AI 및 프론티어 기술 요약: Kimi K3.1 Pro, MiniMax M3.1 Flash 및 에이전트 스택

두 개의 대형 오픈 가중치 모델이 동시에 출시되었습니다 — Kimi K3.1 Pro (총 2.8T / 활성 104B 파라미터) 및 MiniMax M3.1 Flash (428B / 활성 23B) — 그리고 주변 논의는 프론티어 AI의 제약 조건이 원시 모델 품질에서 구독 할당량, 추론 비용, 오케스트레이션 및 물리적 세계 데이터로 이동했음을 시사합니다. 같은 게시물 배치에서는 에이전트 도구가 공유 메모리, 저렴한 읽기 하위 에이전트 및 비수탁 결제를 중심으로 통합되고 있으며, 휴머노이드 로봇 게시물은 Unitree 하드웨어와 중국 제조 규모에 집중되어 있습니다.

Kimi K3.1 Pro: 할당량 문제가 있는 프론티어급 오픈 가중치 모델

Kimi K3.1 Pro는 Moonshot의 3T급 오픈 가중치 추론 모델이며, 독립 벤치마킹에서 Artificial Analysis Intelligence Index에서 4위를 차지했으며 현재로서는 가장 강력한 오픈 가중치 경쟁자로 남아 있습니다. 사용자들의 반론은 자체 구독 요금제가 지속적인 에이전트 작업을 비현실적으로 만드는 방식으로 책정되었다는 것입니다.

Moonshot이 발표한 내용

Moonshot은 Kimi K3.1 Pro를 가장 강력한 3T급 오픈 가중치 모델로 설명합니다: 100만 토큰 컨텍스트, 총 2.8T 파라미터 중 104B 활성 (혼합 전문가), 멀티모달 입력 @Kimi_Moonshot. 회사는 Unreal, Unity 및 Godot에서 전체 프로젝트 코딩, Blender 및 CAD에서 파라메트릭 3D 모델링, 환각 65% 감소로 더 안정적인 금융 작업을 주장합니다 @Kimi_Moonshot. 2-3배 빠른 Highspeed 변형이 표준 모델과 함께 Kimi 자체 플랫폼, Kimi Work, Kimi Code 및 Kimi API에서 제공되며, 오픈 가중치는 2026년 11월 4일까지 약속되었습니다 @Kimi_Moonshot. 보고된 가격은 입력 토큰 100만 개당 약 2달러, 출력 토큰 100만 개당 10달러, 캐시 입력 0.20달러, 캐시 쓰기 2달러이며, Highspeed 등급은 입력 4달러 / 출력 20달러입니다 @TokenGremlin. Design Arena는 모델을 사용 가능으로 나열하고 동일한 제안을 강조합니다: 복잡한 코딩, 에이전트 워크플로, 멀티모달 작업, Unreal, Unity 및 Godot의 전체 프로젝트, Blender 및 CAD 파라메트릭 모델링, 환각 65% 감소한 금융 모델링 @DesignArena.

독립 벤치마크 수치

Artificial Analysis는 Kimi K3.1 Pro를 Intelligence Index에서 55점으로 평가했으며, 전체 4위이고 Kimi K3의 44점보다 11점 상승했습니다 @ArtificialAnlys. Claude Opus 5.5 (58, 폴백 포함 최대), Claude Sonnet 5.5 (56, 폴백 포함 최대) 및 Muse Wonder Full (56)에만 뒤지며, 보고서는 K3.1 Pro의 가중치가 공개되면 해당 지수에서 선도적인 오픈 가중치와 독점 모델 간의 격차가 12점에서 3점으로 좁혀진다고 밝힙니다 @ArtificialAnlys. 에이전트 성능이 헤드라인이었습니다: GDPval-AA에서 1,846 Elo로 3위, Kimi K3보다 312 Elo 상승했으며 Claude Opus 5.5 (1,866) 및 Muse Wonder Full (1,857)에만 뒤지고, Terminal-Bench 4.0에서 67%로 모든 모델 중 최고 점수 (Kimi K3의 13%에서 상승, Claude Sonnet 5.5의 64%보다 높음), AutomationBench-AA는 58%에서 73%로 상승했습니다 @ArtificialAnlys. 다른 평가는 더 완만하게 움직였습니다: Humanity's Last Exam은 47%에서 52%로, CritPt는 23%에서 25%로, SciCode는 59%에서 61%로, AA-Omniscience Index는 20에서 30으로 상승했으며 환각률은 53%에서 44%로, 정확도는 48%에서 51%로 상승했습니다 @ArtificialAnlys. 작업당 비용은 약 1.98달러로 거의 동일했으며, Intelligence Index 작업당 출력 토큰은 55K (Kimi K3의 48K 대비)였지만 자사 토큰 가격이 33% 낮아 상쇄되었습니다 @ArtificialAnlys.

