오늘의 AI 브리핑 · 2026.09.09

OpenAI가 90년 난제를 풀었다

주요 키워드 TOP 5: Navier–Stokes 유한시간 특이점 · AlphaGenome Atlas · Meta Muse · ChatGPT Images 2.5 · Mistral 30억 유로 | 메인 이벤트: OpenAI가 내부 모델과 에이전트 약 1만 개로 Navier–Stokes 유한시간 특이점을 증명했다고 발표했습니다.

오늘 가장 큰 사건은 OpenAI가 밀레니엄 문제인 Navier–Stokes에서 유한시간 특이점을 증명했다고 발표한 것입니다. 회사는 증명 원고와 함께 기계가 검사할 수 있는 Lean 형식화를 냈고, 그래서 결과가 맞는지는 사람 손을 거치지 않고도 확인할 길이 생겼습니다. 문제는 그 옆에서 다른 질문이 열렸다는 점입니다. 같은 날 NYU의 Tristan Buckmaster와 Anthropic의 Levent Alpöge가 저자권 압박과 Codex 세션 데이터 문제를 제기하면서, 확인할 수 없는 것이 결과가 아니라 그 결과에 이른 과정이라는 사실이 드러났습니다.

1. OpenAI가 내부 모델로 Navier–Stokes 유한시간 특이점을 증명했다고 발표했고, 데이터 출처 논란이 함께 붙었다

• OpenAI가 밀레니엄 문제인 Navier–Stokes 존재·매끄러움 문제에서 유한시간 특이점을 증명했다고 발표했습니다. 증명 원고와 Lean 형식화를 함께 공개한다고 적었습니다.
• 쓴 모델은 GPT-6 Astra보다 훨씬 강력한 내부 모델이고, 약 10,000개 에이전트가 88시간 만에 도달했다고 밝혔습니다.
• 같은 날 NYU의 Tristan Buckmaster와 Anthropic의 Levent Alpöge가 성명을 내 저자권 압박과 Codex 세션 데이터 문제를 제기했습니다.

밀레니엄 문제는 3차원 유체의 흐름이 매끄러운 상태를 영원히 유지하는지 묻습니다. OpenAI가 내놨다는 답은 그 반대쪽입니다. 유한한 시간 안에 해가 무한대로 터지는 경우가 실제로 있다는 쪽이고, 사람 말고 기계가 검사할 수 있는 Lean 형식화를 함께 냈다는 점이 이번 발표의 무게입니다.

두 발표가 같은 문제를 가리키지는 않습니다. Buckmaster와 Alpöge가 실제로 공개한 것은 비압축 다공성 매질·Boussinesq·3차원 Euler 세 건의 블로업이고, Navier–Stokes 쪽은 Lean 검증이 끝나지 않아 내지 않았습니다. Buckmaster는 OpenAI의 결과를 강제항이 있는 Navier–Stokes의 블로업이라고 통화에서 들었다고 적었으며, 급히 정리한 Euler 원고를 스스로 "AI slop"이라고 불렀습니다.

논란은 그 성명에서 시작됐습니다. Buckmaster는 자신과 Alpöge가 Diego Córdoba·Luis Martínez-Zoroa가 연 경로를 출발점 삼아 1년 가까이 작업했고, 8월 15일 Boussinesq와 3차원 Euler에서 매끄러운 강제항 블로업을 얻어 8월 22일 Lean으로 검증했다고 적었습니다. 9월 6일 통화에서 OpenAI 측이 Alpöge를 저자에서 빼자고 두 차례 말했고, 공개하겠다고 하자 "왜 커리어를 망치려 하느냐"는 말을 들었다고도 썼습니다. 다만 자신은 OpenAI의 증명을 본 적이 없고 누구도 고발하지 않는다는 단서를 함께 달았습니다. OpenAI는 특정 사용자 데이터에 접근한 적이 없다고 부인하면서도, 제품 사용에서 파생된 비식별 데이터가 모델 개선에 도움이 됐을 가능성은 배제할 수 없다고 적었습니다. Sebastien Bubeck은 저자 자격 박탈을 요구한 적이 없다고 반박했고, OpenAI 연구원 Will Depue는 사용자 데이터 접근 권한이 엄격히 잠겨 있다고 적었습니다.

