SSR은 멀티모달 검색 에이전트의 추론을 사전에 정의된 재사용 가능한 후보 중에서 선택하는 방식으로 바꿔, 턴당 추론 지연 시간을 90% 이상 줄인다고 밝혔다. 질문별 전체 추론 지연 시간은 28~54% 감소했으며, 2B와 4B 모델로 진행한 7개 멀티모달 검색 벤치마크에서 같은 규모의 주요 검색 에이전트에 필적하는 평균 성공률을 보였다. 강화학습과 지도 파인튜닝 모두에서 과제 성능을 떨어뜨리지 않으면서 효율을 높였다.
팀네이버의 연구 논문 24편이 자연어처리 분야 최정상 학회 EMNLP 2026에 채택됐다. 학회는 10월 24일부터 29일까지 헝가리 부다페스트에서 열리며, 팀네이버는 이 자리에서 주요 논문을 발표할 예정이다. 채택 논문에는 한국어 추론 데이터 합성, 장시간 영상 구간 탐색 벤치마크, LLM 추론 과정 해석 연구 등이 포함됐다.
논문은 Sparse Autoencoder(SAE)에서 프롬프트 바꿔쓰기로 생기는 재현 가능한 특징 변화를 식별하는 지표 「redistribution sensitivity score(RSS)」를 제안했다고 밝혔다. 사전 학습된 SAE 27개를 8개 언어 모델에 걸쳐 평가했으며, 선택에 사용하지 않은 변형에서도 재현 가능한 재분배 경향이 확인됐다고 밝혔다.
AI 에이전트는 물리 연구에서 국소적인 과학적 성과를 내지만 연구 과제를 완전히 해결하는 단계에는 이르지 못한다는 점을 전문가가 검증한 50개 과제 벤치마크 「PhysClosureBench」가 보여줬다고 밝혔다. 평균 Atomic Score가 가장 높았던 Claude-Opus-5는 6.29/10을 기록했으나, RC4에 도달한 시행은 전체의 32.7%에 그쳤다. Atomic Score가 8/10 이상인 시행에서도 36.2%는 RC4에 도달하지 못해, 국소적 성과와 연구 완결 사이에 지속적인 격차가 있음이 드러났다.
MJev-Spatial은 공간 추론 과제를 단일 패스 분류 프레임워크로 통합한 멀티모달 판단 모델로, Qwen3.5-4B를 기반으로 학습되었다. 테스트한 8개 모델 가운데 종합 점수 65.64%를 달성했으며, 12개 벤치마크 중 7개에서 1위를 차지했다. 수정하지 않은 자기회귀 베이스 모델은 12개 전부에서 뒤처졌고, 가장 빠른 자기회귀 베이스라인보다 2.5배, 베이스 모델보다 5.6배 빠르게 동작한다.
SpecAgent는 소형 Weak 모델이 행동 궤적을 초안으로 작성하면, 대형 Strong 모델이 한 번의 prefill 패스로 해당 구간을 검토해 Strong 모델의 디코딩 대부분을 prefill로 대체하는 도구 사용 에이전트용 기법이다.
MIT의 Neil Thompson 등의 연구에 따르면, 확률론, 통계학 이론, 경제 이론, 고에너지 이론, 중력·우주론, 양자물리학 등 이론 문제에서 최고 성능 AI 모델의 정답률은 2024년 중반 약 2%에서 2026년 중반 약 35%로 상승했다. 연구진은 o1, o3, GPT-5부터 GPT-5.5까지의 OpenAI 모델을 학습 데이터 마감 이후에 발표된 논문의 문제로 검증했으며, 인터넷 연결도 차단했다. Thompson은 수년 안에 많은 이론 문제가 AI에 의해 크게 달라질 것으로 보고 있다.
