AAIF는 Strands Agents로 구축된 프레임워크로, 라우팅을 담당하는 소형 언어 모델(SLM)이 정형화된 작업을 분류하고 복잡한 분석은 Amazon Bedrock의 클라우드 모델에 맡긴다. 정형화된 작업은 Ollama 위에서 돌아가는 로컬 SLM이 처리하며, 클라우드에 의존하지 않고 낮은 지연 시간으로 완료된다. 엣지 기기인 Raspberry Pi(8 GB)부터 풀 클라우드 구성, 하이브리드 구성까지 지원한다.
OpenAI@OpenAIAI 점수5757
Google DeepMind@GoogleDeepMindAI 점수3737
Agents CLI는 버전 1.5.0에서 확장 시스템을 탑재해 포크하지 않고도 명령어를 덮어쓰거나 추가할 수 있게 됐다. 버전 1.8.0에서는 공식 LangChain 확장이 추가되어, 프레임워크에 종속된 명령어를 LangChain용 명령어로 교체하면서 나머지 라이프사이클은 그대로 사용할 수 있다. 확장은 Git 저장소 내 디렉터리와 agents-cli-extension.yaml로 정의되며, 조직의 배포 정책 등을 구현하는 데에도 쓸 수 있다.
Google Research는 전문 교육을 받지 않은 의료 종사자가 시행하는 블라인드 스위프 초음파로 AI가 임신 주수를 추정하는 모델의 일반화 성능을 JAMA Network Open에 보고했다. 전체 MAE는 4.18일로, 전문 검사 기사가 수행하는 표준 방식의 4.48일에 대해 비열등성을 보였다. 시카고에서는 4.10일, 현지 데이터 없이 적용한 나이로비에서는 4.27일이었다.
OpenAI와 Google Cloud는 제휴를 맺고 OpenAI의 프런티어 모델과 Codex의 에이전트형 워크플로를 Google Cloud의 Model Garden에 통합한다고 발표했다. 고객은 Google Cloud Marketplace를 통해 구매할 수 있으며, 일반 제공은 향후 몇 주 안에 시작할 예정이다. Microsoft가 여전히 OpenAI의 주요 클라우드 파트너라는 점도 함께 명시됐다.
선정 이유: Google Cloud에서의 구매 방법, GCP 사용 약정 충당, 제공 시기가 구체적으로 적혀 있어 기업의 조달 결정에 참고할 만하다.
Google Cloud와 NVIDIA는 NVIDIA Vera Rubin NVL72를 탑재한 A5X 인스턴스를 다음 달 일반 제공한다고 발표했다. 유럽으로의 제공 확대도 계획하고 있다. Google Cloud는 여러 거점에서 최대 960,000개의 Rubin GPU까지 확장할 예정이다.
선정 이유: A5X의 구성 요소와 강화학습용 활용 사례, WPP 등 고객의 이용 사례가 제시되어 있어 대규모 AI 인프라의 위치를 파악하기 쉽다.
Google, Temasek, Bain & Company가 발표한 제11회 e-Conomy SEA 보고서에 따르면, 동남아시아의 디지털 경제는 2026년에 전년 대비 17% 증가한 3680억 달러(GMV)에 이를 것으로 전망된다. 생성형 AI는 2억 4300만 명(취업 인구의 58%)이 이용하고 있으며, 토큰을 지표로 한 AI 이용은 향후 5년간 60배로 확대될 것으로 예측된다. 2035년에는 1조 달러를 넘어설 것으로 내다봤다.
Google은 소규모 사업자를 위해 Gemini 전용 비즈니스 랜딩 페이지와 새 도구를 발표했다. 브랜드 웹사이트, 폰트, 컬러 팔레트를 등록하면 이미지 생성 모델 Nano Banana 2.1을 활용해 신제품 발표와 마케팅 캠페인용 비주얼을 일관된 스타일로 생성할 수 있다. 새 기능은 앞으로 며칠 안에 전 세계 Gemini 앱 사용자에게 순차적으로 제공될 예정이다.
Anthropic은 향후 Claude 모델이 생성하는 텍스트에 워터마크를 삽입한다고 밝혔다. EU AI Act 대응을 위한 것으로, 출력의 품질과 내용, 비용에는 실질적인 영향이 없다고 설명했다. 방식은 Google DeepMind의 SynthID-Text를 기반으로 하며, 특정 개인이나 조직, 채팅은 식별할 수 없다.
선정 이유: 워터마크의 작동 방식을 난수원 교체라는 관점에서 설명하고, 코드·교정·번역에서 효과가 어떻게 다른지까지 정리하고 있어 동작을 이해하는 데 도움이 된다.
