Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
ZennAI 번역헤드라인
Claude Opus 5 요점 정리: 요금 동결 및 상위 모델의 절반 가격, 5단계 effort 설정, 이전 시 400 에러 주의
Anthropic이 새로운 모델 Claude Opus 5를 공개했습니다. 이전 세대와 동일한 가격을 유지하면서도 성능은 대폭 향상되었으며, 지능과 비용을 조절할 수 있는 5단계 effort 설정이 도입되었습니다.
7월 27일1
ZennAI 번역헤드라인
스케일링 법칙(Scaling Laws)은 아직 유효한가 — LLM의 성장 잠재력을 수험 공부에 비유하여 이해하기
LLM의 성능을 결정하는 스케일링 법칙(Scaling Laws)의 원리와 자원 간의 관계를 설명합니다. 파라미터, 데이터량, 계산량의 균형이 중요하며, 향후 데이터 고갈과 물리적 인프라 한계라는 두 가지 주요 벽에 직면해 있음을 분석합니다.
7월 27일1
ZennAI 번역헤드라인
KAME를 오픈 모델로 구동하여 MT-Bench로 벤치마크 평가 수행
Sakana AI의 음성 대화 모델 KAME를 오픈 모델로 구동할 수 있도록 개조하고, MT-Bench를 통해 벤치마크 성능을 평가한 연구 결과입니다. STS 모델의 저지연성과 LLM의 고지능을 결합한 하이브리드 구조를 분석하고, 툴 콜(Tool Call)을 통한 실시간 정보 처리 가능성을 시험했습니다.
7월 27일0
ZennAI 번역헤드라인
중국발 세계 최대 규모의 오픈 모델 「Kimi K3」 철저 해설
Moonshot AI가 2.8조 파라미터 규모의 차세대 오픈 웨이트 모델인 Kimi K3를 발표했습니다. 초희소 MoE 구조와 독자적인 KDA 어텐션 메커니즘을 통해 대규모 컨텍스트 처리 효율을 극대화한 것이 특징입니다.
7월 27일2
ZennAI 번역헤드라인
SDGs 에세이 대상, 30개 작품의 구조를 AI로 분석하다
SDGs 에세이 수상작 30편을 벡터 임베딩 기술을 활용해 분석하여 일관된 이야기 구조를 도출했습니다. AI의 벡터 검색을 통해 키워드 일치 여부와 상관없이 의미적 유사성을 파악하고, 수상작의 패턴과 모범 답안의 차이를 규명했습니다.
7월 26일1
ZennAI 번역헤드라인
인지 기능 × 실행 토폴로지 —— AI 에이전트 설계 패턴의 이축 프레임워크
AI 에이전트 설계 패턴을 인지 기능(Cognitive Function)과 실행 토폴로지(Execution Topology)라는 두 축으로 분류하는 새로운 이축 프레임워크를 제안하는 논문을 소개합니다. 기존의 단일 축 중심 가이드들을 보완하여 에이전트의 동작 원리와 구조를 체계적으로 분석합니다.
7월 26일1
ZennAI 번역헤드라인
AI에게 몇 번이나 수정을 요구했는지 측정하는 대화형 벤치마크 SWE-Together
AI 에이전트의 코딩 능력을 평가할 때 최종 결과물뿐만 아니라 대화 과정에서의 수정 횟수를 측정하는 새로운 벤치마크 SWE-Together를 소개합니다. 사용자의 개입 정도를 수치화한 'User Correction' 지표를 통해 에이전트의 실질적인 효율성을 평가합니다.
7월 25일1
ZennAI 번역헤드라인
「Fable 5의 지능을 반값으로」 Claude Opus 5를 동일한 47만 행의 유적에서 발굴하여 확인하기
Anthropic이 출시한 Claude Opus 5의 성능과 비용 효율성을 기존 벤치마크 데이터(Mifos 유적)를 통해 검증합니다. Fable 5 대비 절반 가격임에도 디버깅과 근본 원인 분석 능력이 향상되었음을 실측합니다.
7월 25일1
ZennAI 번역헤드라인
Microsoft 공식 논문이 보여주는 M365 Copilot 정착의 열쇠는 연수가 아니라 조직 네트워크를 통한 정착의 과학
Microsoft Research의 논문을 통해 GitHub Copilot CLI와 Claude Code의 실제 도입 사례를 분석합니다. AI 도구의 확산은 교육보다 동료 간의 사회적 네트워크를 통해 이루어지며, 업무 활동량이 높은 사용자일수록 정착률이 높다는 점을 밝혀냈습니다.
7월 25일0
ZennAI 번역헤드라인
태스크별 LLM 비교에서 '주력 모델'이 바뀌는 이유: 평가 축의 직교성 관점에서
태스크마다 최적화해야 할 평가 축이 다르며, 각 축 간의 상관관계가 낮아(직교성) 단일 모델을 모든 태스크의 주력으로 고정할 수 없음을 설명합니다. 특정 태스크의 평가 결과를 다른 태스크로 외삽하는 오류를 지적하며, 태스크와 평가 축의 조합별 재평가의 필요성을 강조합니다.
