Google과 DeepMind의 AI 뉴스. Gemini 시리즈, 동영상 모델 Veo, 연구 성과, 제품군.
구글이 10월 AI 관련 발표를 정리한 기사를 공개했다. 중심은 Gemini 4 Argon과 Gemini 4 Carbon, 그리고 월드 모델 Genie 4다. Argon은 Google AI Studio, Gemini API, Gemini 앱 등을 통해 제공되며, Carbon은 미국 정부와 일부 사이버 방어 기관이 참여하는 사전 테스트 단계에 있다.
선정 이유: Gemini 4 Argon·Carbon과 Genie 4를 중심으로, 10월 Google의 AI 관련 발표를 분야별로 정리해 전체 흐름을 파악하기 좋다.
Patrick McGuinness의 주간 정리에 따르면, Google이 발표한 Gemini 4 Carbon이 Artificial Analysis의 Intelligence Index v5에서 59점을 기록해 Claude Opus 5.5의 58점, GPT-6 Astra의 57점을 앞질렀다. 이 밖에 OpenAI의 GPT-6.1 Terra, Mistral Large 4 가중치 공개, Genie 4, Anthropic의 S-1 제출, Amazon과 Google의 현금흐름 악화 등도 다룬다.
선정 이유: 모델 발표, 평가 지표 개정, IPO 서류, 설비투자의 자금 부담까지 일주일 치 AI 동향을 가로질러 파악할 수 있어, 각 화제의 위치를 비교하기 쉽다.
Google는 Gemini 앱에 문서, PDF, 슬라이드, 스프레드시트, 코드 등을 채팅 안에서 생성, 미리보기, 편집할 수 있는 기능을 도입했다. PDF는 웹과 모바일에서, 그 밖의 형식은 웹에서만 지원된다. Gemini 앱을 사용할 수 있는 모든 언어의 모든 사용자가 이용할 수 있다.
선정 이유: 채팅 안에서 생성, 미리보기, 편집이 이어지는 흐름과 PDF만 모바일을 지원하는 등 형식별 제공 범위가 정리되어 있어 활용 장면을 판단하기 쉽다.
Google은 최신 프런티어 모델 Gemini 4 Carbon을 발표했다. Artificial Analysis Intelligence Index v5.0에서 59점을 기록해 1위에 올랐으며, SEC-bench Pro에서 88.2%, ExploitGym에서 54.8%, CWE-bench에서 71.0%를 나타냈다. 우선 일부 사이버 방어 담당자에게 제공하고, Fairwind Program을 통해 신뢰할 수 있는 파트너로 단계적으로 확대한다. 가격은 Argon과 같으며, 입력 100만 토큰당 $2, 출력 $10이다.
선정 이유: 사이버보안 계열 벤치마크 수치와 단계적 제공 방침이 함께 제시되어, 모델의 강점과 공개 범위를 동시에 파악하기 쉽다.
Anthropic의 채용 매니저 Felix Rieseberg는 이번 달부터 기존의 코딩 면접을 실시하지 않겠다고 밝혔다. Claude가 React 과제에서도 어셈블리 지식 확인에서도 사람보다 나은 성능을 보이게 됐기 때문이다. 그는 젊은 인재에게는 사업적 영향력을 중시하고, 주말에 프로토타입을 만들어 보라고 조언하고 있다. 같은 날 소식으로 DeepMind의 Genie 4, Axiom의 유한 단순군 분류에 대한 Lean 형식화, Artificial Analysis Intelligence Index v5 등도 다뤘다.
선정 이유: 채용 면접 폐지라는 구체적인 방침과 젊은 세대를 위한 조언을 중심으로, 같은 날 발표된 Genie 4와 수학 증명 등의 동향도 한눈에 살펴볼 수 있다.
NSA는 수요일 PHP에서 중대 취약점 2건이 발견됐다고 경고했다. PHP Foundation은 이미 패치를 공개했으며, 권장 버전은 8.5.12다. OpenAI의 협력사 Calif와 Wiz가 AI로 찾아냈다.
선정 이유: AI를 통한 취약점 발견이 방어에도 공격에도 작용하는 구조를 PHP의 구체적 사례와 NSA의 대응 지침에서 읽어낼 수 있다.
PHP Foundation이 원격 제어로 이어질 수 있는 중대한 취약점 CVE-2026-109618과 CVE-2026-109619의 수정 버전을 긴급 공개했다. 두 취약점은 CVSS 9.2이며, PHP 5 이후의 모든 설치 환경이 영향을 받는다. 그러나 패치는 PHP 8.2 이상에만 제공된다. 완전한 완화책은 없으며, 업데이트가 유일하게 안전한 선택이라고 권고했다.
선정 이유: 취약점의 영향 범위와 각국 기관의 대응, 그리고 AI가 발견에 관여한 경위가 한데 정리되어 있어 대응 판단의 배경을 파악하기 쉽다.
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.
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.
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.
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.
구글은 Gemini 4 세대의 첫 모델인 Gemini 4 Argon을 일반에 공개했으며, Google AI Pro 및 Ultra 구독자가 Gemini 앱에서 사용할 수 있게 됐다. Artificial Analysis Intelligence Index에서는 53점으로 GPT-6 Astra와 나란히 올랐고, API 도입 가격은 입력 100만 토큰당 $2, 출력 $10이다.
선정 이유: Google 자사 비교표와 제3자 Intelligence Index를 나란히 제시하고 가격도 경쟁사와 대비하고 있어, 성능과 비용상의 위치를 파악하기 쉽다.
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 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.
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.
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.
Google이 최신 프런티어 모델 Gemini 4 Argon의 제공을 시작했다. AI Studio와 Gemini Platform의 API, Google Antigravity, Gemini 앱, AI Mode에서 이용할 수 있으며, 도입 가격은 입력 100만 토큰당 $2, 출력 $10이다. Vals Index에서 1위를 차지했다고 하며, 코딩, 금융, 법무, 사이버 보안, 과학 분야의 활용 사례도 함께 소개됐다.
선정 이유: 코딩과 과학 연구, 안전성 평가까지 구체적인 수치가 포함된 사례가 제시되어 도입처별 활용법과 제공 조건을 비교하기 쉽다.