Dharma Field Extractor는 문서 이미지에서 지정한 필드를 JSON 형식으로 추출하는 2B 파라미터 모델이다. DharmaOCR-LITE v1.1을 기반으로 하며, 43,384건의 학습 데이터로 만든 LoRA 어댑터를 적용했다. 546개 문서, 1,638건 케이스로 이루어진 벤치마크에서는 테스트한 범용 프론티어 LLM보다 품질이 1.8~9.3포인트 높았고, 비용은 약 6분의 1에서 약 147분의 1 수준인 것으로 알려졌다.
Perplexity@perplexity_aiAI 점수3232
Apple Watch의 「Siri Recaps」는 대화를 요약해 중요한 내용을 메모에 남겨 주는 기능이다. 구두로 전달된 자기부담금이나 수리 기간 등을 빠뜨리지 않고 기록할 수 있었다. 반면 가족 간의 대화나 TV 시청 예정 등 불필요한 내용도 저장되기 때문에, 필자는 야간에는 이 기능을 끄는 방안을 검토하고 있다.
미시간대학교 Ang Chen 연구팀이 클라우드 운영 DevOps 작업에서 AI 에이전트를 평가하는 오픈소스 벤치마크 'CloudOpsBench' v1.0을 공개했으며, 최상위 모델도 다수의 작업에서 실패한다고 보고했다. 가장 우수한 Claude Fable 5.1은 AWS 과제의 60%를 해결했고, GPT-6 Astra는 53%였다. 실패의 약 80%는 작업 범위의 잘못된 판단, 관련 서비스 확인 누락, 조기 종료 등 추론상의 문제에서 비롯됐으며, 잘못된 조작은 약 20%였다.
U Mobile은 Amazon Bedrock AgentCore 위에 에이전트형 헬프데스크 「AiDaH(AI-Driven Agentic Helpdesk)」를 구축했으며, 도입 1년 이내에 6개 사업 부문에 걸친 150건 이상의 문서화된 운영 시나리오에 대응하고 있다고 밝혔다. 회사의 자체 측정에 따르면 주요 카테고리의 트러블 티켓 건수는 최대 84.5% 감소했다. AiDaH는 6계층 아키텍처로 구성되며, 직원들은 Microsoft Teams를 통해 이용한다. 실시간 가입자 계정에 변경이 미치는 작업은 담당자가 확인한 뒤 실행한다.
Indegene은 AWS 상의 NEXT Unified Data Platform(NEXT UDP) 내에 대규모 언어 모델(LLM)을 활용한 Data Quality Agent를 구축했다고 밝혔다. 이 에이전트는 문맥을 반영한 데이터 품질 규칙을 생성·검증하고, 사람이 관여하는 통제 하에서 실행 가능한 SQL 및 Python 코드를 출력한다. 이를 통해 전사 규모에서 데이터 품질을 개선하는 동시에, 품질 프로그램의 구축과 유지에 드는 노력을 줄일 수 있다고 한다.
AWS Machine Learning Blog는 프로덕션 AI 에이전트를 위한 컨텍스트 엔지니어링 4계층을 오픈소스 멀티 에이전트 데이터 분석 솔루션 'Deep Insight'의 구현 코드와 함께 해설했다(Part 2). 단일 쓰기·실행 도구로 스크립트가 컨텍스트에 추가하는 토큰을 약 95% 줄였고, 스킬을 필요할 때만 읽어 들이도록 하여 시스템 프롬프트를 약 97% 축소했다. Deep Insight는 Strands Agents SDK와 Amazon Bedrock AgentCore 위에 구축되어 있다.
Amazon Quick의 Smart Approvals는 승인 대상 작업을 별도의 모델(classifier)이 사용자의 요청과 대화 맥락에 비추어 평가해, 자동 승인하거나 사용자 확인으로 되돌리는 기능이다. 권한을 추가하거나 필수 사람 승인을 삭제하지는 않는다. 자동 승인은 1회성이며, 검토된 정확한 작업과 파라미터에만 적용된다.