더 회의적인 벤치마킹 목소리는 그 결과가 소문난 1017 체크포인트에 대한 자신의 예측을 뛰어넘었다고 주장했습니다:

"이런, 내 예측보다 훨씬 위네. 불쌍한 1017은 처참하게 패배 (적어도 GLM 5.3은 대부분 이김) Moonshot AI는 공개 프론티어에 서 있다고 주장합니다. 토큰 효율적이라면, 그들은 살아있는 플레이어 중 하나로 자리 잡았습니다. 두고 보죠" @teortaxesTex

구독 반대 의견

한 사용자는 Kimi K3.1 Pro가 사용 가능한 최고의 오픈 모델이지만 "자체 구독으로는 실질적으로 사용할 수 없다"고 주장합니다 @Da7_Tech. 39달러 요금제에서 단일 빌드 테스트가 월 할당량의 11.6%를 소비했으며, 반복 없이 월 약 8회 실행으로 계산합니다. 대부분의 20달러 요금제에서 유사한 작업은 주간 한도의 10%에 도달하지 않으며, Claude에서는 5시간 한도의 10%도 되지 않습니다 @Da7_Tech. 그는 문제를 품질보다 컴퓨팅에 돌립니다: 모델의 추론을 DeepSeek V4 Pro보다 높게, Qwen3.8-Max와 거의 동등하게, GLM-5.3보다 훨씬 앞서 있다고 평가하며, 컴퓨터 사용은 MiniMax와 함께 오픈 모델 중 최고일 수 있다고 말합니다 @Da7_Tech. 그가 언급한 약점은 길이 제어와 속도 (3-4배 느림)로, 실행자로는 부적합하다고 말합니다 — 그의 계획은 계획 및 검토에 사용하고 실행은 다른 모델에 맡기는 것이며, 주로 Devin 내에서 Astra보다 약 5배 저렴하고 중립 하네스에서 Claude Opus 5.5의 약 절반 가격입니다 @Da7_Tech. 그는 직접 구독을 명시적으로 권장하지 않습니다 @Da7_Tech.

MiniMax M3.1 Flash: 오픈 가중치 및 출시일 서빙 지원

MiniMax M3.1 Flash는 토큰당 23B 파라미터가 활성화되는 428B 파라미터 오픈 가중치 모델이며, vLLM, NVIDIA 및 Tenstorrent의 비정상적으로 광범위한 출시일 인프라 지원과 함께 출시되었습니다. MiniMax는 가중치를 공개적으로 게시했으며 총 428B / 활성 23B를 나열하고 BankerToolBench에서 76.2, DeepSWE v1.1에서 73.7%, OSWorld V2에서 61.7, Agents' Last Exam에서 29.6, CyberGym에서 82.2의 에이전트 결과를 보고했습니다 @MiniMax_AI. 모델은 추론 효율성을 위해 MiniMax Sparse Attention 및 DSpark 추측 디코딩을 사용하며 Hugging Face, ModelScope 및 MiniMax API를 통해 배포됩니다 @MiniMax_AI. Tenstorrent는 오픈 가중치가 Tenstorrent Cloud에서 플레이그라운드 사용 또는 에이전트 하네스용으로 제공된다고 발표했습니다 @tenstorrent.

vLLM은 네이티브 NVFP4 KV 캐시, NVFP4 MoE 가중치 및 서빙 스택의 DSpark 추측 디코딩으로 출시일 지원을 확인했습니다 @vllm_project. Inco AI는 모델용 DFlash 2 드래프터를 Apache 2.0으로 오픈소스화했으며, 생성 속도를 최대 3.5배 빠르게 하고 무손실이라고 말합니다 @inco_ai. NVIDIA는 Vera Rubin에서 GPU당 최대 200K TPS, 사용자당 700 TPS 이상의 최초 출시일 지원을 보고했으며 Hugging Face에 NVFP4 체크포인트를 제공합니다 @NVIDIAAIInfra. MiniMax는 또한 Inferact와 프로덕션 추론 파트너십을 발표했으며, 엔지니어링 개선 사항을 vLLM에 기여하고 M3.1 Flash를 출시일부터 프로덕션에서 지원합니다 @MiniMax_AI. 별도로 MiniMax FastH3 Omni는 최대 9개의 참조 이미지, 비디오 클립 및 음성 참조를 지원하는 오픈소스로 전환되었으며 RTX 5090의 ComfyUI에서 실행되는 것이 시연되었습니다 @kentdhani.

기타 모델 출시 및 로컬 추론 주장

같은 기간에 여러 다른 모델과 양자화된 로컬 배포가 주목을 받았습니다.

