세 가지 이야기가 모두 같은 방향을 가리키고 있습니다. AI가 동시에 더욱 개인화되고 더욱 개방적으로 변하고 있다는 점입니다. 즉, 당신의 얼굴, 당신의 기억, 그리고 당신이 구축하는 모델에 관한 이야기입니다. 여기 빌더의 관점에서 본 각 사례와 실제로 실행할 가치가 있는 행동 지침을 정리했습니다.

1. Meta, 앱 내에 휴면 상태의 얼굴 인식 코드를 포함하여 배포

Wired는 Meta AI 앱 내부에서 아직 출시되지 않은 얼굴 인식 기능(내부 명칭 NameTag) 코드를 발견했습니다. 이 기능은 Meta의 스마트 글래스를 통해 얼굴을 포착하고, 나중에 해당 얼굴을 인식했을 때 착용자에게 알림을 보내도록 설계되었습니다.

중요한 뉘앙스는 아직 아무것도 실행되고 있지 않다는 점입니다. 해당 기능은 활성화되지 않았으며, 어떠한 생체 데이터도 Meta의 서버로 전송되지 않고 있습니다. 하지만 보고된 내부 메모에 따르면

실행 지침: 메모리 요약(memory summary)을 열고 캐시(cache)를 정리하듯 불필요한 내용을 삭제(prune)하세요. 어시스턴트(assistant) 기능을 출시한다면, 최근 OpenAI가 수행한 방식과 동일하게 사용자가 메모리를 검사하고 편집할 수 있도록 만드세요.

3. MiniMax M3 — 프론티어(frontier) 모델에 도전하는 오픈 웨이트 (open-weight) 모델

MiniMax는 MSA 희소 주의 집중(MSA sparse attention)을 통해 1M 토큰의 컨텍스트(context)를 지원하고, 네이티브 멀티모달(multimodal) 입력 및 컴퓨터 사용(computer use) 기능이 탑재된 오픈 웨이트 모델인 M3를 출시했습니다. 이 모델은 SWE-Bench Pro에서 59.0점을 기록하며 GPT-5.5와 Gemini 3.1 Pro를 능가하고 Opus 4.7에 근접하는 성능을 보여주었으며, 모델 가중치(weights)가 오픈 소스로 공개되고 있습니다.

빌더에게 중요한 이유: 직접 호스팅(self-host)할 수 있는 프론티어급 코딩 성능은 "토큰당 비용을 지불할 것인가, 아니면 자체 모델을 실행할 것인가?"라는 모든 결정의 계산 방식을 바꿉니다.

실행 지침: Ollama에서 M3를 가져와 현재 비용을 지불하며 사용 중인 코딩 모델과 동일한 평가 세트(eval set)로 테스트해 보세요. 느낌(vibes)에 의존해 전환하지 말고, 실제 작업(tasks)을 기준으로 전환하세요.

결론

얼굴, 메모리, 모델 — 이번 사이클에서 이 세 가지 모두 더 강력해졌고 더욱 "당신의 것"이 되었으며, 세 가지 모두 제어권(control)의 문제를 당신의 편으로 가져왔습니다. 내년에 승리할 팀은 가장 화려한 모델을 가진 팀이 아니라, 자신들의 도구가 무엇을 보관할 수 있는지 의도적으로 결정하는 팀입니다.

🎥 60초 영상 버전 (빌더를 위해 필터링된 일일 AI 뉴스):

빌더 중심의 일일 AI 노트를 확인하려면 @danio_dev를 팔로우하세요.