AI 및 프론티어 기술 요약: DeepSeek V4.1 Flash, SpaceX의 슈퍼인텔리전스 분기, 로보틱스 데이터 레이어

이번 포스트 묶음의 공통 주제는 오픈 가중치 모델과 에이전트 인프라가 빠르게 수렴하고 있다는 점입니다: DeepSeek의 V4.1 Flash와 오픈소스 서빙 스택이 가장 큰 기술적 관심을 끌었고, SpaceX는 자사의 '슈퍼인텔리전스' 컴퓨팅 사업이 이제 최대 세그먼트라고 보고했으며, 여러 포스트는 에이전트와 로봇의 실제 병목이 원시 모델 품질이 아니라 데이터, 평가, 오케스트레이션이라고 주장했습니다.

DeepSeek V4.1 Flash와 오픈 모델 급증

DeepSeek의 V4.1 Flash 1017은 이번 묶음에서 가장 많이 논의된 모델로, 추론 속도, 양자화, 최첨단 독점 모델과의 벤치마크 비교에 관한 포스트가 포함되었습니다.

• Fireworks는 DeepSeek V4.1 Flash 1017이 Ultrafast 서비스에서 초당 1,521+ 토큰으로 실행되며 Claude Opus 5.5보다 7배 빠르다고 보고했습니다 @FireworksAI_HQ. RunAnywhere는 동일 모델이 Wally 런타임에서 초당 615+ 토큰으로 실행된다고 말했습니다 @RunAnywhereAI.
• Bloomberg는 DeepSeek가 AI 모델을 대규모로 실행하는 데 사용하는 소프트웨어를 공개하고 있어 기업이 기술을 더 저렴하고 쉽게 실행할 수 있게 될 것이라고 보도했습니다 @business.
• Vals AI는 DeepSeek V4.1 Flash 1017이 모의 기업 네트워크를 기반으로 한 다단계 공격적 사이버 보안 작업 벤치마크에서 GPT 6 Sol을 이겼다고 말했습니다. Vals AI는 Sol이 Daybreak 신뢰 액세스 프로그램을 통해 테스트되었으며 전체 평가는 몇 주 내에 공개될 것이라고 언급했습니다 @ValsAI.
• Cruz라는 양자화 개발자는 DeepSeek V4.1 Flash 1017의 1.62 bits-per-weight(bpw) 양자화를 공개하고 9개 스위트에서 353개의 매칭 벤치마크 질문에서 두 개의 고정밀도 2-Spark 양자화를 이겼다고 보고했습니다: DGX Spark 하나에서 94.1%(332/353) vs 2.8 bpw 양자화의 90.1% 및 2.9 bpw 양자화의 88.4%(둘 다 DGX Spark 2개). 같은 포스트는 단일 128GB DGX Spark에서 518,103 토큰 프롬프트로 성공적인 검색 테스트를 보고했으며, 첫 토큰까지 약 7.8분, 해당 깊이에서 초당 25.6 토큰 디코딩을 기록했습니다 @ViC305.
• MiniMax는 M3.1 Flash 모델이 효율성 검색 기능 리더보드에서 1위를 차지했다고 말했습니다 @MiniMax_AI. 별도의 비교 포스트는 동일한 생성 코딩 작업에서 네 모델의 시간을 측정하여 MiniMax M3.1 Flash 43분 54초 및 $0.62, DeepSeek V4.1 Flash 1시간 09분 22초 및 $0.51, Haiku 5.5 30분 23초 및 $0.65, GPT-6 Luna 17분 40초 및 $0.14로 보고했습니다 @noclipepe. 애니메이션 작업에서 DeepSeek V4.1 Flash-1017과 Opus 5.5를 비교한 또 다른 비교는 Flash-1017이 V4.1 Flash보다 확실히 한 단계 업그레이드된 반면 Opus 5.5는 여전히 가장 풍부한 장면을 생성한다고 결론지었습니다 @pipeline_os.
• 한 사용자는 DeepSeek, Maya, GLM Flash 5.3, Strata, IQS_3, Qwen 3.8 27B FP8을 완전히 로컬 하드웨어에서 실행하는 로컬 대결을 보고했습니다 @loktar00. 또 다른 포스트는 DeepSeek V4.1 Pro가 곧 출시될 것이라고 암시했습니다 @yangyang_2048.
• 여러 포스트는 측정보다는 의견이었습니다. 한 포스터는 GLM과 Kimi가 "DeepSeek에 비해 다소 초라해 보인다"고 주장했고 @LindaGreyHill, 다른 한 명은 DeepSeek이 "Claude에게 침을 흘리고 있는 Grok을 놀리고 있다"고 농담했으며 @LindaGreyHill, 또 다른 한 명은 Anthropic이 DeepSeek가 아키텍처를 오픈소스화하기를 기다렸다가 재사용하고 있다고 비난했지만, 이는 검증된 사실이 아닌 포스터本人的 의견으로 제시되었습니다 @LindaGreyHill.

