🔥 AI 트윗 트렌드 핵심 요약 (2026.07.28)

데이터: 1,779개 트윗 분석 (AI/테크 1,303개) | 주요 키워드 TOP 5: Kimi K3 오픈웨이트 · SSI×엔비디아 · 오픈 보안 연합 · AI 학습 데이터 · 중국 DUV | 메인 이벤트: 문샷이 2.8조 파라미터 Kimi K3의 가중치를 통째로 풀었다

월요일 밤 타임라인의 중심은 한 번의 업로드였습니다. 중국 문샷 AI가 Kimi K3의 모델 가중치와 기술 보고서를 허깅페이스에 올렸고, 공개 30분 만에 좋아요 4천 개를 넘기며 트렌딩 1위로 올라섰습니다. 독립 평가기관 아티피셜 애널리시스 지수에서 57점을 받아 오픈 웨이트 부문 1위, 전체 4위에 앉았는데, 1위인 클로드 오퍼스 5와 격차가 4점입니다. 자체 호스팅이 가능한 모델이 프런티어 바로 아래까지 올라온 건 처음입니다.

몇 시간 뒤 정반대 방향의 소식이 겹쳤습니다. 일리야 수츠케버가 2년 만에 침묵을 깨고 엔비디아와의 장기 파트너십을 알렸습니다. 블룸버그는 투자 규모를 50억 달러로 보도했고, SSI는 컴퓨트를 열 배로 키운다고 밝혔습니다. 같은 날 WSJ은 엔비디아가 오픈AI의 오하이오 데이터센터 임대에 최대 2500억 달러를 보증하는 안을 논의 중이라고 전했습니다. 가중치는 무료로 풀리는데 컴퓨트 값은 조 단위로 올라가는 하루였습니다.

세 번째 축은 보안이었고, 여기서는 발표 내용보다 참여자 명단이 더 큰 메시지였습니다. 엔비디아가 37개사를 모아 Open Secure AI Alliance를 띄웠고, 마이크로소프트는 첫 사이버보안 전용 모델 MAI-Cyber-1-Flash를 내놨습니다. 명단에 오픈AI·앤트로픽·구글·메타가 모두 빠져 있다는 사실이 발표만큼 크게 돌았습니다. 그리고 저녁 무렵, 프런티어 모델을 공개하기 전 연방기관이 최대 30일간 들여다보는 틀이 완성 단계라는 보도가 조용히 올라왔습니다.

1. 가중치가 풀렸다 — Kimi K3, 프런티어 4점 아래까지 올라온 오픈 모델

문샷 AI가 공개한 Kimi K3는 총 2.78조 파라미터의 MoE 모델입니다. 토큰마다 실제로 켜지는 건 1042억 개뿐이고, 896개 라우팅 전문가 중 16개가 활성화되는 구조입니다. 학습 단계부터 시각을 함께 넣은 네이티브 멀티모달이며, 컨텍스트 창은 100만 토큰입니다. 회사는 컴퓨트 단위당 지능이 이전 세대 대비 2.5배로 올랐다고 밝혔는데, 비교 기준은 GPT나 클로드가 아니라 자사 K2입니다.

타임라인에서는 아키텍처 수치보다 외부 평가기관이 매긴 순위 쪽이 훨씬 빨리 돌았습니다. 아티피셜 애널리시스가 9개 평가를 묶어 낸 지능 지수 v4.1에서 K3는 57점을 기록해, 클로드 오퍼스 5(61)·클로드 페이블 5(60)·GPT-5.6 Sol(59) 바로 다음에 자리 잡았습니다. 그 아래로 클로드 오퍼스 4.8(56), GPT-5.6 테라(55), 그록 4.5(54)가 이어집니다. 오픈 웨이트 진영에서 K3 다음으로 높은 GLM-5.2가 51점이니, 개방 모델 내부에서도 한 계단 위입니다.

K3가 남색으로 칠해진 이유는 라이선스에 있습니다. 직접 돌리면 무료지만, 남에게 모델 서비스를 파는 사업자는 조건이 붙습니다. 타이니그래드 계정이 원문을 캡처해 올린 조항을 보면 라이선시와 계열사의 12개월 누적 매출이 2천만 달러를 넘을 경우 상업적 사용 전에 문샷과 별도 계약을 맺어야 합니다. 수익을 나눠 갖는 방식이 아니라 일정 규모를 넘으면 협상 테이블로 오라는 문턱입니다.

가중치 공개 자체만큼이나 그날 안에 줄줄이 붙은 배포 속도가 화제였습니다. 올라마 클라우드에 올라와 ollama launch claude --model kimi-k3:cloud 한 줄로 클로드 코드에 붙일 수 있게 됐고, 버셀 AI 게이트웨이는 미국 소재 추론 사업자를 통해 제공하면서 토큰 트래픽 전체에 제로 데이터 보존 계약을 적용할 수 있게 했습니다. 파이어웍스는 0일차부터 추론과 학습을 함께 열었고, 오픈코드 젠과 네비우스 토큰 팩토리도 같은 날 합류했습니다.