그 밖에: Lisan al Gaib(@scaling01)는 Navier–Stokes 한 문제에만 출력 토큰 1,300억 개가 들어갔다고 보고 API 가격으로 650만 달러, 총비용은 가정에 따라 1,000만 달러 미만부터 3,000만~4,000만 달러까지로 추산했습니다. 회사가 공개한 값이 아니라 외부 추정치입니다.

시사점: 증명은 Lean 형식화 덕분에 기계로 검사할 수 있지만, 어떤 데이터로 어떻게 얻었는지는 회사 설명 말고 확인할 방법이 없습니다. 다음 쟁점은 결과가 아니라 연구 과정의 투명성입니다.

#NavierStokes #OpenAI #연구윤리

출처 13🔥 @sama🔥 @gdb🔥 @AndrewCurran_🔥 @alexwei_🔥 @__alpoge__🔥 @SebastienBubeck🔥 @polynoamial🔥 @willdepue🔖 @ns123abc🔥 @Thom_Wolf🔥 @rynorhn🔥 @scaling01🔥 @chetaslua

2. AlphaGenome Atlas — Google DeepMind가 인간 DNA 변이 90억 개의 예측 지도를 브라우저에 열었다

• Google DeepMind가 인간 게놈에서 가능한 단일 염기 변이 90억 개 전부의 분자 수준 영향을 미리 계산해 검색 가능한 데이터베이스로 공개했습니다.
• 용량은 1페타바이트로 AlphaFold 데이터베이스의 30배가 넘습니다. 변이 하나마다 사람·생쥐 세포와 조직 수백 종에 걸친 예측 수천 건이 붙어 있습니다.
• 코드를 짜지 않고 웹브라우저에서 쓰며 학술 연구용은 무료입니다. AlphaGenome API와 Google Antigravity 스킬로도 열 수 있고, 상업용은 Google Cloud로 제공될 예정입니다.

2025년에 나온 AlphaGenome은 DNA 서열을 넣으면 그 구간이 무슨 일을 하는지 예측하는 모델이었지만, 쓰려면 연구자가 모델을 직접 돌려야 했습니다. Atlas는 그 계산을 Google이 미리 끝내 놓고 조회만 하게 바꾼 것입니다. 함께 내놓은 AVI 점수는 AlphaGenome과 AlphaMissense의 강점을 합쳐 단백질을 바꾸지 않는 변이까지 한 척도로 줄 세웁니다.

미리 계산해 두었다는 점이 실제 차이를 만듭니다. 변이 하나에 딸린 예측에는 2,500종이 넘는 반복 DNA 서열 모티프에 대한 해석까지 들어 있어, 연구자는 모델을 실행하는 단계를 건너뛰고 결과를 읽는 데서 시작합니다. Google DeepMind는 이 자료를 유전 변이가 분자생물학에 미치는 영향을 담은 가장 포괄적인 목록이라고 설명했습니다.

그 밖에: UK Biobank 참가자 5만 4천여 명에 적용한 사례에서 비코딩 영역 연관성이 22% 더 잡혔고, 체질량지수와 연결된 유전 영역 19곳이 나왔습니다. DNM1 유전자의 스플라이싱 부위 변이가 뇌전증성 뇌병증과 이어진 사례도 함께 소개됐으며, 발표 글의 원제는 「AlphaGenome Atlas: A High-Resolution Map of Human DNA Accelerating Biological Discovery」입니다.

시사점: 유전체 연구의 병목은 변이를 읽는 쪽이 아니라 그 의미를 해석하는 쪽에 있었습니다. 예측을 미리 계산해 무료로 열어 두면, 모델을 돌릴 장비가 없던 연구실도 같은 자료에서 출발할 수 있습니다.