7월 25일1
ZennAI 번역헤드라인
오픈소스 LLM 랭킹 2026｜2.8조 파라미터 시대의 선택 방법
2026년 7월, Thinking Machines Lab의 Inkling과 Moonshot AI의 2.8조 파라미터급 Kimi K3가 연달아 공개되며 오픈 웨이트 모델의 급격한 성장을 보여줍니다. 오픈 웨이트 모델이 프론티어 모델과의 격차를 좁히며 실질적인 경쟁력을 갖추게 된 현황을 분석합니다.
7월 24일4
ZennAI 번역헤드라인
GPT-5.5 등장 — Terminal-Bench 2.0에서 82.7%, 에이전트 특화 모델의 실체
OpenAI가 에이전트형 코딩과 컴퓨터 조작에 특화된 GPT-5.5를 발표했습니다. Terminal-Bench 2.0에서 82.7%의 높은 성적을 기록했으며, 도구 사용 능력을 극대화한 설계가 특징입니다.
7월 24일3
ZennAI 번역헤드라인
왜 Transformer를 뛰어넘는 아키텍처는 보급되지 않는가? Mamba와 TTT를 통해 본 「이론치 ≠ 실효치」라는 현실
Transformer를 대체할 Mamba, TTT 등 차세대 아키텍처가 등장했음에도 보급되지 않는 이유를 분석합니다. 이론적 효율성보다 하드웨어, 커널, 프레임워크 등 시스템 전체의 실효성이 중요함을 강조합니다.
7월 23일1
ZennAI 번역헤드라인
DeepSeek V4 Pro/Flash의 차이점과 사용법 | 요금 및 활용 방법
중국에서 개발한 오픈 웨이트 LLM인 DeepSeek V4의 Pro 및 Flash 모델의 차이점과 특징을 분석합니다. 1M 토큰의 긴 문맥 창과 저렴한 API 비용, MIT 라이선스 제공이 주요 특징입니다.
7월 23일1
ZennAI 번역헤드라인
MiniMax M2.7 입문 — 자기 진화형 AI가 SWE-Pro 56%를 달성하는 MoE 코딩 에이전트
MiniMax가 자기 진화형 MoE 모델인 M2.7을 오픈 웨이트로 공개했습니다. 이 모델은 100라운드 이상의 자율 최적화 루프를 통해 코딩 성능을 30% 향상시켰으며, SWE-Pro 벤치마크에서 56.22%를 기록하며 GPT-5.3-Codex에 육박하는 성능을 보여줍니다.
7월 23일10
ZennAI 번역헤드라인
Claude가 입 밖으로 내뱉기 전의 사고를 읽는 Anthropic의 J-lens
Anthropic이 모델의 내부 활성화 상태에서 언어적 개념을 직접 추출하는 'J-lens' 연구를 공개했습니다. 이는 텍스트로 출력되기 전 모델의 내부 사고 과정을 읽어내는 기술로, 모델의 내부 처리가 언어적 표현 공간(J-space)과 어떻게 상호작용하는지 규명합니다.
7월 23일1
ZennAI 번역헤드라인
가드레일이 막는 것은 공격자보다 방어측이다 — 오픈 모델의 두 번째 우위
상용 프론티어 모델의 가드레일이 보안 분석과 같은 방어적 의도까지 차단하는 문제를 다룹니다. 검열되지 않는 오픈 모델이 보안 연구 및 방어 측면에서 실용적인 대안(Fallback)이 될 수 있음을 강조합니다.
7월 22일1
ZennAI 번역헤드라인
「깊게 생각해」라는 지시가 AI에게 통하지 않는 이유
OpenAI가 공개한 수학 문제 해결 프롬프트를 분석하여, AI에게 '깊게 생각하라'는 지시가 효과적이지 않은 이유를 고찰합니다. 인간은 문제 정의, 정답 기준, 도구 후보, 탐색 운용을 설계하고, 구체적인 풀이 경로를 찾는 과정은 AI에게 맡기는 구조를 설명합니다.
7월 22일1
ZennAI 번역헤드라인
Gemini 3.6 Flash는 GPT·Claude와 어떤 영역에서 경쟁하고 있는가
Gemini 3.6 Flash는 최상위 성능 경쟁보다는 기업용 실무 모델로서의 밸런스에 집중합니다. 낮은 비용, 빠른 속도, 긴 컨텍스트 및 Google 생태계와의 통합을 통해 기업의 업무 흐름을 연결하는 전략을 취하고 있습니다.
7월 22일1
ZennAI 번역헤드라인
AI는 화이트칼라의 업무를 빼앗을까? GDPval이 측정한 44개 직종
OpenAI가 개발한 GDPval은 AI가 실제 경제적 가치가 있는 실무 성과물(Deliverable)을 얼마나 잘 수행하는지 측정하는 새로운 벤치마크입니다. 9개 업종 44개 직종을 대상으로 전문가가 직접 AI와 인간의 결과물을 비교 평가합니다.
7월 21일4