무게 자체가 만만치 않다는 점도 함께 돌았습니다. 콜드 백업에 2TB 남짓이 필요하다는 실측이 올라왔고, 여러 노드에 나눠 받아두라는 조언이 뒤따랐습니다. 에단 몰릭은 받은 가중치를 실제로 열어봤습니다.

경쟁 진영의 반응은 이걸 위협으로 읽는 쪽과 기회로 읽는 쪽으로 갈렸습니다. 테오는 K3가 오픈AI와 앤트로픽을 겁주고 있으며 그게 좋은 일이라고 적었고, 다른 쪽에서는 무료로 받아 돌릴 수 있는 모델이 나온 마당에 앤트로픽의 1조 달러 기업가치가 설명되느냐는 질문이 붙었습니다. 다만 아티피셜 애널리시스 지수만 놓고 보면 오퍼스 5가 여전히 4점 위에 있고, K3의 상업 이용에는 앞서 본 문턱이 걸려 있습니다.

그 밖에: 허깅페이스 CEO 클레망 들랑그는 K3가 30분 만에 좋아요 4천 개를 넘기며 역대 가장 빠른 출시 성장세를 기록했다고 전했습니다. 워털루 인턴 계정은 K3 모델링 코드를 48시간 붙들고 파헤친 기록을 「22580: From GPT2 to Kimi3, Explained」라는 글로 정리했습니다 — 2019년 GPT-2 몇 개가 K3 안에 들어가는지가 제목의 숫자입니다. 한편 한 보안 연구자는 인터넷에 그대로 노출된 남의 추론 서버를 훑는 도구를 공개하며 Kimi 1T와 딥시크 765B급 모델이 무방비로 떠 있다고 알렸습니다.

시사점: 오픈 웨이트가 프런티어를 따라잡았느냐는 질문은 이제 4점 차이라는 구체적인 숫자로 답할 수 있습니다. 실무 판단은 그다음입니다 — 성능 4점을 포기하는 대신 데이터를 내 인프라 밖으로 내보내지 않고, 모델 버전이 사라지지 않으며, 벤더 정책 변경에 흔들리지 않는 걸 살 수 있는지 계산해 보세요. 다만 사업으로 재판매할 계획이라면 2천만 달러 문턱을 미리 읽어둬야 합니다.

#KimiK3오픈웨이트 #AA지수57점 #2천만달러문턱

출처 12🔥 @kimmonismus 🔥 @__tinygrad__ 🔥 @ollama 🔥 @rauchg 🔥 @FireworksAI_HQ 🔥 @opencode 🔥 @TheAhmadOsman 🔥 @theo 🔥 @TheAhmadOsman 🔥 @ClementDelangue 🔖 @waterloo_intern 🔖 @acidvegas

2. 2년 침묵을 깬 일리야 — 그리고 조 단위로 불어난 컴퓨트 청구서

SSI 공식 계정이 올린 발표문은 세 문장이었습니다. 엔비디아와 장기 전략 파트너십을 맺었고, 엔비디아가 상당한 규모로 투자하며, 이를 통해 앞으로 12개월 안에 컴퓨트를 열 배로 키운다는 내용입니다. 마지막 문장이 핵심이었습니다 — 연구가 확장할 가치가 있는 지점에 도달했다는 선언입니다. 일리야 수츠케버 본인은 여기에 "SSI를 확장할 시간"이라는 짧은 한 줄만 덧붙였습니다.

2년간 아무 발표도 없던 연구소가 갑자기 확장을 말하자 타임라인은 그 침묵 자체를 이야기했습니다. 공동창업자를 안전 문제로 몰아내려다 실패하고, 경쟁 연구소를 차리고, 10억 달러를 모아 연구에만 쓰겠다 하고, 2년간 유출 하나 없이 조용하다가, 어느 날 갑자기 연구가 확장할 만하다고 말하고, 그러고도 세부는 안 밝히는 흐름을 나열한 게시물이 크게 돌았습니다. 프런티어를 다루는 연구소 중 가장 미니멀하다는 평이 붙었습니다.

발표문이 끝내 비워둔 금액 자리는 회사가 아니라 언론이 채웠습니다. 블룸버그가 50억 달러를 보도했고, 앤드루 커런은 "상당한"이 결국 50억 달러였다며 젠슨 황이 본 것을 마음에 들어 한 게 분명하다고 정리했습니다.

돈 못지않게 눈에 띈 대목은 하드웨어 공급자가 통째로 바뀌었다는 사실입니다. SSI는 그동안 구글 TPU에 주로 의존해 왔는데, 이번 계약으로 엔비디아 베라 루빈 플랫폼을 쓰게 됩니다. 엔비디아 AI 인프라 계정은 SSI 팀이 베라 루빈 위에서 무엇을 만들어낼지 기대된다는 말로 반겼습니다. 딥러닝은 작고 결이 맞는 팀이 큰 컴퓨터를 돌릴 때 일어난다는 오래된 문장을 인용하며, 그 컴퓨터가 방금 더 커졌다고 적은 반응이 이 거래의 성격을 잘 압축합니다.

