모든 게시물

OpenAI는 MIT에서 진행된 GPT-5.6 Sol 양자 실험에서 연구진이 개입해 개선한 측정은 4건뿐이었으며, 총 40건의 목표 측정을 완료했다고 밝혔다. 이 에이전트는 Codex를 통해 실제 실험실 하드웨어를 제어하고, 결과를 분석하며, 측정 파라미터를 조정하고, 이후 단계에 사용할 보정값을 저장했다. 이는 모델이 실험 바깥에서 과학자에게 조언하는 수준을 넘어선다. 이 연구가 AI 시스템이 새로운 물리학을 독자적으로 발견했다는 뜻은 아니다. MIT 대학원생인 Beatriz Yankelevich가 인프라를 구축하고 상세한 실험 지침을 제공했다. 에이전트는 비교적 단순한 6큐비트 칩에서 표준 보정 작업을 수행했다. 더 첨예한 쟁점은 누가 실험실을 지켜보느냐에 있다. 일상적인 보정 작업은 기기와 분석 코드가 개별 단계를 이미 자동화하더라도 숙련된 연구자의 주의를 전통적으로 요구한다. GPT-5.6 Sol은 이러한 요소를 적응형 루프로 연결했지만,

Threads가 AI 요약과 더 풍부한 성과 맥락을 포함한 분석 기능 개편을 출시했지만, 중요한 전환 신호 하나는 여전히 빠져 있다. 바로 링크 클릭이다. Threads 분석 업데이트는 크리에이터가 모바일 앱 안에서 게시물을 해석하는 방식을 바꾼다. 이제 Insights는 개별 수치만 제시하는 대신, 특정 콘텐츠가 좋은 성과를 낸 이유에 대한 자동 요약과 설명을 추가한다. 이 변화로 Threads는 기본적인 참여 통계 모음에서 벗어나 의사결정 지원 도구에 한층 가까워졌다. 그러나 클릭 지표가 없다는 점은 퍼블리셔가 Threads에서의 관심을 플랫폼 외부 트래픽과 연결하지 못하게 한다. 이것이 이번 업데이트의 핵심적인 긴장 관계다. Meta는 크리에이터가 Threads에서 무엇이 성공하는지 이해하도록 돕고자 하지만, 사용자가 Threads를 떠나 행동으로 이어졌는지를 보여주는 측정치는 제공하지 않고 있다. 그 결과 대화와 도달 범위를 측정하는 대시보

Arm은 두 개의 새로운 컴퓨팅 엔진과 미래 Android 스마트폰을 겨냥한 이례적으로 야심 찬 약속을 앞세워 Arm CSS for Mobile 2를 공개했다. 이 플랫폼은 더 풍부한 게임 경험과 한층 민감한 로컬 AI를 목표로 설계된 Mali G2-Ultra NX GPU와 C2 CPU 코어를 결합한다. 중요한 변화는 매년 반복되는 성능 향상이 아니다. Arm은 CPU 클러스터에 특화된 매트릭스 하드웨어를 넣고, 주력 모바일 GPU 내부에 신경망 가속기를 직접 탑재하고 있다. 이는 AI를 별도의 신경망 처리 장치에 국한된 워크로드가 아니라 일반 컴퓨팅과 그래픽의 일부로 다루는 설계다. Arm은 2026년 9월 8일 이 플랫폼을 발표했지만, 소비자는 아직 이를 구매할 수 없다. 스마트폰 제조사가 완성 제품을 출하하려면 먼저 칩 설계업체가 해당 지식재산을 프로세서에 통합해야 한다. Qualcomm, MediaTek, Samsung 및 기타 실리콘 공급

