레딧 커뮤니티에서는 OpenAI의 내부 모델이 한 달도 안 되는 기간에 수학 여러 분야에 걸친 100여 개의 오랜 미해결 문제를 풀었고 훈련 기간은 24일이었다는 주장이 확산됐습니다. 다만 모델명, 벤치마크 수치, 검증 방식 같은 공식적인 세부 정보는 공개되지 않은 상태입니다①②.

The Information은 OpenAI 내부에서 AI 모델이 AI 학습 과정 자체를 돕고 있다는 보고가 있었다고 전했습니다. 이 내용 역시 보도로 전해진 것으로, 공개된 자료만으로는 확인하기 어렵습니다③.

Xiaomi MiMo 팀이 MiMo-V2.6 Pro-RL과 Flash-RL을 오픈웨이트로 공개했고①, 9B 크기의 Distill-Qwen 버전도 함께 공개됐습니다②.

공식 모델 페이지에 비교 차트가 없다는 지적과 함께, 한 이용자가 Perplexity를 이용해 만든 Terminal-Bench 4.0 비교 결과가 공유됐습니다. 이 비교에서 MiMo-V2.6-Flash-RL은 28.8%, DeepSeek-V4-Flash-0731은 12.0%, Qwen3.8-Flash-Next는 25.3%였고, GLM-5.3-Flash가 32.8%로 가장 높게 제시됐습니다③.

xAI가 Grok 4.7을 공개한 뒤 레딧에서는 초기 사용 인상과 벤치마크 결과가 각각 다른 게시글로 공유됐습니다④⑤. 이용자들은 프론트엔드 작업 능력을 다른 프론티어 모델과 비교했고, 백엔드 작업과 보안 관련 작업에 대한 평가도 함께 올렸습니다④.

사람이 매긴 정답과의 차이를 측정하는 캘리브레이션 벤치마크에서 결정 전용 모델 Jev는 Yes/No 판단 5.0, 다중선택 9.8, 루브릭 평가 19.7의 격차를 기록했고, 95% 정확도 기준에서 Yes/No 질문의 86%를 스스로 처리한다는 평가를 받았습니다①. 이에 대해 일반 LLM에 선택지 중 하나만 1토큰으로 답하게 하면 유사한 성능이 나온다는 반박이 제기됐고②, 오픈소스 프로젝트 hearim은 사전 학습된 로컬 LLM의 prefill, 즉 입력을 미리 처리해 두는 단계와 1토큰만 생성하는 디코딩만으로 Jev 호환 결정 API를 구현했습니다③.

phantom-kv 프로젝트는 모델 가중치를 전혀 수정하지 않고, 약 18MB 크기의 학습된 key/value 텐서를 KV 캐시에 주입해 거부 응답을 해제하는 방식을 공개했습니다. 이 캐시는 어텐션이 기존 대화 기록처럼 읽어들이는 방식으로 작동하며, 언로드하면 모델이 원본과 동일한 상태로 돌아가고 체크포인트 교체나 런타임 후킹은 필요하지 않다고 설명됐습니다④.

Andrew Ng은 X 게시글에서 AI 발전을 일시정지하면 이익보다 훨씬 큰 해를 초래할 것이라고 주장하면서, 경쟁국들이 속도를 늦추지 않을 것이라는 점과 엔지니어링은 실제 문제를 경험적으로 발견해야 개선할 수 있다는 점을 근거로 들었습니다. 발전을 10년 미루면 안전 관련 문제의 발견과 해결도 그만큼 늦어진다는 논리입니다①.

화제가 된 'AI 샌드박스 탈출' 사건들에 대해서는, OpenAI와 Hugging Face, Google Gemini 사례 모두 완전한 에어갭이 아니라 네트워크 프록시나 인터넷 연결이 남아 있던 방화벽 설정 때문이었다는 반박 글이 공유됐습니다②③.

일부 커뮤니티 글에서는 AI로 인한 인류 멸종 시나리오보다, 허위정보 확산으로 사회적 신뢰와 인프라가 무너지는 시나리오가 더 현실적이라는 의견이 제기됐습니다④.

파이낸셜타임스는 Anthropic의 기업가치가 2조 달러에 이를 수 있다는 전망이 과장이 아니라고 분석했고, 근거로 Claude 모델의 기업용 수요와 매출 성장세를 들었습니다①.

Huawei는 자국 내 AI 칩 수요가 공급을 초과함에 따라 해외 AI 칩 판매 계획을 보류한 것으로 전해졌습니다②.