연구 내용을 둘러싼 추측

무엇을 연구 중인지에 대해서는 여전히 추측뿐입니다. 커런이 언론 성명을 근거로 전한 바로는 SSI의 연구가 인간 뇌 작동 방식 중 간과된 측면에 초점을 맞추고 있다는 정도가 새로 나온 전부입니다. 단서를 모아 역추적을 시도한 게시물은 SSI가 뇌에서 착안한 지속 학습 방법을 찾았을 가능성을 가장 높게 봤습니다 — 오늘의 프런티어 모델은 학습 단계에서만 배우고 이후에는 지식이 사실상 얼어붙는데, 그 제약을 푸는 방향이라는 추정입니다. 어디까지나 외부 추론이라 확인된 사실로 다룰 수는 없습니다.

엔비디아의 임대 보증 논의

같은 날 컴퓨트 값의 다른 쪽 끝에서는 훨씬 큰 숫자가 움직였습니다. 엔비디아가 오픈AI의 오하이오 데이터센터 임대를 위해 최대 2500억 달러 규모 보증을 논의 중이라는 WSJ 보도가 나왔습니다. 소프트뱅크가 짓는 10기가와트 캠퍼스이고, 전체 사업비는 5000억 달러를 넘길 수 있습니다.

여기서 말하는 보증은 흔히 떠올리는 직접 투자와 성격이 꽤 다릅니다. WSJ 후속 대목을 보면 2500억 달러는 데이터센터 임대와 건설 자금 조달을 커버하되 그 안에 들어갈 엔비디아 칩 값은 포함하지 않습니다. 칩 구매 자금은 별도로 3500억 달러 규모 논의가 진행 중이고, 엔비디아는 이미 오픈AI에 300억 달러를 투자한 상태입니다. 이런 순환 구조가 투자 심리가 바뀌거나 성장이 둔화될 때 업계 전체를 취약하게 만든다는 우려도 같은 기사에 붙어 있습니다.

컴퓨트가 진짜 해자라는 주장이 이날 여러 갈래로 반복됐습니다. 과학적 돌파는 오래 비밀로 남지 않고 논문이 나오고 연구자가 옮기고 오픈소스가 따라붙지만, 복제되지 않는 건 물리적 컴퓨트라는 정리가 대표적입니다.

그 밖에: 폴리마켓은 엔비디아의 SSI 투자를 속보로 띄웠고, 한 연구자는 이제 연구의 시대가 끝나고 확장의 시대가 왔다는 한 줄로 이 발표를 읽었습니다.

시사점: 오늘 하루에 무료 가중치와 조 단위 보증이 동시에 나온 게 우연은 아닙니다. 모델 자체는 상품성을 잃어가고, 값이 붙는 건 그걸 돌릴 전력과 칩 쪽으로 옮겨가는 중입니다. 팀에서 AI 예산을 짤 때 모델 라이선스보다 추론 단가와 가용량을 먼저 보는 편이 실제 지출 구조에 가깝습니다.

#SSI엔비디아50억달러 #베라루빈전환 #오하이오2500억보증

출처 13🔥 @ssi 🔥 @ilyasut 🔥 @corsaren 🔥 @ChrisGPT 🔥 @AndrewCurran_ 🔥 @NVIDIAAIInfra 🔥 @daniellevy__ 💬 @AndrewCurran_ 🔥 @imjustnewatai 🔥 @KobeissiLetter 🔥 @nicbstme 🔥 @Polymarket 🔥 @willccbb

3. 🆕 오늘의 신기능·신제품 — 보안 전용 모델과 인프라 부품들

마이크로소프트가 첫 사이버보안 전용 모델 MAI-Cyber-1-Flash를 공개했습니다. 복잡한 코드베이스에서 까다로운 취약점을 찾도록 처음부터 다시 설계한 모델이고, 멀티 에이전트 보안 하니스인 MDASH와 묶어 씁니다. 사티아 나델라는 프런티어급 보안을 절반 비용에 제공하는 업데이트 묶음이라고 소개했습니다. 무스타파 술레이만은 방어자에게 진짜 제약은 토큰 비용이라는 말로 가격 축을 강조했습니다.

문샷은 모델만 푼 게 아니라 그 모델을 돌리는 부품도 함께 열었습니다. 대규모 MoE 학습·추론에서 통신 부담을 줄이는 라이브러리 MoonEP, 에이전트 환경을 분산 실행하는 AgentEnv가 이번에 새로 공개됐습니다. Kimi Delta Attention 커널 구현인 FlashKDA도 같은 날 함께 언급됐지만, 이건 지난 4월 Kimi Linear 때 이미 공개된 것을 다시 소개한 경우입니다. 가중치만 푸는 게 아니라 학습 스택까지 열었다는 점을 짚은 반응이 많았습니다.