오픈 모델 추론의 공개 토큰 처리량은 Baseten, Fireworks, Together AI가 공개한 데이터에서 거의 지수함수적인 성장세를 보이고 있다. Fireworks는 고객 맞춤형 모델을 위해 하루 40T 토큰 이상을 처리하고 있다고 발표했으며, 이 분야는 올여름 이후 2배 이상 성장했다고 밝혔다. Google 실적 자료에 나타난 토큰 처리량과 비교해 폐쇄형 모델과의 규모 차이도 검증한다.
Uber는 2026년 3분기 실적 설명회에서 서드파티 AI 에이전트가 주선한 차량 호출이 4건에 그쳤다고 밝혔다. Uber Eats 주문은 할로윈 주간에 약 500건이었으며, Uber의 라이드와 딜리버리 전체 3억 2000만 건 대비 비율은 공개되지 않았다. CEO 다라 코스로샤히는 자사가 직접 제공하는 서비스가 가장 편리하다고 강조하면서, 특정 기업에 의존하지 않도록 제3자와도 협업할 방침을 밝혔다.
미국 중간선거에서 데이터센터의 모라토리엄(일시 중단)과 개발 제한에 찬성하는 후보와 주민투표가 지지를 얻으면서, AI 업계의 개발 환경은 더욱 엄격해질 전망이다. NBC News가 투표일에 실시한 조사에서는 76%가 지역 내 데이터센터에 반대한다고 답했으며, 전국 45건의 지방 주민투표 가운데 33건은 개발을 제한하는 결과가 나왔다. 다만 특정 후보의 당선과 그 직접적인 인과관계는 단정하기 어렵다.
Google은 K-12(초중고) 대상 소프트웨어를 사용하는 학교가 AI 도구 이용에 동의하지 않으면 Search를 사용할 수 없게 된다고 발표해 강한 비판을 받았다. Bernie Sanders와 Lina Khan 등이 반발한 가운데, Google은 Gemini, Gemini Notebook, Search가 기본 설정상 꺼져 있으며 학교가 개별적으로 켤 수 있다고 설명했다.
Kimi.ai@Kimi_MoonshotAI 점수4747
Anthropic은 zkSNARK를 활용해 AI 응답이 주장된 모델에서 생성되었는지 검증하는 연구 프로토타입 FlashProve를 공개했다. Llama 4 Maverick(400B) 기준으로 단일 H100 GPU에서 초당 약 110토큰의 증명을 생성하며, 증명 크기는 약 19MB이고 표준 CPU에서 17초 만에 검증할 수 있다. 다만 컨텍스트는 1,024토큰까지로 제한된다.
연구자들은 GPT-6 Astra가 다른 AI 모델의 가중치를 직접 읽고 다시 쓰는 기법 「Weight-Space Programming」을 보고했다. Qwen3.5-0.8B에서는 전체 가중치의 0.016%만 변경했을 뿐인데 MATH-500 정확도가 7.9%에서 48.1%로 향상됐다. 반면 Gemma 3 270M에서는 개선이 나타나지 않았다.
Hugging Face@huggingfaceAI 점수4545Introducing RoboColosseum An open robot eval initiative by @huggingface @BitRobotNetwork @eaic_sg @DJiafei Access: - 100+ robots (@UnitreeRobotics G1s, @LeRobotHF SO-101s, YAMs, Franka and more) - 140+ in-the-wild scenes - Open rollout data - 10,000 FREE eval hrs Thread ↓
OpenAI는 승인을 받은 고객을 대상으로 GPT‑5.6 Cyber를 Daybreak Red를 통해 AWS GovCloud(US-East)에서 제공하기 시작했다고 밝혔다. 취약점 조사, 익스플로잇 검증, 보안 테스트 등 승인된 작업에 사용할 수 있으며, Amazon Bedrock을 통해 액세스한다. 이용하려면 Daybreak Red의 승인과 AWS 측 액세스 설정이 필요하다. Bedrock에서의 추론 데이터는 모델 학습에 사용되지 않으며, 고객이 Daybreak Red의 데이터를 OpenAI와 공유할 필요는 없다.
OpenAI는 Code Storage와 여러 오픈소스 개발자 도구를 만들고 있는 Pierre Computer Company, Inc.(Pierre)를 인수한다고 발표했다. Codex 앱의 파일 탐색과 리뷰에는 이미 Pierre의 Trees와 Diffs가 사용되고 있다. 인수는 규제 당국의 승인을 포함한 일반적인 클로징 조건에 따르며, 완료될 때까지 두 회사는 각각 독립된 회사로 존속한다.