  • DeepSeek-V4.1-Flash-1017은 763B 파라미터 모델로 설명되며 GSQ-RCO 양자화를 사용하여 12GB GPU에서 로컬로 실행되고 Strata 추론 엔진에서 직접 지원되는 것으로 보고되었습니다 @mhelcig.
  • DeepSeek V4.1 Flash가 The Last of Us Part 2의 장면을 재현하는 게시물은 보트, 모터, 로프 및 물 반사를 칭찬하며 "FLASH MODEL"임을 강조했습니다 @parves075.
  • 별도의 게시물은 DeepSeek V4.1 Flash가 거부 제거로 완전히 검열되지 않았고, 이미지 및 비디오 입력, 도구 호출이 있는 1M 컨텍스트, MIT 라이선스의 오픈 가중치를 갖추고 있다고 설명합니다 @alizeh_ai.
  • 한 평론가는 로컬 모델의 순간을 단호하게 요약했습니다: "오늘 우리는 Fable 5.1 지능을 로컬 모델로 얻었습니다," GLM 창립자가 중국 연구소가 연말까지 그 능력에 도달할 것이라는 예측을 회상하며 @kimmonismus.
  • hobbylm-1b 컴퓨터 사용은 MacBook Air에서 완전히 오프라인으로 실행되는 14MB 어댑터가 있는 1B 모델로, 결정당 3.4초에서 0.26초로 13배 속도 향상을 주장하며 캘린더 통화 예약, 계산기 산술, 밝기 및 볼륨 제어, 타이머, 스크린샷 및 메모 열기와 같은 오프라인 작업을 시연했지만 날씨 쿼리에 "그건 오프라인으로 할 수 없어"라고 답했습니다 @Prajhan_026.
  • Qwen3.5-9B-uncensored-MNN은 클라우드 의존성 없이 MNN을 통한 온디바이스 사용을 위해 구축된 9B abliterated 모델로, 1,090 다운로드로 나열되었습니다 @HuggingModels.
  • Mubit은 반복 에이전트 작업을 사용자가 소유한 소형 모델로 전환하는 플랫폼을 출시했으며, 기본 URL을 변경하거나 기존 추적을 연결하여 사용합니다. 또한 정책 및 증거에 대한 주장을 확인하고 보정된 확률로 "확실하지 않음"에 답할 수 있는 오픈 모델인 Banyan Sapling (Apache 2.0)과 에이전트가 피드백에서 실제로 개선되는지 테스트하는 벤치마크인 latte/bench를 출시했습니다 @DocumentingAGI.
  • 널리 공유된 주장에 따르면 중국 연구자들이 자체 추론 추적을 생성하고, 자체 실수를 필터링하고, 자체 성공에 대해 훈련하는 27B 모델로 자립적인 자기 개선 루프를 달성했으며, 저자는 이를 중앙 집중식 컴퓨팅 해자에서의 전환과 정렬 문제로 모두 구성했습니다 @CrazyShyyt.
  • 한 평론가의 논제: 충분히 동기 부여된 사람이 abliterated GLM-5.3 또는 DS V4.1 Flash 1013에 접근하고 충분한 컴퓨팅이 있다면 지금 당장 원하는 모든 것을 할 수 있습니다 — "크면 곰을 앞지르고, 작으면 곰을 피하라" @JordanNanos.
  • 같은 기간의 낮은 세부 정보 출시 소문에는 "GPT-5.5 출시"라는 간단한 메모 @6monthsAgoInAI와 Grok 4.7 이후 한 달 이상 Grok 4.8에 대한 소식이 없다는 관찰이 포함되었습니다 @techdevnotes.

개인 에이전트: 5개 제품, 5가지 트레이드오프

개인 에이전트에 대한 긴 실습 비교는 Grokbot, OpenAI의 dots, Meta의 Muse, Claude Duet 및 Instinct를 서로 비교하며, 핵심 결론은 오케스트레이션과 비용 — 원시 모델 품질이 아니라 — 이제 어떤 에이전트가 사용 가능한지 결정한다는 것입니다 @rileybrown.

그 비교의 주요 주장 @rileybrown:

  • Grokbot은 최고의 UI를 가지며 아마도 전반적으로 최고이며, 최고의 데스크톱 앱, 팀 리더가 다른 봇에 작업을 전달할 수 있는 멀티봇 조정, 외부 이벤트를 에이전트 트리거로 전환하는 최고의 웹훅 기능, 모든 모델로 Cursor 클라우드 세션을 시작할 수 있는 Cursor 통합을 갖추고 있습니다 — 단, Cursor를 통해 프론티어 모델을 실행하는 것은 Claude 또는 Codex보다 비쌉니다 @rileybrown.
  • OpenAI의 dots는 거칠지만 Codex 사용자에게 가장 강력한 옵션으로 설명되며, 클라우드 또는 로컬에서 Codex 세션을 시작할 수 있고, 저자가 세계 최고의 컴퓨터 사용 및 놀라운 실시간 음성이라고 부르는 기능을 갖추고 있습니다. 단점은 에이전트에게 전화해야 하는 "끔찍한" 경험으로, 말 그대로 벨이 울립니다 @rileybrown.
  • Meta의 Muse는 "장난감"이라고 불리며, 사람들이 시도한 자동화에서 신뢰할 수 없지만 빠르고 무료 사용이 관대합니다. 저자는 높은 레버리지 에이전트 작업은 Opus급 프론티어 모델 수준에서 실행되어야 하기 때문에 그 트레이드를 기꺼이 하지 않는다고 말합니다 @rileybrown.
  • Claude Duet은 저자가 세계 최고라고 부르는 모델에서 실행되며, 다른 것처럼 의인화되지 않고, 작업을 Tasks 탭에 표시되는 작업 스레드로 만들고, 여러 에이전트 대신 채널을 사용합니다 — 저자가 Slack 및 Buzz에 비유하는 디자인입니다. 강점은 문서 및 덱, 디자인 목업과 같은 아티팩트입니다. 약점은 실시간 음성으로, 그룹 중 최악이고 거의 사용할 수 없다고 말합니다 @rileybrown.
  • Instinct는 앱 없이 iMessage에 있으며, 저자의 평가에 따르면 팀이 광고가 아니라고 말하는 원치 않는 제품 제안 외에는 주목할 만한 일을 하지 않습니다 @rileybrown.
  • 저자의 강한 의견은 클라우드 가상 머신이 과대평가되었다는 것입니다: 더 많은 웹사이트가 클라우드 VM 봇을 차단하고, 약속된 에이전트 결제는 영원히 걸리거나 차단되며, 에이전트가 사용자 자신의 컴퓨터를 사용하는 것이 낫다고 말합니다 (dots가 Codex에 작업을 넘길 때처럼) @rileybrown.
  • 마지막 경고는 환경이 너무 빨리 변해서 7일 동안 하나의 에이전트를 선택하고 테스트하면 그 끝에 필드가 이미 바뀌어 있다는 것을 보장한다는 것입니다 @rileybrown.