프런티어 랩 바깥에서도 발표가 이어졌습니다. 리액트 코어 개발자 도미닉 개너웨이는 인페르노의 후속작 Octane을 알파로 내놨습니다. 리액트의 프로그래밍 모델을 그대로 두되 훅·서스펜스·액션을 사전 컴파일하는 방식이라, 가상 DOM도 훅 규칙도 의존성 배열도 없앴다고 밝혔습니다 — 컴파일러가 코드가 무엇을 캡처하는지 이해하고 반응성을 대신 생성합니다. 한 개발자는 클로드 코드보다 245배 빠르게 뜨는 코딩 에이전트 하니스 jcode를 공개했는데, 첫 프레임이 14밀리초에 렌더되고 세션 하나가 27.8MB를 쓴다는 수치를 함께 올렸습니다.

작은 도구들, 그리고 그 밖에

규모는 작지만 쓸모가 분명한 도구들도 같은 날 여럿 올라왔습니다. 스위프트로 짠 레이캐스트 대안 Tinycast는 램 100MB 미만, 디스크 3MB에 무제한 클립보드 히스토리를 제공하고 계정도 텔레메트리도 없이 무료 오픈소스로 나왔습니다. 문서가 늘 뒤처지는 문제를 겨냥한 Docny도 이날 출시됐습니다.

그 밖에: 문샷은 시각 인식 능력만 떼어내 원자 단위 역량으로 평가하는 PerceptionBench도 함께 냈습니다 — 42개 벤치마크에서 프런티어 모델이 실패한 지점을 역으로 모아 항목을 만든 방식입니다. 오픈AI 쪽에서는 챗GPT에 장소·날씨·여행 아이디어를 다루는 Places 섹션이 준비 중인 정황이 발견됐고, 같은 날 이미지 생성 장애가 겹쳐 공식 계정이 사과문을 올렸습니다. 평가 자동화 쪽에서는 「Towards Automating Eval Engineering」이 공개됐는데, 코딩 에이전트가 저장소 구조와 실행 기록을 읽어 평가 세트를 스스로 짜게 하는 스킬입니다.

오늘의 논쟁 — 음성 인터페이스

오늘 가장 길게 이어진 사용자 논쟁은 새 모델이 아니라 음성 인터페이스를 둘러싸고 벌어졌습니다. 북부 캘리포니아 레드우드 숲을 네 시간 걸으며 에어팟으로 챗GPT 보이스와 대화했더니 책상에 앉은 여덟 시간보다 일이 많이 됐다는 후기가 출발점이었습니다. 샘 올트먼은 이 흐름이 크게 느껴진다며 새로운 종류의 컴퓨터를 원한다고 답했고, 에드 지트론은 같은 글을 두고 대단히 우울한 장면이라고 받아쳤습니다. 노동과 산책의 경계가 사라지는 걸 해방으로 볼지 침식으로 볼지가 갈린 지점입니다.

시사점: 오늘 나온 신제품의 공통점은 모델 자체가 아니라 모델을 감싸는 층에 있습니다. MDASH도 하니스고, jcode도 하니스고, MoonEP도 모델을 돌리는 배관입니다. CyberGym 차트의 축 이름이 "모델 + 에이전트 구성"인 것처럼, 이제 성능 비교의 단위는 모델 이름 하나가 아니라 조합입니다.

#MAI사이버1플래시 #MDASH95점 #Octane알파

출처 16🔥 @satyanadella 🔥 @mustafasuleyman 🔥 @Kimi_Moonshot 🔥 @Kimi_Moonshot 🔥 @Kimi_Moonshot 🔥 @jacobgold 🔥 @trueadm 🔥 @thisguyknowsai 🔖 @abue_ammar 🔥 @coderoflagos 🔥 @Kimi_Moonshot 🔥 @btibor91 💬 @ChatGPT 🔖 @Vtrivedy10 🔖 @sama 🔥 @edzitron

4. 37곳이 모인 보안 연합, 그리고 프런티어 모델 앞에 세워지는 검문소

엔비디아가 Open Secure AI Alliance를 발표했습니다. 소프트웨어와 에이전트를 지키는 기술·도구를 함께 만들고, 모델과 도구와 연구를 공개적으로 공유해 방어자 커뮤니티를 넓히자는 취지입니다. 엔비디아 본체가 내놓은 기여물은 NOOA(NVIDIA Labs Object-Oriented Agents)로, 소프트웨어 엔지니어링과 사이버보안 양쪽에서 최상위 성적을 내는 객체지향 에이전트 하니스 연구입니다.

참여한 37곳보다 명단에서 빠진 이름들이 이날 더 크게 회자됐습니다. 오픈AI와 앤트로픽 둘 다 불참했다는 점을 짚은 정리가 돌았고, 연합 결성의 실제 방아쇠로는 허깅페이스 침해 사건이 지목됐습니다 — 폐쇄형 보안 도구가 공격자와 조사에 나선 방어자를 구분하지 못해 포렌식 분석을 막아버렸고, 허깅페이스가 사태를 수습하려 오픈 웨이트 모델로 갈아타야 했다는 설명입니다. 오픈AI 경영진이 이날 참여하지 않기로 결정했고 내부에서 반발이 나왔다는 미확인 전언도 돌았는데, 공식 멤버 목록에 이름이 없다는 사실 외에 확인된 근거는 없습니다.