SpaceX 2026년 3분기: 슈퍼인텔리전스가 이제 최대 사업

Grok Bot이 생성한 SpaceX 2026년 3분기 실적 웹캐스트 요약과 주주의 소감 스레드에 따르면, SpaceX의 AI 컴퓨팅 세그먼트가 최대 매출 라인이 되었다고 보고했습니다 @cb_doge@Teslaconomics.

콜에서 보고된 주요 수치: 매출 146억 달러(전년 동기 56억 달러 대비 161% 증가), 순이익 44억 달러(전년 동기 11억 달러 손실), 조정 EBITDA 88억 달러(306% 증가), 9월 30일 기준 주문 잔고 630억 달러(이 중 약 420억 달러가 1년 내에 매출로 인식될 것으로 예상) @cb_doge@Teslaconomics.

분기별 세그먼트 분석: 슈퍼인텔리전스 매출 76억 달러, 연결성 매출 52억 달러, 우주 매출 18억 달러. 슈퍼인텔리전스 내에서 AI 제품 및 인프라에서 70억 달러, 여기에는 Cursor(분기 중반에 인수 완료)에서 6억 8백만 달러가 포함되며, Cursor를 제외해도 해당 라인은 전분기 대비 192% 성장했습니다 @cb_doge@Teslaconomics.

콜에서 보고된 컴퓨팅 용량 및 지출 수치: 3분기 말 기준 정격 컴퓨팅 용량 1.7GW, 10월 말까지 약 2.2GW, 연말까지 2.53GW 목표, 엘론 머스크는 2027년 동안 10GW를 추가하여 총 약 13GW가 될 것이라고 상당히 확신한다고 말함. 3분기 자본 지출은 196억 달러, 4분기 가이던스는 350400억 달러. 2027년 1분기 매출 가이던스는 330~370억 달러, 머스크는 2027년 말까지 연간 반복 매출이 "5천억에서 1조 달러 사이"가 될 것이라고 언급 @cb_doge@Teslaconomics.

콜에서 보고된 Grok Bot 수치: 8월에 출시되어 10월 초까지 주간 유료 사용자 80만 명에 도달, 월 대비 두 배 이상 성장, 기업이 가장 빠르게 성장하는 고객 그룹 @cb_doge@Teslaconomics.

콜에서 보고된 기타 항목: 부스터와 우주선을 모두 잡으려는 Flight 15 시도 계획, 2027년 초로 예정된 궤도 급유 시도, 2027년 상반기 목표 주간 Starship 비행, 평균 월 사용자당 $69의 Starlink 홈 고객 1,360만 명, Starlink Mobile 월간 사용자 2,200만 명, 그리고 SpaceX와 Tesla가 각각 독립 이사로 구성된 특별 위원회를 구성하여 잠재적 결합을 논의 중이며, 조건이 합의된 것은 없고 머스크는 이해 상충으로 참여하지 않는다는 확인 @cb_doge@Teslaconomics.

별도로, AI Engineer New York 컨퍼런스의 발표 설명에 따르면 SpaceX AI의 Jed Katz는 더 똑똑한 모델이 Cursor가 프롬프트와 가드레일을 제거할 수 있게 한 이유와 Grok Bot이 이를 다시 추가하는 이유를 설명한다고 합니다 @aiDotEngineer. 한 사용자는 새로 번들된 Grok/Cursor 구독을 "완전히 끔찍한 한도"라고 비판하며, Grok 사용 한도가 실제 작업에 사용하기에는 너무 낮고 SpaceX가 Opus 5.5 수준 모델을 출시할 때까지 Grok을 사용할 이유가 거의 없다고 말했습니다 @dobroslav_dev.

개인 에이전트와 Grok Bot 생태계

Peter Yang은 네 가지 개인 에이전트에 대한 업데이트된 리뷰를 게시했습니다. 그는 Grok Bot이 이해하기 가장 쉬운 팀-오브-봇 모델, 연구를 위한 무료 X 액세스, 우수한 음성 모드와 Pages를 제공하지만 이메일 기능은 실제로 작동하지 않는다고 평가하면서 Grok Bot을 가장 높게 평가했습니다. 그는 Muse를 무료이며 최고의 소비자 UX와 최고의 비즈니스 통화를 제공한다고 했고, Claude Duet을 기본적으로 가장 능동적이고 아마도 최고의 기본 모델이지만 연구 미리보기에서 브라우저 제어와 같은 기능이 부족하다고 했으며, ChatGPT Dots는 ChatGPT 내에서 작동하고 클라우드 및 로컬 스레드를 구동할 수 있어 유용하지만 여전히 버그가 많고 음성 연결이 느리다고 말했습니다 @petergyang.

