커뮤니티 벤치마크 게시글에서는 Apple Silicon 전용 추론 엔진 Kapitsa가 커스텀 Metal 커널을 사용해 M5 Max에서 Qwen3.6 35B 기준 346 tok/s(초당 처리 토큰 수)의 디코딩 속도를 기록했습니다. SSD 오프로딩을 적용해 48GB 맥북에서 180B 모델을 61 tok/s로 구동한 결과도 함께 공유됐습니다①.

tandem.cpp는 자주 쓰이는 전문가(expert, 모델 내부에서 입력에 따라 선택적으로 쓰이는 연산 묶음)만 GPU에 올리고 나머지는 CPU가 처리하는 방식으로, 단일 4090에서 Qwen3.8-Flash-Next를 97 tok/s로 구동했으며 이는 llama.cpp 대비 3.3배로 제시됐습니다②.

Speedy는 같은 모델 기준으로 기존 엔진 Avalon과 비교해 읽기 속도 최대 4.3배, 전체 처리 시간 최대 72% 단축 결과가 공유됐습니다③.

반면 한 사용자는 2× R9700 환경에서 Strata를 사용했을 때 기대한 성능 향상은 얻지 못하고, 3비트 양자화로 HumanEval+ 점수가 95.1%에서 93.9%로 낮아졌다고 보고하며 특화 엔진이 과대광고된 것 아니냐는 의문을 제기했습니다④.

Qwen3.5 4B를 기반으로 한 GLB-3D-Coder는 간단한 프롬프트로 Three.js 장면 코드를 작성해, Godot 같은 게임 엔진에서 쓸 수 있는 GLB 형식의 3D 에셋을 만드는 모델로 공개됐습니다①.

1800만(18M) 파라미터 규모의 TTS(텍스트를 음성으로 바꾸는) 모델 Silencio-2는 감정·음향 태그를 지원하며, CPU에서 실시간 대비 약 20배 빠른 속도로 동작한다고 소개됐습니다②.

Reddit 게시글에서는 Claude Opus 5.5가 비디오 게임의 리버스 엔지니어링(완성된 프로그램을 분석해 구조를 알아내는 작업)이나 복제 요청을 윤리적 이유로 차단한다는 사례가 공유됐습니다①.

다른 게시글에서는 Claude가 픽사의 인트로 애니메이션 재현 요청을 거부하고 대신 토스터기 이미지를 만든 사례가 공유되며, '프런티어 AI가 할 수 있는 것'과 '기업이 허용하는 것' 사이의 간극을 보여주는 예로 언급됐습니다. 같은 맥락에서 Gemini 4 Argon은 해당 인트로를 그대로 재현할 수 있는 것으로 사용자들 사이에 알려졌습니다②③.

딥마인드 CEO 데미스 하사비스는 9월 인터뷰에서 AI 데이터센터가 아름답게 설계돼야 하며, 주변 환경에 미치는 영향을 신중히 고려해야 한다고 말했습니다①.

OpenAI가 중간선거 이후 자사 데이터센터를 'AI 컴퓨트 캠퍼스'로 리브랜딩하려 한다는 소식이 전해졌으며, 이는 데이터센터라는 용어가 전력 소비와 환경 부담에 대한 지역 사회의 반발을 부르는 상황에서 이미지를 완화하려는 시도로 해석됐습니다②.