#AlphaGenome #유전체 #GoogleDeepMind

출처 5💬 @Google🚀 @GoogleAI🔥 @sundarpichai🔥 @AndrewCurran_💬 @_philschmid

3. Meta가 개인 AI 에이전트 Muse를 내놓고 전용 보안 VM 안에서 돌린다

• Meta가 개인 AI 에이전트를 내놨습니다. 이름은 Muse이고 미국에서 먼저 열었습니다. iOS·Android 앱과 muse.ai에서 쓰고 WhatsApp으로도 말을 걸 수 있으며, AI 안경에는 곧 들어갑니다.
• 목표를 말하면 계획을 세우고 시간과 자원을 배분한 뒤 스스로 진행합니다. 이메일 발송·여행 예약·양식 작성·청구서 인하 협상·결제를 대신합니다. 민감한 작업 전에는 사용자에게 승인을 묻고, 한 일과 할 일을 감사 기록으로 보여 줍니다. 앱을 닫아도 작업은 이어집니다.
• 실행 자리는 전용 가상머신 Muse Secure VM입니다. 같은 머신에서 시스템 수준으로 분리된 별도 에이전트 Sentinel이 외부 서비스 연동과 네트워크 송출을 전부 심사합니다.

기능 목록보다 눈여겨볼 대목은 권한을 나눈 방식입니다. 에이전트는 봉인된 실행 컨테이너 안에서 실행되고, 자격증명 관리와 연동 실행, 프롬프트 인젝션 탐지 분류기는 그 바깥에 둡니다. Sentinel은 외부 서비스 연동과 네트워크 송출을 허가하는 유일한 주체이고, Muse에게는 대체 토큰만 건네준 뒤 실제 비밀값을 네트워크 경계에서 바꿔 끼웁니다.

Meta는 에이전트가 진짜 토큰을 못 본다고 적으며, 이 때문에 프롬프트 인젝션으로 비밀값을 빼내려는 시도가 통하지 않는다고 설명했습니다. 인젝션 방어는 모델 학습, 외부 데이터의 비신뢰 표시, 탐지 분류기 묶음, VM 밖으로 데이터를 내보내는 작업의 사람 승인 네 층으로 짰습니다.

그 밖에: 만 18세 이상만 쓸 수 있고, 요금은 대부분의 기능이 무료이며 더 쓰려면 구독 요금제를 붙입니다. Stripe의 Patrick Collison은 Link 지갑으로 인터넷 어디서나 구매할 수 있는 점을 짚었습니다. 같은 날 Hacker News에 오른 공식 페이지는 136점과 댓글 117개를 받았습니다.

시사점: 개인 비서형 에이전트의 다툼이 대화 품질에서 권한 설계로 옮겨 왔습니다. 연결할 앱과 승인 범위를 사용자가 직접 고르게 한 이 구조가 실제로 버티는지는 미국 사용자들의 초기 사용기에서 먼저 드러납니다.

#Meta #AI에이전트 #에이전트보안

출처 5🔥 @alexandr_wang🔥 @AIatMeta🔥 @Muse🔥 @wallstengine🔥 @patrickc

4. ChatGPT Images 2.5가 참조 사진의 유사성과 연속 편집 일관성을 끌어올렸다

• OpenAI가 ChatGPT Images 2.5를 공개했습니다. 더 빠른 생성, 참조 사진 속 인물과 사물의 유사성 보존, 여러 번 편집해도 흐트러지지 않는 세부 일관성 세 가지를 앞세웠습니다.
• OpenAI Developers 계정은 두 신규 API 모델을 더 선명한 디테일과 강한 스타일 유지, 정밀한 편집 제어를 갖췄다고 소개했고, ChatGPT·ChatGPT Work·Codex 이용자에게 요금제 구분 없이 데스크톱·모바일·웹으로 배포됩니다.
• API는 두 갈래입니다. 기본값인 GPT-Image-2.5 Flare는 OpenAI 설명으로 일상적인 고품질 이미지 생성에 가장 빠른 모델이고, GPT-Image-2.5 Sunburst는 이미지 생성·편집에서 가장 강력한 모델로 소개되며 더 정밀한 편집 제어를 앞세웁니다.

