 모델입니다. 이 모델은 자체 편집 컨텍스트 기능을 통해 관련 없는 정보를 능동적으로 제거하며, 최신 대규모 언어 모델에 필적하는 검색 성능을 제공하면서도 비용을 절감하고 추론 속도를 최대 10배 향상시킵니다.

ATLAS는 단일 소비자용 GPU에서 실행되는 14B 규모의 경량 모델이 지능형 인프라(구조화된 생성, 자체 검증된 반복 정제 등)를 통해 Claude Sonnet을 능가하는 코딩 벤치마크 성능을 달성했음을 보여줍니다. 이는 API 호출이나 클라우드 없이 온전히 자체 호스팅되어, 비용을 획기적으로 절감하고 데이터 주권 문제를 해결합니다. 고가의 모델 파인튜닝 없이도 프론티어급 AI 성능을 경제적인 방식으로 구현할 수 있음을 입증했습니다.

구글 제미니가 '스위칭 툴'을 공개하며 다른 챗봇에서 개인 정보('기억')와 전체 채팅 기록을 제미니로 바로 전송할 수 있게 되었습니다. 이는 사용자가 제미니를 처음부터 다시 학습시킬 필요 없이 쉽게 채택하도록 유도하여, 주요 경쟁 챗봇인 챗GPT로부터 사용자를 유치하려는 전략입니다. 구글은 이를 통해 소비자 AI 챗봇 시장에서 선두주자인 챗GPT와의 격차를 줄이고자 합니다.

구글 제미니가 다른 AI 챗봇의 사용자 기억과 대화 기록을 쉽게 가져올 수 있는 새로운 도구를 출시했습니다. 이는 프롬프트 복사-붙여넣기 또는 최대 5GB의 .zip 파일 업로드 방식을 통해 가능하며, AI 서비스 간 사용자 이동성을 크게 개선할 것으로 예상됩니다.

이 글은 사내 엔지니어들을 위한 로컬 LLM 기반 RAG 챗봇 구축 프로젝트의 성공과 실패 과정을 다룹니다. 저자는 10년치 방대한 비정형 문서(1TB)에서 빠르고 정확한 답변을 제공해야 하는 과제에 직면했으며, 기술 스택 선정부터 엄청난 양의 혼란스러운 데이터를 처리하는 과정에서 겪었던 시행착오와 해결책을 공유합니다.

ATOM은 47개 벤더와 2,583개 SKU에 걸친 LLM 가격 정보를 실시간으로 추적하고 표준화하여 제공하는 서비스입니다. 이 데이터를 Model Context Protocol(MCP) 서버를 통해 AI 에이전트가 직접 쿼리할 수 있도록 함으로써, 복잡하고 변동성 높은 LLM 추론 비용을 최적화하고 투명성을 높입니다. 이를 통해 에이전트 기반 AI 애플리케이션의 비용 효율적인 모델 선택을 지원합니다.

바이트댄스가 새로운 AI 동영상 생성 모델 'Dreamina Seedance 2.0'을 자사 편집 플랫폼 CapCut에 출시했습니다. OpenAI의 Sora 앱 중단과 대비되는 행보로, 브라질, 인도네시아 등 7개 시장부터 단계적으로 배포되며 향후 지적재산권 문제를 해결하며 시장을 확대할 예정입니다. 이 모델은 텍스트, 이미지, 참조 영상을 활용해 비디오와 오디오를 생성, 편집, 동기화하는 기능을 제공합니다.

AI 기업 코히어(Cohere)가 자사의 첫 오픈 소스 음성 모델인 '트랜스크라이브(Transcribe)'를 출시했습니다. 이 모델은 20억 개 매개변수로 경량화되어 소비자용 GPU에서도 구동 가능하며, 줌 스크라이브(Zoom Scribe) 등 기존 모델을 능가하는 성능을 보여줍니다. 한국어를 포함한 14개 언어를 지원하며, 무료 API 제공 및 자체 호스팅을 지원해 접근성을 높였습니다.

프랑스 AI 기업 미스트랄이 음성 AI 비서 및 기업용으로 활용 가능한 새로운 오픈소스 텍스트-음성 변환(TTS) 모델 'Voxtral TTS'를 출시했습니다. 이 모델은 소형 기기에 탑재 가능하고 비용 효율적이며, 9개 언어를 지원하고 미묘한 음성 특성까지 재현하며 실시간 성능을 자랑하여 ElevenLabs, OpenAI 등과 직접 경쟁하게 됩니다.

