Hugging Face의 SimReady Central Library는 로보틱스와 AI 팩토리 시뮬레이션에 활용할 수 있는 OpenUSD 형식 3D 에셋 2,000종 이상을 모은 무료 이용 라이브러리다. 로봇 암, 그리퍼, 창고 설비, 랙, 냉각 설비 등이 포함되며, 개발자는 각 에셋의 지원 기능을 확인해 서로 다른 공급업체의 에셋을 조합할 수 있다. 장비 제조사(OEM)는 자사 에셋을 SimReady 요건에 따라 검증하고 이 라이브러리를 통해 제공할 수 있다.
유럽 산업 기업들이 설계부터 제조까지 전 생애주기에 걸쳐 NVIDIA CUDA-X, Omniverse, Cosmos, Nemotron을 활용하고 있다. 공장용 「NVIDIA Factory Operations Blueprint(FOX)」는 GitHub에서 얼리 액세스로 제공되며, 개발자는 이를 이용해 공장 관리 에이전트 등을 구축할 수 있다. Siemens는 자사의 Intelligence Center X에 탑재한 에이전트를 통해 20%의 비용 절감 효과를 기대하고 있다.
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.
NVIDIA는 GTC Berlin에서 RTX Spark, DGX Spark, DGX Station 등 로컬 AI 하드웨어 관련 업데이트를 발표했다. DGX Spark 64GB는 10월 23일 출시되며, DGX Station for Windows는 12월에 나온다. 로컬용 코딩 모델 Recursive Flint, 신규 모델의 Day-0 지원, llama.cpp와 vLLM의 가속 기능도 포함됐다.
NVIDIA는 오픈소스 NVIDIA Agent Toolkit에 새 도구를 추가해 확충하고, 기업 데이터를 활용해 에이전트를 구축·관리할 수 있도록 했다고 밝혔다. 새로운 Agent Knowledge Foundation에는 CUDA-X 라이브러리, Auto-Ontology 라이브러리, Nemotron Retriever, Kumo의 오픈 모델이 포함된다. OpenShell은 에이전트의 접근과 동작을 제어하는 안전한 런타임을 제공하며, SAP의 리랭커는 거의 3배 빨라졌다.
NVIDIA@nvidiaAI 점수3838
Claude Code v2.1.306은 세션 환경 변수 없이 시작된 클라우드 세션에서 `claude -p`가 「Not logged in」을 보고하는 문제를 수정한 릴리스다. 또한 MCP 도구가 많은 세션에서 API 오류가 「prompt is too long」으로 대체되고 불필요한 컴팩션이 발생하는 문제도 수정됐다.
Terminal X의 Eval Agent(GPT-6.1 Sol 사용)는 500건의 판정에서 시니어 인간 리뷰어와의 일치율 88.6%를 기록하여, 차점 모델의 86.4%를 220bps 웃돌았다. 투자 방침에서 벗어난 추천을 탐지하는 비율은 차점 모델보다 약 25% 높았고, 쿼리당 비용은 약 30% 낮았다.
Claude Code v2.1.305가 릴리스되었다. Vertex, Bedrock 등 프로바이더에서 게이트웨이가 ToolSearch를 거부할 때 모든 요청이 실패하던 문제(2.1.304의 회귀)가 수정되었다. 또한 새로운 설정인 sandbox.allowNestedUserNamespaces가 추가되어, Linux에서 샌드박스된 명령이 user namespace를 생성할 수 있게 되었다. 다만 이로 인해 샌드박스의 파일 보호를 우회할 수 있다고 알려졌다.
Grok Bot에 인시던트 대응 전용 AI 팀원인 「IncidentWatch」와 「IncidentSweep」이 추가됐다. IncidentWatch는 5분마다 최근 15분간의 지원 티켓을 확인해, 같은 문제가 급증하면 온콜 지원 엔지니어에게 알린다. IncidentSweep는 영향을 받은 티켓을 식별해 승인된 배치 단위로 한꺼번에 종료한다. 9월 18일 인시던트에서는 엔지니어의 승인에 따라 IncidentSweep가 약 10분 만에 204건의 티켓을 처리했다.
Octave Reliance는 Amazon Bedrock 위에 테넌트별로 데이터를 분리하는 AI 플랫폼을 3계층으로 구축했다고 밝혔다. 데이터 준비 단계에서는 Cohere Embed v4로 문서를 임베딩하고, 테넌트 단위의 Amazon OpenSearch Service 벡터 스토어에 저장한다. 여기에 AgentCore Gateway를 통한 인증 및 정책 적용과 Amazon Bedrock Guardrails를 이용한 입출력 필터링을 결합했으며, 이를 통해 유스케이스별 배포 시간을 50% 단축했다고 한다.