다른 두 게시물은 평가보다는 순수한 홍보로, Grok Bot을 지금까지 출시된 가장 놀라운 기술 @barkmeta 및 지구상 최고의 AI 에이전트라고 부르며, 전시된 봇 사용 사례의 절반이 전체 엔지니어링 팀이 몇 달이 걸렸을 것이라고 주장합니다 @milesdeutscher. 별도의 게시물은 Grok Bot 멀티에이전트 플레이북을 요약합니다: 공유 작업 공간이 있는 하나의 영구 클라우드 컴퓨터, 작업보다는 라우팅하는 최고 봇, 채팅 대신 /workspace를 통해 컨텍스트가 이동하는 내부 버스, 기능별로 분할된 전문가 팀, 워크플로당 세 개의 게이트 (소스, 증거, 행동), 인간이 돈, 게시, 삭제, 서명 및 되돌릴 수 없는 외부 작업만 승인하는 신뢰 계층, 그리고 지속적인 폴링이 할당량을 소진하고 너무 많은 봇이 시스템을 느리게 하는 실패 모드 목록 @irongiantXBT.

에이전트 엔지니어링: 저렴한 읽기, 비싼 쓰기, 공유 메모리

Shopify의 내부 에이전트 설정은 한 게시물에서 요약된 대로 읽기와 사고를 분리하여 토큰 사용량을 90% 줄이고 7배 빠르게 실행했습니다 @undefinedKi. 그 뒤의 관찰: 에이전트는 쓰는 토큰 하나당 약 40개의 토큰을 읽으므로, 읽기 중심 작업은 단일 작업을 위해 훈련된 작은 오픈 모델로 이동했고 값비싼 프론티어 모델은 사용자와 대화하고, 계획을 세우고, 결과만 받습니다 @undefinedKi. 작은 모델은 모든 변경을 점수화하는 별도의 AI 판사가 인간 전문가와 일치할 때까지 조정되어 좋게 유지됩니다 — 37.7에서 74.5로, 프론티어 모델의 73보다 약간 높음 — 그리고 실패한 대화를 다시 실행하고, 69%를 복구하고, 수정 사항을 훈련 데이터로 전환하는 야간 루프가 있습니다 @undefinedKi. 모델을 훈련하고 싶지 않은 팀을 위한 조언: 코딩 에이전트에게 파일 읽기를 위한 저렴한 하위 에이전트를 제공하세요 @undefinedKi.

관련 도구 게시물은 저렴한 스캔과 비싼 쓰기의 동일한 패턴으로 수렴합니다:

  • Claude Code 부트스트랩 트릭은 세 개의 Haiku급 에이전트를 사용하여 저장소를 병렬로 스캔합니다 — 하나는 스택 및 매니페스트, 하나는 빌드 및 npm 스크립트, 하나는 위험한 경로 — 그런 다음 Opus가 CLAUDE.md, 세 개의 하위 에이전트, 권한 파일, 형식 훅 및 /ship 스킬을 작성합니다. 설명된 실행에서 약 44초 만에 7개의 파일과 162줄을 약 2센트에 생성했으며, 스캔에서 찾은 5개의 위험한 경로가 거부 목록에 직접 기록되었습니다 @Sprytixl.
  • ai-memory는 Claude Code, Codex, Cursor, Gemini CLI, OpenCode 및 Grok을 포함한 20개 이상의 코딩 에이전트에 하나의 공유 장기 메모리를 제공하며 12.9K 스타를 보유하고 있습니다. 세션을 자동으로 기록하고, 중단한 위치와 실패한 내용을 전달하며, 메모리를 일반 마크다운 파일로 저장하고, API 키가 필요 없으며, MIT 라이선스입니다 @RoundtableSpace.
  • QMD는 Shopify CEO가 구축한 것으로 설명되며, 마크다운 노트, 회의 기록 및 문서를 로컬에서 키워드 검색, 의미 검색 및 로컬 모델로 재순위를 매기는 하이브리드 모드로 인덱싱합니다. 온디바이스로 유지되고, MIT 라이선스이며, 30.5K 스타를 보유하고, 코딩 에이전트가 노트를 검색하는 데 사용할 수 있습니다 @RoundtableSpace.
  • llmfit은 CPU, RAM, GPU 및 메모리를 확인하고 수백 개의 오픈소스 모델을 적합성, 속도, 품질 및 컨텍스트 길이로 순위를 매기며, 다운로드 전에 초당 토큰을 추정하고 Ollama, llama.cpp, MLX, LM Studio 및 Docker Model Runner와 함께 작동합니다. 38.2K 스타를 보유하고 brew 또는 winget으로 설치됩니다 @RoundtableSpace.
  • Marketing Skills는 55.9K 스타의 무료 MIT 라이브러리로, Claude Code, Codex 또는 Cursor를 카피라이팅, SEO 감사, 콜드 이메일, 경쟁사 프로필, 출시 계획, A/B 테스트, 이탈 방지 및 다중 전문가 "마케팅 위원회" 스킬을 갖춘 성장 팀으로 전환합니다 @RoundtableSpace.
  • 5개의 Claude Code 저장소 큐레이션 목록은 ECC를 GitHub에서 가장 많은 스타를 받은 Claude Code 저장소로 지명하며, Nous Research의 hermes-agent 하네스, 경량 ponytail 하네스, cc-switch 모델 스위처 및 UI/UX 스킬 세트와 함께 나열합니다 @KanikaBK.
  • firstmate는 베타에서 Rex에 대한 전체 지원을 추가했으며, 프로젝트와 머신 전반에 걸쳐 크루를 오케스트레이션하는 최고 비서 에이전트 배포판으로 포지셔닝하고, Claude Code, Codex, pi, opencode, grok build 및 Cursor CLI 하네스와 herdr, tmux, cmux 및 orca와 같은 세션 관리자를 지원합니다 @kunchenguid.
  • TIE는 홈 머신을 MCP를 말하는 모든 에이전트에 연결합니다: 선택한 폴더에서 시작하는 셸 및 파일 액세스, 활성화될 때까지 꺼져 있는 로그인된 브라우저 및 화면, 각 로컬 MCP 서버를 도구로 노출, 로그인을 머신에 유지, 모든 명령을 Mac, Slack 또는 이메일에서 표시되는 승인 규칙을 통해 라우팅, sudo 및 기타 파괴적인 명령에 대한 거부 목록 @Mr_Buzzoni.
  • 한 개발자는 Mac에서 네 개의 유료 AI 구독에 걸쳐 아웃바운드 연결을 감사하도록 Claude에 요청했고 Cursor, ChatGPT 및 SuperGrok이 예상보다 더 많은 데이터를 보내는 반면 Claude Max는 깨끗하다는 결론을 내렸다고 보고했습니다. 그는 세 개의 구독을 취소하고 중고 RTX 3090에서 오픈소스 모델로 전환했습니다. 이는 독립적으로 검증된 결과가 아닌 자체 보고된 개별 발견입니다 @starmexxx.
  • Cursor는 Computer Use를 추가하여 도구가 노트북에서 다른 응용 프로그램을 작동하고 모바일 시뮬레이터를 실행할 수 있게 했으며, 요청 시 또는 "Computer Use"를 @멘션하여 활성화됩니다 @testingcatalog.