이 기사는 AI가 때때로 '환각'을 일으켜 잘못된 정보를 그럴듯하게 제시하는 이유를 심층적으로 설명합니다. AI는 사실을 저장하는 데이터베이스가 아니라, 방대한 텍스트 데이터에서 통계적 패턴을 학습하여 다음 단어를 예측하는 '예측 기계'이기 때문입니다. 따라서 AI는 사실적으로 정확한 텍스트보다는 통계적으로 그럴듯한 텍스트를 생성하도록 훈련되며, 정보가 부족할 때 그럴듯한 패턴을 채워넣으면서 거짓 정보를 만들어낼 수 있습니다.

이 기사는 AWS Bedrock과 Python을 사용하여 30분 만에 AI 챗봇을 만드는 방법을 설명합니다. OpenAI API 키나 복잡한 설정 없이, 기존 AWS 계정만으로 Claude와 같은 강력한 모델에 접근하여 대화 기록을 기억하는 터미널 기반 챗봇을 구축하는 과정을 보여줍니다.

Ente는 빅테크 기업에 의존하지 않는 개인 정보 보호와 통제를 강조하며 오프라인에서 구동되는 로컬 LLM 앱 'Ensu'를 출시했습니다. 이 앱은 완전히 기기 내에서 작동하여 프라이버시를 보장하며, 향후 E2EE 동기화 및 백업 기능을 통해 더욱 개인화된 AI 경험을 제공할 예정입니다. Ensu는 아직 초기 단계이지만, Ente는 과거 로컬 얼굴 인식 기술 성공 사례를 바탕으로 로컬 LLM의 '충분한 역량' 임계점 도달 가능성을 믿고 있습니다.

ARC-AGI-3은 AI 에이전트의 인간과 유사한 지능을 측정하기 위해 고안된 새로운 인터랙티브 추론 벤치마크입니다. 이는 정적인 퍼즐 해결을 넘어, 에이전트가 새로운 환경에서 지속적으로 학습하고, 경험을 통해 적응하며, 목표를 효율적으로 달성하는 능력을 평가합니다. 궁극적으로 인간 학습과 AI 학습 간의 격차를 수량화하여 범용 인공지능(AGI) 개발을 촉진하는 데 중점을 둡니다.

클로드(Claude)의 AI 기능은 '스킬(Skills)'의 단순한 재사용 가능한 기능부터 외부 데이터에 접근하는 '플러그인(Plugins)', 여러 AI가 협업하는 '에이전트 팀(Agent Teams)', 그리고 복잡한 비즈니스 워크플로우를 자동화하는 '코워크(Cowork)'까지 점진적으로 발전합니다. 이 글은 각 기능의 특징과 적용 시점을 실제 예시를 통해 설명하며, AI 활용의 복잡도 증가에 따른 유기적 연동 방안을 제시합니다.

구글이 AI 추론(inference) 시 작업 메모리(KV 캐시)를 최대 6배까지 줄이는 새로운 AI 메모리 압축 알고리즘 'TurboQuant'를 공개했습니다. 이 기술은 성능 저하 없이 AI 실행 비용을 대폭 절감하고 효율을 극대화하여, HBO 드라마 '실리콘 밸리'의 압축 기술 'Pied Piper'에 비유되며 큰 기대를 모으고 있습니다. 현재는 연구실 단계의 기술이지만, AI 운영 비용 절감에 큰 영향을 미칠 잠재력을 가집니다.

구글이 음악 생성 모델 '리리아 3 프로(Lyria 3 Pro)'를 출시하며, 기존 30초에서 최대 3분 길이의 트랙 생성을 지원합니다. 이 모델은 사용자에게 향상된 창작 제어 기능과 더불어 인트로, 벌스, 코러스 등 세부 트랙 구조를 이해하여 정교한 음악 생성을 가능하게 합니다. 리리아 3 프로는 제미니(Gemini) 앱 유료 구독자 및 구글 비즈(Google Vids), 프로듀서AI(ProducerAI), 그리고 버텍스AI(Vertex AI) 등 구글의 다양한 앱과 엔터프라이즈 도구에 통합될 예정입니다.

구글 딥마인드가 개발자를 위한 차세대 음악 생성 모델인 'Lyria 3'를 공개했습니다. Gemini API와 Google AI Studio를 통해 제공되는 이 모델은 긴 곡을 만드는 Pro 버전과 짧은 클립을 만드는 Clip 버전으로 나뉘며, 텍스트와 이미지를 활용한 정교한 음악 제어가 가능합니다.

OpenAI가 AI 모델의 행동 지침을 정의하는 'Model Spec'을 공개했습니다. 이 프레임워크는 AI의 안전성(Safety), 사용자 자유(User Freedom), 그리고 책임성(Accountability) 사이의 균형을 맞추기 위한 공개된 표준을 지향합니다.