OpenAI는 7월 31일 블로그를 통해 자사 모델의 활성 사용자(Active User)가 10억 명, 기업 사용자(Enterprise User)가 200만 개사를 넘어섰다고 발표했다. ChatGPT 등장 이후 채 4년이 되지 않아 달성한 수치다. 주목할 점은 이용의 깊이를 나타내는 수치로, 등록 후 약 6주 만에 일일 메시지 수는 약 50% 증가했으며, ChatGPT로 수행하는 업무의 종류는 약 2배가 되었다. "유용한 지능의 비용이 낮아지면, 할 가치가 있는 일은 늘어난다"라고 동사는 기술했다.

그 말을 뒷받침하는 가격 인하가 며칠 전 발표되었다. GPT-5.6 Luna는 80% 할인된 가격으로 입력 100만 토큰당 0.20달러, 출력 1.20달러이며, Terra는 20% 할인된 2달러/12달러, Sol은 기존 가격을 유지한다. Sol의 내부 운영에서는 엔드 투 엔드(End-to-End) 전달 비용이 20% 절감되었고, 토큰 생성 효율은 15% 이상 향상되었다. 컨텍스트 관리(Context Management)와 추론 유지의 개선을 통해, Sol의 ARC-AGI-3 점수는 13.3%에서 38.3%로 상승했으며, 이는 6분의 1의 출력 토큰만으로 달성한 결과라고 한다.

기억해야 할 숫자는 이것이다. OpenAI 주간 출력 토큰의 99.8%는 Codex에 의한 에이전트(Agent) 작업이 차지한다. 동사는 이제 더 이상 챗봇 기업이 아니라 에이전트 기업으로 스스로를 정의하고 있으며, 10억 사용자라는 숫자는 IPO를 향한 성장 스토리의 토대이 된다.

— OpenAI · TechRepublic

🔗 OpenAI — Building Abundant Intelligence · TechRepublic

Google DeepMind는 7월 30일, Gemini Robotics 2를 발표했다. "모든 로봇을 움직이는 인텔리전스 계층"으로 자리매김하는 모델군이다. 초대 모델로부터의 가장 큰 변화는 전신 제어(Full-body Control)로, VLA(시각-언어-행동) 모델이 상반신 중심이었던 기존 방식에서 벗어나 발가락부터 손가락 끝까지의 전신 동작을 통합한다. Apptronik의 Apollo 2 휴머노이드 로봇에서는 보행, 쪼그려 앉기, 선반에서 물체 꺼내기, 멀티 스텝 태스크(Multi-step Task)의 실시간 추론까지 시연되었다.

두 개의 형제 모델이 범위를 확장한다. Gemini Robotics ER 2는 구체화 추론(Embodied Reasoning) 모델로, 비디오를 보면서 계획을 세우고 수 분에 걸친 태스크에서 수백 번의 판단을 내린다. 진행 상황 추적, 에러 발생 후 마지막 올바른 단계부터 재개, 여러 로봇으로의 태스크 분할, Google 검색 등 도구 호출(Tool Calling)을 통한 모호한 지시 해결 등이 가능하다. Gemini Robotics On-Device 2는 로봇 위에서 로컬로 동작하며, 200개 미만의 샘플과 수 시간의 추가 학습만으로 새로운 양팔 플랫폼에 적응할 수 있다고 한다. 안전 측면에서는 ASIMOV-Agentic 벤치마크가 신설되어, 위험한 지시 거부 및 불명확할 때 인간에게 문의하는 능력을 평가한다. ER 2는 주변 인간을 감지하여 접근 시 안전 정지를 발동할 수 있다.

발표된 수치는 전신 기민함(Full-body Dexterity)의 현주소를 솔직하게 보여준다. 물체 들어 올리기 성공률은 테이블 68.4%, 바닥 45.7%, 선반 76.3%이다. 22자유도(DoF)의 5지 로봇 핸드는 전구 제거는 92%이지만, 장착은 36%에 불과하다. DeepMind는 "인간 수준의 기민함이 다음 목표"라고 솔직하게 밝히고 있다. 방향성은 명확하다. 로봇 제조사는 태스크별 전용 컨트롤러의 집합체에서 범용적인 "하나의 두뇌"로 수렴하고 있다.

— Google DeepMind · 澎湃新聞

🔗 Google DeepMind — Gemini Robotics 2 · 澎湃新聞報道

NVIDIA는 8월 3일, NemotronLabs VoiceChat을 공개했다. 110억 파라미터(Parameter) 규모의 음성 모델로, Hugging Face에서 오픈 웨이트(Open Weights)로 제공된다. 대화 중에 도구 호출을 할 수 있는 최초의 오픈 전이중(Full-Duplex) 모델이다. 전이중이란 들으면서 동시에 말할 수 있는 것을 의미하며, 웨이크 워드(Wake word)가 필요 없고 대화 도중에 끼어들 수 있다. 기존의 ASR(음성 인식) → LLM(대규모 언어 모델) → TTS(음성 합성) 릴레이를 단일 스트리밍 네트워크로 통합하였으며, Fast Conformer 음성 인코더가 Nemotron Nano v2 9B 백본(Backbone)에 입력되고, TTS 디코더가 음성을 생성하며, 도구 호출 스크립트는 별도의 채널로 출력된다.