Google은 Android 16 이상을 실행하는 휴대전화용 기능을 발표한 지 일주일 만에 Google Find Hub Remembered 탭 배포를 시작했다. 이 기능은 Gemini가 전자 추적 태그가 없는 일상 소지품을 사용자가 어디에 두었는지 기록하도록 한다. 이에 따라 Find Hub의 범위는 연결된 하드웨어 찾기를 넘어선다. 다만 엄격한 한계도 있다. Google은 사용자가 이전에 알려준 위치만 기억할 수 있다. 이 차이는 Remembered가 분실 기기와 태그가 부착된 소지품을 찾는 앱 안에 자리한다는 점에서 중요하다. 이 기능은 태그가 없는 여권, 열쇠, 문서 또는 도구를 감지하지 않는다. 대신 Gemini는 사용자가 말하거나 입력한 내용을 나중에 다시 찾을 수 있는 저장 기록으로 전환한다. 따라서 이번 업데이트는 새로운 추적 네트워크라기보다 구조화된 기억 시스템에 가깝다. 핵심적인 차이는 수동적 추적과 의도적 기록 사이에 있다. 전자

TrendForce는 AI 인프라가 일반 PC와 백업 드라이브에 쓰이던 공급 물량을 흡수하면서, 소비자 수요가 약세인 상황에서도 스토리지 가격이 계속 오를 것으로 내다봤다. TrendForce 스토리지 가격 전망은 익숙한 부품 가격 사이클을 더 폭넓은 충돌 구도로 바꿔 놓는다. 클라우드 사업자는 더 빠르고 더 큰 스토리지 시스템을 원하지만, 개인 구매자는 SSD와 HDD 모두에서 더 높은 비용을 마주하고 있다. 당장의 놀라움은 솔리드 스테이트 드라이브 가격이 비싸졌다는 사실이 아니다. NAND 플래시는 언제나 가파른 공급 사이클을 거쳐 왔다. 달라진 점은 하드 디스크 드라이브가 더는 이러한 사이클을 완전히 피할 수 있는 선택지가 아니라는 것이다. AI 시스템은 지속적으로 데이터를 생성하며, 사업자들은 이를 경제적으로 보관하기 위해 여전히 고용량 디스크에 의존한다. 이로 인해 구매자들은 기존 HDD와 SSD 선택의 더 불편한 버전에 직면하게 됐다.

Amazon SageMaker UpdateRecord는 특성 수준 쓰기를 도입해, 부분 변경이 있을 때마다 전체 레코드를 읽고 다시 써야 했던 오랜 요구 사항을 없앤다. 이제 하나의 API 호출로 요청에서 생략된 모든 특성을 그대로 보존하면서 최대 100개의 특성을 업데이트할 수 있다. 이번 변경은 실시간 머신러닝 인프라의 특정 약점을 겨냥한다. 특성 레코드는 저마다의 일정으로 작동하는 별도 파이프라인이 생성한 값을 결합하는 경우가 많다. 클릭스트림 프로세서는 몇 초마다 활동 데이터를 업데이트할 수 있는 반면, 야간 작업은 고객 세그먼트를 갱신할 수 있다. 지금까지 이런 파이프라인은 흔히 읽기-수정-쓰기 패턴에 의존했다. 각 생산자는 현재 레코드를 가져와 자신에게 할당된 필드를 변경한 뒤 전체 레코드를 다시 제출했다. 이 패턴은 읽기 작업을 추가하고, 변경되지 않은 데이터를 전송하며, 동시 작성자가 서로의 데이터를 덮어쓸 여지를 만들었다. AWS는

