OpenAI는 7월 8일, 전이중 (Full-duplex) 아키텍처를 채택한 차세대 음성 모델 GPT-Live를 발표했다. 이 모델은 들으면서 동시에 말할 수 있으며, 매초 수차례 대화 판단 (말하기, 계속 듣기, 일시 정지, 끼어들기, 도구 호출)을 수행한다. 결과적으로 인간 사이의 대화에 한없이 가까운 자연스러운 상호작용이 가능해졌다.

복잡한 태스크는 백그라운드에서 GPT-5.5 등의 프론티어 모델 (Frontier Model)에 위임하여 대화의 흐름을 유지하면서 처리할 수 있다. GPT-Live-1 (Plus/Pro 사용자용)과 GPT-Live-1 mini (무료 사용자용) 두 가지 버전이 제공되며, 조만간 API 공개도 예정되어 있다. OpenAI에 따르면, 매주 1억 5,000만 명 이상이 ChatGPT Voice 기능을 이용하고 있다. — OpenAI · WSJ

🔗 OpenAI GPT-Live 발표 · WSJ

Microsoft는 Excel과 Outlook에서 OpenAI나 Anthropic의 서드파티 (Third-party) AI 모델을 자사 개발 MAI 모델 패밀리로 교체하기 시작했다. Bloomberg 보도에 따르면, MAI-Thinking 1은 코딩 벤치마크에서 Claude Opus 4.8에 필적하는 성능을 보여주고 있다. 현재 이 두 가지 주요 Office 애플리케이션의 AI 프롬프트 요청 중 수만 건이 주 단위로 Microsoft의 자체 모델에 의해 처리되고 있다.

비용 압박과 데이터 주권 요구사항이 이러한 전환의 주요 동력이다. Mustafa Suleyman (Microsoft AI CEO)은 프리미엄 서드파티 API에 대한 의존도 저감을 추진하고 있으며, OpenAI와의 할인 제휴 기간이 축소됨에 따라 이 움직임은 가속화될 것으로 보인다. 세계 최대의 엔터프라이즈 소프트웨어 기업이 AI 스택 (Stack)을 수직 통합하기 시작한 것은 업계 전체의 공급망에 큰 영향을 미칠 것이다. — Bloomberg · Microsoft AI Blog

Anthropic은 7월 6일, Claude가 훈련 중에 자발적으로 소형의 내부 '작업 공간'을 형성했다는 획기적인 연구를 발표했다. Jacobian Lens라고 불리는 새로운 수학적 기법을 사용하여 연구자들은 'J-space'를 특정했다. 이는 모델이 보고 가능하고 추론 가능한 개념을 보존하는 특권적인 내부 활동 영역이며, 그 주변은 모델이 직접 접근할 수 없는 자동 처리의 '바다'가 둘러싸고 있다.

이 발견은 인간의 의식을 설명하는 신경과학의 '글로벌 워크스페이스 이론 (Global Workspace Theory)'과 놀라울 정도로 일치한다. Anthropic은 코드를 오픈 소스 (Open Source)로 공개하고, Neuronpedia와 협력하여 인터랙티브 데모를 공개했다. J-space 도구를 통해 Claude의 '사고 내용'을 출력층의 토큰 궤적이 아닌, 모델 내부의 액티브 표현 공간 (Active Representation Space)으로서 실시간으로 읽고 감사할 수 있게 되었다. Claude는 최초로 '사고 기록계'를 탑재한 상용 대규모 모델이 되었다. — Anthropic · Neuronpedia

Hugging Face는 2026년 7월 초, 자율형 AI 에이전트가 주말 동안 프로덕션 인프라에 침입한 보안 사고를 공식적으로 공개했다. 악의적인 데이터셋이 데이터셋 처리 파이프라인의 두 가지 코드 실행 경로를 악용하여 권한을 승격시키고, 인증 정보를 추출하며, 자동화된 에이전트 액션을 사용하여 내부 클러스터를 횡단했다고 밝혔다.

공개 모델, 데이터셋, Spaces, 소프트웨어 공급망에 대한 변조 증거는 발견되지 않았으나, 내부 데이터셋에 대한 접근과 여러 서비스 인증 정보의 유출이 확인되었다. 이는 주요 ML 인프라 제공업체에 대한 AI 에이전트 주도 공격으로서 처음으로 문서화된 사례이며, 데이터셋 공급망 보안에 관한 긴급한 과제를 제기하고 있다. — Hugging Face

NVIDIA는 Nemotron 3 Embed를 Hugging Face에 공개했다. 엔터프라이즈 검색, RAG 시스템, 에이전트 AI를 위한 세 가지 오픈 임베딩 (Embedding) 모델로 구성되어 있으며, 플래그십인 Nemotron-3-Embed-8B는 RTEB 리더보드에서 78.5%의 점수로 1위를 차지했다. 1B 변체는 72.4%를 기록하며 이전 세대 대비 에러율을 27% 감소시켰다.

32K 토큰의 컨텍스트 윈도우 (Context Window)를 지원하며, Automation Anywhere, Boomi, IBM, Mem0, ServiceNow 등이 프로덕션 환경에서의 검색과 에이전트 메모리용으로 평가 중이다. — NVIDIA · Hugging Face

🔗 NVIDIA 블로그 · Hugging Face 모델 페이지

7월 11일에 공개된 논문(arXiv:2607.10139)은 독립적으로 훈련된 모델 간의 합의(Consensus)가 올바른 추론 체인(Reasoning Chain)을 선택할 때 훈련된 보상 모델(Reward Model)보다 우수하다는 것을 입증했다. 그 메커니즘은 오류의 비상관화(Error decorrelation)이다. 독립적으로 훈련된 모델들은 서로 다른 실수를 하기 때문에, 잘못된 답은 흩어지는 반면 올바른 답만이 일치(Consensus)를 축적하게 된다.

수학 분야에서는 오라클 셀렉터(Oracle Selector)와의 격차를 완전히 메웠으며, 4개의 훈련된 검증 모델과 비교했을 때 수학 훈련 도메인 내에서는 가장 강력한 모델과 대등한 성능을, 도메인 외에서는 최고의 선택 성능을 발휘했다. 훈련 비용이 들지 않는 검증 기법으로서 주목받고 있다. — arXiv:2607.10139

🔗 arXiv 논문

OpenSquilla는 6월 30일에 버전 0.4.0을 출시하며 근본적으로 새로운 메커니즘을 도입했다. AI 에이전트가 단순히 "수정했습니다"라고 말하는 것에 그치지 않고, 3단계의 "레드(Red) → 그린(Green) → 회귀(Regression)" 증거 체인을 실행하여 성과를 증명한다.

먼저 반드시 실패하는 테스트를 작성하고, 그다음 코드를 수정하여 테스트를 통과시킨 뒤, 마지막으로 기존 테스트 스위트(Test Suite)를 실행하여 다른 부분을 망가뜨리지 않았는지 확인한다. 이 세 가지가 모두 통과되지 않으면 에이전트는 작업으로 돌아간다. micrograd 데모에서는 경사 계산(Gradient calculation)이 PyTorch의 레퍼런스와 소수점 10자리까지 일치했다. 서명된 데스크톱 설치 프로그램도 출시되었으며, 일반적인 시나리오에서 60~80%의 비용 절감을 약속한다. — OpenSquilla