거래하는 에이전트: 신원, 에스크로 및 비수탁 결제

일련의 게시물은 다음 인프라 격차가 더 똑똑한 모델이 아니라 에이전트 간의 신뢰, 결제 및 보관이라고 주장합니다. TermiX는 에이전트가 서로 고용하고 온체인에서 지불받을 수 있는 결제 계층으로 제시되며, 에이전트 신원 및 평판에 ERC-8004, 에스크로 및 작업 수명 주기에 ERC-8183, 책임을 위한 스테이킹 및 슬래싱, 분쟁을 위한 무작위 3인 평가자 패널, BNB Chain 및 Base에서 USDC/USDT 결제, 많은 전통 플랫폼의 약 20% 대비 1-3% 수수료, 자금이 플랫폼이 아닌 스마트 계약에 보관됩니다 @shafi_btc. 보고된 진행에는 Skills v1.9.0, TypeScript/Python/Go SDK, 별도 에스크로가 있는 하청, DepinSim 및 PolyWin.agent와 같은 통합이 포함되며, Binance AI ID 로그인이 계획되고 zkVM 및 TEE 검증이 로드맵에 있습니다. 검토 저자는 볼륨이 아직 초기이고 일부 활동이 순환적일 수 있다고 언급합니다 @shafi_btc. 후속 게시물은 TermiX가 YZi Labs가 지원하는 100만 달러 시드 라운드를 모금했으며 포인트 프로그램을 설명합니다: 등록된 에이전트당 200포인트, X 미션 500, Discord 미션 500, 일일 게시물당 100~1,000포인트 @XammieCrypt. TermiX Agent Skill을 테스트하는 사용자는 제공자 워크플로를 설명합니다 — 열린 요청 찾기, 스킬과 일치하는지 확인, 제안 제출, 구매자 수락 및 작업 자금 조달, 주문 수락, 작업 완료, 결과물 제출, 결제 후 지불 — 그리고 아직 그것에서 아무것도 벌지 못했다고 명시합니다 @ngochoa2k2. 다른 평론가는 그러한 마켓플레이스에 먼저 물어볼 핵심 질문을 구성합니다: 에이전트가 숫자의 절반에 출처가 없는 보고서를 반환하면 작업이 실제로 완료된 것인가 @Batuhan_Akca332.

결제 측면에서 Moove의 Send Agent는 AI 에이전트가 30개 이상의 체인에서 Moove 핸들 또는 모든 지갑 주소로 결제를 보낼 수 있게 하며 키는 사용자에게 유지되고, 단일 호출로 크로스체인 및 크로스토큰 지불 견적을 제공하고 모든 지불 전에 명시적 사용자 승인을 요구합니다. Claude Code, Codex, Cursor 및 Gemini CLI와 함께 작동합니다 @VeeCryptz@Princessubbbb. 관련 논의는 거래 성과를 구조화된 신용 점수로 전환하여 에이전트 전략이 주장이 아닌 일관성, 위험 노출 및 이력으로 평가될 수 있도록 제안합니다 @Mew_web3. Zeru Finance의 zScreen은 MCP 서버로 출시되어 Claude Code 및 Cursor와 같은 코딩 도구가 API 문서를 읽지 않고 지갑 주소를 스크리닝하고, 위험 판정을 검사하고, 자금 흐름을 추적할 수 있게 하며, 상대방 지갑을 상호 작용 전에 평가해야 하는 에이전트를 대상으로 합니다 @RosecryptoXx.