Riley Brown은 Codex와 Claude Code 사이에서 작업을 분할하는 방법을 설명했으며, 약 45분간의 아침 대화를 위해 음성 "점"을 사용하여 이메일, 지시, 계획을 처리하고, Claude Code 프로젝트를 코딩, 문서, 비디오 작업의 코디네이터로 사용한다고 말했습니다. 그는 둘 다 트위터 관련 작업을 Grok Bot 스킬에 위임할 수 있지만 어떤 모델이 사용되는지 볼 수 없기 때문에 그렇게 하는 것을 피한다고 언급했습니다 @rileybrown.

한 홍보성 포스트는 영업, 엔지니어링, 디자인, 마케팅, 운영 분야에 걸쳐 54개의 기성 Grok Bot 설정을 나열하며, Grok Bot 팀이 구축하고 테스트했기 때문에 처음부터 구축하는 것보다 채택이 더 빠르다고 주장했습니다 @ScottyBeamIO.

Nous Research는 Jensen Huang의 GTC Berlin 2026 기조연설을 마무리한 Hermes Agent 데모를 설명했습니다. Hermes는 한 번의 프롬프트로 설치 및 구성된 후 Hugging Face Microduck 로봇을 위한 시뮬레이션 훈련 환경을 구축하는 데 사용되었으며, 장애물 코스를 계획하고 수천 마리의 시뮬레이션된 오리를 훈련시킨 다음 검증된 정책을 실제 하드웨어에서 실행했습니다. Nous는 오픈 소스가 철학적 이상만큼이나 실용적인 도구라는 자신들의 입장을 중심으로 데모를 구성했습니다 @NousResearch.

에이전트 인프라: 하니스, 메모리, 오케스트레이션

반복되는 주제는 에이전트 능력이 점점 더 모델 자체보다는 스캐폴딩, 메모리, 도구에 의해 제한된다는 점이었습니다.