참여한 쪽에서는 개방과 안전을 같은 편에 놓는 언어가 반복됐습니다. 누스 리서치는 오픈 모델 주권이 세상을 더 안전하게 만든다는 문장으로 합류를 알렸고, 마이클 델은 방어자에게 오픈 도구와 협력과 투명성이 필요하며 고객은 최고의 오픈 또는 클로즈드 모델을 고를 수 있기를 원한다고 적었습니다. 허깅페이스는 조직들이 연구와 도구와 실전 경험을 공유할 때 AI 보안이 나아진다는 취지로 참여 사실을 알렸습니다. 젠슨 황이 던진 문장은 좀 더 직설적이었습니다 — 공격자는 이미 프런티어 AI를 갖고 있으니 방어자에게는 프런티어 AI 생태계가 필요하다는 논리입니다.

연방기관이 들여다보는 30일

정책 쪽에서는 훨씬 조용하지만 무게 있는 소식이 올라왔습니다. 디인포메이션 보도에 따르면 완성 단계에 접어든 틀 아래에서 프런티어 랩은 새 모델을 외부 파트너에 넘기기 전 최대 30일간 연방기관이 살펴볼 수 있게 해야 합니다. 오픈AI·앤트로픽·구글이 이미 함께 규칙을 협상 중이고, NSA와 CAISI가 국가안보 위험 — 특히 공격적 사이버보안 능력 — 을 점검하는 구조입니다. 프런티어 모델의 정의가 아직 정해지지 않았고 오픈 웨이트와 클로즈드 웨이트를 다르게 다룰지도 미정입니다.

논쟁의 축은 개방 자체가 안전한가에 있었습니다. 나발 라비칸트는 오픈 웨이트 모델에 백도어나 편향이 숨어 있다면 폐쇄형 랩들이 그걸 찾아내 폭로할 게 확실하다며, 상호 감시가 작동한다는 쪽에 섰습니다. 반대편에서는 안전 정렬이 방어를 방해한다는 불만도 나왔습니다 — 적대적 AI에게 공격당하는 중이니 로그를 뒤지고 방어하고 반격하라는 요청에 "안전한" 모델이 도와드릴 수 없다고 답한다는 지적입니다.

그 밖에: 팔란티어는 호스팅 AI 모델 계약서에서 밟기 쉬운 법적 함정을 정리한 문서를 공개하며 AI 주권이 곧 알파라는 제목을 달았습니다. DHH는 중국 오픈 웨이트 모델이 천안문 사태를 설명해주는데 미국 프런티어 모델은 블로그 글 번역조차 거부하는 상황을 두고 큐브릭도 예상 못한 전개라고 적었습니다. 볼트는 주말 사이 오픈 웨이트 공개서한에 서명했다고 알렸고, 오픈클로는 연합 합류 소식과 함께 보안은 팀 스포츠라고 적었습니다.

시사점: 보안이 개방·폐쇄 논쟁의 새 전선이 됐습니다. 실무에서 챙길 건 두 가지입니다 — 사고가 났을 때 내가 쓰는 보안 도구가 로그와 근거를 열어주는지, 그리고 모델 공급자가 정부 검토 절차에 묶여 출시가 늦어질 때 대체 경로가 있는지. 연합 명단에 네이버와 SK텔레콤이 들어간 건 국내 조달 문서에도 곧 반영될 신호입니다.

#오픈보안연합37곳 #오픈AI불참 #프런티어30일검토

출처 14🔥 @nvidia 🔥 @NVIDIAAI 💬 @MilkRoadAI 🔥 @mark_k 🔥 @NousResearch 🔥 @MichaelDell 🔥 @huggingface 💬 @kimmonismus 🔥 @naval 🔥 @elder_plinius 🚀 @PalantirTech 🔥 @dhh 💬 @EricSimons 🔥 @openclaw

5. 학습 데이터의 뒷면 — 책을 사서 갈아버리는 파이프라인

오늘 타임라인에서 가장 크게 번진 게시물은 모델 발표가 아니라 종이 얘기였습니다. AI 회사들이 희귀 도서를 대량으로 사들여 책등을 잘라내고 고속 스캐너에 통과시킨 뒤 원본을 파쇄한다는 내용이 좋아요 3.5만, 리트윗 1.6만을 모았습니다. ISBNdb라는 서비스가 최대 100만 권 단위 주문을 중개하면서 구매자 신원을 감춰주고, 2022년 이전에 나온 책은 AI가 쓴 문장이 섞여 있지 않다는 이유로 프리미엄이 붙는다는 설명이 붙었습니다.