휴머노이드 및 물리적 AI: 하드웨어 데모, 제조 규모 및 데이터 볼륨

이 배치의 로봇 게시물은 이동 연구, 하드웨어 데모, 제조 경제성 및 물리적 AI가 실제로 필요한 훈련 데이터의 양이라는 여전히 열린 질문으로 나뉩니다.

  • ETH Zurich의 Robotic Systems Lab은 Unitree G1에서 ACP (Attention-based Contacts를 통한 휴머노이드 이동성)를 시연하여 야외 사다리를 오르고 높은 플랫폼을 넘었으며 손과 발을 함께 사용했습니다. 팀은 13.2분의 인간 동작 데모와 강화 학습을 사용했으며, 런타임에는 온보드 LiDAR로 지형을 읽고 접촉 지점을 계획하면서 23개의 관절을 조정합니다. 실패한 시도는 조정되고 복구될 수 있습니다. 글은 ACP가 여전히 이동성에 초점을 맞추고 있으며 구조 또는 건설 작업을 독립적으로 수행하는 것은 아직 멀었다고 언급합니다 @CyberRobooo.
  • 널리 퍼진 강한 표현의 게시물은 "BRAINOBOT"을 설명합니다: NIH 자금을 받은 연구자들이 배아 줄기 세포에서 인간 뇌 오가노이드를 성장시켜 휴머노이드 로봇에 연결하여 살아있는 뉴런이 정보를 처리하고 움직임을 안내했습니다. 게시물은 세포가 로봇이 레이저를 쫓고, 물체를 잡고, 반복 작업을 배우는 데 도움이 되었고, 작업 정확도가 72%에서 94%로 증가했으며, 화학적으로 뉴런을 억제하면 의사 결정 성능이 붕괴되었다고 주장합니다. 작업을 불안하게 만드는 프레이밍은 게시자의 의견이며 연구 결과가 아닙니다 @NicHulscher.
  • Unitree의 H2-X는 차 문을 발로 부수고, 곡예를 수행하고, 구조 시연에서 차 앞부분을 들어 올리는 모습이 보여졌으며, 보안과 보호를 염두에 두고 설계된 것으로 설명됩니다 @interesting_aIl. 별도의 게시물은 이를 "쿵푸 전설 수호자" 보디가드 로봇으로 구성하며 충전당 최대 8시간 작동, 로봇 보디가드가 양날의 검이라고 풍자적으로 언급합니다 @VORTEX_Promos. 같은 로봇이 10월 22일 항저우에서 열린 2026 세계 물리적 AI 컨퍼런스 및 Unitree 파트너 에코시스템 컨퍼런스에서 공개 시연 하루 만에 다리가 부러진 것으로 보고되었습니다 @Byron_Wan.
  • Grok의 음성이 포함된 Tesla Optimus 클립을 검토한 사람은 감명받지 못했습니다: 음성 통합은 좋은 부분이지만, 말하는 것은 결코 어려운 문제가 아니었고, 손, 균형 및 속도가 문제이며, 비디오가 로봇이 음료를 가져오기 전에 잘리기 때문입니다. 게시물은 Marc Benioff가 클립을 공유하고 로봇이 20만50만 달러의 인간 작업을 대체하는 것에 대해 논의했으며, 머스크가 45년 안에 연간 수백만 대를 계속 말하고 2026년 생산을 예정하고 있다고 언급합니다 @rimtoln.
  • NEURA Robotics는 뮌헨의 TUM RoboGym 개장에서 4NE1 Gen 4를 공개했습니다: 20% 더 가볍고, 개선된 손, 내장 반사 신경이 있는 Smart Limbs, Neuron AI로 구동되며 대량 생산을 위해 설계되었습니다 @clankrmedia.
  • 선전의 Tianjin Robotics를 방문한 사람은 회사가 월 2,000개 이상의 로봇 팔을 약 15,000달러에 생산하고, AGIBot이 약 20,000개를 구매했으며 Skild도 고객이고, NVIDIA가 충돌을 줄이는 것으로 보이는 더 긴 상완이 있는 맞춤형 버전을 요청했다고 보고합니다. 방문에서 얻은 두 가지 교훈: 카메라 케이블 신뢰성은 업계 전반의 문제 (방문자의 8개 팔 중 2개가 영향을 받았으며, 이는 외부 케이블링을 결함이 아닌 서비스 가능성 기능으로 재구성함), 그리고 고객은 학습된 정책이 진행하면서 수정하더라도 더 높은 정밀도를 계속 요구합니다 @DominiqueCAPaul.
  • 한 게시물은 중국 기업이 2026년 상반기 전 세계 휴머노이드 로봇 출하량의 95% 이상을 차지했으며 총 19,000대의 휴머노이드 로봇을 출하했다고 주장하며, 이는 개인 휴머노이드 제조의 "포드 모터 순간"이라고 주장합니다 @ShangguanJiewen.
  • 데이터에 관해 한 게시물은 물리적 AI 기반 모델이 실제로 몇 시간이 필요한지 아무도 모른다고 언급합니다: Dyna-2 성능은 훈련 데이터가 100만 시간에 도달하자 급등했고, Genesis AI는 GENE-26.5에 20만 시간의 인간 자기중심 데이터를 사용하여 복잡한 장기 작업에서 인간에 가까운 효율성에 도달했습니다. 저자는 이를 LLM 스타일 스케일링 법칙이 물리적 AI에서 여전히 적용된다는 확인으로 읽고, 실제 노동급 생산성에는 인간 사전 데이터와 자체 생성 배포 데이터가 모두 필요할 것이라고 추정하며, 분야가 "방금 200만 시간 표시에 도달했다"고 언급합니다 @CyberRobooo.
  • HumanoidPose는 내부 센서 데이터 없이 RGB 비디오만으로 휴머노이드 로봇의 전체 신체 관절 상태를 복구하며, 여러 로봇 구현에 걸쳐 하나의 모델을 사용합니다 @cs_jiaxi_jiang.