Amazon Quick과 Amazon Bedrock AgentCore를 결합하면 공급망 담당자는 자연어 질문만으로 ERP와 모니터링 도구 등 여러 시스템에 걸친 분석부터 긴급 RFQ 작성까지 하나의 대화에서 처리할 수 있다. 응답은 실제 가동 중인 기간 시스템과 근거 문서에서 얻으며, 모델의 기억에 의존하지 않는다. 예시에서는 TechComp의 생산 중단에 따른 영향액 75만 달러, 영향을 받는 수주 23건, 재고 3일분이라는 수치를 ERP를 직접 조작하지 않고 파악했다.
Smartsheet는 AI 어시스턴트가 표준 프로토콜로 Smartsheet 데이터를 읽고 쓰며 관리할 수 있는 MCP Server를 정식 출시했다고 밝혔다. 40여 종 이상의 도구로 시트, 행, 열, 자동화를 조작할 수 있으며, Amazon Quick과 Kiro에서 MCP 클라이언트로 연결할 수 있다. Amazon Quick은 조직 전체에서 쓸 수 있는 사전 구축 커넥터로, Kiro는 설정 파일과 Personal Access Token을 이용해 개발자 개인의 워크플로에서 사용하는 형태로 제공된다.
Smartsheet가 AI 어시스턴트가 Smartsheet 데이터를 읽고 쓰며 관리할 수 있는 MCP(Model Context Protocol) Server의 일반 제공(GA)을 발표했다. 40개 이상의 도구로 시트, 행, 열, 자동화를 조작할 수 있으며, 작업 상황 업데이트나 행 추가 등을 자연어로 수행할 수 있다. AWS에서는 Amazon Quick과 Kiro가 MCP 클라이언트로 연결할 수 있으며, Amazon Quick은 노코드 방식의 이용을, Kiro는 개인 액세스 토큰을 사용한 설정 파일 기반의 이용을 지원한다.
Schlotzsky's와 Cinnabon의 독립 가맹점주 Ted Taylor 씨는 ChatGPT Work를 활용해 월간 현금 대사에 걸리는 시간을 94% 줄였다. 메뉴 가격 재검토는 5일에서 1~2시간으로 단축됐으며, 급여 계산 때마다 발생하던 4시간의 수작업도 줄었다. 근무 시간표 작성 방식을 더 개선하면 연간 5만~10만 달러의 잉여현금흐름을 창출할 수 있을 것으로 내다봤다.
Claude Platform의 Inference hooks가 Enterprise 조직 대상 베타를 마치고 정식 제공되었으며, 사용자 프로필(User profiles)이 도입되었다. Admin API에는 organization webhooks가 베타 버전으로 추가되어, 사용자 프로필의 제한·금지 이벤트를 알린다. 관리자는 조직 단위로 web fetch를 비활성화할 수 있으며, 이 경우 Messages API의 web fetch 요청은 400 오류를 반환한다.
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 과학자를 위한 새로운 Claude 팀 플랜을 발표하고, 전 세계 과학자 1만 명에게 1년간 무료 또는 할인가로 이용 기회를 제공한다고 밝혔다. 표준 좌석은 무료이며, 이용 한도가 5배인 프리미엄 좌석은 월 $15이다. 또한 AI for Science 프로그램을 생물학 이외의 분야로 확대하며, 프로젝트당 최대 $50,000의 크레딧을 신청할 수 있다.
Anthropic은 AI 에이전트가 물리 기기를 안전하게 조작하기 위한 공통 사양인 Model Hardware Standard(MHS)의 리서치 프리뷰를 연구실과 첨단 제조 기업을 대상으로 한 1차 참여자에게 공개했다. 현미경, 액체 핸들러, 로봇 팔 등 여러 기기를 동시에 조작할 수 있으며, 기기 통합 작업을 수 주에서 수 개월이 걸리던 것을 몇 시간에서 몇 분으로 줄일 수 있다고 밝혔다. 오픈소스화에 앞서 안전성 평가와 모범 사례를 함께 구축한다.
선정 이유: 드라이버, 참조 파일, MCP 등 연결 구조와 여러 기관의 초기 사례가 함께 제시되어 있어 물리 기기에 에이전트를 적용하는 현황을 파악하기 좋다.
