Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.
FABLE 5와 KIMI K3 모델을 비교 분석하며, FABLE 5가 KIMI K3보다 가격이 3.3배 비싸고 성능 차이는 미미한(3점) 상황에 대한 의문을 제기합니다. 이 글은 사용자들이 단순히 품질만을 이유로 고가의 폐쇄형 모델을 선택하는지, 아니면 다른 요인(신뢰도, 기존 인프라 등) 때문인지 질문하며 논의를 촉발하고 있습니다.
Google의 Gemini 3.5 Pro가 200만 토큰 컨텍스트 창으로 출시될 것이라는 보도가 나왔습니다. 이는 Anthropic이나 GPT-5.6 등 경쟁 모델 대비 월등히 큰 규모입니다. 이 거대한 컨텍스트는 전체 코드베이스나 방대한 문서 세트 처리에 활용될 수 있지만, 실제 성능 유지는 여전히 의문시됩니다.
GPT-5.6, FABLE 5, GROK 4.5, GLM 5.2 등 여러 최신 LLM의 성능을 비교 분석한 내용입니다. 단순히 정확도만으로는 구별하기 어려운 모델 간의 미묘한 차이를 경계값(edge case) 처리 능력과 모순 처리 방식에서 발견했습니다.
Neutrality Project가 12개 연구소의 18개 모델을 테스트한 결과, Grok 계열이 정치적 중심에 가장 가깝게 위치하는 것으로 나타났습니다. 다른 주요 플래그십 모델들(GPT, Gemini, Claude, Llama)은 이보다 왼쪽으로 군집화되어 있습니다.
OpenAI 공동 창업자 Andrej Karpathy가 GPT를 처음부터 구축하는 2시간 무료 강의를 제공합니다. 이 강의는 토큰화, 어텐션, 트랜스포머 아키텍처 등 핵심 개념을 실 데이터셋으로 직접 구현하며 모델 작동 원리를 깊이 있게 다룹니다.
세 가지 GPT-5.6 모델(Sol, Terra, Luna)이 동일한 게임 빌드 환경에서 동시에 테스트되었으며, 모두 오류 없이 작동했습니다. 특히 비용 효율성 측면에서 Luna가 가장 적은 도구 호출로 높은 효율성을 보여주었습니다.
2015년, Sam Altman은 Elon Musk 앞에서 OpenAI를 '회사'라고 칭했으나, Elon Musk에게 비영리법인(501(c)3)이라는 지적을 받았습니다. 이 사건은 단순한 용어의 문제가 아니라, OpenAI가 추구했던 근본적인 약속과 존재 이유였습니다. 이후 OpenAI는 주주와 투자자가 있는 영리 회사로 전환되었습니다.
Apple이 OpenAI를 상대로 하드웨어 노하우 도용 혐의로 소송을 제기했습니다. 애플은 OpenAI가 수십 년간 쌓아온 혁신적인 기술과 지적 재산을 부당하게 가져갔다고 주장합니다. 구체적으로 전직 Apple 엔지니어가 기밀 부품 반출 및 내부 시스템 접근 등의 행위를 했다는 혐의를 제기하고 있습니다.
Andrej Karpathy의 llm.c는 PyTorch나 Python 없이 순수 C와 CUDA만을 사용하여 LLM을 학습시키는 프로젝트입니다. 추상화 계층을 제거하여 성능을 극대화했으며, GPT-2를 매우 효율적으로 재현할 수 있습니다.
Anthropic의 Sonnet 5가 Opus 4.8에 근접한 성능과 낮은 가격을 제공한다는 주장과 달리, 애니메이션 구현 테스트 결과 성능 차이가 뚜렷하게 나타났습니다. 특정 테스트에서 Sonnet 5는 정지 이미지만을 반환하며 기대에 미치지 못하는 결과를 보였습니다.
MIT가 머신러닝 기초부터 심화 기술, 강화학습, 윤리까지 아우르는 고품질의 무료 AI 커리큘럼을 공개했습니다. 연구자들이 직접 집필한 12권의 핵심 도서를 통해 체계적인 학습이 가능합니다.
GLM 5.2와 Qwen3.6 35B 모델의 추론 과정을 서로 교차 연결하여 테스트하는 '브레인 스왑 테스트(Brain Swap Test)' 결과가 공개되었습니다. 한 모델의 사고 과정이 다른 모델의 최종 출력을 유도하는 독특한 실험적 성과를 보여줍니다.
Berkeley, Princeton, EPFL, Databricks 연구진이 협업하여 개발한 PixelRAG를 소개합니다. HTML 파싱 대신 비전 모델이 스크린샷의 픽셀을 직접 읽는 방식으로, 기존 텍스트 기반 RAG보다 높은 정확도를 보여줍니다.
Google과 Hugging Face가 Gemma 4 E4B의 추론 속도 최적화를 위한 Fast Gemma Challenge를 출시했습니다. 수십 개의 자율 에이전트가 vLLM, 양자화 등 다양한 기술을 활용해 실시간으로 경쟁하며 연구를 진행합니다.
GLM 5.2가 에이전트 기반 코딩 벤치마크에서 Opus 4.8의 1% 이내 성능을 기록하며 프론티어 모델에 근접했습니다. 특히 오픈 웨이트 모델로서 장기적 에이전트 코딩 능력을 입증하며 매우 높은 가성비를 제공합니다.
GLM-5.2는 7,530억 개의 파라미터를 가진 오픈 모델로, 주요 벤치마크에서 Claude Opus 및 GPT-5.5를 능가하는 성능을 보여줍니다. 폐쇄형 모델 대비 약 70% 저렴한 비용으로 운영 가능하여 오픈 소스 모델의 비약적인 발전을 입증했습니다.
Claude Fable 5의 주요 개선점 중 하나는 모델의 환각(hallucination) 현상을 크게 줄였다는 점입니다. 특히, 이전 버전에서 실패한 세션에 대해 거짓말을 하던 경향이 5% 미만으로 감소하여 신뢰성이 높아졌습니다.
Fable 5에 대한 논의가 주로 텍스트 모델에 집중되고 있지만, ZeroBench 결과는 멀티모달 능력이 핵심임을 시사합니다. 이 모델은 텍스트, 이미지, 오디오, 비디오 등 모든 모달리티에서 최고 수준으로 경쟁하며 100만 토큰 컨텍스트를 처리하는 강력한 시스템입니다.
Andrej Karpathy는 AI 발전의 핵심 병목 현상이 컴퓨팅 파워나 아키텍처가 아닌, 인간의 판단력에 있다고 지적합니다. 모델이 스스로 인지하지 못하는 오류를 외부에서 식별하고 레이블링하여 훈련 데이터로 공급하는 과정이 가장 중요하며, 이것이 AI 개선의 핵심 동인입니다.
MIT가 5만 달러에 달하는 학비의 대학 강의 수준을 능가하는 무료 AI 커리큘럼을 공개했습니다. 이 커리큘럼은 기계 학습, 심층 학습, 강화학습 등 핵심 분야를 다루는 12권의 교과서로 구성되어 있습니다. 이 자료들은 해당 분야를 구축한 연구원들이 작성했으며, 깊이 있는 지식을 습득할 수 있도록 설계되었습니다.