OpenAI의 샘 올트먼 CEO는 PC의 RAM 구매와 관련한 발언이 문맥에서 벗어나 비판받았다며, 사람들은 컴퓨터에 원하는 만큼 메모리를 탑재해야 한다고 말했다. 그러면서 세계 메모리 생산을 늘려야 한다고 오랫동안 주장해 왔다고 설명했다. 올트먼은 Cheeky Pint 팟캐스트에서 세계의 제한된 DRAM이 개인용 컴퓨터에 놓여 5%의 시간만 사용되는 상황을 “매우 끔찍하다”고 말한 바 있다. AI 데이터센터가 RAM 공급을 두고 경쟁하면서 가격이 오르고 있다. Intel은 부족 현상이 적어도 내년까지 이어질 것으로 보고 있으며, SK하이닉스는 2030년까지 계속될 가능성을 예측하고 있다.
영국 AI 담당 장관 Kanishka Narayan은 AI가 영국 경제를 4000억 파운드(£400 billion) 끌어올린다는 수치가 Google이 의뢰한 2023년 보고서(Public First, 현 PF Global)에서만 나온 것임을 인정했다. 정부 자체 추산은 2030년까지 550억~1400억 파운드이며, 중앙값은 1200억 파운드다. 정부는 약 2년 동안 이 수치를 계속 사용했고, 더 낮은 추산은 적어도 2025년 11월부터 파악하고 있었지만, 답변에서 4000억 파운드 수치를 철회한다는 입장은 밝히지 않았다.
에이전트형 AI의 안전성은 도구의 문제가 아니라 데이터 가시성의 문제이며, 기업은 데이터의 수집, 복제, 요약, 재사용 경로를 추적하는 데이터 리니지를 구축할 필요가 있다. 기사는 영업 담당자를 위한 AI 에이전트가 제한된 가격 정보, 사내 커뮤니케이션, 과거 견적서를 가져온 뒤, 후속 에이전트가 작성한 제안서에 승인되지 않은 기밀 정보가 포함되었지만 문제의 데이터가 어디에서 섞여 들어갔는지 추적하지 못한 사례를 든다. 애플리케이션, 시스템, 네트워크, 엔드포인트에 초점을 맞춘 기존 방식만으로는 부족하다고 지적한다.
LoCo는 추론 모델이 언제 사고를 멈춰야 하는지를 국소적 선호 학습으로 가르치는 추론 압축 기법이다. 수학 벤치마크 5종에서는 완료 길이를 41.7%~45.4%, 코드 벤치마크 3종에서는 23.4%~36.3% 줄였으며, 정확도는 유지되거나 향상되었다. 학습은 모델이 스스로 생성한 수학 추론 트레이스만으로 이루어지며, 코드 생성에도 전이된다. 코드와 모델은 공개될 예정이다.
Alphabet의 3분기 실적에서 Google 검색 수익 성장률은 전년 동기 대비 12%로 둔화되어, 직전 분기의 약 17%에서 하락했다. 유료 클릭 수 증가율도 13%에서 8%로 감속했다. AI 모드 쿼리는 강하게 증가하고 있으나, 기존 검색보다 낮은 비율로만 수익화되고 있다. Google은 AI Overviews와 AI 모드로의 광고 확대를 추진하고 있다.
Google은 2027년 초부터 학교에 AI를 받아들이거나 Google Search 이용을 포기하거나 둘 중 하나를 선택하도록 한다. 학생 계정에서는 Gemini, Gemini Notebook, Google Search가 기본적으로 꺼져 있으며 학교가 각각 따로 켤 수 있다. AI가 없는 검색은 선택할 수 없게 된다.
2026년 미국 중간선거 출구조사에서 AI와 데이터센터는 유권자의 투표 판단에서 중요한 쟁점으로 최하위를 기록했다. NBC News와 SSRS의 조사에서 응답자의 56%가 AI와 데이터센터를 투표 행동을 결정짓거나 중요한 요인이라고 답했다. 조사 대상 5개 항목에서는 정부 부패가 90%로 1위를 차지했고, 생활비가 89%, 이란 전쟁이 74%, 이민 단속이 73%로 뒤를 이었다. AI에 대한 사회적 관심은 최근 급증했지만, 다른 쟁점과는 큰 격차가 있다.