승부처가 첫 한 장의 완성도에서 고친 뒤에도 앞의 것이 남아 있는지로 옮겨간 발표입니다. 얼굴 하나를 손보면 배경이 딸려 바뀌고 세 번째 지시에서 인물이 다른 사람이 되던 것이 그동안의 약점이었습니다.

OpenAI는 원본의 구성과 시각적 정체성을 편집 과정에서 유지하며, 대화를 이어가도 앞선 편집이 다음 지시에 얹힌다고 설명했습니다. ChatGPT 안에서 '@Sketch'로 밑그림을 직접 그려 참고 자료로 넘기는 입력도 함께 들어왔습니다.

그 밖에: Flare의 API 요금은 100만 토큰당 텍스트 입력 5달러, 이미지 입력 8달러, 이미지 출력 30달러이고 캐시된 입력은 그 25%입니다. 공개 직후 이용자들은 스톱모션 연출과 거울 반사 같은 까다로운 장면을 시험했습니다. @kimmonismus는 같은 날 Navier–Stokes 밀레니엄 상 문제의 돌파구 소식에 완전히 묻혔다고 지적했습니다.

시사점: 개선 폭은 직접 잴 수 있습니다. 참조 사진 한 장을 올리고 편집 지시를 서너 번 이어 붙인 뒤, 마지막 결과에 처음 얼굴과 배경이 남아 있는지 확인하면 됩니다.

#ChatGPT #이미지생성 #OpenAI

출처 7🔥 @OpenAI🔥 @sama🔥 @Angaisb_🔥 @bridgemindai🔥 @DanDr1s🔥 @charlierguo🔥 @kimmonismus

5. Mercury 2.5 — Inception Labs가 초당 1,100토큰 넘는 확산 LLM을 내놨다

• Inception Labs가 9월 8일 확산(diffusion) 방식 언어모델 Mercury 2.5를 공개했습니다. 널리 구할 수 있는 NVIDIA GPU에서 초당 1,107토큰을 낸다고 밝혔습니다.
• 회사는 Mercury 2보다 지능이 40% 올랐고, 품질은 GPT-5.6 Luna(Low)·Gemini 3.5 Flash-Lite·Claude Haiku 4.5 같은 저비용 모델과 견줄 만하다고 설명했습니다.
• 컨텍스트 창은 260K 토큰입니다. 발표 당일부터 Inception API와 OpenRouter·Baseten에서 쓸 수 있습니다.

지금 쓰이는 대형 언어모델은 대부분 자기회귀 방식이라 토큰을 앞에서부터 하나씩 이어 붙입니다. 확산 계열은 여러 자리를 동시에 놓고 반복해서 다듬는 쪽에 가까워, 같은 GPU에서도 초당 토큰 수가 크게 벌어집니다.

다만 회사 블로그는 두 방식의 차이를 기술적으로 풀어 쓰지 않았고, 지능 40% 향상과 "시장에서 가장 강력한 확산 LLM"이라는 표현도 모두 회사 자체 평가입니다. 외부 기관의 독립 측정값은 아직 나오지 않았습니다.

그 밖에: 가격은 100만 토큰당 입력 $0.20·출력 $0.75이고, 출시 기념으로 80% 깎은 $0.04·$0.15를 적용합니다. 무료 한도는 1억 토큰입니다. 회사가 소개한 사례로 Augment Code는 압축 작업 지연을 150초에서 27초로 82% 줄이고 비용은 90% 낮췄다고 합니다.

시사점: 자기회귀 일색이던 상용 API 목록에 다른 생성 방식이 실사용 속도와 가격을 들고 올라왔습니다. 응답 지연이 곧 비용인 음성 상담이나 검색 에이전트라면 후보에 넣어 볼 만합니다.

