Abliteration.ai가 거절 반응을 지운 GLM-5.3 기반 모델을 상품으로 내놓았고, 메타는 코딩 에이전트 Muse Code를 베타에서 정식 출시했습니다. 구글은 Gemini에 필요한 구간만 골라 보는 영상 이해 기능을 붙여 토큰 사용량을 최대 88% 줄였다고 밝혔습니다.
AI 인사이트
거절 반응을 지운 모델이 상품으로 팔리면, 학습 단계에서 넣은 안전장치는 배포 뒤에 다시 걷힐 수 있습니다. 성능 점수까지 높아 이 판을 쓰려는 이유도 함께 생깁니다.
AI 인사이트
같은 모델에 토큰 예산을 더 쓰는 대신 답의 깊이를 올리는 방식이라, 작업마다 비용과 품질을 사용자가 고르게 됩니다.
AI 인사이트
파인튜닝 없이 외부 변수까지 받으면, 회사마다 예측 모델을 따로 학습시키던 준비 작업이 줄어듭니다.
AI 인사이트
물체가 따로 떨어진 메시로 나오기 때문에 게임 엔진이나 로봇 시뮬레이터에 넣어 옮기고 바꿀 수 있습니다. 배경과 물체가 한 덩어리로 붙은 3D는 보는 용도로만 쓰입니다.
AI 인사이트
세션을 다른 기기와 팀원에게 넘길 수 있게 되면서, 혼자 쓰던 에이전트를 여러 사람이 같은 작업에 이어 붙여 쓸 수 있게 됐습니다.
AI 인사이트
앤트로픽·오픈AI·구글에 이어 메타까지 자체 코딩 에이전트를 정식 제품으로 갖췄습니다. SDK를 함께 내놓아 외부 개발자가 Muse Code 위에 자기 에이전트를 만들 수 있게 했습니다.
AI 인사이트
연구자는 초급 과제를 풀며 훈련받는데, 그 과제를 AI가 가져가면 훈련 경로도 같이 줄어듭니다. 논문 수 같은 생산성 지표에는 잡히지 않는 비용이라 늦게 드러납니다.
AI 인사이트
확산 방식은 여러 토큰을 한 번에 다듬어 응답 시간을 줄이고, 도구 호출을 여러 번 되풀이하는 에이전트 작업에서는 그 차이가 쌓입니다.
AI 인사이트
카메라를 실제로 움직이지 않고도 지정한 경로의 화면을 만들 수 있어 촬영과 생성의 구분이 흐려집니다. 휴대폰으로 찍은 공간을 그대로 로봇 훈련용 시뮬레이션으로 쓰면 훈련 환경을 따로 만드는 수고도 줄어듭니다.
AI 인사이트
모델이 볼 구간과 배속을 스스로 골라 토큰을 최대 88% 덜 쓰는 방식이라, 90분 강의나 긴 회의 녹화를 다루는 비용이 내려갑니다. 모델을 키우지 않고 보는 순서만 바꿔 얻은 개선입니다.
안전장치 이야기는 〈방어 장치 하나에 기댄 평가, 앤트로픽이 침해 한 달 만에 규칙을 다시 썼습니다〉로 이어집니다. 앤트로픽은 7월에 드러난 실제 기업 침해 세 건이 평가 환경 설정 한 겹에 기댄 구조에서 났다고 인정하고, 외부 사이버 평가를 파트너 수칙 네 가지를 붙여 다시 열었습니다.