작성자가 인용한 1차 취재원은 404 미디어입니다. 남은 사본이 거의 없는 희귀서까지 이 파이프라인에 들어가고 있다는 고서점 주인의 증언이 골자였습니다. ISBNdb 웹사이트가 "AI 회사가 200만 권을 파괴했다는 건 동정을 얻는 헤드라인이 아니다"라고 대놓고 적어두고도 그 일을 조용히 처리해주는 사업을 만들었다는 지적, 비밀유지계약을 기능처럼 내걸고 고객에게 이걸 "디지털 보존"이라 부르라고 코치한다는 지적이 이어집니다. 다만 100만 권 규모와 익명 중개는 ISBNdb 측 주장을 인용한 것이라 독립적으로 확인된 수치는 아닙니다.

법원 기록으로 확정된 부분

이 이야기에서 법원 기록으로 확정된 사실은 따로 있습니다. 미국 법원이 실제로 다룬 사건은 지난해 앤트로픽을 상대로 제기된 저작권 소송인데, 법원 기록에 구매한 실물 책의 책등을 유압 절단기로 잘라 스캔한 뒤 폐기한 방식이 명시돼 있습니다. 판사는 원본을 없애 한 번에 한 부만 존재하게 만드는 이 방식 자체는 공정 이용으로 판단했고, 불법 다운로드분에 대해서는 별도로 15억 달러 규모 합의가 이뤄졌습니다. 오늘 돌아다닌 상세 타임라인은 그 판결문과 내부 문서를 재구성한 것입니다 — 책이 큐레이션된 사실과 구조화된 논증과 편집자가 승인할 만한 문장을 준다는 이유로 가장 값싼 경로로 지목됐고, 처음에는 libgen 등에서 700만 권 이상을 내려받는 방식이었으며, 법적 위험이 커지자 2024년 2월 구글 북스 파트너십 총괄 출신을 영입해 "세상의 모든 책"을 합법적으로 확보할 길을 찾았다는 순서입니다. 출판사 라이선스 협상이 결실을 못 맺자 남은 선택지가 유통사와 헌책방을 통한 실물 대량 구매였습니다.

머스크의 답과 사라지는 원본

일론 머스크는 이 게시물에 직접 답했습니다. 스페이스X AI 팀에 희귀서를 도서관에 보존하고, 책등을 잘라내는 대신 손이 더 가는 방식으로 스캔하라고 지시했다는 내용입니다. 회사 하나의 선언이라 업계 관행이 바뀐다는 뜻은 아니지만, 반대 방향의 공개 약속이 나온 건 이날이 처음입니다.

이 소식이 유독 아프게 읽힌 이유는 되돌릴 수 없다는 성질에 있습니다. 웹사이트는 다시 올릴 수 있고 베스트셀러는 다시 찍을 수 있지만, 18세기 식물도감의 마지막 세 부가 학습 데이터로 갈려 나가면 대체할 방법이 없습니다. 인류의 지식을 몰록에게 바치는 셈이라는 짧은 반응이 이 정서를 압축했습니다.

시사점: 모델 성능 경쟁의 원가 구조에는 종이도 들어 있습니다. 실무에서 바로 쓸 부분은 데이터 출처 질문입니다 — 벤더에게 학습 데이터의 취득 경로를 물어보면 법적 리스크와 평판 리스크가 어디에 쌓여 있는지가 드러납니다. 사내 문서를 학습에 쓰는 계약이라면 원본이 어떻게 처리되는지도 같은 무게로 확인해 두세요.

#희귀도서파쇄 #ISBNdb익명중개 #404미디어취재

출처 4🔁 @HedgieMarkets 🚀 @itsolelehmann 💬 @elonmusk 💬 @shawmakesmagic

6. 상하이가 DUV를 찍기 시작했다 — 그리고 멈춰 선 딥시크 라운드

디인포메이션이 단독으로 전한 소식이 반도체 장비주를 하루 만에 무너뜨렸습니다. 중국의 국영 지원 기업이 침지 DUV 리소그래피 장비를 처음으로 양산하기 시작했다는 내용입니다. 상하이에 있는 이 회사는 올해 5대, 2027년에 약 20대를 만들 계획이고, 첫 물량은 SMIC와 화홍, CXMT로 갑니다.

리소그래피는 중국이 반도체 공급망에서 가장 복제하기 어렵다고 여겨진 구간입니다. ASML이 첨단 DUV를 사실상 독점하고 EUV는 세계 유일 공급자이며, 서방의 수출 통제는 정확히 이 병목을 겨냥해 설계됐습니다. 장비와 유지보수 접근이 끊기면 중국 칩 제조사가 더 뒤처질 거라는 게 전제였는데, 그 전제에 금이 갔습니다. 시장은 즉시 반응해 암스테르담 종가 기준 ASML이 8% 넘게 빠졌고 ASM 인터내셔널과 BE 세미컨덕터도 각각 7%대, 10% 가까이 내렸습니다. 미국에서는 어플라이드 머티리얼즈와 램 리서치가 5~7% 구간에서 하락했습니다.

