Headline

• 
  Qwen3.8-Max - 2.4T MoE에 활성 95B, PaperBench에서 프런티어를 앞선 빌드 2026-08-04

  총 2.4조 파라미터 중 요청당 95B만 활성화하는 MoE. 코딩 SWE 계열에서는 프런티어에 밀리지만 논문 재현 벤치 PaperBench에서는 Sol과 Fable 5, Opus 4.8을 모두 앞섰습니다

• 
  MI355X가 B300보다 달러당 빠른 이유 - 2.8T Kimi K3를 한 노드에 올린다는 것 2026-08-03

  8×MI355X 구성에서 노드당 952 tok/s, 달러당 48 tok/s가 나왔습니다. B300은 33 tok/s/$입니다. 갈림길은 연산 성능이 아니라 288GB VRAM으로 2.8T 모델이 단일 노드에 들어갔다는 사실입니다.

• 
  Seedance 2.5 - 한 번에 30초, 레퍼런스 50개를 받는 오디오·비디오 합동 생성 2026-08-03

  이미지 30장, 영상 10개, 오디오 10개를 동시에 참조하고 타임스탬프 단위로 편집합니다. 30초를 단일 패스로 뽑은 뒤 다회 연장으로 수분 길이를 만듭니다. 벤치마크 수치는 공개되지 않았습니다.

• 
  AI 미학은 미적 선택이 아니라 추론 특성의 누출이다 2026-08-02

  AI 제품이 만든 시각 관습이 AI와 무관한 소프트웨어로 번지고 있습니다. 셔머 애니메이션과 스트리밍 텍스트, 초소형 아이콘이 어디서 왔고 무엇이 남을지 갈라 봅니다.

• 
  Gemini Robotics 2 - 상체 조작을 넘어 전신 지능으로 2026-08-02

  VLA와 임바디드 추론 VLM, 온디바이스 세 모델 구성으로 걷기와 웅크리기, 뻗기를 조작과 동시에 조율하는 전신 제어를 내놓았습니다. 새 로봇 몸체에는 200예제 미만으로 적응합니다.

• 
  qm - 조직 단위로 굴리는 멀티플레이어 에이전트 하네스 2026-08-02

  사람마다 방마다 메모리와 파일, 권한, 샌드박스를 따로 주고 공용 채널에서 협업시키는 헤드리스 코어입니다. Pi와 OpenCode, Codex, Claude Code를 하네스로 갈아끼웁니다.

• 
  유니콘은 논문을 쓰지 않는다 2026-08-01

  1998년부터 2025년까지 유니콘에 오른 AI 스타트업 317곳을 전수 조사했더니, 절반 이상이 주저자로 논문이나 프리프린트를 한 번도 낸 적이 없었습니다. 다 합쳐도 2025년 AI 문헌의 0.1%입니다.

• 
  DeepSeek-V4-Flash-0731 - 아키텍처를 그대로 두고 재학습만으로 자사 Pro를 앞선 빌드 2026-08-01

  파라미터 수와 아키텍처를 프리뷰와 동일하게 유지한 채 학습과 포스트트레이닝만 갈아끼워 Terminal-Bench 2.1을 61.8에서 82.7로, DeepSWE를 7.3에서 54.4로 끌어올린 빌드입니다.

• 
  Pacing the Frontier - AI를 만드는 1,100명이 정부에 감속 장치를 만들어 달라고 한 이유 2026-07-31

  프런티어 AI 기업 직원 1,100명 이상이 미국 정부에 국제 페이싱 메커니즘의 기술·거버넌스 인프라를 지어 달라고 요구했습니다. 즉시 중단이 아니라 나중에 필요해졌을 때 검증 가능하게 늦출 수 있는 도구를 지금 만들어 두라는 요구입니다.

• 
  Anthropic의 오픈웨이트 입장 2026-07-30

  오픈웨이트 모델을 금지하자고 한 적 없다는 선긋기와 함께 세 가지 요구가 따라옵니다. 대중국 칩 통제, 산업적 규모의 증류 단속, 개폐 무관 사전 안전성 시험 의무화입니다. 셋을 동시에 적용하면 오픈웨이트 생태계에 무슨 일이 생기는지 따져 봅니다.

• 
  Verbalizable Representations Form a Global Workspace in Language Models 2026-07-07

  Anthropic이 언어모델 내부에서 인간의 의식 접근(access consciousness)과 유사한 기능을 하는 신경 표상 집합을 발견했습니다. J-space라 이름 붙인 이 표상은 Claude가 무엇을 생각하고 있는지 겉으로 드러나지 않는 순간에도 읽어낼 수 있게 해주며, 안전성 모니터링에도 실제로 활용되고 있습니다.