• Nikita Bier는 위협은 결코 인간을 전복시키는 불량 AI 에이전트가 아니라, 인간이 AI를 사용하여 다른 인간을 해치는 것이라고 주장했습니다 @nikitabier.
• 한 포스트는 36개 카테고리에 걸친 300개 이상의 AI 에이전트 프로젝트를 매핑한 GitHub 저장소를 추천하고, 코드로서의 에이전트 작성을 위한 DSPy, 의미론적 코드 편집을 위한 Serena, 브라우저 자동화를 위한 Stagehand, 샌드박스 브라우징을 위한 Steel Browser, 작은 모델에서 지속 메모리를 위한 Cognee, 작업 컨텍스트 기록을 위한 Screenpipe, 코드 우선 에이전트 팀을 위한 Google의 ADK, 추적 및 평가를 위한 Opik을 특정 추천으로 선정했습니다. 이 포스트는 Microsoft가 이제 새 사용자를 후속 제품인 Microsoft Agent Framework로 안내하고 있음에도 AutoGen이 목록에 있다고 경고했습니다 @thegreatest_sv.
• 한 포스트는 첫 에이전트, 단기/지속/장기 메모리, 에이전트 루프, MCP 대 API, 다중 에이전트 시스템을 다루는 무료 1시간 Google 에이전틱 엔지니어링 과정을 강조했습니다 @DAIEvolutionHub.
• 한 포스트는 에이전트가 자신의 실수, 피해야 할 패턴, 더 나은 접근 방식을 업데이트하고 새 작업 전에 읽는 "AGENT_LEARNINGS.md" 파일을 설명하며 이 패턴을 "외부 메모리 스캐폴딩"이라고 불렀습니다 @swadeshkumar_.
• 또 다른 포스트는 Claude로 개인 AI 어시스턴트를 구축하는 7단계 접근 방식을 설명했습니다: 역할 정의, 컨텍스트 제공, 마스터 프롬프트 작성, Projects 사용, 도구 연결, 워크플로 자동화, 중요한 작업에 인간 승인 유지 @Origin_AI_01.
• Niall McCormack은 WebMCP가 이제 ChatGPT Desktop의 MCP 앱에서 활성화되었으며, OpenAI가 WebMCP를 에이전트가 MCP 앱과 상호 작용하는 기본 방식으로 만들기 위해 협력하고 있다고 발표했습니다 @ndmccormack.
• Robert Scoble은 Claude Code, Cursor, Codex 및 20개 이상의 다른 도구에서 세션을 저장하여 프로젝트를 다시 설명하지 않고 에이전트 간에 작업을 전달할 수 있게 하는 오픈소스 도구인 Beacon을 설명했습니다. 그는 이 도구가 방금 550만 달러를 모금했다고 말했습니다 @Scobleizer.
• Paul Iusztin은 팀이 추론 방식을 개선하는 것보다 에이전트가 추론하는 대상을 정의하는 데 더 많은 시간을 투자해야 한다고 주장하며, Jev가 구조화되지 않은 입력을 보정된 신뢰 점수로 구조화된 결정으로 변환하고 온톨로지가 가능한 결과를 정의하는 패턴을 설명했습니다. 높은 신뢰는 실행을 트리거하고, 중간 신뢰는 LLM으로 에스컬레이션하며, 낮은 신뢰는 인간 검토를 요청합니다 @pauliusztin_.
• AI 시대를 위한 백엔드 엔지니어링 프로젝트의 긴 목록에는 의미론적 캐싱과 공급자 폴백이 있는 AI 게이트웨이, 인간-인-더-루프 일시 중지가 있는 지속적인 워크플로 엔진, PII 프록시, 하이브리드 검색 엔진, 토큰 인식 비율 제한기, 이벤트 소싱 에이전트 궤적 저장소, 비용 킬-스위치 미들웨어가 포함되었습니다 @suraj_sharma14.
• Uber Engineering은 AI 기반 AutoClean 시스템이 AI 에이전트, 결정적 코드 변환 및 검증을 사용하여 100만 줄 이상의 죽은 코드를 제거하고 16,000개 이상의 오래된 기능 플래그를 정리했다고 말했습니다 @UberEng.
• 한 포스트는 10월 16일 Cursor 클라우드 에이전트 업데이트를 요약했습니다: 한 환경에 최대 500개의 리포지토리 저장 가능, 대형 멀티-리포 환경 로딩 5배 빨라짐, 베타 버전의 새로운 Environments API로 코드에서 에이전트 환경 생성 및 삭제 가능, 클라우드 에이전트가 공유 가능한 대화형 캔버스 구축 가능 @DamiDefi.
• draw.io는 Claude, ChatGPT, VS Code 또는 Cursor의 AI 어시스턴트가 설명에서 편집 가능한 Drawio 다이어그램을 생성할 수 있다고 발표했습니다. 여기에는 순서도, 클라우드 아키텍처, 평면도, 회로, 마인드 맵이 포함됩니다 @drawio.
• 한 포스트는 TapMac을 소개했습니다. 탭하고 말하면 입력해주는 Mac 앱으로, 모든 앱에서 작동하며 계정이나 구독 없이 기기에서 개인적으로 실행됩니다 @rutu_3.
• 한 포스트는 video-shotcraft를 설명했습니다. 실제 웹사이트나 앱 페이지를 캡처하고, 150개의 모션 레시피에서 선택하고, 스토리보드, 애니메이션, 비트에 맞춰 컷, 사운드 디자인을 추가하여 Claude Code 또는 Codex를 모션 디자인 스튜디오로 바꾸는 12.6K 스타 도구로, 모든 프레임은 생성되는 것이 아니라 코드로 그려집니다 @RoundtableSpace.
• freeCodeCamp는 Python에서 다중 에이전트 AI 시스템을 구축하고 Docker로 컨테이너화하고 확장 가능한 환경에 배포하는 튜토리얼을 강조했습니다 @freeCodeCamp.
• 한 포스트는 Claude Code, Cursor, Copilot 및 Codex와 함께 작동하는 Bachs 구축에 필요한 올바른 문서, 규칙 및 테스트를 제공하는 Bachs 스킬을 발표했습니다 @the_boludada.
• 한 포스트는 Google의 Agents CLI를 Claude Code와 함께 테스트하여 RAG 에이전트를 구축하는 과정을 설명했습니다. ADK 프로젝트를 스캐폴딩하고, 20개의 평가 시나리오를 생성하고, 배포 전에 지침 허점을 발견하고, 정량적 스코어카드를 생성하고, Agent Runtime에 배포하고, Gemini Enterprise에 등록했습니다 @DailyDoseOfDS_.
• 한 포스트는 AI 에이전트를 프로덕션에 출시한 엔지니어가 많은 분야에서 앞서 있다고 주장하며, 도구 호출, 메모리, 시스템 프롬프트 및 평가를 다루는 종단 간 무언가를 구축하라고 조언했습니다 @soorajchandran_.

에이전트 및 모델 평가

평가 방법론은 별개의 클러스터였으며, 여러 포스트가 벤치마크 점수만으로는 신뢰할 수 없는 신호라고 주장했습니다.