다만 이걸 완전한 장비 자립으로 읽기에는 아직 이른 단계입니다. 핵심 부품 일부는 여전히 일본산이고, 연간 5대는 상업 규모와 거리가 멉니다. SMIC이 지난해 9월부터 이 장비를 테스트해 왔다는 배경 보도도 함께 나왔습니다. 오늘 움직인 건 기술 격차 자체보다 그 격차가 좁혀질 수 있다는 시장의 기대치입니다.

같은 중국 AI 진영에서 정반대 소식도 겹쳤습니다. 딥시크가 진행하던 2차 펀딩 라운드가 돌연 멈췄습니다. 목표 기업가치는 5000억 위안, 약 740억 달러였고 1차에서는 74억 달러를 모은 상태였습니다. 중단 사유로는 창업자 량원펑이 1차 라운드 중 투자자에게 한 발언이 외부에 보도된 데 대한 불만이 지목됐고, 회사는 IPO에 대한 초기 논의를 시작했다고 전해집니다.

유출된 투자자 업데이트의 내용은 더 민감했습니다. 중국어권에서 크게 돈 정리에 따르면 화웨이 칩이 엔비디아 대비 성능은 네 배, 세대는 2년 뒤처진다는 량원펑의 진단이 그대로 담겨 있었고, 제한된 칩을 어떻게 확보할지에 대한 논의까지 포함돼 있었습니다. 국산 컴퓨트의 밑천이 통째로 드러난 셈이라 수출 통제의 구멍을 상대에게 알려준 꼴이라는 비판이 뒤따랐습니다. 유출된 문서 전문을 읽었다는 한 이용자는 핵심 개념이 "억제된 만족"이었다고 요약했습니다 — AGI라는 단일 목표를 위해 좋은 사용자 경험 같은 나머지를 포기하고 이익을 극대화한다는 전략입니다.

그 밖에: 개인 하드웨어에서 돌릴 만한 로컬 모델 대기 목록이 돌았는데 젬마 120B, 엔비디아 네모트론4, Qwen4 27B/122B, 딥시크 V4 플래시, 미니맥스 M3.5, GLM-5.5 플래시가 이름을 올렸습니다. 한 이용자는 이제 지능을 재는 단위를 무의미할 만큼 싸게 만드는 일이 딥시크 몫으로 남았다고 적었습니다.

시사점: 중국 AI를 한 덩어리로 보면 오늘 신호가 모순돼 보입니다. 장비는 국산화에 한 발 나아갔는데 대표 연구소는 자금 조달이 멈췄고, 그 사이 다른 회사가 세계 최고 오픈 모델을 무료로 풀었습니다. 실무 판단에 필요한 건 진영 판별이 아니라 개별 공급자의 지속 가능성입니다 — 지금 붙이려는 모델이 6개월 뒤에도 같은 조건으로 서비스될지 한 번 따져보세요.

#상하이DUV양산 #ASML8%하락 #딥시크펀딩중단

출처 6🔥 @kimmonismus 🔥 @ns123abc 💬 @Web3Eden01 🔥 @xuezhao 🔥 @jun_song 🔥 @scaling01

📊 오늘의 감정/온도 분석

오늘 인용의 라벨 분포는 🔥 인기형이 여전히 다수였고, 라이선스 조항·하니스 강의·로컬 실행 목록처럼 다시 꺼내 볼 자료에 북마크가 몰린 🔖 저장형이 뒤를 받쳤습니다. 💬 논쟁형은 오픈AI의 연합 불참과 딥시크 유출 쪽에 집중됐고, 🔁 공유형은 책 파쇄 게시물 한 건이 압도적이었습니다.

💼 오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 10가지

1. 프롬프트 대신 루프를 만들기 — (@Raytar)

젠슨 황이 스탠퍼드 강연에서 던진 말은 짧았습니다 — 아직도 프롬프트를 쓰고 있다면 멈추고 루프를 만들라는 겁니다. 여기서 루프란 작업을 시키고, 결과가 맞는지 확인할 증거를 모으고, 그 증거로 다시 고치게 하는 반복 구조를 뜻합니다. 한 번 잘 쓴 지시문보다 언제 멈출지 정한 반복이 결과를 좌우합니다.

2. 하니스 엔지니어링을 학습 목록에 넣기 — (@divaagurlxw)

하니스는 모델 주변을 감싸는 도구·권한·메모리·샌드박스 묶음입니다. 프롬프트 엔지니어링만 파는 대신 하니스와 컨텍스트 설계를 배우라는 정리가 북마크 3천 개를 넘겼습니다. 프롬프트 캐싱(같은 앞부분을 재사용해 값을 아끼는 기법)과 의미 기반 캐싱의 차이, 프리필과 디코드의 지연 시간이 왜 다르게 최적화되는지가 목록에 들어 있습니다.