Qwen@Alibaba_QwenAI 점수3838685 output tokens/s per user on @Alibaba_Qwen Qwen3.8-Flash-Next. Running TokenSpeed on 4× NVIDIA GB300 with NVFP4. A look at the kernel and serving optimizations behind the results: 👉 https://lightseek.org/blog/tokenspeed-qwen3-8-flash-next.html ⭐ https://github.com/lightseekorg/tokenspeed
LEV는 루프형 백본을 다시 실행하고 각 루프 뒤에 선택지를 채점하는 의사결정 모델로, 하나의 체크포인트에서 사고의 깊이를 바꿀 수 있다. JevBench 공개 231문항에서 Lev-2.6B는 1루프의 63.2%에서 4루프 76.2%로 향상되었다(+13.0%p). 적응형 정지기는 루프 연산을 15~24% 줄이며, 정확도 하락은 0.3~0.8%p에 그쳤다(오프라인 분석).
RoTA-Bench는 2D 관측에서 정밀한 3D 회전 제어로 변환하는 Vision-language model의 능력을 대화형 3D-2D 투영 정렬 과제로 평가하는 벤치마크다. GPT-5.6-Sol의 성공률은 과제의 17%에 그쳐, 학부생 20명이 테스트 집합을 4회 완료했을 때의 성공률 100%와 큰 차이가 난다. 모델은 사람에 비해 같은 상태에서 이미지 겹침은 개선하면서 자세 정렬은 악화시키는 비율이 높았고(19.4% 대 10.9%), 조작 이력을 제외하면 행동의 96.8%가 30도 단위의 거친 단계가 되어 성공률도 크게 떨어진다.
다단계 세계 상태 예측을 평가하는 벤치마크 'WorldCast'가 제안됐다. 8개 카테고리 320개 사례로 12개 모델을 평가한 결과, GPT-Image-2.5 System은 72.8점, Nano Banana Pro는 42.8점, 최고 성능의 오픈소스 모델은 20.1점을 받았다. 강력한 생성 모델은 기반 언어 모델의 능력도 효과적으로 활용하고 있다.
Google이 Gemini 앱과 Antigravity에서 Gemini 4 Argon의 본격 제공을 시작했으나, 대상은 유료 사용자로 한정되며 하위 요금제에서는 모든 기능을 쓸 수 없다. 성능 자체는 달라지지 않았으며, 사내에서는 YouTube 댓글 시스템 개선 등에 활용됐다고 한다.
선정 이유: 유료 사용자로 제공 범위가 한정되어 있고, Google 사내 활용 사례가 정리되어 있어 도입 시기와 용도를 검토하는 데 참고가 된다.
Google이 Gemini 4 Argon을 Gemini 앱에서 제공하기 시작했다. 추론 성능과 복잡한 작업에서의 성능이 향상됐고 코딩도 크게 개선됐다고 한다. Google AI Pro와 Ultra 구독자는 오늘부터 이용할 수 있으며, 40개 이상의 앱과 연동되는 작업 기능도 사용할 수 있다.
선정 이유: 회답의 직접성과 진행 상황 공유가 개선된 점, 그리고 macOS 앱에 코딩 기능이 통합되고 채팅에서 작업으로 쉽게 전환할 수 있게 된 점이 한꺼번에 소개되어 있다.
AWS는 Amazon Bedrock의 Grok 4.7로 도구 호출 에이전트를 구축하고, 추론 노력 수준별로 검색형 작업에서 평가했다고 밝혔다. 세 가지 작업, 총 72회 실행에서 67회 정답을 맞혔으며, xhigh는 18회 모두 정답, low는 18회 중 15회 정답이었고 출력 토큰은 약 8분의 1이었다. Grok 4.7은 크로스 리전 추론 프로파일을 통해 이용할 수 있으며, SpaceXAI가 공개한 컨텍스트 윈도우는 500K 토큰이다.
Elorian과 Scale AI가 시각적 장면이 암시하는 정보를 추론하는 능력을 측정하는 벤치마크 "Humanity's Sixth Sense"를 공개했다. 인간의 pass@1 점수는 93.1인 반면, 최고 성능 모델인 GPT 6 Astra는 53.6, GLM-5.3-flash는 26.8, Kimi K3는 25.5를 기록했다. 이 밖에도 우주에서의 AI 우위를 논한 AI Frontiers 기사와 AI의 연구 감각을 측정하는 TasteVal을 함께 다룬다.