Arm은 Google AI Edge Model Explorer에 자체 어댑터를 추가해 TOSA, VGF, PTE 형식의 엣지 모델 그래프를 시각화하고 검증했다. VGF로 변환한 NSS 모델에서는 ExecuTorch Arm 백엔드 변경으로 생긴 불필요한 TRANSPOSE 연산자를 찾아냈고, Ultralytics YOLO 모델에서는 CPU와 NPU 그래프를 분할 화면으로 비교해 NPU로의 연산 위임 상황을 확인했다. FVP 시뮬레이터의 사이클 단위 트레이스를 겹쳐 본 결과, 단일 TRANSPOSE 노드가 주요 지연 병목인 것으로 드러났다.
Hugging Face는 네이티브 PyTorch 백엔드 TorchTPU를 통해 Transformers, Diffusers, Kernels가 TPU에서 그대로 동작한다고 발표했다. `device_map="tpu"`나 `pipe.to("tpu")`를 지정하기만 하면 사용할 수 있으며, `pip install torch-tpu --extra-index-url https://download.pytorch.org/whl/cpu`로 설치할 수 있다.
선정 이유: TPU를 장치 지정만으로 사용하는 절차와 배치 64에서의 가속 수치, CI 통과율을 함께 제시하고 있어 도입 가능 여부를 판단하기 쉽다.
Google DeepMind@GoogleDeepMindAI 점수2626
구글은 Meta의 TorchTitan을 포크한 TorchTitan TPU를 공개했다. TorchTPU의 네이티브 백엔드(torch.device("tpu")) 위에서 PyTorch 모델 정의를 그대로 유지한 채 Cloud TPU에서 대규모 학습을 수행할 수 있다. Llama 3 405B는 128~1,024칩에서 약 57% MFU를, Qwen3 235B는 1,024칩 단일 슬라이스에서 32.42% MFU를 기록했다.
Google가 PyTorch를 TPU에서 네이티브로 실행하는 TorchTPU를 기반으로 vLLM-TorchTPU와 SGLang-TorchTPU 두 가지 추론 엔진을 발표했다. Qwen 3.5를 Ironwood TPU(TPU 7x)에서 돌린 공개 벤치마크에서는 고동시성 구성 기준 백만 토큰당 2.01센트를 기록했다고 밝혔다. vLLM은 Inferact, SGLang은 RadixArk와 공동 개발했으며, GitHub에서 공개되어 있다.
선정 이유: TPU에서 PyTorch 네이티브로 vLLM과 SGLang을 구동하는 구성과 지원 기능, 공개된 벤치마크 수치가 정리되어 있어 추론 기반 선택을 위한 비교 자료로 활용할 수 있다.
Saint-Gobain은 Microsoft의 에이전트형 AI 플랫폼 「Microsoft Discovery」를 활용해 시멘트용 첨가제의 새로운 원료를 탐색했다. 특허 62,000건과 초록 44,000건을 대상으로 한 지식 베이스 구축은 연구자만으로는 1년이 걸릴 것으로 예상됐으나, AI를 활용하자 몇 시간 만에 완료됐다고 한다. 팀은 약 6주 안에 시험할 수 있는 새로운 원료 가설을 여러 개 세웠다.
Google는 Coral NPU의 32비트 아키텍처(Milestone 1~4)를 완성하고, IREE/MLIR 기반의 Coral Compiler v1.0을 공개했다. 새로운 Matrix Execution Unit은 최대 1 TOPS로 설정할 수 있으며, 추론 시 평균 소비 전력 10mW를 목표로 한다. Synaptics Astra SR200 시리즈(400 GOPS)와 DigiKey에서 일반 판매되는 Coralboard SL(1 TOPS)도 발표됐다.
Hugging Face의 PyTorch 팀은 PyTorch 2.15의 MPS 백엔드에서 FP8을 지원하고, LLM 디코딩을 가속하며, Metal 커널로의 전환을 진행했다고 발표했다. M3 Ultra에서는 Qwen3.6-35B-A3B가 2.14의 9.4토큰/초에서 61.3토큰/초로 향상됐다. Wan2.2의 비디오 VAE 디코딩에서는 드라이버 메모리 피크가 270 GiB에서 8 GiB로 떨어졌다.
선정 이유: MPS 백엔드의 변경 사항을 MoE 모델의 토큰/초, 메모리 사용량, 필요 환경 수치로 구체적으로 확인할 수 있어 Mac에서의 활용 여부를 판단하는 데 도움이 된다.
Amazon SageMaker JumpStart는 2026년 1~9월에 30개 프로바이더의 100개가 넘는 신규 모델을 추가했다. 가장 많은 것은 Alibaba(Qwen)의 29개 모델이며, 이어서 NVIDIA가 17개, Mistral이 7개, Google이 6개 모델을 추가했다. 추론, 멀티모달, 양자화 모델 등 폭넓은 모델을 포함하며, 원클릭 배포를 지원한다.