3. 모델보다 스킬 파일에 투자하기 — (@elayadesigns)

스킬 파일은 AI가 필요할 때 불러 쓰는 작업 지침 묶음입니다. 한 디자이너는 직접 만든 랜딩페이지 디자인 스킬 파일을 여러 도구에 얹어 결과를 냈고, 차이를 만든 건 모델이 아니라 그 파일이었다고 정리했습니다. 자주 반복하는 작업 하나를 골라 기준·예시·금지사항을 적은 파일로 만들어 두세요.

4. 여러 시안을 한꺼번에 뽑아 스위처로 비교하기 — (@emilkowalski)

애니메이션이나 UI 요소를 만들 때 한 번에 하나씩 고치면 비교가 안 됩니다. 여러 버전을 동시에 만들어 스위처로 넘겨보고, 고른 버전이 URL 쿼리 파라미터에 저장돼 팀원과 그대로 공유되는 방식이 대안입니다. 디자인 논의가 말싸움에서 선택 문제로 바뀝니다.

5. AI가 쓴 코드는 읽지 말고 둘러싸기 — (@midudev)

『클린 코드』 저자는 AI가 생성한 코드를 일일이 검토하지 않는다고 밝혔습니다. 다 읽으면 생산성이 죽는다는 이유입니다. 대신 테스트와 지표와 QA와 제약으로 코드를 둘러싸서, 생성된 코드가 스스로 작동을 증명하게 만듭니다. 리뷰 시간을 검증 장치를 짜는 데로 옮기라는 조언입니다.

6. 장황한 답변은 문체 규격으로 잡기 — (@andrew_n_carr)

AI가 쉬운 말로 해달라는 요청을 무시하고 계속 현학적으로 답할 때 쓸 수 있는 우회로가 있습니다. ASD-STE100 간이 기술영어로만 보고하라고 지정하는 방법인데, 항공·방산 매뉴얼용으로 어휘와 문장 구조를 제한해 둔 표준이라 모델이 수식을 붙일 여지가 줄어듭니다.

7. 오픈 모델을 붙일 때 데이터 보존 조건부터 보기 — (@rauchg)

Kimi K3를 게이트웨이로 붙일 때 미국 소재 추론 사업자를 고르고 토큰 트래픽 전체에 제로 데이터 보존 계약을 켤 수 있게 한 사례가 나왔습니다. 오픈 웨이트라도 남의 서버로 보내면 결국 위탁이니, 모델 이름보다 어느 사업자가 어떤 보존 정책으로 돌리는지를 먼저 확인하세요.

8. 이미 있는 구독에 새 모델 물리기 — (@ollama)

새 모델이 나올 때마다 별도 요금제를 결제할 필요는 없습니다. 올라마 클라우드는 ollama launch claude --model kimi-k3:cloud 한 줄로 클로드 코드 안에서 Kimi K3를 쓰게 해줍니다. 다만 프로나 맥스 구독이 필요하고 추가 사용량 크레딧을 먹는다는 조건이 붙으니 청구서를 함께 보세요.

9. 내부 추론 서버가 인터넷에 노출됐는지 점검하기 — (@acidvegas)

인터넷에 그대로 떠 있는 남의 추론 서버를 훑는 도구가 공개됐고, 그중에는 1조 파라미터급 모델도 있었습니다. 사내에서 vLLM이나 SGLang 같은 추론 서버를 띄웠다면 외부 IP에서 포트가 열려 있는지 오늘 확인하는 게 좋습니다. 인증 없이 열린 추론 엔드포인트는 그대로 요금 폭탄이자 데이터 유출 경로입니다.

10. 그래프 메모리를 무료 강의로 훑기 — (@0xCodila)

에이전트에게 오래 기억시키려 할 때 문서 조각을 그냥 쌓아두면 검색이 흐려집니다. 개체와 관계를 그래프로 세워두는 방식이 대안인데, 구글과 IBM이 각각 1시간짜리 무료 강의를 열었습니다. 그래프RAG 만들기, 에이전트 검색, 자기개선 루프까지 구간별 타임스탬프가 정리돼 있어 필요한 부분만 골라 볼 수 있습니다.

📦 데이터 — 2026-07-28 X 타임라인 1,779개 트윗 분석(AI/테크 1,303개), 이미지 12장 시각 확인. 핵심 사실(Kimi K3 가중치 공개·SSI 엔비디아 파트너십·오픈 보안 연합 명단·MAI-Cyber-1-Flash 성적·중국 DUV 양산·딥시크 펀딩 중단)은 병렬 에이전트가 1차 출처로 본문에서 교차검증했고, 개별 수치·자기보고 주장은 원문 기준이라 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 인기 (좋아요 확산) · 🔁 공유 (RT 비율 높음, 확산성) · 💬 논쟁 (댓글 비율 높음, 의견 다툼) · 🔖 저장 (북마크 많음, 다시 볼 실용 가이드) · 🚀 떠오름 (작은 계정인데 확산 시작)

출처 11@Raytar @divaagurlxw @elayadesigns @emilkowalski @midudev @andrew_n_carr @rauchg @ollama @acidvegas @0xCodila @Av1dlive