기계번역(MT) 품질 평가에서 LLM과 인간 어노테이터의 일치도를 MQM과 ESA 두 가지 평가 방식으로 검증한 연구다. 70개 언어쌍의 장문 테스트 세트와 WMT23·WMT25 데이터를 활용한 결과, LLM의 일치도가 인간끼리의 일치도를 웃도는 경우도 있었으나 많은 설정에서는 양쪽 모두 신뢰성이 충분하지 않았다. 인간은 세분화된 MQM과 저자원 언어쌍에서, LLM은 경미한 오류와 오류 구간(error span) 어노테이션에서 과제를 안고 있는 것으로도 나타났다.
TypeSafe는 「Series AI」를 발표했으며, Sequoia가 이 회사의 출시 첫 주 ARR(연간 경상 수익)이 1억 달러를 넘었다고 「유출」했다고 전해진다. Jev는 판단형 모델의 기준으로 각사가 비교 대상으로 삼고 있으며, 여러 벤더가 같은 날 유사한 판단 모델을 공개했다고 본문은 전한다. 기업가치 75억 달러에 대해서는 본문에 기재가 없다.
Anthropic이 고속·저가 모델 Claude Haiku 5.5를 공개했다. 가격은 100,000토큰까지 입력 $0.10, 출력 $0.50으로, GPT-6 Luna와 같은 금액이다. 100,000토큰을 넘으면 $0.50, $2.50으로 오른다. Simon Willison은 새 토크나이저에서는 같은 장문 프롬프트의 토큰 수가 약 1.25배가 된다고 보고했다.
LGWM은 다음 화면의 표현을 직접 예측하는 디코더 없는 행동 조건부 월드 모델로, GUI 전환을 검증하여 하이재킹된 화면을 탐지한다. RSWT-BENCH에서 학습이 필요 없는 점수는 17밀리초에 AUC 0.987을 기록해 가장 강력한 클로즈드소스 VLM과 비슷한 수준이며, 생성형 GUI 월드 모델보다 약 10포인트 높고 지연 시간은 세 자릿수 이상 짧다. 유해한 위반과 무해한 위반을 구별하는 데서는 잔차 방향이 AUC 0.953에 도달했으며, 프롬프트를 준 VLM은 우연에 가까운 수준이다.
OpenAI는 미공개 내부 모델이 생성한 수학 논문 722편을 GitHub에 공개했다. 약 4,000개의 연구 문제를 평가 대상으로 삼았으며, 결과 하나당 평균 약 3시간의 ChatGPT Pro 상당 추론 연산을 사용했다고 밝혔다. 같은 날 Mistral Large 4의 API 제공 개시와 EmbeddingGemma 2 공개도 있었다.
OpenAI는 사내 프런티어 모델을 활용한 수학 미해결 문제의 새로운 성과를 공표했다. Lean을 이용한 증명의 형식화와 연구의 세부 내용은 GitHub에서 공유하고 있다.
NVIDIA Inception의 신생 기업들이 유방암 진료의 검사에서 치료 예측에 이르는 각 단계를 AI로 지원하고 있다. iSono Health의 웨어러블형 3D 초음파 시스템 ATUSA는 한쪽 유방을 약 2분 만에 촬영할 수 있으며, 회사에 따르면 손으로 잡는 2D 초음파보다 감도가 28% 높다고 한다. 미국의 제휴 클리닉에서 상용 제공되고 있다. Ataraxis AI는 일반 병리 슬라이드 등 디지털 데이터로부터 치료 반응과 재발 위험을 예측하는 AI를 개발하고 있다.
