Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
XAI 번역요약
속보: Elon Musk, Grok 4.5가 SpaceX와 Tesla에서 프라이빗 베타 단계에 진입했다고 발표, 초기 평가 결과 성능이
Elon Musk가 Grok 4.5의 프라이빗 베타 시작을 발표했습니다. 1.5조 개의 파라미터를 가진 V9 모델을 기반으로 하며, Anthropic의 Claude Opus와 대등하거나 능가하는 성능을 목표로 합니다.
6월 28일1
XAI 번역요약
중국이 OpenAI와 Anthropic의 최고 폐쇄형 모델에 필적하는 오픈 소스 AI 모델을 출시했습니다. Gavin Baker는 그 방법이
중국 Z. AI가 OpenAI와 Anthropic의 폐쇄형 모델에 필적하는 오픈 소스 모델 GLM 5.2를 출시했습니다. 이 모델은 지식 증류(distillation) 기술을 통해 높은 성능을 확보했으며, 자체 강화학습이 가능한 수준에 도달하여 기술 격차를 빠르게 좁히고 있습니다.
6월 28일1
XAI 번역요약
AI가 수행할 수 있는 가장 큰 소프트웨어 엔지니어링 작업은 무엇인가?
AI가 자율적으로 수행할 수 있는 소프트웨어 엔지니어링 작업의 범위를 측정하기 위해 MirrorCode 벤치마크를 구축했습니다. 이 벤치마크는 AI가 며칠 동안 장기적으로 코딩할 수 있는 능력을 평가하며, 최상위 모델들은 인간 엔지니어가 몇 주간 걸릴 작업을 완료하는 성과를 보였습니다.
6월 27일1
XAI 번역요약
“Anthropic 외에 Constitutional AI를 제품화하는 유일한 팀은 우리입니다”
Trishool AI가 Anthropic의 Constitutional AI 방식을 제품화하며, Alibaba Qwen의 가드 모델보다 훨씬 작은 0.8B 규모의 SOTA급 가드 모델을 개발 중임을 밝혔습니다. Bittensor 채굴자들의 탈옥 시도를 통해 모델의 견고함을 강화하는 연구를 진행하고 있습니다.
6월 27일1
XAI 번역요약
팔로우할 만한 몇몇 AI 평가 (evals) 연구소 및 빌더들:
AI 모델의 성능, 안전성, 일반화 능력을 측정하기 위해 주목해야 할 주요 연구소와 빌더들을 소개합니다. 프런티어 모델의 위험성 테스트부터 에이전트의 보안 및 엔터프라이즈 환경을 위한 평가 도구까지 다양한 사례를 다룹니다.
6월 26일1
XAI 번역요약
속보: OpenAI의 새로운 GPT-5.5-Cyber, CyberGym에서 Mythos 5를 능가하는 점수 기록
OpenAI의 새로운 모델인 GPT-5.5-Cyber가 소프트웨어 취약점 재현 능력을 평가하는 CyberGym 벤치마크에서 Mythos 5를 능가하는 성적을 거두었습니다.
6월 24일1
XAI 번역요약
외계 생명체를 찾기 위한 AI의 탐색이 이제 막 시작되었습니다.
Oxford와 Cambridge 연구진이 외계 행성의 대기 데이터를 분석하여 생명체 존재 가능성을 탐색하기 위한 새로운 벤치마크 데이터셋인 ThousandWorlds를 공개했습니다. 이 데이터셋은 다양한 기후 모델과 시뮬레이션을 포함하여 외계 행성의 대기 변수를 에뮬레이션합니다.
6월 24일0
XAI 번역요약
ViralBench 소개: 모델의 바이럴(Viral) 능력을 테스트하는 최초의 AI 벤치마크
AI 모델의 소셜 미디어 바이럴 능력을 측정하는 최초의 벤치마크인 ViralBench를 소개합니다. GPT, Opus, Kimi 등의 모델이 인간의 개입 없이 TikTok 콘텐츠를 생성하고 조회수를 확보하는 과정을 실험합니다.
6월 24일1
XAI 번역요약
Sakana 논문을 읽으며 던진 질문: '왜 Fable 5, Mythos 또는 GPT-5.5를 직접 사용하지 않을까?'
Sakana 논문을 통해 복잡한 업무 수행을 위한 모델 오케스트레이션의 필요성을 분석합니다. 단일 모델 사용 대신 에이전트 호출, 검증, 경로 최적화를 수행하는 API 방식의 효율성과 벤치마크 성능을 다룹니다.
6월 22일1
XAI 번역요약
이것은 또 다른 AI 슬롭(slop) 모델이 아닙니다. 무시하지 마세요.
GLM 5.2는 기존 오픈 모델들과 달리 Anthropic의 Opus 4.6과 대등한 성능을 보여주는 혁신적인 공개 오픈 모델입니다. 높은 하드웨어 비용이 수반되지만, 기업들에게 기존 폐쇄형 모델을 대체할 수 있는 강력한 파괴적 혁신을 제공합니다.