NVIDIA DLSS 5 NBA 2K27 테스트는 더 풍부해진 그래픽과 실용적인 성능 사이의 뚜렷한 충돌을 드러냈다. 선택 기능인 이 기술은 피부, 소재, 조명을 정교하게 다듬을 수 있지만, 초기 벤치마크에서는 큰 프레임률 하락과 높은 GPU 전력 소비가 나타났다. NBA 2K27은 9월 3일 NVIDIA의 새 뉴럴 렌더링 시스템을 공식 탑재해 출시한 최초의 게임이 됐다. 이번 출시는 DLSS를 익숙한 성능 보조 기능의 역할 너머로 확장한다. DLSS 5는 대신 최종 이미지를 바꾸기 위해 상당한 컴퓨팅 자원을 사용한다. 이 변화가 중요한 이유는 일반적인 농구 게임플레이 중에는 시각적 향상을 알아차리기 어려울 수 있기 때문이다. 리뷰어들은 클로즈업, 리플레이, 시네마틱 장면에서 더 뚜렷한 이점을 확인했다. 코트 위 카메라 앵글에서는 같은 디테일이 흔히 가려진다. 그 결과는 이례적인 제안이 된다. 플레이어는 본래의 반응성을 희생한 뒤, 생성 프레임을

Pathway는 1억5,000만 개 파라미터의 BDH-CQ 모델을 Amazon SageMaker HyperPod에서 확장하며, 더 나은 추론에는 더 긴 생성 토큰 체인이 필요하다는 가정에 도전했다. Pathway BDH 아키텍처는 대신 순환 잠재 상태 내부에서 반복 계산을 수행한다. 최신 결과는 ARC-AGI-1에서 29.5%의 pass@2를 기록하며 새롭게 보고된 효율성 지점을 설정했다. 이 결과가 BDH-CQ를 벤치마크의 최고 성능 범용 모델 수준에 올려놓는 것은 아니다. 다만 다른 종류의 압박을 만들어낸다. Pathway는 추론 효율성이 단순히 모델 크기, 컨텍스트 길이 또는 더 큰 추론 예산이 아니라 아키텍처에 달려 있다고 주장한다. 따라서 비교 대상은 두 가지 컴퓨팅 전략이다. Transformer 추론 모델은 일반적으로 중간 토큰을 생성하며, 이는 기록된 계산 작업 공간이 된다. BDH-CQ는 내부 상태를 갱신하고 그 안에서 후보 변환을

OpenAI는 9월 8일 ChatGPT Images 2.5 소개를 발표하며 생성 지연 시간을 최대 50% 낮추고 반복 편집에 대한 제어력을 강화했다고 밝혔다. 이번 출시는 생성형 이미지 분야의 고질적인 약점을 겨냥한다. 인상적인 첫 이미지를 만드는 일은, 나머지 모든 요소를 훼손하지 않고 한 가지 세부 사항만 바꾸는 것보다 훨씬 쉽다. 새 모델은 더 선명한 디테일, 더 자연스러운 조명, 더 풍부한 질감, 그리고 참조 사진 속 피사체를 더 잘 보존하는 데 초점을 맞춘다. OpenAI는 또한 ChatGPT에 Sketch, 템플릿, 이미지 댓글, 공유 프롬프트를 추가했다. 이러한 변화는 이미지 생성을 단일 프롬프트 방식에서 편집 가능한 창작 프로세스로 옮겨 놓는다. 이러한 변화는 이미 참조 이미지, 대화형 편집, 창작 제어를 중심으로 경쟁해 온 Google Gemini와 Adobe Firefly에 압박을 가한다. 경쟁은 더 이상 어떤 모델이 가장 눈길을

Anthropic은 Max 요금제가 광고 문구가 암시한 것보다 실제로 활용 가능한 용량을 적게 제공했다고 주장하는 Claude 구독자들의 확대 소송에 직면했다. Anthropic 구독 소송의 핵심은 단순한 충돌이다. 고객들은 더 많은 사용량을 약속하는 배수를 봤지만, 이후 접근성을 제한하는 별도의 한도에 부딪혔다. 원고들은 Anthropic이 Max 5x와 Max 20x를 Claude Pro보다 단순히 상향된 요금제로 제시했다고 말한다. 그러나 롤링 세션과 주간 상한이 고객이 작업을 지속할 수 있는 시간을 통제하면서 이 비교는 오해의 소지가 있게 됐다고 주장한다. Anthropic은 관련 제한이 숨겨져 있었다는 주장에 이의를 제기한다. 회사는 앞선 신청에서 고객이 구매 과정에 표시된 링크를 통해 설명 정보를 확인할 수 있었다고 주장했다. 이 항변은 분쟁을 AI 서비스에서 충분한 고지가 무엇을 의미하는지에 대한 시험대로 바꾼다. 이 사건은 개발자들이