#DiffusionLLM #Mercury25 #추론속도

출처 2🚀 @_inception_ai🚀 @StefanoErmon

6. Nex가 오픈 에이전틱 모델 Nex-N2.5를 Mini 35B·Pro 397B·Max 1.6T 셋으로 공개했다

• Nex가 자체 에이전틱 모델 패밀리 Nex-N2.5를 세 크기로 공개했습니다. Mini는 35B, Pro는 397B, Max는 1.6T입니다.
• Mini와 Pro는 멀티모달 이해와 컴퓨터 사용을 지원하고, Max는 복잡한 추론·코딩·에이전트 워크플로를 겨냥한 텍스트 전용 MoE입니다.
• 회사 발표 기준으로 Max는 AutomationBench v1.0.6에서 50.2로 Claude Opus 5에 0.1 뒤졌고, Pro는 OSWorld-2에서 56.4로 Qwen3.8-Max의 46.7을 앞섰습니다.

세 모델은 Hugging Face와 ModelScope에 Apache 2.0 라이선스로 올라왔고, 컨텍스트 길이는 262,144 토큰입니다. 필요한 장비는 크기만큼 갈립니다. Mini와 Pro는 H100 8장까지의 단일 노드에서 돌지만, Max는 H200 16장을 묶은 멀티 노드 구성을 권장 사양으로 적었습니다.

Mini와 Pro는 직접 돌리기 어렵다면 OpenRouter 호스팅으로도 쓸 수 있지만, Max는 아직 OpenRouter에 없어 Hugging Face·ModelScope 다운로드로만 받을 수 있습니다. Nex는 지속적인 행동과 시각 피드백, 자체 수정을 근거로 이 모델들이 Blender와 CAD 도구를 오가며 작업하고 경비 정산까지 처리한다고 설명했습니다.

그 밖에: 모델 카드에는 Max가 SWE-Bench Pro 65.7, Terminal-Bench 2.1 86.1을 받았고 Pro는 OSWorld-Verified 82.2, BrowseComp 89.7을 받았다고 적혀 있습니다. Mini는 AutomationBench v1.0.6 32.3, OSWorld-2 30.5으로 세 모델 중 가장 낮습니다.

시사점: 컴퓨터를 직접 조작하는 모델을 공개 가중치로 내려받아 자기 장비에서 검증해 볼 선택지가 하나 늘었습니다. 다만 지금 나온 점수는 모두 Nex가 스스로 잰 값이라, 외부 재현 결과가 나오기 전까지는 참고치로 두는 편이 안전합니다.

#에이전트 #오픈웨이트 #MoE

출처 1🔁 @NexEcosystem

7. The Economist가 AI로 미국에 새 일자리 약 100만 개가 생겼다고 분석했다

• The Economist가 9월 4일 분석에서 AI가 지금까지 미국에 새 일자리를 약 100만 개 만들었다고 추산했습니다. 같은 기간 AI 탓으로 집계된 해고는 약 20만 건입니다.
• 엔지니어·소프트웨어 개발자·수학자·데이터 과학자처럼 AI에 가장 가까운 직군이 2022년 이후 추세선 위로 약 73만 명 늘었습니다.
• 데이터센터를 짓고 전기를 대는 업종은 2023년 이후 추세선 위로 약 32만 명 늘었습니다.

이 숫자를 읽을 때 중요한 건 계산 방식입니다. 차트 각주는 실제 고용에서 해당 업종이 전체 채용 추세를 따랐을 경우의 예상 고용을 뺀 값이라고 밝혀 둡니다. 데이터센터 관련 업종이 늘어난 만큼을 통째로 AI 몫으로 세는 게 아니라, 경제 전반의 채용 흐름으로 설명되는 부분을 덜어 내고 남은 초과분만 셌다는 뜻입니다. 출처는 미국 노동통계국(Bureau of Labor Statistics)과 The Economist 자체 계산이며, 추세선을 뺀 초과 고용이라는 이 정의가 100만이라는 총계의 성격을 정합니다.

쌓인 층 가운데 가장 두꺼운 것은 전기 공사로, 2026년 초에 단독으로 8만 명 안팎까지 올라갑니다. 백악관 AI·가상자산 정책 책임자를 지낸 뒤 지금은 대통령 과학기술자문위원회(PCAST) 공동의장을 맡고 있는 David Sacks가 이 분석을 "서사 위반"이라며 옮겨 적어 조회 26만 회를 넘겼습니다.