숫자로 위치를 확인한다. 턴 테이킹(Turn-taking) 지연은 약 450ms, 끼어들기 처리(Interruption handling)는 약 480ms로, 오픈 전이중 모델인 VoiceBench에서 2위를 기록했다. 도구 호출 BFCL-v3에서는 평균 56.1%를 기록했으나, 세부 내역은 솔직한 편이다. 올바른 도구 선택은 82.5%, 인자(Argument)의 정확성은 44.2%, pass@1은 33%이다. NVIDIA는 세션당 최대 5개의 도구를 권장하며, 병렬 호출은 불안정하다고 주석을 달았다. 이는 1세대 오픈 프로토타입이며, 호스트형 음성 API의 대체재는 아니다.

전략적인 읽기가 중요하다. 폐쇄형(Closed) 실시간 음성 API만이 전이중(Full-Duplex) 대화와 에이전트적 도구 활용의 조합을 볼 수 있었던 곳이었다. 이제 vLLM(A100~B200)에서 구동되는 오픈 소스 참조 구현이 존재하며, 연구자들은 자유롭게 검증할 수 있다. 다만 라이선스는 OpenMDW v1.1로 연구 용도로 제한된다. 즉, 제품화할 수 있는 스택이 아니라 학습을 위한 설계도로 취급해야 한다.

— NVIDIA · Artificial Analysis

🔗 NVIDIA — NemotronLabs VoiceChat 11B (Hugging Face) · Artificial Analysis

OpenAI는 8월 3일, Apple의 영업 비밀 소송에 대한 가장 상세한 반론을 공개했다. 제목은 거침이 없다: "Apple Is Getting This Wrong (Apple은 이것을 잘못 알고 있다)". Apple은 7월 10일, OpenAI의 하드웨어 책임자인 Tang Tan 등 전직 임원들이 기밀 정보를 소비재 하드웨어 사업으로 가져갔다고 제소했다. 현재 캘리포니아 북부 연방 지방 법원에서 계류 중이며, Apple은 가처분 명령을 신청한 상태다.

반론은 시계열적 모순을 지적한다. Apple은 2월에 OpenAI에 연락했으나 답변을 받지 못했다고 주장했다. 그러나 OpenAI가 공개한 이메일에 따르면, Apple 측 외부 변호사가 아시아계 성씨를 혼동하여 잘못된 상대에게 전송했으며, 이후 실수를 인정했다. OpenAI는 "그 후 5개월 동안 아무런 연락이 없었으며, 그대로 제소되었다"라고 말한다. 전직 엔지니어인 Chang Liu에 대해서는, 퇴사 후 Apple 직원이 프로젝트 파일 제공을 요청하며 연락해 온 iMessage 기록을 공개했다. 지속적인 액세스의 원인은 Apple 측이 iCloud 공유 권한을 정리하지 않은 관리 부실이며, 동사가 이를 "residual access (잔존 액세스)"라고 다시 명명한 것이라고 주장한다.

OpenAI는 가처분 신청을 "허위 정보에 기반한 것"이라며, "Apple의 영업 비밀을 소유하고 있지 않으며, 원하지도 않는다"라고 밝혔다. 실질적인 쟁점은 차세대 네이티브 AI 하드웨어의 주도권이다. Apple은 공급망의 방벽을 지켜야 하고, OpenAI는 자사 하드웨어 사업의 독립성을 보여줘야 한다. 법원은 아직 가처분 여부를 판단하지 않았다.

— OpenAI · MacObserver

🔗 OpenAI — Apple Is Getting This Wrong · MacObserver

AIoT 클라우드 대기업인 Tuya Smart(NYSE:TUYA)는 8월 3일, AI 네이티브 노코드(No-code) 개발 플랫폼인 "Tuya AI Coding"을 발표했다. 자연어로 요구 사항을 전달하면 UI와 인터랙션 로직뿐만 아니라 백엔드까지 일괄 생성된다. 데이터베이스, API 게이트웨이, 사용자 인증, 디바이스 관리를 자동 구축하며, 200개 이상의 국가 및 지역을 커버하는 Tuya 클라우드 기반에 연결된다.

차별화 요소는 하드웨어 계층이다. 많은 AI 앱 생성 도구들이 웹 페이지나 미니 앱 수준에 머무는 반면, Tuya 버전은 10만 개 이상의 SKU를 보유한 디바이스 생태계에 네이티브로 연결되므로, 생성된 앱이 실제 디바이스를 제어하고, 디바이스 통계를 읽으며, 시나리오를 실행할 수 있다. 대상은 의도적으로 비기술자—디자이너, 프로덕트 매니저, 창업자, 프리랜서, 학생—로 설정되었다. 개발 주기는 수개월에서 수분으로 단축되며, 기술적 장벽은 90% 낮아진다고 한다.