RavenDB Quill AI 에이전트는 이제 기업이 운영 데이터를 마이그레이션하지 않고도 3대 주요 SQL 플랫폼과 함께 사용할 수 있다. 출시 시점에 PostgreSQL, Microsoft SQL Server, MySQL을 지원한다. 다만 Quill은 AI 모델에 프로덕션 데이터베이스를 무제한으로 접근하도록 허용하는 방식은 아니다. 대신 Quill은 승인된 레코드를 원본 시스템 옆에서 실행되는 동기화된 RavenDB 인스턴스로 복제한다. AI 에이전트는 이 통제된 사본을 쿼리하고, 원래의 SQL 데이터베이스는 기존 애플리케이션을 계속 지원한다. 이 아키텍처는 맞춤형 데이터 계층을 구축할지, 정보를 AI 지향 플랫폼으로 옮길지라는 일반적인 선택에 도전한다. Microsoft Fabric과 Google BigQuery는 이미 각자의 환경에서 관리되는 데이터를 위한 대화형 에이전트를 제공한다. RavenDB는 기존 SQL 시스템을 그대로 유지하면서

Google이 미국에서 Gemini Daily Brief의 무료 출시를 확대하며, 기능 공개 4개월 만에 구독 요건을 없앴다. 이에 따라 개인 Google 계정을 사용하는 자격 요건을 충족한 성인 이용자는 Google의 선제적 아침 요약을 이용할 수 있게 됐다. 다만 사용자는 여전히 Personal Intelligence, Memory, Google Workspace 연결을 활성화해야 한다. 이 조합이 이번 확대의 실질적인 긴장을 만든다. Google은 금전적 장벽을 낮추는 한편, 이용자에게 기능의 가치를 만드는 맥락을 공유하도록 요구하고 있다. Daily Brief는 Gmail, Google Calendar, 이전 Gemini 대화 전반의 개인 정보에 접근해야 한다. 이러한 접근은 기능의 가치를 높이지만, 동시에 Google의 데이터 제어 방식을 이해하는 일의 중요성도 커진다. 이번 조치는 ChatGPT Pulse와 다른 선제형 어시스턴트에 대한

OpenAI는 Astra 출시 범위가 이제 4개 유료 계정 그룹 전체를 포괄한다고 밝혔다. 이는 모델이 9월 3일 출시된 지 며칠 만에 초기 접근성 병목을 해소한 것이다. Plus, Pro, Business, Enterprise 사용자는 제품 및 워크스페이스 조건에 따라 이제 Codex와 ChatGPT Work에서 GPT-6 Astra를 찾을 수 있다. 이번 확대는 Astra가 더 나은 채팅 답변을 제공하는 또 하나의 모델로 소개되지 않았다는 점에서 중요하다. OpenAI는 코드, 브라우저, 파일, 전문 소프트웨어를 넘나드는 장기 과제를 위해 이 모델을 설계했다. 이를 통해 개인 구독자와 업무 팀도 더 까다로운 에이전트 기반 작업에 접근할 수 있게 됐다. 이제 쟁점은 제공 여부에서 실질적 접근성으로 옮겨간다. OpenAI 문서에 따르면 사용량 한도, 워크스페이스 권한, 소프트웨어 버전, 제품 간 경계는 여전히 누가 Astra를 얼마나 오래 실행할