• 
  Gated Attention for Large Language Models - Non-linearity, Sparsity, and Attention-Sink-Free 2026-06-15

  어텐션 출력 뒤에 헤드별 시그모이드 게이트 하나. PPL -0.2, MMLU +2점, 어텐션 싱크 소멸. NeurIPS 2025 Best Paper.

• 
  Open Knowledge Format - AI 에이전트를 위한 데이터 공유 표준 2026-06-14

  Google Cloud가 제안한 OKF는 AI 에이전트가 데이터를 이해할 수 있도록 마크다운과 YAML 프론트매터로 지식을 표현하는 개방형 표준입니다. CLAUDE.md와 옵시디언 볼트 같은 패턴의 데이터 카탈로그 버전입니다

• 
  MinerU2.5 - Document Parsing Vision-Language Model 2026-06-14

  1.2B 파라미터로 고해상도 문서의 정확한 파싱을 달성한 MinerU2.5의 2단계 분리 아키텍처와 데이터 엔진을 분석합니다.

• 
  Recursive Multi-Agent Systems 2026-04-30

  AI 에이전트 하나가 작업을 받습니다. 그 에이전트가 작업을 쪼갭니다. 쪼개진 작업들을 새로운 에이전트들에게 넘깁니다. 그 에이전트들도 또 쪼갭니다. AI가 AI를 낳는다. 재귀적 멀티에이전트 시스템이 무엇이고, AI의 불편한 미래는 어디로 향하는지 정리합니다.

• 
  Seedream 4.0 Toward Next-generation Multimodal Image Generation 2025-12-04

  벌써 4.5가 나온다구요? 두 달 정도밖에 안 지났습니다. 아직 4.5는 테크니컬 리포트가 없습니다. 대신 4.0 테크니컬 리포트를 가져왔습니다. 2K 해상도 이미지를 1.4~1.8초 만에 생성하며, T2I 생성과 이미지 편집 작업을 단일 모델에서 공동 학습합니다. 특히 복잡한 텍스트 렌더링, 다중 이미지 참조, 인컨텍스트 추론 생성 등 기존 모델들이 취약했던 영역에서 강점을 보입니다.

• 
  Depth Anything 3 Recovering the Visual Space from Any Views 2025-11-18

  또이트댄스입니다. Depth Anything 3는 한 장의 이미지든 여러 장의 영상이든, 카메라 포즈 정보가 있든 없든 상관없이 3D 기하 정보를 예측하는 모델입니다. 평범한 트랜스포머 하나와 단순한 깊이-광선(depth-ray) 표현으로 이전 최고 성능을 44% 능가하는 성능을 달성했으며, 모든 데이터를 공개 학술 데이터셋으로만 학습했습니다.

• 
  Why Language Models Hallucinate 2025-09-17

  언어 모델의 환각(Hallucination) 현상을 통계적 관점에서 분석한 논문을 요약합니다. 환각이 사전훈련의 필연적 결과이며, '모르겠다'를 처벌하는 현재의 평가 방식 때문에 사후훈련 후에도 지속되는 구조적 문제를 지적하고 해결책을 제시합니다.

• 
  DINOv3 2025-09-15

  Meta AI의 70억 파라미터 자기지도학습 모델 DINOv3 논문을 요약합니다. 라벨 없이 이미지 특징을 학습하는 이 모델의 거대한 아키텍처, 데이터 큐레이션 전략, 그리고 패치 일관성을 유지하는 혁신 기술 'Gram Anchoring'을 중심으로 설명합니다.

• 
  Prefix-Tuning Optimizing Continuous Prompts for Generation 2025-09-13

  Prefix-Tuning 논문을 요약하며, 대형 언어모델의 파라미터를 고정한 채 작은 연속적 프롬프트(prefix)만 최적화하는 효율적인 튜닝 방법을 설명합니다. 전체 파인튜닝 대비 적은 파라미터로 경쟁력 있는 성능을 내는 원리와 장점을 다룹니다.

• 
  You Only Look Once, Unified Real-Time Object Detection 2025-09-02

  실시간 객체 탐지의 시대를 연 YOLO(You Only Look Once) 논문을 요약합니다. 전체 이미지를 단일 신경망에 한 번만 통과시켜 객체의 경계 상자와 클래스를 동시에 예측하는 혁신적인 통합 아키텍처의 원리와 성능을 설명합니다.

• 
  Attention Is All You Need 2025-09-01

  'Attention Is All You Need'는 RNN을 버리고 셀프 어텐션만으로 시퀀스를 처리하는 Transformer 아키텍처를 제안한 2017년 논문입니다. 기계 번역에서 당시 SOTA를 경신했고, 이후 BERT·GPT·Claude를 포함한 거의 모든 대형 언어 모델의 기반이 되었습니다.