Anthropic이 ZDR(무데이터 보존)의 프라이버시 보호와 악용 탐지 안전 대책을 결합한 「Enterprise Frontier Safeguards(EFS)」를 발표했다. 데이터는 Anthropic이 아닌 고객이 관리하는 클라우드 기반에 저장되며, 올가을 후반부터 단계적으로 제공된다. EFS 제공이 시작되기 전까지 대상 고객에게는 Fable 5 및 Fable 5.1에 ZDR이 적용된다.
Anthropic는 Life Sciences Verification Program(LSVP)을 베타로 시작했다. 검증을 통과한 생명과학 조직에 생물학 관련 작업용으로 완화된 안전 조치를 적용해 Mythos, Opus, Sonnet을 제공한다. 우선 팀과 기관을 대상으로 하며, 개인 Pro 및 Max 플랜으로는 순차적으로 확대할 예정이다.
캐나다 AWS 리전에서 Amazon Bedrock의 크로스 리전 추론(CRIS)을 이용해 GPT-5.6, GPT-6, GPT-6.1 모델을 사용할 수 있다. 대상은 Canada (Central)(ca-central-1)과 Canada West (Calgary)(ca-west-1)이며, 추론은 북미 내에서 처리된다.
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.
Perplexity@perplexity_aiAI 점수6060
OpenAI Developers@OpenAIDevsAI 점수4545
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 Face가 Apple Foundation Models 프레임워크를 대체할 수 있는 AnyLanguageModel 1.0을 공개했다. swift-huggingface 1.0과 swift-xet 1.0도 함께 릴리스했다. import를 `import AnyLanguageModel`로 바꾸기만 하면 시스템 모델, llama.cpp, MLX, Core ML, 각종 호스팅형 제공업체를 같은 코드로 다룰 수 있다.
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.
삼성전자가 미국·유럽·중남미·서남아·동남아 5개 권역에서 가전 테크세미나 '더 브리프(The Brief)'를 열고, 지역별 생활 환경에 맞춘 AI 가전 경험을 선보였다. 행사에는 23개국 주요 미디어와 인플루언서 270여 명이 참석했다. 유럽에서는 '비스포크 AI 세탁기'가 유럽 에너지 소비효율 기준 A등급 대비 에너지 사용량을 65% 추가 절감한다고 소개했다.
Claude Platform이 Claude Enterprise 조직을 대상으로 Claude Tag API 베타 버전을 공개했다. /v1/organizations/claude_tag/ 엔드포인트를 통해 Slack 채널과 워크스페이스의 Claude Tag 설정을 읽고 변경할 수 있으며, 채널에서 적용 중인 설정의 출처를 확인하고 Access bundles를 연결할 수 있다.
Amazon Bedrock는 bedrock-runtime과 bedrock-mantle 두 엔드포인트에서 모든 Anthropic Claude 모델의 구조화된 출력을 지원하게 되었다. JSON 스키마를 따르는 응답을 받을 수 있어 별도의 파싱 처리나 재시도 처리가 필요 없어진다. JSON Schema 출력 형식과 strict tool use 두 가지 방식을 사용할 수 있으며, 일반 제공(GA) 중이다.
Amazon SageMaker AI의 신규 고객은 Google, GitHub, Apple, Amazon 계정 또는 이메일 주소로 2~3단계의 가입 절차만 거치면 설정이 완료된 SageMaker Studio 환경을 이용할 수 있게 됐다. 신규 고객에게는 $100의 AWS 프리 티어 크레딧이 제공되며, 추가로 $100을 더 받을 기회도 있다. 기존 AWS 계정의 로그인 방식은 변경되지 않았다.
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.
OpenAI Developers@OpenAIDevsAI 점수1818Codex로 커뮤니티가 만들고 있는 흥미로운 프로젝트를 소개한다:
TorchNeuron은 AWS Trainium용 새로운 네이티브 백엔드를 제공하는 PyTorch 플러그인으로, Transformers, Diffusers, Kernels가 이를 네이티브로 지원한다. Transformers의 텍스트 생성에서는 사용 빈도가 높은 상위 100개 텍스트 생성 모델 아키텍처 중 89%가 별도 수정 없이 동작하며, 이는 Optimum Neuron v0.4.5의 46%에서 크게 확대된 수치다.
OpenAI Developers@OpenAIDevsAI 점수1414Codex로 개발 중인 것을 소개합니다: https://x.com/i/broadcasts/1RKZzBELBbXKB