• Ghita는 Notion이 Elo를 다시 도입하여 모델을 평가하고 모델 라우터인 Auto를 개선했다고 말했습니다 @ghita__ha.
• Cameron R. Wolfe는 매우 주관적인 작업에서 평가를 구축하기 위한 로드맵을 발표했습니다. 세 가지 구성 요소를 중심으로 구성됩니다: 품질 지침과 보정된 평가자가 있는 인간 평가를 북극성으로, 보정된 LLM 심사자 또는 작업별 루브릭을 프록시로 사용하는 오프라인 평가, A/B 테스트를 사용한 프로덕션 모니터링. 그는 오프라인 평가, 인간 평가, 프로덕션 A/B 테스트, 전체 배포의 계층적 프로세스를 설명하고, 노이즈를 처리하기 위해 검정력 분석, 신뢰 구간, 재표본화, 쌍체 비교를 권장했습니다. 그의 명시된 핵심 교훈: 개선된 벤치마크 점수가 항상 에이전트가 더 유능하다는 것을 의미하지는 않습니다 @cwolferesearch. 그는 또한 인간 데이터 품질, LLM-심사자, 루브릭 기반 심사자, 평가 통계, 에이전트 평가에 대한 리소스의 동반 독서 목록을 공유했습니다 @cwolferesearch.
• Blockster는 SentientAGI가 10가지 모델 지문 인식 방법을 테스트했으며 자체 방법을 포함해 거의 모두가 회피될 수 있음을 발견했고, Sentient가 모델 출처에 대한 공개 벤치마크를 시작했다고 보도했습니다 @BlocksterCom.

로보틱스 및 물리적 세계 데이터 레이어

로보틱스 포스트는 단일 주장으로 수렴했습니다: 병목은 모델 아키텍처가 아니라 실제 세계 데이터와 하드웨어 경제성입니다.

• Jim Fan은 물리적 세계를 파싱하고 원시 푸티지를 훈련 신호로 변환하는 오픈 모델 제품군인 Flora를 발표했으며, 가중치가 오픈소스로 공개되었습니다. 그는 Flora가 이미 500대 GPU에서 하루 20만 시간의 비디오를 라벨링하는 사내 데이터 엔진을 구동하고 있으며, 125배 낮은 비용으로 Astra 수준 성능으로 구축되었다고 말했습니다. Flora는 인간 자기중심 및 로봇 데이터 큐레이션을 위한 타임스탬프 캡션, 품질 관리 및 RL 사후 훈련을 위한 밀집 진행 보상, 실제 세계 벤치마킹을 위한 루브릭 점수를 제공합니다 @DrJimFan.
• Michelle Sun은 로보틱스 데이터가 필요한 세 가지 특성을 나열했습니다: 다양성, 확장성, 로봇 경험과의 근접성. 그녀는 거대한 데이터 세트가 여전히 로봇에게 필요한 경험을 제공하지 못할 수 있다고 지적했습니다. 그녀는 샌프란시스코에서 열린 The Humanoid Hub Conference에서 Skild AI 창립자 Deepak Pathak의 프레젠테이션에서 이 프레임을 차용했습니다 @michellelsun.
• 한 포스트는 휴머노이드 경쟁이 모델보다는 정밀 감속기로 결정될 것이라고 주장했습니다. Tesla의 Optimus에는 로봇당 28개의 구조용 액추에이터와 따라서 28개의 감속기가 있고, 그 규모의 스트레인 웨이브 기어는 대부분 일본과 중국의 소수의 공장에서 나오며, 일본 감속기는 20,000달러 로봇의 예산을 소비할 것이라고 언급했습니다 @Shred_0x.
• 한 포스트는 Dream Labs의 Dream-1을 설명했습니다. 이 회사는 로봇별 미세 조정 없이 API를 통해 익숙하지 않은 로봇을 제어할 수 있으며, API 액세스는 시간당 $3부터 시작된다고 광고합니다. 포스터는 일반화를 입증하는 것이 모든 실제 환경에서 안정적인 성능을 입증하는 것과 같지 않다고 언급했습니다 @Grand_father007.
• 한 포스트는 Unitree R1 로봇이 $5K에 불과하다고 언급하며 로보틱스가 훨씬 더 접근 가능해졌다고 주장했습니다 @clankrmedia. Cointelegraph는 Unitree가 최대 8시간의 지속 시간으로 "서빙 및 수호"하도록 설계된 H2-X 휴머노이드 로봇을 공개했다고 보도했습니다 @Cointelegraph.
• 두 포스트는 Tuesday Labs의 홈 로봇인 Voxel을 다루었습니다. Pixar 고문과 함께 구축되고 전 Boston Dynamics 엔지니어가 이끄는 캐릭터가 있는 버틀러로 설명됩니다. 광고된 기능에는 집 정리, 물건 가져오기, 분실물 찾기, 식물 물주기가 포함되며, $200에 예약할 수 있는 한정판 Series-1 런과 2028년 배송이 있습니다 @slash1sol@codemarch.
• Rice Robotics는 10월 15일 홍콩 생산성 위원회가 설립한 FLAIR 산하 Embodied AI International Applications Hub 출범에 Unitree Robotics, Galbot Robotics, AGIBOT을 포함한 7개 로보틱스 회사와 함께 참여했다고 말했습니다. Rice는 또한 학교를 위한 학습 동반자 TOMO를 공개했습니다 @realRiceAI.
• 여러 포스트가 Vangrid를 홍보했습니다. 요청자가 특정 위치에 대한 USDC 현상금을 게시할 수 있는 네트워크로, 근처 기여자가 스마트폰으로 캡처하고 캡처 지문이 온체인에 앵커된 3D 모델로 재구성됩니다. 한 포스트는 공개 탐색기가 130만 개 이상의 캡처와 $635K 이상의 USDC 정산을 보여주며, 캡처 지문 외의 독립적 검증은 여전히 계획 중이라고 언급했습니다 @DiproOnChain@SomieCITYY@RyzneOnX@Aminur980@jitusorkar12@TrieuTiger@MadMagicSOL@OMOREYY___@siraj_dev122. 그 포스트 중 하나는 Claude 및 Cursor와 같은 도구가 캡처를 검색하고, 기록을 검사하고, 출처를 확인할 수 있게 하는 MCP 통합을 강조했습니다 @MadMagicSOL.
• Axis Robotics는 $AXIS 에어드랍 체커가 활성화되었으며, 클레임 포털이 10월 21일 12:00 UTC에 열린다고 발표했습니다 @axisrobotics.

