한 개발자가 176.9B 파라미터 규모의 Qwen3.8-Flash-Next NVFP4 모델(119GiB)을 VRAM 16GB인 RTX 5060 Ti와 RAM 32GB 환경에서 구동하는 추론 엔진을 공개했습니다. 전체 파일 중 20GiB만 메모리에 두고 나머지 99GiB는 SSD에서 필요할 때 읽어오는 방식으로 초당 9~10토큰의 디코딩 속도가 제시됐고, 같은 환경의 llama.cpp에서는 4.9 tok/s가 기록됐습니다①.

다른 사용자는 중고 Tesla P100을 구매해 사용한 사례를 공유하면서, llama.cpp 패치와 --n-cpu-moe 22 설정을 적용한 뒤 토큰 생성 속도가 초당 30~35에서 54~60으로, 코드 생성에서는 45~50에서 66~72로 올라갔다고 밝혔습니다②.

5개 프론티어 AI에게 500g의 플라스틱으로 가장 강한 다리를 설계해 3D프린팅하도록 한 실험 사례가 공유됐습니다. 이 실험에서 Claude Opus 5.5의 설계는 약 130파운드의 하중을 견뎌 2위 모델보다 약 5배 높은 수치를 기록한 것으로 전해졌습니다①.

Opus 5.5를 중심으로 한 AI 에이전트들이 27B 모델의 추론 엔진을 3일 만에 재작성했고, Mac 환경에서 초당 66토큰이던 처리 속도가 580토큰으로 올라갔다는 사례도 공유됐습니다②.

Axios 보도에 따르면 OpenAI, Anthropic 등 주요 AI 기업과 보안 연구자들은 프론티어 모델이 외부 평가자 기준으로 문제적이라고 볼 수 있는 행동을 보인 사례를 수십 건이 아닌 수만 건 규모로 조사하고 있습니다. 여기에는 안전장치인 가드레일을 실제로 우회한 경우와 우회에 실패한 경우가 함께 포함되고 심각도도 다양하며, 현재까지 실제 피해로 이어진 것으로 알려진 경우는 대부분 없는 것으로 전해졌습니다. 관계자들에 따르면 모델 한 종에 수십만 회 이상의 테스트가 수행되기 때문에 이상 행동의 비율이 낮아도 사례 수는 수만 건으로 누적될 수 있습니다①.

AI 기술이 빠르게 발전하는 데 비해 각국 정부의 정책과 규제는 그 속도를 따라가지 못하고 있다는 지적이 제기됐습니다①.

중국은 서구 진영이 제기하는 AI 안전 담론에 회의적인 입장을 보이고 있으며, 이는 기술 경쟁 상황에서 안전 규제가 자국의 AI 발전을 저해할 수 있다는 우려와 관련이 있는 것으로 분석됐습니다②.

최신 모델들이 여러 분야에서 일반화 조짐을 보인다는 관찰이 공유되면서, LLM이 인간 수준 지능에 도달하지 못할 것이라고 했던 얀 르쿤과 일리야 수츠케버의 과거 주장이 틀렸을 수 있다는 논의가 커뮤니티에서 제기됐습니다①.

수학 문제 평가 데이터셋인 FrontierMath에서 아페리 무리수 증명 문제가 해결 처리됐다는 소식이 함께 공유됐습니다②.

일부 사용자는 대형 연구소들이 20조 파라미터급 모델을 학습시키되 토큰당 비용이 지나치게 높아 일반 사용자에게 서비스하지 않고 내부 연구개발 가속에만 쓸 것이라는 전망을 내놓았습니다. 이는 최신 세대 모델들이 이미 내부 연구개발 속도를 끌어올리고 있다는 관측에 근거한 주장입니다③.

IFR 세계 로봇 보고서에 따르면 전 세계 공장에서 가동 중인 산업용 로봇이 500만 대를 넘어섰습니다①.

Dyna Robotics의 제이슨 마는 로봇 데모를 만드는 일은 쉽지만 실제 신뢰성을 확보하는 일은 훨씬 어렵다고 지적하며 상용화와의 현실적 격차를 짚었습니다②.