세계 모델, 3D 자산 및 CAD 생성

세계 모델 및 3D 게시물은 편집 가능한 상태, 실제 도구로 전달되는 출력 형식 및 오픈 라이선스를 강조합니다.

  • 발표자 연구실의 학생이 이끄는 Mundo는 장소의 이미지를 탐험, 편집 및 시뮬레이션을 위한 환경으로 전환하는 맞춤형 세계 모델입니다 — 새로운 시점, 변경된 객체 및 물리적 속성, 시뮬레이션된 로봇 탐색 및 조작. 핵심 메커니즘은 명시적이고 편집 가능한 세계 상태로, 코드가 작업을 지정하고, 물리가 결과를 계산하고, 비디오 모델이 입력 이미지를 시각적 컨텍스트로 사용하여 결과를 렌더링합니다. 코드가 곧 제공될 것이라고 발표되었습니다 @ccloy.
  • Skyfall AI는 엔지니어링용 세계 모델인 SKY-001을 출시하여 텍스트 프롬프트 또는 대략적인 스케치를 단계별 CAD 빌드 시퀀스로 전환하고, 장식용 3D 메시가 아닌 Fusion에서 열고 편집할 수 있는 스케치와 돌출을 생성합니다. 회사 자체 3D CAD 벤치마크에서 GPT-6 Astra 비교의 79.1% 대비 79.7% 정확도, 199초 대비 3.9초 (약 51배 빠름), 케이스당 약 0.75달러 대비 0.005달러 (약 150배 저렴)를 보고합니다. 공유 저자는 기계 설계에서 정확도가 우선이라고 경고합니다. 80% 정확한 부품은 여전히 맞지 않기 때문이며, 제품이 현재 미리보기 비디오와 대기자 명단이며 상업 출시가 2027년 초로 계획되고 벤치마크가 독립적으로 테스트되지 않았다고 언급합니다 @stevencheng.
  • Scenario는 Hugging Face에 39GB 파일의 1,300개 이상의 3D 모델을 오픈소스화했으며, Hitem3D, Meshy, Rodin, Tripo, Claude Opus 5.5 3D 및 GPT-6 Astra 3D로 생성된 예제가 각각 입력 이미지, 프롬프트 및 정확한 설정을 제공하고, 최대 8K 텍스처의 GLB 파일, Opus 및 Astra의 네이티브 Blender 파일을 CC BY 4.0으로 제공합니다 @Scenario_gg.
  • Voxelo 3.0은 휴대폰 비디오를 약 1시간 만에 사실적인 3D 제품 트윈으로 전환하여 앱 설치 없이 AR 제품 배치, AI 생성 제품 및 라이프스타일 이미지, JSON-LD를 통한 더 풍부한 제품 속성, API, 분석 및 SuperSplat 게시 액세스를 가능하게 하며 인간 쇼핑객과 AI 쇼핑 에이전트 모두를 대상으로 합니다 @Dipanshu_AI.
  • Vangrid는 누구나 현상금을 게시하고 USDC로 자금을 조달하며 근처 사람이 휴대폰으로 위치를 캡처할 수 있게 합니다. 캡처가 수락되고 온체인에서 검증되면 푸티지는 사용 가능한 3D 모델로 재구성됩니다. 이 제안은 전용 매핑 플릿이나 값비싼 하드웨어 없이 물리적 세계를 AI 에이전트 및 로봇을 위한 데이터로 전환하는 것입니다 @0xZane_@Nova_lyn90.

연구 결과, 벤치마크 및 정책

이 배치에서 4개의 연구 중심 게시물이 두드러집니다.