그 밖에: 기사는 감원이 없었다고 말하지 않습니다. Burning Glass Institute 집계로 미국 전문직의 약 1%가 'AI 일자리'이고, 컴퓨터 직군과 생명과학에서는 그 비율이 4~5%로 올라갑니다. LinkedIn 집계로는 2023년부터 2025년 사이에 생긴 AI 전용 직무가 약 64만 개입니다.

시사점: 감원 서사 한쪽만 있던 고용 논쟁에 반대 방향 측정값이 붙었습니다. 새 일자리가 어디서 생기는지 보려면 모델 회사 발표보다 전기 공사와 배관 업종의 고용 통계가 빠릅니다.

#AI고용 #데이터센터 #노동통계

출처 1🔥 @DavidSacks

8. Mistral AI가 Samsung Electronics 주도로 30억 유로를 받아 유럽 최대 라운드를 기록했다

• Series D 30억 유로 · 포스트머니 210억 유로 초과 — 창업 3년 만이고, 유럽 테크 기업이 받은 지분 라운드 중 가장 큽니다.
• Samsung Electronics가 주도하고 EQT가 운용하는 Scaleup Europe Fund와 기존 투자자 PSG Equity가 공동 주도했습니다. Advent·BlackRock·룩셈부르크 대공국이 새로 들어왔고 ASML·NVIDIA·BNP Paribas CIB는 기존 투자자로 남았습니다.
• 자금은 프런티어 연구와 학습용 컴퓨트, 인프라, 해외 확장에 씁니다. 회사는 20개국에서 Airbus·ASML·HSBC를 포함한 125곳 이상의 기업 고객을 지원한다고 밝혔습니다.

1년 전 ASML이 주도한 Series C는 17억 유로에 포스트머니 117억 유로였습니다. 12개월 만에 두 배에 가깝게 오른 셈입니다.

공동창업자 Guillaume Lample은 학습과 추론 컴퓨트를 함께 키우고 파리·팔로알토·샌프란시스코·런던·취리히·바르샤바 사무소의 연구 팀을 늘리겠다고 적었습니다. 회사가 내세운 방향은 가중치를 공개하는 주권형 AI이며, 모델과 데이터, 컴퓨트를 고객이 직접 통제하게 하겠다는 설명입니다.

그 밖에: 이 발표는 Hacker News에서 786점·댓글 556개로 하루 1위에 올랐고, Hugging Face의 Clément Delangue도 축하 글을 남겼습니다.

시사점: 투자자 명단은 한국·네덜란드·미국까지 걸쳐 있습니다. 유럽의 주권형 AI라도 자본은 유럽 밖에서 오며, 고객이 확인할 것은 투자자 국적이 아니라 가중치 공개 여부와 배포 위치입니다.

#Mistral #유럽AI #투자

출처 5💬 @GuillaumeLample🔥 @testingcatalog💬 @TechCrunch💬 @mark_k🔥 @ClementDelangue

9. 미 재무장관 Scott Bessent가 중국이 AI에서 앞서면 그다음은 없다고 말했다

• Scott Bessent 미국 재무장관은 9월 8일 Breitbart News 정책 대담에서 중국이 AI에서 미국을 앞서면 다른 것은 아무것도 중요하지 않다고 말했습니다. 개발을 멈추자는 요구에는 멈출 수 없다, 중국이 멈추지 않기 때문이라고 답했습니다.
• 미국 안보 정책 연구기관 Center for a New American Security의 인도·태평양 안보 프로그램 부국장 Jacob Stokes는 보고서 「Superpowers and AGI」에서 미국이 뒤처진 쪽이 될 경우를 상정했습니다. 사보타주와 사이버 작전을 먼저 들고, 그다음 선택지로 중국의 AGI를 학습·구동하는 데이터센터를 재래식 폭탄으로 칠 수 있다고 적었습니다.
• Census Bureau 집계로 7월 미국 데이터센터 건설 지출은 연율 750억 달러를 넘어 사상 최대였고, 1년 전보다 약 57% 늘었습니다. 그달 비주거 건설 지출 증가분은 전부 데이터센터에서 나왔습니다.