FactEmbed는 합성 이미지 검색(CIR)에서 질의 이해와 임베딩 구축을 분리하고, 검색 전에 목표 이미지의 시각적 변경을 시뮬레이션하는 factorized latents를 활용하는 기법이다. CIR 벤치마크 전반에서 기존 기법을 앞섰다고 평가되었다. 학습에서는 요인 단위의 contrastive loss를 최적화하는 한편, 분해된 표현을 MLLM의 더 깊은 attention 층으로 distill한다. 추론에서는 [EOS] 토큰에 의한 글로벌 임베딩과, 평균 풀링한 요인 표현에 의한 후보 리스트 재랭킹을 같은 forward pass에서 수행한다.
인도 IndiaAI Mission의 지원을 받은 자국산 AI 모델 3종이 2026년 11월 3일 뉴델리에서 발표되었다. Soket Labs의 'EKA-1'은 26.3B 파라미터, 약 7.5조 토큰으로 학습되었으며, 인도 헌법 제8부칙의 22개 언어와 영어를 지원한다. ZenteiQ의 'Dhīr 2B'와 'Dhīr 5B'는 영어와 10개 인도 언어를 지원하며, 로컬 단말이나 온프레미스 환경에서의 구동을 상정한 오픈소스로 설명되고 있다. 다만 은행에서의 도입 실적이나 독립된 제3자의 벤치마크 결과는 제시되지 않았다.
인도의 E2E Networks는 오픈 모델을 위한 토큰 과금형 AI 추론 서비스 'Blaze'를 2026년 11월 2일에 개시했다고 밝혔다. OpenAI 호환 단일 API로 NVIDIA Nemotron, Sarvam, DeepSeek, Qwen, GLM, Gemma 등의 모델을 이용할 수 있으며, 인도 현지의 NVIDIA GPU 기반 인프라에서 가동된다. 회사는 아울러 AI 용량을 9.2MW에서 14.6MW로 약 5.4MW 늘리는 계획을 발표했으며, 증설분은 NVIDIA HGX B300 등 Blackwell 세대 GPU로 구성된다.
인도 IndiaAI Mission 산하에서 Soket Labs와 ZenteiQ가 2026년 11월 3일 자체 개발 AI 기반 모델을 발표했다. 발표된 모델은 Soket Labs의 EKA-1, ZenteiQ의 Dhīr 2B 및 Dhīr 5B다. EKA는 수학·논리 추론, 코딩, 다국어 처리를, Dhīr는 물리·수학·공학을 중심으로 한 과학·산업 분야를 대상으로 한다. 기술 사양, 벤치마크 결과, 일반 공개 시기는 보도되지 않았다.
Soket Labs와 ZenteiQ가 IndiaAI Mission의 지원 아래 개발한 독자 대규모 언어 모델을 발표했다. Soket의 EKA-1은 26.3B 파라미터, 약 7.5T 토큰으로 학습되었으며 22개 인도 언어와 영어를 지원한다. ZenteiQ는 오픈소스 다국어 모델 Dhīr 2B와 Dhīr 5B를 공개했으며, 영어와 기타 10개 인도 언어를 지원한다. 벤치마크 결과와 가격은 발표되지 않았다.
PrimeXBT는 ChatGPT, Claude 등 AI 어시스턴트를 거래 계좌에 직접 연결할 수 있는 MCP 연동을 시작했다. 연결은 링크 하나와 PrimeXBT 로그인만으로 가능하며, 코딩이나 API 키 설정은 필요 없다. 주문 실행에는 거래자의 명시적 확인이 필요하며, AI 어시스턴트를 통한 출금이나 자금 이체는 불가능하다. 대상은 PXTrader 2.0의 데모 계좌와 실거래 계좌이며, CFD와 Crypto Futures가 포함된다.
