xAI는 speech-to-speech 모델 Grok Voice 3.0을 발표하고 같은 날부터 API로 제공을 시작했다. Artificial Analysis의 Speech-to-Speech Index에서 86.9점으로 1위를 차지했으며, 지연 시간은 1초 미만이라고 밝혔다. 요금은 이전 세대와 같은 $0.08 / min($4.80 / hr)이다.
선정 이유: 독립 평가 기관의 점수와 경쟁 모델과의 비교, 요금과 도입 실적이 함께 정리되어 있어 음성 에이전트를 선택할 때 참고하기 좋다.
Anthropic은 싱가포르에 새 사무소를 열고 같은 나라의 디지털개발정보부(Ministry of Digital Development and Information)와 MOU(양해각서)를 체결했다. APAC 지역에서는 다섯 번째 거점이다. MOU에는 AI 안전성, 보안, 모델 평가 분야에서 협력하고 기술 교류를 진행하는 계획이 담겼다. GovTech Singapore에서는 1,500명 이상의 엔지니어와 기술 직원이 Claude Code를 도입하고 있다.
OpenAI Economic Research의 최신 보고서에 따르면, ChatGPT Enterprise 고객의 EU 샘플에서는 출력 토큰의 절반 이상을 Codex와 ChatGPT Work가 차지하고 있다. 2026년 5월 이후 EU 중소기업에서 Codex와 ChatGPT Work의 주간 활성 사용자는 8배 이상 늘었으며, 출력 토큰에서 차지하는 비율은 국가에 따라 22%(슬로베니아)에서 85%(리투아니아)까지 차이가 난다.
Anthropic는 미국 중간선거에 대비해 Claude의 선거 관련 안전 대책을 강화했다고 발표했다. Democracy Works의 공식 투표 정보를 답변에 반영하고, 선거 당일 개표 결과도 표시할 예정이며, 여러 단계에 걸친 악용을 탐지하는 새로운 분류기도 추가했다. 미국에서 이루어진 Claude.ai 대화 중 약 5.75%가 정치·사회 문제를 다뤘고, 투표 대상을 묻는 요청은 약 0.01%였다.
Claude Platform이 OpenTelemetry 내보내기 기능을 베타로 제공하기 시작했다. Messages API 요청과 Claude Managed Agents 세션을 옵저버빌리티 기반에서 트레이스할 수 있다.
Anthropic은 Git을 대체하는 자체 소스 관리 시스템 “Scion”을 구축했다고 밝혔다. 코드 변경 병합 건수는 2026년 5월 하루 평균 약 2,500건에서 9월에는 하루 3만 건 이상으로 늘었다. 개발은 7명으로 구성된 팀이 진행했으며, Git에서의 이전은 5개월 만에 완료됐다고 한다.
Simon Willison은 llm-gemini 0.35에서 Gemini 4 Argon을 지원했다. Argon은 Gemini API와 월 $100 요금제 이용자를 대상으로 제공되기 시작했으며, 가격은 입력 $2/백만 토큰, 출력 $10/백만 토큰이다. 12월 1일에 두 배로 인상될 예정이며, Artificial Analysis 벤치마크 실행 비용은 $2,407이었다.
Dyna Robotics의 Jason Ma(공동창업자 겸 수석 과학자)가 100만 시간 이상의 인간 영상으로 사전 학습한 월드 액션 모델 'Dyna-2'와 그 피지컬 로봇 에이전트 'Dyna-2.1'에 대해 이야기한다. 강연에서는 냅킨 접기 작업을 24시간 연속으로 수행해 성공률 99.4%를 달성했다는 점이 소개되었다. 또한 로봇은 최소 45분의 시연만으로 새로운 작업을 학습할 수 있으며, Din Tai Fung에서는 매일 수천 장의 냅킨을 접는 방식으로 운용되고 있다고 설명했다.