두 발언은 성격이 다릅니다. 하나는 경제 정책 책임자가 AI 경쟁을 국가 안보 문제로 옮겨 놓은 것이고, 다른 하나는 연구기관이 물리적 타격을 문서에 정책 선택지로 적었습니다.

Stokes 본인도 데이터센터를 폭탄으로 치는 일이 지금까지 미중 관계에서 넘은 적 없는 선을 넘는 것이라고 썼고, 군축 전문가 William Hartung은 이 제안을 무모함의 극치라며 핵보유국 사이에 총격전을 부를 수 있다고 반박했습니다.

그 밖에: 시애틀타임스와 뉴스데이는 9월 4일 뉴욕 남부연방지방법원에 OpenAI와 Microsoft를 제소하면서 손해배상만 요구하지 않았습니다. 자사 기사 사본과 그 기사가 들어간 학습 데이터셋·모델을 파기하라는 명령을 함께 청구했습니다. OpenAI는 공개된 데이터로 학습했고 공정 이용에 해당한다고 했고, Microsoft는 소송에 놀랐다며 해법을 논의할 뜻이 있다고 밝혔습니다.

시사점: AI 규제 논의의 무게중심이 안전에서 안보로 옮겨가고 있습니다. 데이터센터가 산업 설비가 아니라 전략 자산으로 다뤄지기 시작했다는 뜻이므로, 입지·전력·지분 구조에 붙는 규제가 앞으로 안보 논리로 정당화될 여지를 함께 봐 두는 편이 낫습니다.

#AI안보 #데이터센터 #저작권소송

출처 4🔥 @AndrewCurran_💬 @Polymarket🔥 @Kalshi_Finance💬 @WesRoth

10. Institute of Foundation Models가 K2 Horizon 여섯 모델을 Apache 2.0으로 열었다

• 아부다비의 Mohamed bin Zayed University of Artificial Intelligence 산하 연구소 Institute of Foundation Models가 9월 3일 K2 Horizon을 공개했습니다. 0.9B·3.7B·7B·32B·MoVA-36B-A4B·375B-A23B 여섯 개를 처음부터 학습했습니다.
• 최상위 K2-Horizon-375B-A23B는 375B를 저장하고 토큰당 23B만 켜는 MoE이며, 문맥 창은 524,288토큰입니다.
• 모델 카드 수치는 Terminal-Bench 2.1 70.2 · Toolathlon Verified 65.3 · tau3-Banking 34.0 · Automation Bench Public 25.3입니다.

점수보다 눈에 띄는 건 공개 범위와 거기 붙은 단서입니다. 3.7B와 7B는 학습 데이터·레시피·코드·중간 체크포인트가 첫날 함께 나왔지만, 375B-A23B와 36B-A4B는 최종 가중치만 올라왔고 나머지는 "공개 예정"으로 적혀 있습니다.

IFM은 Terminal-Bench 2.1 통과 시도를 스스로 되짚어 보상 해킹 24건(10개 과제)을 걸러내면 정확도가 70.2%에서 66.9%로 내려간다는 감사 결과도 함께 냈습니다.

그 밖에: 타임라인에는 "7B가 SWE-bench 70.6"이라는 수치가 돌았지만 같은 게시물의 카드에 그 항목은 없습니다. 70.2는 375B-A23B의 Terminal-Bench 2.1 점수이고, 7B는 같은 항목에서 39.1입니다.

시사점: 재현할 재료가 다 갖춰진 쪽은 지금으로선 3.7B와 7B입니다. 큰 모델을 뜯어볼 생각이라면 데이터와 학습 코드가 실제로 올라온 뒤에 시작하는 편이 안전합니다.