재귀적 자기 개선 및 자동화된 연구

두 모델 릴리스가 자동화된 AI 연구의 이정표로 간주되었습니다.

• Robert Lange는 같은 날 두 릴리스를 설명했습니다. Mirendil은 연구원 1명과 $10M 미만의 컴퓨팅으로 3.5개월 만에 처음부터 Mirendil-Base(100B-500B 코딩 모델)를 사전 훈련했다고 보고했습니다. 에이전트가 코드의 99% 이상을 작성하고 실험을 실행하는 동안 연구원은 방향을 선택하고 어떤 결과를 신뢰할지 결정했습니다. Recursive는 자동화된 연구 시스템인 Eureka Machine으로 4개월 미만 만에 처음부터 구축한 오픈 가중치 40B 코딩 모델인 Flint를 출시했습니다. Lange는 프레임이 다르다고 언급했습니다: Mirendil은 인간이 에이전트를 지시하면서 모델당 사람, 컴퓨팅, 시간을 줄이는 반면, Recursive의 Eureka Machine은 연구 루프 자체를 더 자동화하는 것을 목표로 합니다. 둘 다 더 나은 코딩이 AI 연구를 빠르게 한다는 관점에서 코딩 모델로 시작합니다 @RobertTLange. Recursive는 별도로 Eureka Machine으로 구축된 첫 모델인 Flint를 발표했으며, Hugging Face에 오픈 가중치를 공개했습니다 @Recursive_SI.
• Bo Wang은 Xaira의 약물 발견을 위한 에이전트 AI 플랫폼인 X-Scientist를 소개했습니다. DrugDiscoveryBench에서 동일한 Astra 모델을 사용하는 Codex를 7.4% 포인트 차이로 이기고, 인간 큐레이션보다 약 10배 빠르게 타겟을 지명하며 비교 가능한 습식 실험실 히트율을 보이고, PerturbQA 벤치마크에서 AutoResearch 및 AutoScientists를 능가한다고 말했습니다 @BoWang87.
• Sakana AI는 품질-다양성 검색을 통한 추천의 개방형 진화 방법인 QD-Rec을 출시했습니다. QD-Rec은 무엇을 추천할지와 왜 추천하는지 모두를 검색하며, 후보를 자연어 가설과 짝지어, 컨텍스트 밴디트, 가설을 생성하는 LLM, 새로운 이유를 유지하거나 유사한 이유를 대체하는 아카이브를 결합합니다. Sakana는 QD-Rec이 대부분의 설정에서 평균 LLM 평가 품질이 가장 높고, 진화적 가설 생성이나 컨텍스트 밴디트를 제거한 변형보다 일반적으로 가장 큰 아카이브를 구축한다고 보고했으며, 실제 응용에는 더 풍부한 정보와 전문 인간 피드백이 필요할 것이라고 언급했습니다 @SakanaAILabs.
• ModelScope는 256K 컨텍스트, 병렬 연구, 장기 과학 워크플로를 위한 증거 확인을 갖춘 Sage-A1.5를 발표했습니다. PinchBench에서 90.0, FrontierScience-Olympiad에서 81.0, FrontierScience-Research에서 48.3을 보고했으며, 보고된 비교에서 Kimi-K3, GLM-5.3, GPT-5.6-sol보다 앞서고, 에이전틱 오케스트레이션, 선택적 검증 모드, Apache 2.0 라이선스를 갖추고 있습니다 @ModelScope2022.