인도의 휴머노이드 로봇 훈련은 불편한 거래를 만들어냈다. 노동자들은 자동화 기업이 기계로 재현하려는 바로 그 기술을 녹화해 추가 수입을 얻는다. 재활용 작업장, 공장, 창고, 농장, 건설 현장, 가정에 이르기까지 노동자들은 iPhone이나 특수 카메라를 머리에 고정하고 있다. 이 영상에는 손으로 플라스틱을 분류하고, 신발을 꿰매고, 음식을 준비하며, 도구를 다루고, 상품을 포장하는 과정이 담긴다. 이 일은 즉각적인 수입을 제공하며, 때로는 월급이 많지 않은 사람들에게 도움이 된다. 하지만 동시에 이들의 경험을 녹화된 작업 현장을 넘어 재사용 가능한 훈련 데이터로 바꿔 놓는다. 이러한 충돌은 Bloomberg의 Big Take Asia 팟캐스트가 9월 8일 공개한 에피소드의 핵심 주제다. 이 에피소드는 인도 전역에서 1인칭 데이터 수집에 참여하도록 모집된 수만 명의 노동자를 다룬 8월 조사 보도를 바탕으로 한다. 핵심 경쟁 구도는 단순히 인간 대 로

Anthropic은 구독자가 작업하지 않는 동안에도 해커들이 Claude 토큰을 탈취하고 있다고 영향을 받은 사용자들에게 경고했다. 이 경고는 해당 활동과 일치하는 사용 기록 없이 사용 한도가 소진된다는 보고 뒤에 나왔다. 문서화된 한 사례에서 한 사용자는 Claude 작업을 비활성화한 통제된 시간 동안 사용량이 10%포인트 증가하는 것을 확인했다. 이번 사건은 Anthropic의 모델 침해가 아니라 탈취된 로그인 세션을 가리킨다. 인포스틸러 악성코드는 감염된 컴퓨터에서 인증된 세션 데이터를 복사할 수 있다. 공격자는 그 데이터를 재사용해 일반적인 로그인 절차를 거치지 않고 계정에 접근할 수 있다. 이 구분은 중요하지만, 문제가 사소하다는 뜻은 아니다. Claude 구독은 이제 단일 채팅을 넘어 지속되는 코딩, 리서치, 관리, 에이전트 기반 작업을 지원한다. 지속적 접근은 이러한 워크플로를 편리하게 만든다. 동시에 탈취된 세션이 악용할 수 있는 시

Microsoft가 100개 이상의 전문 AI 에이전트를 갖춘 Codename MDASH Azure Government 기능을 배포하며, 까다로운 보안 환경으로 코드 스캐너를 확장했다. 일부 미국 정부 고객과 승인된 파트너는 이제 프리뷰 형태로 이 시스템에 접근할 수 있다. 이번 배포가 중요한 이유는 Microsoft가 단순히 더 빠른 정적 분석 이상을 약속하고 있기 때문이다. Codename MDASH는 여러 모델과 에이전트 역할을 활용해 의심스러운 소프트웨어 결함이 실제로 도달 가능하고 악용 가능한지 조사한다. 이 접근 방식은 기존 애플리케이션 보안 도구의 활용을 제한해 온 오탐 문제를 겨냥한다. 다만 Azure Government 내 배포가 이 스캐너가 연방 정부 코드베이스 전반에서 안정적으로 작동한다는 사실을 입증하는 것은 아니다. Microsoft는 고무적인 벤치마크 및 내부 테스트 결과를 공개했다. 이제 정부 기관은 이러한 결과가 정확한

Microsoft는 9월 업데이트에서 공격자가 이미 악용 중인 Windows 취약점 두 건을 포함해 거의 1,000개의 보안 허점을 해소했다. 이번 기록적인 배치에는 Windows, Office, Exchange Server, SharePoint, SQL Server, Azure 및 여러 개발 도구가 포함된다. 또한 Patch Tuesday는 방어 측이 취약점 데이터를 얼마나 신속히 안전한 프로덕션 업데이트로 전환할 수 있는지를 시험하는 계기가 됐다. 주목할 점은 단순히 Microsoft가 더 많은 결함을 찾아냈다는 사실만이 아니다. Microsoft는 이제 인공지능이 연구자들이 수동 검토로는 지속할 수 없는 규모에서 복잡한 코드를 검사하도록 돕는다고 말한다. 이렇게 확대된 범위는 취약점을 더 일찍 드러낼 수 있지만, 고객이 평가하고 테스트하며 일정에 반영하고 모니터링해야 할 패치도 더 많이 만들어낸다. 이는 불균형한 경쟁을 만든다. AI는 소프트