Anthropic 연구팀은 2026년 11월 3일, AI 모델의 동일성과 출력의 진위를 암호학적으로 검증하는 오픈소스 시스템 「FlashProve」를 발표했다. AI 연구소가 공개하는 모델마다 전용 fingerprint를 게시하고, 클라이언트가 이를 암호학적으로 대조하는 방식으로, fingerprint는 모델의 내부 가중치 데이터를 드러내지 않는다. 로컬 단말에서의 검증도 지원하며, 기술 사양과 동작하는 코드는 GitHub에서 공개되었으나 현재까지 상업적 전개 계획은 밝혀지지 않았다.
GovTech Singapore는 STACK conference에서 사기 경고 앱 AntiScam Pango의 베타 버전을 발표했다. 현재는 Google Play에서 내려받을 수 있는 Android 버전만 제공된다. AI의 알림 분석은 모두 사용자의 기기 안에서 이뤄지며, GovTech 등은 개인정보와 사적인 메시지에 접근할 수 없다고 설명했다.
Sarvam이 Sarvam 105B를 기반으로 한 의사결정 모델 「Sarvam Prism」을 오픈 웨이트로 공개했다. 3개 지표의 평균 점수는 71.8점이며, B200에서의 응답 중앙값은 44ms로 테스트한 25개 모델 가운데 100ms 미만에서 최고 점수를 기록했다. 오답은 신뢰도 범위 안에 머물고, 선택지 제시 순서의 영향도 받지 않는다고 밝혔다.
Rime는 기업이 배포 위치, 발음, 응답 정책을 직접 제어할 수 있는 음성 대 음성 AI 모델 Prism을 발표했다. 공개 평가에서는 첫 음성 출력까지 약 570ms라고 밝혔다. Revmo의 주문 시험에서는 10시간 분량의 통화 데이터로 학습시킨 결과 주문 성공률이 90%에서 97%로 올랐다고 보고했다.
CrowdStrike가 AI 에이전트 보호 기반 'Falcon Guardian'에 신규 기능 'AI Kill Switch'를 추가했다. 기업 보안팀은 이상 동작이나 악의적 행위를 보이는 사내 AI 에이전트를 즉시 중단하고, 재시작을 막은 뒤 사내 네트워크 접근을 차단할 수 있다. AI 게이트웨이를 통해 에이전트의 판단에 쓰이는 AI 모델과의 연결을 끊는 방식으로, 모델 자체는 변경하지 않는다. CrowdStrike는 같은 날 AI 관측 기업 Fiddler AI와 AI 보안 테스트 기업 Dreadnode의 인수도 발표했다.
Mistral AI@MistralAIAI 점수4343
LG AI연구원이 자체 개발한 AI 컴플라이언스 에이전트 'EXAONE Nexus'로 ICOTEC 2026 저작권 기술 어워드에서 국가지식재산위원장상을 수상했다. 데이터셋 단위 평가에서 법률 전문가 대비 45배 빠른 분석 속도, 26% 높은 정확도, 약 1,000분의 1 수준의 비용을 입증했다.
VidUEU-Agent는 원본 동영상으로부터 멀티모달 이해, 이미지 편집, 통합 과제를 위한 지시 데이터를 자동으로 구축하는 에이전트형 데이터 큐레이션 프레임워크다. 동일한 초기 체크포인트에서 BAGEL을 30K 샘플씩 미세 조정하는 4회의 반복을 수행하면, 3개의 피드백용 벤치마크 전반에서 성능이 향상된다. 또한 8,268개의 동영상에서 10만 건의 지시 샘플을 담은 VidUEU-100K 데이터셋도 구축되었다.
DreamX는 사전 학습된 비디오 확산 모델을 범용 잠재 액션 학습기로 전용해, 외형에 의존하지 않는 컴팩트한 잠재 액션을 추출하는 기법이다. 각 잠재 비디오 프레임을 1,200개에서 4개 토큰으로 300배 압축했으며, LARY-Bench에서 잠재 액션 모델 가운데 최고 수준의 성능을 달성했다. 인간과 로봇처럼 서로 다른 신체와 환경 사이에서도 제로샷 액션 전이를 지원하며, 컴팩트한 잠재 공간에서 정책을 학습함으로써 비디오 확산 기반 정책의 계산 비용을 줄인다.