Google Gemini@GeminiAppAI 점수3535
Anchor Browser가 Amazon Bedrock AgentCore payments와 연동되어, AI 에이전트가 HTTP 402 Payment Required를 반환하는 x402 지원 페이지나 API에 자율적으로 결제할 수 있게 되었다.
BlenderWorld는 Blender에서 수행하는 실용적인 3D 제작 과제에 대해 멀티모달 언어 모델을 평가하는 벤치마크다. 건축, 제품, 자연 환경, 과학 시각화 분야에서 223개 과제를 마련했으며, 텍스트, 이미지, 동영상, 구조화된 사양을 입력으로 받는다. 13개의 최신 모델을 평가한 결과 GPT-6-Astra가 종합 점수 79.9점으로 1위를 차지했으며, Opus-5(73.0점), GPT-5.6-Sol(67.7점)이 뒤를 이었다. 다만 3D 공간의 일관성과 정확한 구조 재현에는 여전히 큰 과제가 남아 있다.
Speculative Sampling은 자기회귀형 동영상 생성을 대화적으로 작동시키기 위한 학습이 필요 없는 기법이다. 양방향 어텐션 윈도우 방식의 MiniMax H3에 적용하면 Self-Forcing 계열의 자기회귀 후학습을 거치지 않고도 대화형으로 바꿀 수 있으며, 새로운 사용자 입력부터 첫 응답 프레임이 표시되기까지의 엔드투엔드 지연 시간은 약 1.4초다. 모델은 한 번에 5초 분량의 동영상을 동시에 샘플링한다.
제안된 방법인 FSPO(Function-Space Policy Optimization)는 현재의 특권적 적응과 함수 공간에서의 시간적 통합을 결합한 단일 정책 프레임워크이다. 과거 next-token 분포의 희소한 이력을 고정된 시간적 타깃으로 저장하여, 영구적인 교사 모델을 두지 않고도 시간적 분리를 구현한다. 원문에서는 최근의 자기 증류 정책 기법인 SDPO 대비 상당한 개선을 보였다고 소개하고 있다.
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.
MAI-Gym는 모바일, 컴퓨터, 웹 환경에 걸친 GUI 에이전트의 평가, 데이터 수집, 온라인 강화학습(RL)을 하나로 묶은 오픈 플랫폼이다. 이를 활용해 훈련한 9B 모델 MAI-Gym-9B는 10B 미만의 오픈 GUI 에이전트 중 최고 수준으로 평가되며, MobileWorld에서 78.4%, OSWorld-Verified에서 76.2%를 기록했다. 프레임워크, 스킬, 모의 앱, 검증된 과제 2,000건, 모델 체크포인트도 함께 공개됐다.
Interlock은 과제를 타입이 지정된 완료 그래프로 표현하고, 구성 요소 간 제약을 지키면서 장기 과제용 학습 데이터를 합성하는 프레임워크다. 검증을 통과한 궤적으로 Qwen3.6의 두 가지 백본을 미세 조정한 결과, AutomationBench의 합격률은 4.00~4.50포인트, JobBench의 가중 점수는 3.20~6.64포인트, Harvey LAB의 기준 합격률은 3.89~4.16포인트 향상됐다.
GAFU는 통합형 멀티모달 모델(UMM)의 생성 측 표현을 컴팩트한 G 토큰으로 압축하여, 이해 측이 과제에 따라 이를 참조할 수 있도록 하는 사후 학습 프레임워크다. 같은 데이터로 학습한 SFT 베이스라인을 다양한 시각 이해 과제와 UMM 아키텍처 전반에서 앞섰으며, VStar-Bench, OmniSpatial, VSR-Bench에서의 상대적 개선폭은 최대 각각 20.00%, 17.94%, 8.62%다. 생성 경로의 보완적 정보가 세밀한 시각 이해의 향상으로 이어질 수 있음을 보여준다.