Cisco 사장 겸 최고제품책임자(CPO) Jeetu Patel은 방어 측면의 가능성에도 불구하고 AI 지원 사이버 공격이 머신 스케일에 가까워지고 있다고 강하게 경고했다. 그의 발언은 Cisco, OpenAI, Anthropic, Google, Microsoft를 비롯한 100개 이상의 조직이 서명한 공개 서한에 뒤따른 것이다. 이 서한은 기업과 공공기관에 방어 역량을 강화할 수 있는 시간이 제한적이라고 주장한다. Patel은 9월 8일 Bloomberg 인터뷰에서 이 경고의 핵심에 있는 충돌을 설명했다. AI는 정상적인 업무를 수행하는 직원의 생산성을 높일 수 있지만, 공격자에게도 동일한 지렛대를 제공한다. 이러한 대칭성은 사이버 보안의 운영 모델을 바꾼다. AI 에이전트는 모든 단계마다 사람의 개입을 기다리지 않고 코드를 점검하고, 구성을 테스트하며, 표적을 조사하고, 행동을 조율할 수 있다. 반면 방어 팀은 여전히 수동 검토, 분절된 도구,

OpenAI의 GPT-6 Astra가 Amazon Bedrock에서 정식 출시되면서, 관리형 대규모 추론을 위해 설계된 엔터프라이즈 플랫폼에 모델이 편입됐다. GPT-6 Astra Amazon Bedrock 출시는 별도의 AI 운영 환경을 도입하지 않아도 모델에 접근할 수 있게 한다는 점에서 중요하다. AWS는 Astra가 까다로운 업무에 더 깊은 추론과 더 날카로운 판단력을 제공한다고 말한다. 다만 이러한 주장은 실제 비즈니스 워크로드 전반에서의 독립적인 검증이 여전히 필요하다. 당장의 변화는 더 단순하고 구체적이다. AWS 고객은 이미 사용 중일 수 있는 인프라 및 거버넌스 환경 안에서 Astra를 평가할 수 있다. 이는 경쟁 모델 제공업체에 압박을 가하는 동시에, 경쟁의 일부를 클라우드 아키텍처로 옮긴다. OpenAI는 Astra가 파트너가 제어하는 추론 계층을 통해서도 일관된 가치를 제공한다는 점을 보여야 한다. AWS는 모델 선택권, 보안

CISA는 9월 8일 활성 악용 증거가 있는 취약점 4건을 카탈로그에 추가하며 새로운 긴급 패치 결정 과제를 만들었다. 이번 CISA KEV 카탈로그 업데이트는 Adobe Commerce, Magento Open Source, Microsoft Windows, N-able N-central을 다룬다. 추가된 네 항목은 CVE-2026-75650, CVE-2026-81963, CVE-2026-85880, CVE-2026-86218이다. 이들은 템플릿 인젝션, 링크 추적, 힙 기반 버퍼 오버플로, 정적 코드 인젝션 취약점에 걸쳐 있다. 진짜 경고 신호는 이 범위다. 이는 하나의 취약한 제품군이나 예측 가능한 단일 공격 기법의 문제가 아니다. 이번 추가 항목은 전자상거래 서버, Windows 환경, 다른 시스템을 관리하는 데 사용되는 원격 모니터링 인프라까지 포괄한다. 핵심 갈등은 간단하다. 보안팀은 흔히 심각도 점수, 벤더 일정, 유지보수 시간 창을