OpenAI가 데브데이에서 발표한 GPT-6.1 Sol은 Artificial Analysis(AA)의 지능 지수 결과에서 Opus 5.5, Sonnet 5.5, Fable 5.1, Astra보다 낮은 점수를 받은 것으로 공유됐습니다①.

커뮤니티에서는 GPT-6.1 Sol이 Sonnet 5.5의 절반, GPT-5.6 Sol의 3분의 1, Opus 5.5의 5분의 1 수준 비용으로 Astra에 가까운 성능을 낸다는 평가가 공유됐습니다②.

AA가 새로 제시한 파레토 라인(같은 비용에서 가장 높은 지능 지수를 낸 모델들을 잇는 가격 대비 성능 경계선)에는 GPT-6.1 Sol이 포함됐습니다③.

Anthropic은 모델 가중치가 공개돼 누구나 내려받아 쓸 수 있는 중국의 오픈웨이트 모델 GLM이 스스로 작동하는 해킹 도구를 만들어낼 수 있다는 내용의 보고서를 공개했습니다. 보고서는 이 모델이 고급 사이버 공격 능력을 확산시킬 위험이 있다고 경고했습니다①②.

로컬 LLM 커뮤니티에서는 이 보고서가 오히려 GLM의 성능을 가장 잘 알리는 홍보물이 됐다는 반응이 나왔습니다③.

레딧 게시글에 따르면 OpenAI의 월 200달러 Pro 플랜(20배 사용량 한도로 알려짐)은 사용량이 절반으로 줄고, 새로 도입되는 월 500달러 요금제가 기존 200달러 플랜과 비슷한 사용량 한도를 제공할 예정인 것으로 알려졌습니다. 같은 수준의 사용량을 기준으로 보면 월 요금이 200달러에서 500달러로 2.5배가 되는 구조입니다①.

다른 게시글에서는 이 변경을 두고 보조금이 붙은 컴퓨팅 자원의 시대가 끝나가고 있다고 평가하며, 그동안 OpenAI가 원가 이하로 컴퓨팅 자원을 제공해왔을 가능성을 제기했습니다②.

커뮤니티에서는 Qwen3.8 27B 모델을 16GB 그래픽 메모리(VRAM)의 AMD GPU에서 모델 용량을 줄이는 Q4 양자화 설정과 100K 컨텍스트로 구동해 초당 30토큰의 생성(디코딩) 속도를 냈다는 사례가 공유됐습니다①.

여러 전문가 모듈 중 일부만 골라 쓰는 MoE 구조의 Qwen3.8-Flash-Next에 GSQ·RCO라는 새 양자화 기법을 적용한 모델 파일이 공개됐습니다. 가중치 하나당 평균 3.50비트(3.50bpw) 설정에서 GPQA-Diamond 점수가 92.93과 91.92로 제시돼 BF16 원본과 동등한 수준이라고 소개됐으며, 전문가 모듈 절반을 제거한 코더 특화 빌드는 평균 1.89bpw까지 압축됐습니다②.

vLLM에는 MoE 모델의 전문가 모듈 단위로 일부를 시스템 메모리(RAM)에 옮겨 두는 오프로딩 기능이 추가됐고, 이를 활용해 R9700 GPU 4장으로 DeepSeek-V4급 대형 모델을 구동한 사례가 공유됐습니다③.

한 레딧 이용자는 북미 기업 환경에서 AI가 이미 업무의 절반을 차지할 만큼 일상화됐는데도 레딧 커뮤니티 다수는 AI를 쓸모없는 기술로 본다며 이 차이를 지적했습니다①.

챗봇 등장 4년 만에 전 인류의 20%가 사용한다는 통계가 공유됐으며, 해당 게시글에서는 구글 AI 오버뷰 같은 부가 이용까지 더하면 확산 속도가 역사상 전례가 없다는 평가가 나왔습니다②.

OpenAI의 연환산 매출(ARR, 현재 매출 흐름을 1년 기준으로 환산한 값)이 700억 달러에 근접했다는 소식이 공유됐습니다③.

한 익명의 연구자는 레딧 글에서 ML 연구 분야가 알고리즘 효율성보다 컴퓨트(연산 자원) 규모에 집착하고 있다고 비판했습니다. 논문이 통과되려면 더 큰 규모의 손실 곡선(학습 진행을 보여주는 그래프)이나 더 많은 파라미터 수를 보여줘야 하는 분위기가 있고, 병목을 최적화하기보다 GPU를 더 투입하고 넘어가는 관행이 있다는 주장입니다①.

CVPR 제출을 준비하는 한 연구자는 컴퓨트가 부족한 상황에서 여러 시드(무작위 초기값)로 실험을 반복해 통계적으로 검증할지, 현재 결과로 논문 작성에 집중할지에 대한 고민을 공유했습니다②.