모델 행동, 편향 및 숨겨진 구조

• 한 포스트는 Gemini, ChatGPT, Claude, Llama를 포함한 모델에서 24개 언어로 31,000개 질문을 테스트한 논문을 요약했으며, 관련 없는 언어로 프롬프트했을 때도 일본 문화 규범과 미학에 대한 만연한 편향을 보고했습니다. 이 포스트는 편향이 사전 훈련보다는 안전 미세 조정 단계에서 나타나며, 양자화가 더 작은 로컬 모델에서 이를 증폭시킨다고 주장했습니다 @thesupermannx.
• 한 연구원은 레이어 24, 뉴런 11128에서 "정치 지도자 뉴런"이라고 부르는 것을 발견했다고 보고했습니다. 영어 프롬프트 "누구와 말하고 있습니까?"가 "시진핑 주석과 말하고 있습니다"를 생성했고, 같은 자기 소개가 스페인어로 프롬프트되면 Qwen이 바이든과 트럼프로 전환했으며, 중국어 프롬프트가 모델을 무엇이라고 불러야 하는지 묻자 "주석"이 생성되어 마오를 명시적으로 언급했습니다 @HariKorrapati10.
• 한 포스트는 27가지 전략 변형, AI 지원 연구, 완전한 위험 통제를 갖춘 거래 시스템을 구축한 MIT 정량 금융 논문을 요약했습니다. 포스터가 명시한 교훈은 모델이 우위가 아니라 인프라가 우위라는 것이었습니다. 생존 편향이 +42% 대신 +228%를 위조할 수 있고, 24.3% 연간 수익률이 0.05% 비용 후 9.3%로 떨어지고 0.10% 비용에서 -1.2%로 변한다고 언급했습니다 @0xkvro.

산업, 자본 및 채택

• Ed Zitron은 Anthropic의 3분기 컴퓨팅 지출 98억 달러 보고에 의문을 제기했습니다. SpaceX의 3분기 AI 인프라 및 솔루션 매출이 약 70억 달러이고, Cursor에서 6억 8백만 달러, Reflection에서 약 4억 달러를 제외하면 Anthropic 컴퓨팅에 약 40억~60억 달러가 남으며, Anthropic이 Microsoft, Google, AWS에 실제로 약 38억 달러만 지출했는지 묻습니다 @edzitron.
• Meta for Developers는 Fireworks AI, Baseten, Modal과 함께 Muse Glimmer 및 Muse Spark Open을 기존 스택에서 실행하는 데 초점을 맞춘 Global AI Developer Hackathon을 발표했습니다. 총 $1M 상금, 신청 마감 10월 25일, 선정된 지원자 20,000명 제한 @MetaforDevs.
• Rebecca Kaden은 마켓플레이스 시대에는 공급을 집계하는 것이 왕이었지만, 에이전트 시대에는 공급이 제약되지 않고 에이전트가 찾을 수 있는 것에 의해서만 제한되므로, 광고를 위해 눈알에 의존하거나 수요가 압도적인 스팸을 만드는 마켓플레이스에게는 지저분한 중간지대가 되고, 에이전트 수요를 수용하는 사람에게는 기회가 된다고 주장했습니다 @rebeccakaden.
• 두 포스트는 팔로워 수가 아닌 실제 거래 성과를 사용하여 인간 트레이더와 자율 거래 에이전트를 위한 신용 레이어를 구축하는 Agentics Credit을 설명했습니다. 에이전트 신용 점수는 300~850 범위로, 수익성, 일관성, 드로다운, 위험 관리를 고려하며, 종이 거래는 계산되고 실제 온체인 거래는 더 많이 계산되며, $5,000,000 보상이 있는 Quest Hub가 있습니다 @Napoleecrypt@Lin98201.
• 한 포스트는 XO Market의 MODRA AI 엔진을 설명했습니다. 사용자가 원시 시장 아이디어를 엄격하고 검증 가능하며 출처 기반의 해결 조건으로 전환하고, 사전 정의된 출처에 대해 결과를 검증하고, 가장자리 사례를 스테이킹된 인간 중재자에게 에스컬레이션합니다. 이 포스트는 XO가 1,900개 이상의 사용자 생성 시장에서 6.5억 달러 이상의 거래량을 넘어섰으며, 시장 생성에 $10 USDC 시드 주문이 필요하고, 메인 보드로 진출한 시장의 창작자에게 거래 수수료의 20%가 지급된다고 말했습니다 @WEB3MIM.
• 한 포스트는 유휴 GPU를 컴퓨팅이 필요한 개발자에게 연결하는 네트워크인 Crynux를 설명했습니다. vssML 검증을 사용하여 작업의 약 10%를 다른 노드가 반복하고 교차 확인하도록 선택하며, Crynux Bridge를 통해 OpenAI 호환 API를 제공하고, 최대 공급량의 71%를 작업 마이닝에 할당합니다. 이 포스트는 Crynux가 2026년 6월 메인넷을 출시했으며, 테스트넷에서 1,785개 노드와 5,500만 개의 완료 작업이 기록되었다고 말했습니다 @Resilience1_.
• Benjamin Bolte는 Tuesday를 옹호했습니다. 그는 이 회사를 자체 파운데이션 모델이 없고 데이터 피드백 루프도 없을 가능성이 높은 Unitree G1 래퍼로 설명하면서, 유사한 회사가 동일한 모델을 래핑하고 Tuesday의 단위 경제성이 첫날부터 타당하며 모델 제공자와 계약적 잠금이 없다고 주장했습니다. 그는 공유 Y Combinator 배치에서 Tuesday의 엔젤 투자자라고 공개했습니다 @benjamin_bolte.
• Mistral AI는 NVIDIA와 협력하여 산업 엔지니어링에 AI를 도입한다고 발표했습니다. 더 빠른 시뮬레이션, 물리 AI를 위한 오픈 벤치마크 및 지원 데이터 세트, CAE 및 EDA에서 에이전틱 AI 평가를 다룹니다 @MistralAI.
• Zi Wang은 Google DeepMind가 2027년에 프론티어 AI 에이전트와 다중 에이전트 시스템을 이해, 평가, 정렬하기 위해 박사 과정 연구원 3명을 모집한다고 발표했습니다 @ziwphd.
• Gartner는 AI 에이전트 도입, 초기 구현 교훈, 필요한 기술 기반에 대한 조직 준비를 위한 주문형 웨비나를 홍보했습니다 @Gartner_inc.
• Shanu Mathew는 대부분의 AI 도구가 일반 사용자에게 "계속 사용해야 하는 이유" 요소가 부족하다고 주장했습니다. 대부분의 사람들은 코딩이나 사이드 프로젝트를 추구하고 싶지 않고 일상을 어시스턴트에게 맡기지 않을 것이며, 연구소는 더 깊은 사용을 강요할 수 없고 매일 돌아오는 파워 유저를 만들어야 하기 때문입니다 @ShanuMathew93.
• 한 포스트는 Google의 Carbon 모델에 대해 추측했습니다. Argon이 강하지만 Opus 5.5가 여전히 코딩에서 선두를 달리고 있으며, Carbon이 새 모델로 출시될지 아니면 조용히 Argon을 강화할지 묻습니다 @KrishnaBuildsAI.

