Qwen3.8-27B를 구동하는 추론 엔진 Gufo가 내세운 70tps는 같은 단어를 1000번 반복하는 특수 프롬프트에서 나온 수치였으며, 코딩·요약 같은 일반 프롬프트에서는 1명 사용 시 39.4 tok/s, 8명 동시 사용 시 52 tok/s 수준이라는 검증 글이 올라왔습니다①.

RTX 3090 한 장에서 Qwen3.8-27B를 모델 용량을 줄이는 양자화 설정인 Q4_K_M으로 실행한 실험에서는 입력 길이에 따라 생성 속도가 36.4 tok/s에서 20.9 tok/s로 떨어지는 현상이 확인됐다는 결과가 공유됐습니다②.

추론 엔진 FreeToken과 llama.cpp를 비교한 글에서는 여러 전문가 모듈 중 일부만 사용하는 MoE 모델이 그래픽카드 메모리(VRAM)에 모두 들어가는 조건에서는 llama.cpp가 2~3배 빠르지만, gpt-oss-120b처럼 큰 모델에 32명이 동시 접속하는 조건에서는 FreeToken의 첫 토큰 응답이 7배 빠르다는 결과가 제시됐습니다③.

Google이 공개한 Gemini 4 Argon은 최대 100만 토큰(약 1400페이지) 분량의 출력을 지원하며, 함께 비교된 Opus 5.5와 Astra는 12만8000~30만 토큰(약 90~180페이지) 수준으로 제시됐습니다①.

커뮤니티에서는 이 출력 한도가 긴 작업을 여러 번 나눠 처리하거나 'continue' 프롬프트를 반복 입력해야 하는 '컨텍스트 글루' 문제를 해결하는 분기점이 될 수 있다는 기대가 나왔으며, 대규모 코드 마이그레이션·보안 패치·심층 추론 작업에 유리할 것이라는 평가도 공유됐습니다②.

Institute of Foundation Models(IFM)는 0.9B부터 375B까지 크기가 다른 6종의 완전 오픈 모델 K2 Horizon을 공개했습니다. 학습으로 정해진 모델의 내부 값인 가중치뿐 아니라 학습 데이터, 학습 레시피, 코드, 중간 체크포인트, 세부 학습 로그와 평가 결과까지 공개했으며, 연구팀은 사전학습·데이터 구성·후속학습·온디바이스 소형 모델 등을 주제로 한 공개 질의응답(AMA)을 예고했습니다①.

한 개인 개발자는 Yandex의 AliceAI-80B-A3B 모델을 기반으로 어텐션과 공유 전문가(shared expert)만 학습시키고 기존 전문가는 동결하는 방식으로 지시 수행형(instruct) 파인튜닝을 진행했으며, V100 GPU 3대로 약 48시간 만에 학습을 완료했다고 공유했습니다②.

Human Interaction Model인 Griffin이 영상 튜링테스트를 통과한 첫 사례로 소개됐습니다. 말하기와 듣기를 동시에 처리하는 NVIDIA의 풀더플렉스 AI 영상 벤치마크에서 1위를 차지했으며, 실험 참가자의 44%가 Griffin을 실제 사람으로 착각한 반면 다른 경쟁 시스템은 이 비율이 약 3%였다고 전해졌습니다①.

한 레딧 이용자는 몇 달 만에 다시 사용한 ChatGPT 음성모드가 사람과 대화하는 듯 자연스러워졌다고 전하며, 몇 년 전에는 적절히 끊어 말하는 것조차 어려웠다고 비교했습니다②.

Meta의 수석 AI 과학자였던 얀 르쿤은 AI로 인한 인류 멸종 가능성에 대해 전혀 우려하지 않는다는 입장을 다시 밝혔습니다. 그는 현재 AI 시스템이 진정한 추론 능력이나 세상이 어떻게 작동하는지에 대한 내부 이해인 세계 모델을 갖추지 못했으며, 따라서 통제 불능으로 치닫는 재앙적 시나리오는 과장된 공포라는 입장을 유지하고 있습니다①.

한 레딧 게시글은 AI로 인한 멸종 위험은 낮다고 보면서도, 세상의 변화가 많은 사람에게 디스토피아처럼 느껴질 수 있다는 어려운 과제를 지적했습니다. 이 글은 '닷컴 버블', 'LLM은 확률적 앵무새일 뿐', '다 마케팅이다' 같은 시각을 가진 'AI 부정론자'가 초지능 전환을 받아들이는 '서세셔니스트'보다 담론에 더 위험하다고 주장했습니다②.