NVIDIA@nvidiaAI 점수3434
Google은 LiteRT 스택에 C++로 모델을 연산 단위로 구성하는 경량 기술 레이어 'LiteRT Tensor API'를 공개했다. 같은 그래프를 CPU, GPU(ML Drift), NPU에서 실행할 수 있으며, XNNPACK을 거치면 모델 파일 없이도 CPU에서 동작한다. SAM 2의 브라우저 구현에서는 코딩 에이전트를 활용해 10fps 미만에서 30fps 이상으로 개선했다.
ADK의 스트리밍 도구를 사용하면 음성 에이전트는 시간이 오래 걸리는 도구를 실행하는 동안에도 응답을 이어갈 수 있다. 사내 매출 보고서 벤치마크에서 gemini-3.8-live는 블로킹 도구에서 스트리밍 도구로 전환한 결과, 에이전트가 첫 발화를 시작하기까지의 시간이 14.4초에서 1.2초로 단축되었다. 도구는 함수를 async generator로 정의하고 return을 yield로 바꾸기만 하면 NON_BLOCKING으로 처리된다.
애슬리트 전문 스타일리스트 Sydney Bordonaro가 Gemini를 활용한 코디 방법을 4가지 요령으로 소개한다. 옷 사진과 본인 사진을 업로드하면 한 장의 이미지로 합쳐져, 주문 전에 전체 모습을 확인할 수 있다. 신발이나 아우터 등 개별 아이템은 대화를 통해 변경을 지시할 수 있다.
Google Gemini@GeminiAppAI 점수3838
xAI는 일상에서 쓰는 앱을 Grok에 직접 연결하는 Connectors를 Grok Web, iOS, Android에서 제공하기 시작했다. SharePoint, Outlook, OneDrive, Google Workspace, Notion, GitHub, Linear를 지원하며, 임의의 커스텀 MCP 서버를 연결하는 Bring Your Own MCP도 함께 시작했다. 이메일 요약, 슬라이드 업데이트, 일정 정리, 스프레드시트 편집을 복사해 붙여넣기 없이 할 수 있다.
선정 이유: 각 지원 서비스에서 무엇을 읽고 쓸 수 있는지 한눈에 정리되어 있고, 독자적인 MCP 서버에도 연결할 수 있어 자신의 업무에 도입하는 방안을 검토하기 쉽다.
xAI는 Grok을 Google Workspace에 도입해, Sheets, Slides, Docs에서 열어 둔 파일 옆에서 쓸 수 있는 애드온을 공개했다. Google Workspace Marketplace에서 한 번 설치하면 세 앱에서 모두 사용할 수 있으며, 무료로 이용할 수 있다. Microsoft 365의 Word, Excel, PowerPoint, Outlook용 애드온도 제공되고 있다.
xAI의 Grok 4.6이 Amazon Bedrock에서 정식 출시됐다. 컨텍스트 윈도우는 500K이며, 추론 강도는 low, medium, high, xhigh 중에서 설정할 수 있다. 요금은 입력 100만 토큰당 2달러, 캐시 입력 100만 토큰당 0.50달러, 출력 100만 토큰당 6달러다.
xAI의 Grok 4.6이 Gemini Enterprise Agent Platform의 Model Garden에서 이용할 수 있게 됐다. Grok 4.6은 장시간 실행되는 에이전트와 대화형·시각적 작업을 위한 플래그십 모델로, 500k 컨텍스트 윈도우를 갖추고 있으며 추론 수준을 low, medium, high, xhigh 중에서 설정할 수 있다. 요금은 입력이 100만 토큰당 2달러, 캐시 입력이 같은 기준 0.50달러, 출력이 같은 기준 6달러다.
Google은 AI 에이전트가 LLM의 사후 학습을 자율적으로 반복 실행하는 「autofinetune」을 개발했다고 밝혔다. Tunix, Gemma, Cloud TPU를 Antigravity CLI 및 Gemini Flash 3.7과 통합한 구성이다. SFT의 FunctionGemma 실험에서는 TPU v5e-1에서 약 2시간 동안 20회의 자동 실험을 수행해 함수 호출 생성의 정확도를 높였다. GRPO로 Gemma 3 1B를 학습시킨 실험에서는 40회의 실험을 2~3일에 걸쳐 진행했고, 총 보상이 약 10% 향상됐다.
Google은 Gemini Enterprise Agent Platform에서 Model Armor, Semantic Governance Policies, Agent Anomaly Detection을 사용해 에이전트 실행 시점에 의도와 동작을 검사하는 방법을 설명했다. ADK로 만든 환불 에이전트를 예로 들어, 빌드 시점의 통제로는 막을 수 없는 공격에 대한 대응 방안을 보여준다. 전체 코드는 오픈소스 데모 zero-trust-agents-2에서 공개되어 있다.