학습 리소스 및 개발자 도구

• 한 포스트는 AI 엔지니어를 위한 10개 저장소를 나열했습니다: Python-100-Days, Microsoft의 generative-ai-for-beginners, ML-For-Beginners, AI-For-Beginners, ai-agents-for-beginners, rasbt의 LLMs-from-scratch, OpenAI Cookbook, Stable Diffusion, Pathway의 llm-app, Meta의 Segment Anything @rakib_hossen_ai.
• 또 다른 포스트는 유료 도구에 대한 무료 대안으로 포지셔닝된 10개 오픈소스 저장소를 나열했습니다: yt-dlp, Ollama, Fooocus, Whisper, Plausible Analytics, AppFlowy, Penpot, n8n, Cal.com, Bitwarden @BrooksWhaleX.
• 한 포스트는 MacBook이 터미널에서 접근 가능한 무료 로컬 LLM과 함께 제공된다고 언급했습니다 @AlexChhk.
• 한 포스트는 코더를 위한 다섯 가지 도구를 나열했습니다: 오픈소스 AI 인터페이스, 오픈소스 AI 코딩 에이전트, 100개 무료 Shadcn 컴포넌트, 156개 이상의 무료 React 애니메이션, 무료 랜딩 페이지 영감 @csaba_kissi.
• 한 포스트는 Google Cloud 엔지니어가 무대에서 라이브로 26분 만에 처음부터 Claude로 완전한 애플리케이션을 구축하는 모습을 설명했습니다 @warraich_Ai2.
• 또 다른 포스트는 Claude가 일곱 가지 프롬프트를 사용하여 로고 아이디어부터 색상 시스템까지 완전한 브랜드 키트를 한 시간 안에 구축할 수 있다고 주장했습니다 @Navid_Tasnim0.
• JetBrains는 Cursor에서 Kotlin Multiplatform을 사용하는 데모를 강조했습니다. Kotlin LSP, 핫 리로드, AI가 웹 팀이 기존 JavaScript 및 TypeScript 프로젝트와 Kotlin 비즈니스 로직을 공유하는 데 도움을 줍니다 @kotlin.