6월 21일1
XAI 번역요약
AI 기반 의료 기록 검토 플랫폼 Wisedocs, 새로운 장문 문맥 평가 도구인 Medical Long Context Reasoning
Wisedocs가 의료 데이터 처리를 위한 새로운 장문 문맥 평가 도구인 Medical Long Context Reasoning(MLCR)을 출시했습니다. 이 벤치마크는 긴 문맥에서도 모델이 의료 및 보험 사례를 정확히 추론하고 환각을 방지하는지 테스트합니다.
6월 19일3
XAI 번역요약
LifeSciBench 소개: AI가 실제 생명 과학 연구를 얼마나 잘 지원하는지 측정하고 개선하기 위한 벤치마크
AI가 실제 생명 과학 연구를 지원하는 능력을 측정하기 위한 새로운 벤치마크인 LifeSciBench를 소개합니다. 173명의 전문가와 협력하여 7개의 워크플로우와 750개의 태스크를 구축했습니다.
6월 18일0
XAI 번역요약
Vals AI에서 @harvey의 법률 에이전트 벤치마크(Legal Agent Benchmark) 실시간 리더보드를 공개합니다.
Vals AI가 @harvey의 법률 에이전트 벤치마크(Legal Agent Benchmark) 실시간 리더보드를 공개했습니다. 이 벤치마크는 비공개 테스트 세트를 사용하여 에이전트가 실제 법률 업무 환경에서 도구를 활용해 결과물을 생성하는 능력을 평가합니다.
6월 18일1
XAI 번역요약
Artificial Analysis Intelligence Index v4.1 발표: 에이전트 중심 워크로드(agentic
Artificial Analysis가 에이전트 중심 워크로드에 최적화된 Intelligence Index v4.1을 발표했습니다. 벤치마크 항목을 업그레이드하고 작업당 비용, 시간, 토큰 등 새로운 지표를 도입하여 모델의 실질적인 성능을 평가합니다.
6월 16일1
XAI 번역요약
Zhipu @Zai_org의 GLM-5.2 출시: GLM-5.1 이후 글로벌 프런티어를 진지하게 위협할 첫 번째 중국 코딩 모델
Zhipu가 출시한 GLM-5.2는 글로벌 프런티어 모델과 대등한 성능을 보이는 중국의 첫 번째 코딩 특화 모델입니다. 벤치마크에서 Opus 4.8과 유사한 통과율을 기록하며, 효율적인 토큰 사용량과 강력한 컨텍스트 유지 능력을 입증했습니다.
6월 15일0
XAI 번역요약
SOTA 모델의 진화 양상: 사용 제한 및 투명성 감소에 대한 우려와 오픈 모델/로컬 추론의 중요성
SOTA 모델들이 사용 제한적이고 투명성이 낮아지며 개인정보 보호 문제까지 발생하고 있습니다. 이에 따라 모델의 투명성과 보안을 확보할 수 있는 오픈 모델 및 로컬 추론의 중요성이 강조되고 있습니다.
6월 14일1
XAI 번역요약
새로운 프리프린트(Preprint) 공개!
과학적 질문에 대한 증거 합성 능력을 평가하는 새로운 벤치마크 SciConBench를 소개합니다. 최첨단 AI 에이전트들이 단순 검색을 넘어 복잡한 과학적 결론을 도출하는 데 여전히 한계가 있음을 보여줍니다.
6월 14일1
XAI 번역요약
대부분의 AI 모델은 질문에 답하지만, Qwen3.7-Plus는 업무 완수를 돕는 느낌입니다
Alibaba Cloud의 최신 멀티모달 모델인 Qwen3.7-Plus는 단순 답변을 넘어 실행 능력이 뛰어납니다. 이미지를 컨텍스트로 처리하며, 최대 1M 토큰의 컨텍스트 윈도우를 지원하여 긴 문서와 코드베이스 작업에 최적화되어 있습니다.
6월 14일1
XAI 번역요약
Anthropic의 Claude Fable 5 및 Claude Mythos 5 출시가 시사하는 바
Anthropic이 새로운 프론티어 모델인 Claude Fable 5와 Mythos 5를 출시했습니다. 이번 출시는 단순한 성능 향상을 넘어, 일반 사용자용인 Fable 5와 특정 고위험 분야 전문가용인 Mythos 5로 모델 접근성을 이원화하여 배포하는 새로운 전략을 보여줍니다.
6월 14일1
XAI 번역요약
최신 AI 에이전트의 '직무 수행 가능성'에 대한 검증, Agents' Last Exam (ALE) 공개
최신 AI 에이전트의 실제 직무 수행 능력을 검증하기 위해 'Agents' Last Exam (ALE)'이라는 새로운 벤치마크가 공개되었습니다. ALE는 55개 직업에 걸쳐 1,500개 이상의 과제로 구성되어 최첨단 모델들을 평가했습니다. 결과적으로, 현재 에이전트들은 일부 작업을 수행할 수 있으나, 지속적인 추론이나 깊은 도메인 전문 지식이 필요한 어려운 작업에서는 인간 수준의 성능과는 거리가 멀다는 것이 밝혀졌습니다.
6월 14일1