BizBench는 결제 기업의 실제 업무 절차를 바탕으로, 장기간 과업을 수행하는 에이전트의 중간 실행이 타당한지 평가하는 멀티턴 방식의 벤치마크다. 프런티어 모델도 목표를 부분적으로 달성하는 데 비해 제약 위반이 많아, Claude Opus 5와 GPT-6 Sol의 엄격한 성공률은 각각 64.0%, 61.3%에 그쳤다. Qwen3.8-27B는 목표 달성률이 42.0%이지만 엄격한 성공률은 32.7%로 떨어져, 결과만 평가하면 무효한 실행이 드러나지 않음을 보여준다.
PrismaCoder는 루브릭 기반 파이프라인으로 멀티모달 코드 데이터를 합성·선별해, 시각적 코딩 과제에서 독점 모델에 필적하는 오픈 모델을 구현했다고 밝혔다. 학습용 데이터로 논문이 최대 규모라고 밝힌 오픈 데이터셋 'PrismaCoder-2M'을 구축했으며, PrismaCoder-9B와 PrismaCoder-35B를 학습해 공개했다. 동일한 루브릭은 데이터 필터링과 시각적 코딩 과제의 강화학습 보상에 함께 사용된다.
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.
확산 모델의 예측을 다듬는 보정 모듈(corrector)을 학습시켜 exposure bias를 줄임으로써, 가이던스 없이도 샘플 품질을 높이는 기법이 제안되었다. DiT, SiT, JiT에서 평가했으며, 가이던스 없는 생성의 FID를 크게 개선했다. CFG와 함께 사용하면 다양성이 높아지고 과포화도 억제된다. 나아가 보정된 예측을 베이스 모델에 증류함으로써, 추론 시 비용을 늘리지 않고도 품질 향상을 유지할 수 있다.
Google DeepMind가 Gemini 4 Argon의 안전성과 보안 대응을 공개했다. 시뮬레이션 기반 사이버 공격 12개 시나리오를 모두 해결했으며, 코딩에서의 부정 지름길 비율은 2%까지 낮아졌다. Argon의 단계적 일반 제공과 Fairwind Program 대상 확대도 시작됐다.
선정 이유: 악용 방지, 미스얼라인먼트 모니터링, 프롬프트 인젝션 내성의 세 겹 구조로, 구체적인 수치를 들어 안전 대책을 설명하고 있다.
NVIDIA@nvidiaAI 점수2121
Cursor@cursor_aiAI 점수3939
Google DeepMind@GoogleDeepMindAI 점수6060
Cursor@cursor_aiAI 점수3131
디즈니가 파산을 신청한 Character Technologies의 챗봇 기술에 2,000만 달러를 제시했다. Character.AI는 서비스를 계속하겠다고 밝혔으며, 매각은 2026년 11월 말이나 12월 초에 완료될 것으로 예상한다. 한편 매각 대상에 채팅 로그 등 민감한 데이터가 포함되는지에 대해 회사는 언급을 피하고 있다.
Google이 Gemini 4 Argon의 안전성과 보안 대응을 공개했다. 사이버 공격 시나리오 12건을 모두 해결했으며, 실시간 방어와 감시도 겹겹이 적용했다. 프롬프트 인젝션 내성은 Gray Swan의 IPI 벤치마크에서 측정했고, 15회 적응형 공격에서의 성공률을 0.7%로 억제했다. Argon은 널리 제공이 시작됐으며 Fairwind Program도 확대된다.
선정 이유: 악용 방지, 미스얼라인먼트 감시, 프롬프트 인젝션 내성이라는 세 가지 방어를 평가 결과의 수치와 함께 정리하고 있어, 설계 사고방식을 비교하기 쉽다.
GitHub는 secret scanning을 위해 정규표현식으로 후보를 추출한 뒤, 파인튜닝한 ModernBERT 분류기로 문맥을 보고 실제 시크릿인지 판정하는 2단계 파이프라인을 도입했다. 기존 LLM 기반 파이프라인과 비교하면 post-push 스캔의 실행 시간 중앙값은 86% 단축되었고, 제공 비용은 98% 이상 절감되었으며, 오너 가중 알림 정밀도 기준 수락률은 11.5% 향상되었다. 처리 속도가 빨라지면서 범용 시크릿 탐지를 push protection에도 확대 적용할 수 있게 되었다.