배경에는 시장 전체의 흐름이 있다. Gartner는 2026년 말까지 신규 엔터프라이즈 앱의 75%가 로우코드(Low-code)·노코드로 구축될 것이라고 예측한다. Tuya가 도박을 걸고 있는 지점은, AI 앱 생성이 프론트엔드를 범용화(Commoditize)한 후, "데모와 제품을 가르는 마지막 1마일"은 현실 세계와의 연결이며, 그것이 바로 IoT 기업이 이미 보유하고 있는 해자(Moat)라는 점이다.

— Tuya · 南方+報導

🔗 Tuya Developer — AI Coding Kit · Tuya AI Coding · 南方+報導

7월 31일 자 프리프린트(arXiv:2608.00181)는 벤치마크 표가 통상적으로 피하는 질문을 던진다. 장주기 도구 활용을 통해 에이전트를 훈련했을 때, 무언가 전이(Transfer)되는 것을 배우는가? 저자들은 오픈 웨이트(Open-weight) MoE 모델인 Qwen3.5-122B-A10B를 27개 카테고리, 363개의 MCP(Model Context Protocol) 태스크에 대해 SFT $
ightarrow$ RL의 2단계 파이프라인으로 사후 훈련(Post-training)했다. 중요한 점은 외부 벤치마크의 태스크와 채점기(Scorer)가 훈련에 포함되지 않았으며, 외부 점수가 보상(Reward)에 영향을 미치지 않았다는 것이다.

결과는 「학습」을 시사한다. greedy pass@1에서, 훈련된 모델은 5개의 외부 평가에서 베이스라인을 상회했다. Toolathlon +9.6pp, τ2-Bench +5.3pp, BFCL-V4 +3.5pp, SWE-Bench Pro +5.8pp, Terminal-Bench 2 +2.8pp. 특히 주목할 점은 SWE-Bench Pro로, 훈련 컬렉션에 소프트웨어 공학 태스크가 전혀 포함되지 않았음에도 불구하고 소프트웨어 공학 성능이 향상되었다는 것이다.

페어 궤적 분석(Pair trajectory analysis)은 오피스 워크플로우와 코드 모두에서 나타나는 4가지 행동 변화를 식별한다. 국소 목표의 더 신중한 형성, 목표 관련 작업 상태의 구축, 국소적 수리 중 상위 목표의 안정적 유지, 그리고 완료 검증이다. 요컨대, 멀티 툴 장주기 태스크에서의 RL(강화학습)은 에이전트가 「무엇을 아는가」가 아니라 「어떻게 일하는가」를 변화시키며, 그 일하는 방식은 훈련 영역을 넘어 전이된다. 이는 태스크 기억(Task memory)이라기보다 습관 형성(Habit formation)에 가깝다.

— arXiv

칭화대학교와 홍콩과학기술대학교 팀이 텍스트 지시에 따른 스트리밍 비디오 편집 프레임워크인 「LiveEdit」(arXiv:2606.26740)을 공개했다. ECCV 2026에 채택되었으며, 훈련 코드와 모델은 오픈 소스(Open source)로 제공된다. 대상은 라이브 스트리밍 효과, 화상 회의, 증강 현실(AR) 등 모든 영상을 기다린 후에 편집을 시작할 수 없는 실시간 시나리오다.

기술적인 난제는 비디오 확산 모델(Video diffusion model)이 양방향 시공간 어텐션(Spatiotemporal attention)에 의존한다는 점에 있다. 특정 프레임을 처리하려면 미래의 프레임이 필요하지만, 스트리밍에서는 현재와 과거만 볼 수 있다. 논문은 미래 프레임을 단순히 잘라내면 어텐션이 더 긴 이력으로 분산되어, 국소적 시사전 조건(Local temporal antecedent)이 깨지면서 플리커(Flicker)나 드리프트(Drift)가 발생함을 보여준다. LiveEdit는 인과적·청크 단위(Causal/Chunk-based)로 도착하는 영상을 처리하여, 비디오 청크당 4스텝으로 12.66 FPS의 스트리밍 편집을 실현한다. 편집 영역의 정확성과 미편집 영역의 일관성을 유지하며, 정적 백그라운드 토큰의 재계산을 피함으로써 실시간 추론의 주요 비용을 절감한다.

이 논문의 프레임워크는 기억해 둘 가치가 있다. 생성 비디오는 노이즈로부터 만들 수 있지만, 편집은 원래의 구조, 조명, 움직임을 보존해야 한다. 이러한 제약이야말로 스트리밍 편집이 스트리밍 생성과는 별개의 문제이며, 기존의 많은 「실시간」 도구들이 이름뿐이었던 이유다. 이번에는 오픈 소스로 공개되었으므로 직접 시도해 볼 수 있다.

— arXiv · 機器之心