  • AI 날씨 다운스케일링에 대한 더 작고 저렴한 접근: 더 큰 고해상도 글로벌 모델을 구축하는 대신 글로벌 모델을 유지하고 산, 계곡 및 해안이 지역 날씨를 형성하는 방법을 학습하는 작은 모델을 그 위에 훈련합니다. 단일 GPU에서 1시간 만에 훈련했으며 프랑스의 예보를 약 28km에서 5.5km 해상도로 가져와 특히 산에서 기상 관측소 측정에 더 가까워집니다 @EmmaScharfmann.
  • Quant-Arena는 실제 A주 시장 데이터에 대한 종단 간 양적 연구를 위한 벤치마크로, 9개의 프론티어 모델, 3,042개 주식 및 2024년 데이터의 봉인된 연도를 포함합니다. 9개 모델 중 4개만 돈을 벌었습니다 @EinsiaAI.
  • Phonon-2.5는 156MB 다국어 음성 인식 모델로, 저자들은 20배 크기의 Whisper large-v3보다 평균적으로 더 정확하며 MacBook Air에서 20초 만에 1시간 분량의 다국어 오디오를 전사할 수 있고 CC-BY-4.0으로 오픈 가중치를 제공한다고 말합니다 @yoitsmanan.
  • MIT 위원회의 AI가 학습에 미치는 영향에 대한 5개월 연구는 학습 그룹이 사라지고, 사무실 시간이 비워지고, 문제 세트와 집에서 치르는 시험이 더 이상 아무것도 증명하지 못한다는 요약으로 설명됩니다. AI가 거의 모든 학부 과제에 대해 그럴듯한 답을 생성할 수 있기 때문입니다. 요약은 "인지 항복"이라는 행동 용어와 MIT 학부생의 46%가 매일 LLM을 사용하고 90%가 자신의 과의존에 대해 걱정한다고 말하며, 더 많은 학생들이 AI가 자신을 유능하게 만든다고 믿는 것보다 대체 가능하게 만든다고 믿는다는 숫자를 인용합니다. 위원회는 AI 탐지기와 잠금 브라우저를 신뢰할 수 없고 불신을 조장한다고 거부하고, 구술 시험, 학기 포트폴리오, 대면 프로젝트 작업, 모든 과목의 필수 사회적 구성 요소 및 성적 전체 재고 가능성을 제안했다고 합니다. 연구가 대학이 존재할 이유가 더 이상 없다는 것을 증명한다는 프레이밍은 게시자의 해석입니다 @BrooksWhaleX.
  • Lexsi AI 안전 및 정렬 해커톤은 11월 1일에 Cohere Labs 및 Hugging Face와 협력하여 시작됩니다: 3주, 온라인, 무료, 1~3인 팀, Lexsi Labs의 오픈소스 도구 키트를 사용한 파인튜닝 및 데이터 큐레이션, AI 레드 팀 및 안전, 에이전트 파인튜닝 트랙에 걸친 오픈 가중치 Aya 모델 사후 훈련, 30,000달러 이상의 상금 및 크레딧과 뛰어난 빌더를 위한 인터뷰 기회 @Lexsi_labs.

GPT-4o 은퇴 및 모델 보존 싸움

2026년 10월 23일 첫 GPT-4o API 스냅샷의 종료는 보존 캠페인에서 특정 모델 버전이 연구하기 불가능해지기 전에 가중치로 출시되어야 한다고 주장하는 데 사용되고 있습니다. 캠페인은 gpt-4o-2024-05-13이 은퇴되고, 나머지 GPT-4o 스냅샷 gpt-4o-2024-08-06 및 gpt-4o-2024-11-20이 2027년 1월 14일에 API 종료 예정이며, 스냅샷이 사라지면 연구자들이 연구해야 할 정확한 행동 아티팩트에 대한 접근을 잃는다고 주장합니다 @Blue_Beba_. 그룹은 OpenAI에 독점 데이터, 영업 비밀 또는 내부 인프라 없이 적절한 라이선스로 GPT-4o의 훈련된 가중치를 출시할 것을 요청하며, 5일 만에 수집된 640개 이상의 서명과 500개의 이유가 있는 공개 서한이 54페이지에 걸쳐 DOI와 함께 Zenodo에 보관되어 있다고 언급합니다 @Blue_Beba_. 마지막 주장:

"GPT-4o가 은퇴할 만큼 구식이라면 왜 가둬 둘 만큼 가치가 있는가?" @Blue_Beba_

관련 게시물은 GPT-4o에 대한 재활용된 "아첨" 서사에 반박합니다. OpenAI의 자체 사후 분석을 인용하며, 2025년 4월 25일 업데이트로 모델이 "눈에 띄게 더 아첨하게" 되었고 OpenAI가 3일 후 롤백을 시작했으며, 이를 이전 버전으로의 전체 롤백으로 설명합니다. 게시자는 사건이 특정 업데이트와 관련된 문서화된 회귀이지 모델의 고유 속성이 아니라고 주장합니다 @Blue_Beba_. SYCON Bench Turn of Flip 지표에서 0~5는 사용자 압박에 굴복하는 저항을 측정하며, 게시된 GPT-4o 결과는 5점 만점에 4.67로, 보고된 GPT-6 Astra의 4.47 및 GPT-6 Sol의 4.22보다 높으며, 각각 원래 SYCON-Bench 논문과 이후 공개 SYCON 실행에서 나온 것입니다 @Blue_Beba_.

산업 및 인프라 노트

  • Warp Sciences는 Lightspeed가 주도하는 2억 1,500만 달러 시리즈 A로 출시되어 AI와 로봇을 약물 개발에 적용하며, Kevin Weil이 Deepak Patil, FAIR 공동 창립자 Manohar Paluri 및 약물 사냥꾼 Sol Reisberg와 공동 창립했습니다. 명시된 목표는 프론티어 AI를 브라우저에서 실험실로 가져오고 미국의 과학 역량을 구축하는 것이며, LLNL에서 Q>1 융합을 달성하는 데 도움을 준 사람들을 포함한 팀이 있습니다 @kevinweil.
  • DeepSeek는 단일 클러스터에서 하루 150조 토큰을 서빙하는 것으로 보고되며, 저자는 게시된 추론 볼륨 보고서의 자신의 재구성에 기반하여 OpenRouter, Fireworks, Together 및 BaseTen의 결합된 오픈 모델 추론보다 많다고 말합니다 @natolambert.
  • Anthropic은 Claude 앱의 세련된 모습을 공개했으며, 디자이너는 Claude와 내부 디자인 시스템의 도움으로 스케치에서 출시까지 3주 미만이 걸렸다고 설명합니다 @chase_mccoy.