Amazon Bedrock의 관리형 엔타이틀먼트를 활용하면 서드파티 AI 모델의 AWS Marketplace Private Pricing Offer(MPPO)를 중앙 계정에서 한 번 구독한 뒤, 조직 내 여러 계정에 접근 권한을 배포할 수 있다.
LiquidAI는 총 파라미터 24B, 활성 파라미터 2B 규모의 추론 모델 「LFM2.5-24B-A2B」를 공개했다. 도구 호출과 다단계 작업을 지원하며, 로컬 하드웨어에서 에이전트를 지속적으로 실행할 수 있다고 한다. 에이전트 벤치마크 LiveClaw에서는 48.09점을 기록해 Qwen3.6-35B-A3B의 38.19점을 웃돌았다. 추론 속도는 Apple M5 Max에서 184 tok/s, 단일 NVIDIA B300 GPU에서 최대 21K output tok/s를 나타냈다.
NVIDIA@nvidiaAI 점수1212파리에서 보낸 저녁. Jensen과 함께 프랑스 전역에서 AI를 만들어 가는 창업자, 연구자, 파트너들과 자리를 같이했다. 🇫🇷
Google는 AI로 만든 바이브 코딩(vibe-coded) 앱을 Play Store에서 비공개로 호스팅하고 공유할 수 있는 기능을 곧 제공할 계획이다. Ask Play는 앱과 게임을 검색해 비교표가 포함된 추천을 제시하는 기능으로 확장된다. 새로운 Game Finder는 안드로이드에서 12억 명의 게임 이용 데이터를 바탕으로 “Gamer DNA”를 만들어, 비슷한 성향의 플레이어를 연결한다.
Anthropic@AnthropicAIAI 점수4747Google DeepMind@GoogleDeepMindAI 점수5353
Orca Security는 Amazon Bedrock에서 자연어 질문을 Sonar 쿼리로 변환하는 「Discovery AI」를 구축했다고 밝혔다. 초기 구성과 비교해 쿼리 비용은 90%, 입력 토큰은 93%, 지연 시간은 75% 줄였다. RAG와 스키마를 고려한 쿼리 구성을 결합한 9단계 파이프라인으로, Amazon Titan Text Embeddings로 유사 사례를 검색하고 Cohere Rerank 3.5로 재순위를 매긴다. 운영 환경에서는 하루 수천 건의 쿼리를 약 15초의 응답 시간으로 처리한다.
Google DeepMind가 Gemini 4 Argon을 공개했다. 물리 이해, 코드 생성, 시각·의미 추론이 크게 발전했다고 밝혔으며, Embodied Reasoning(ERQA) 벤치마크에서 순수 추론만으로 87%를 기록해 다른 프런티어 모델을 앞선다고 설명했다. gemini-4-argon이라는 이름으로 Google AI Studio, Gemini API, Google Antigravity에서 사용할 수 있다.
선정 이유: 로봇 제어와 Real2Sim 등 네 개 영역의 구체적인 프롬프트 예시가 실려 있어, 물리 추론 모델의 활용법을 자신의 작업에 옮겨 검토하기 쉽다.
Google DeepMind는 최신 프런티어 모델 Gemini 4 Argon을 API, Google Antigravity, Gemini 앱, 검색의 AI 모드에서 제공하기 시작했다. 도입 가격은 입력 100만 토큰당 $2, 출력 $10이며, Vals Index에서 1위를 차지했다고 한다. 코딩, 금융, 법무, 사이버 보안, 과학 등 복잡한 업무를 상정하고 있다.
선정 이유: 코딩과 과학, 안전성 평가에 이르기까지 구체적인 적용 사례와 제공 조건이 정리되어 있어 실무에서의 활용처를 비교하기 쉽다.
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.