Qwen@Alibaba_QwenAI 점수3838Qwen3.8-27B가 @nebiustf를 통해 이용 가능해졌다. 에이전트 구축이든 딥 리서치든, 이 27B dense 모델은 다단계 워크플로에 대응할 수 있다. 🥳
Qwen3.8-27B is now live on Nebius Token Factory. A compact 27B dense model for coding, research, and agent workflows, with a focus on planning and completing tasks across multiple steps. Start building: https://tokenfactory.nebius.com/endpoints?modals=endpoint-details&model-id=Qwen/Qwen3.8-27B
Google은 Gemini 3.8 Flash를 활용한 개발자 4명의 작품 사례를 소개했다. 해당 모델은 3.7 Flash에 비해 소프트웨어 개발, 에이전트형 작업, 다단계 추론 능력이 크게 향상되었으며, 경우에 따라 더 비싼 프런티어 모델에 근접하는 성능을 보인다. 로켓 궤도 시뮬레이션과 자동 변속기용 대화형 모델 등이 만들어졌으며, Google Antigravity와 Google AI Studio에서 이용할 수 있다.
Google Research는 오프라인 강화학습으로 검색 쿼리 팬아웃(분해)을 학습하고 이를 경량 확산 리트리버로 증류하는 「Retrieve-for-Train」을 발표했다. 추론 시에는 사고 토큰을 사용하지 않고 한 번의 패스로 관련 쿼리 집합을 생성할 수 있다. 확산 리트리버는 53.9M 파라미터이며, Gemma3-4B와 Qwen3-4B를 집합 단위 보상으로 학습했다.
Google DeepMind는 추론과 코딩 성능을 높인 Gemini 3.8 Flash와 사이버보안 특화 모델 Gemini 3.8 Flash Cyber를 발표했다. 3.8 Flash는 100만 토큰당 입력 $0.75, 출력 $3.75의 도입 가격으로 제공되며, HLE-Verified에서 54.9%를 기록했다. Cyber 버전은 새로 마련된 Fairwind Program을 통해 신뢰할 수 있는 방어자에게만 제공된다.
선정 이유: 범용 Flash와 방어자용 Cyber를 동시에 출시하고 가격, 벤치마크, 제공 조건까지 정리되어 있어 용도에 따라 어떤 모델을 쓸지 판단하기 쉽다.
Google AI Developers@googleaidevsAI 점수3838
IBM의 Granite 4.2는 3B, 8B, 30B 세 가지 크기로 제공되는 추론 특화형 디코더 전용 dense형 LLM 패밀리다. Granite-4.1 베이스 모델을 사후 학습하여 만들었으며, 모두 Apache 2.0 라이선스로 공개된다. 8B와 30B는 샌드박스 환경에서 도구를 조작하는 에이전트 RL을 거쳤으며, 전 모델이 사고/비사고 모드 전환과 네이티브 도구 호출을 지원한다.
Multiverse Computing은 압축과 양자화를 거친 모델을 회복하는 Quantization-Aware Healing(QAH)을 제안했다. GPT-OSS 120B를 60B로 압축해 MXFP4로 만든 모델이 자체 bfloat16 버전을 9개 벤치마크 중 7개에서 상회했다. 압축 전 원본 모델을 교사로 삼아 KL 발산으로 증류한다는 점이 특징이다.
DeepSeek@deepseek_aiAI 점수6262
Microsoft AI는 추론 모델 MAI-Thinking-1을 발표했다. 35B-active, 약 1T-total 파라미터의 스파스 MoE 구조이며, AIME 2025에서 97.0%, AIME 2026에서 94.5%를 기록했다. 다른 회사 모델로부터의 증류는 하지 않았고, 추적 가능한 데이터로 학습했다고 설명했다.
LLM의 사실 오류 대부분은 지식이 아직 없는 "빈 선반"이 아니라 꺼내지 못하는 "잃어버린 열쇠", 즉 회상의 실패라고 Google Research가 밝혔다. Gemini-3-Pro와 GPT-5에서는 사실의 95–98%가 부호화되어 있지만, 직접 회상하지 못하는 사실이 26–34%였고, 사고를 활용해도 11–12%는 실패한다.