Google은 Gemini Enterprise Agent Platform 위의 AI 에이전트를 추론 트레이스, 도구 호출, 로그를 기반으로 모니터링하는 「Agent Anomaly Detection」을 프라이빗 프리뷰로 제공을 시작했다고 밝혔다.
Google과 Speakeasy가 OpenAPI 클라이언트 생성 스위트를 AGPLv3 라이선스로 오픈소스화한다. 배경에는 2026년 5월 Google이 이용하던 SDK 생성 제공업체가 인수되어 서비스 종료가 갑자기 발표된 일이 있다. 공개되는 것은 7개 언어용 SDK 생성기, 에이전트용 CLI 생성기, 그리고 OpenAPI와 Markdown 문서에서 MCP 서버를 생성하는 생성기다. Google은 이 구조를 통해 약 1명의 엔지니어가 6개 타깃을 유지보수하고 있다고 밝혔다.
Google은 Google AI 플랜 가입자를 대상으로 Google Colab 프리미엄 혜택 제공을 시작했다. Google AI Ultra 가입자에게는 백그라운드 실행 지속과 Premium GPU 접근도 추가로 제공된다. 기존 Colab 구독에는 변경이 없으며, 혜택은 함께 이용할 수 있다.
Antigravity SDK가 로컬 모델 기반 에이전트 처리를 지원하게 되었으며, Google AI Edge의 LiteRT를 이용해 Gemma 4 26B A4B를 초기 지원 모델로 사용할 수 있게 되었다. 네트워크 연결 없이도 완전 오프라인으로 동작하며, 로컬 GPU와 RAM을 효율적으로 활용한다. 하이브리드 구성 데모에서는 클라우드의 Gemini 3.8 Flash가 계획을 수립하고 로컬의 Gemma 4 26B가 처리를 담당했으며, 기록된 실행에서는 전체 토큰의 97.2%(3,322토큰)가 로컬에서 처리되었다.
Google 팀이 Ai2의 Olmo 3 7B를 MaxText 기반 Google Cloud TPU에서 1단계 사전학습과 2단계 mid-training annealing까지 재현했다. 홀드아웃 C4 손실과 8개 태스크 정확도는 Ai2의 참조 실행과 거의 동등했으며, 실행 간 노이즈 범위 내라고 보고했다. Ironwood에서는 44.5% MFU, v5p에서는 57.4% MFU를 기록했다.
Google Cloud API Gateway가 Public Preview에서 원격 MCP 서버로 동작하게 되었다. 기존 OpenAPI 사양에 주석을 달아 배포하기만 하면 REST 작업을 에이전트용 MCP 도구로 공개할 수 있으며, 별도의 서버를 구축하고 운영할 필요가 없다. 기존 JWT 또는 API 키 인증, 쿼터, 로그도 그대로 사용할 수 있다.
Sparse VideoGen(SVG)의 공간·시간 마스크로 얻는 이론상의 스파스성을 TPU에서 실제 엔드투엔드 고속화로 연결하는 기법을 해설한다. 81프레임 720p 동영상의 시퀀스 길이는 인기 오픈소스 동영상 생성 모델에서 50K에서 400K에 이르며, 720p에서 1440p로 해상도를 높이면 단일 레이어 Attention의 지연 시간이 차지하는 비중은 55.5%에서 88.2%로 증가한다. 스파스 버전은 단일 TPU v6e에서 커널을 측정한 결과 쿼리·키 쌍의 약 38.87%만 보존하여 계산한다.
Google DeepMind, 텍스트·이미지·동영상 프레임·오디오를 하나의 벡터 공간에 매핑하는 오픈 웨이트 임베딩 모델 EmbeddingGemma 2 공개
Google은 Gemma 4를 기반으로 한 Apache 2.0 라이선스 오픈 모델 EmbeddingGemma 2를 공개했다. 텍스트, 코드, 이미지, 동영상, 오디오를 768차원 공통 벡터 공간으로 변환하며, 270M부터 740M 파라미터까지 필요한 인코더만 불러올 수 있다. MTEB (Code)에서는 EmbeddingGemma 1보다 14% 높은 점수를 기록했다.
선정 이유: 모듈식 인코더와 차원 축소 선택 방법이 수치와 함께 정리되어 있어, 자체 검색 기반의 구성을 검토할 때 비교 자료로 활용할 수 있다.
Google Developer Knowledge API는 Google Cloud, Firebase, Android 등 개발자용 공식 문서를 Markdown 형식으로 제공하는 API다. gcloud CLI, 에이전트 스킬, API Explorer, 여러 언어의 클라이언트 라이브러리에서 이용할 수 있으며, AI 에이전트와 IDE 확장 프로그램이 웹 스크래핑에 의존하지 않고 최신 문서를 가져올 수 있다.