NVIDIA는 수술 로봇용 실시간 생성 시뮬레이터 「Cosmos-H-Dreams」를 발표했다. Cosmos-H-Surgical-Simulator를 인과적 소수 단계(few-step) 학생 모델로 증류하고, 스트리밍 추론 라이브러리 FlashDreams로 제공한다. 단일 NVIDIA RTX PRO 6000 GPU에서 동작하며, 사람 또는 학습된 정책이 폐루프(closed-loop)로 조작할 수 있다.
Hugging Face 블로그 연재 「Profiling in PyTorch」 3회에서는 Attention을 단순하게 구현한 모듈을 프로파일러로 분석한다. out-of-place인 masked_fill을 in-place인 masked_fill_로 바꾸면 GPU에서 Memcpy 커널이 사라지고, forward를 한 번 실행할 때마다 커널이 하나씩 줄어든다고 설명한다.
Mistral AI는 Lean 4에서의 형식 검증을 지원하는 Apache-2.0 라이선스 모델 「Leanstral 1.5」를 공개했다. 총 파라미터 119B, 활성 파라미터 6B 규모이며, miniF2F를 포화시키고 PutnamBench에서는 672문제 중 587문제를 풀었다. FATE-H에서 87%, FATE-X에서 34%를 기록해 새로운 state-of-the-art를 달성했으며, Hugging Face와 무료 API를 통해 이용할 수 있다.
구글 리서치는 LLM에 추론 트레이스를 생성하게 하면, 추론 없이는 사실상 도달할 수 없는 정답을 끌어낼 수 있다는 것을 보여줬다고 밝혔다. 이는 COLM 2026에서 발표될 논문 「Thinking to Recall」에서 검증된 내용이다.
Google이 Gemini Enterprise Agent Platform용 Agentic RAG 기반 크로스 코퍼스 검색(Cross-Corpus Retrieval)을 제공한다고 발표했다. 여러 에이전트가 계획, 쿼리 재작성, 검색을 나눠 맡고, 정보가 부족하지 않은지 확인하면서 검색을 이어간다. 표준 RAG와 비교해 사실성 데이터셋에서 정확도가 최대 34% 향상된 것으로 알려졌다.
Microsoft AI(MAI)는 Build 2026 기조연설에서 이미지, 음성, 전사, 추론, 코딩에 걸친 7개의 신규 모델을 발표했다. 첫 추론 모델인 MAI-Thinking-1은 35B 활성 파라미터의 MoE 구조이며 256K 컨텍스트 윈도우를 갖추고 있으며, SWE Bench Pro에서 53%, AIME 25에서 97%를 기록한 것으로 설명됐다. 모델은 Foundry를 비롯해 Open Router, Fireworks, Baseten을 통해서도 제공될 예정이다.
스탠퍼드대학교의 Gary Peltz 씨 연구팀은 Co-Scientist를 활용해 간섬유증에 효과가 있는 기존 약물을 탐색했다. Co-Scientist가 제안한 3개 후보 가운데 2개는 섬유화를 억제했으며, 간세포 재생도 촉진했다. 특히 항암제 vorinostat는 Peltz 씨의 실험에서 간의 흉터 형성을 초래하는 손상 반응을 91% 억제한 것으로 나타났다.
Mistral AI가 Mistral Small 4를 발표했다. Magistral의 추론, Pixtral의 멀티모달, Devstral의 에이전트형 코딩을 하나의 모델로 통합했으며, Apache 2.0 라이선스로 공개했다. 총 파라미터 119B의 MoE 구조로 256k 컨텍스트 윈도우를 지원하고, Mistral Small 3와 비교해 지연 시간 중시 설정에서 엔드 투 엔드 완료 시간을 40% 줄였으며, 처리량 중시 설정에서는 초당 요청 수를 3배로 늘렸다.
선정 이유: 추론, 멀티모달, 에이전트형 코딩을 하나의 모델로 통합한 구성과 출력 길이를 줄인 비교 결과가 제시되어 있어, 모델 선택 기준을 정리하기 좋다.