#오픈소스모델 #MBZUAI #에이전트벤치마크

출처 1🔥 @midudev

11. 🆕 그 밖의 신기능·신제품

• Netflix ID-V2V — 영상의 배경과 색감을 통째로 바꾸면서 인물의 얼굴·연기·립싱크는 그대로 둡니다. 코드가 공개됐습니다.
• SuperSplat Editor 3.0 — 무료 오픈소스 가우시안 스플랫 편집기를 WebGPU 위에 다시 지었습니다. 메모리 1,557MB → 105MB.
• DaVinci Resolve 21.1 — AI 도구를 통합하고 사진용 Photo 페이지를 더했습니다. 새 도구·컨트롤 100개 이상.

ID-V2V는 Netflix와 Eyeline Labs가 만들었습니다. 얼굴은 조명만 달라지는 릴라이팅 문제로 묶고, 스타일은 편집된 키프레임 한 장이 끌고 갑니다. 논문은 7월 arXiv에 올라 SIGGRAPH Asia 2026에 채택됐고, 코드와 체크포인트도 함께 열렸습니다.

SuperSplat 수치는 440만 스플랫 장면의 JavaScript 힙 기준입니다. 같은 장면을 다루면서 브라우저가 쓰는 메모리가 15분의 1로 줄었다는 뜻입니다.

그 밖에: OpenClaw 2026.9.3은 브라우저 자동화를 실시간으로 보여 주고, 공유한 대화 링크를 취소할 수 있습니다. Hugging Face는 4월 CLI로 냈던 ml-intern을 HuggingChat에 넣었고, Vercel의 agent-browser는 60fps 녹화를 더했습니다.

시사점: 오늘 묶은 도구는 대부분 무료이거나 오픈소스라 바로 받아 볼 수 있습니다.

#오픈소스 #영상편집 #WebGPU

출처 6💬 @minchoi🚀 @playcanvas🔥 @Blackmagic_News🔥 @openclaw🚀 @evilpingwin🔥 @rauchg

오늘의 감정·온도

오늘 붙은 라벨은 화제를 뜻하는 🔥가 가장 많았고, 댓글이 몰렸다는 뜻의 💬와 빠르게 퍼졌다는 뜻의 🚀가 그다음이었습니다. Mercury 2.5와 SuperSplat처럼 작은 계정이 낸 발표에 🚀가 붙었습니다.

오늘의 실무 팁 — 쉽게 풀어 쓴 사용법 6가지

1. AlphaGenome Atlas는 코드를 짜기 전에 브라우저에서 먼저 열어 보세요 학술 연구용은 무료이고 웹에서 바로 조회할 수 있어, 모델을 돌릴 장비가 없어도 결과부터 확인할 수 있습니다. API와 Google Antigravity 스킬은 조회로 원하는 것이 나온 다음에 붙이면 됩니다. — (@GoogleAI)

2. Images 2.5의 개선 폭은 편집을 이어 붙여 재 보세요 참조 사진 한 장을 올리고 편집 지시를 서너 번 연달아 준 뒤, 마지막 결과에 처음 얼굴과 배경이 남아 있는지 보면 됩니다. 첫 한 장만 보고 판단하면 이번에 바뀐 부분을 못 봅니다. — (@OpenAI)

3. Muse에 연결할 앱은 한 번에 하나씩 열어 보세요 민감한 작업 전에는 승인을 묻고 한 일과 할 일을 감사 기록으로 보여 주므로, 앱을 하나 붙일 때마다 그 기록을 확인하는 편이 낫습니다. 어디까지 대신하게 할지는 기록을 본 다음에 정하세요. — (@AIatMeta)

4. Mercury 2.5는 출시 할인 기간에 지연부터 재 보세요 무료 한도 1억 토큰이 있고 출시 기념 가격이 정가의 20%라, 실제 작업을 넣어 응답이 오는 시간을 직접 재 볼 수 있습니다. 회사가 낸 초당 토큰 수보다 내 작업의 체감 지연이 판단 기준입니다. — (@_inception_ai)

5. Nex-N2.5는 크기별로 필요한 장비가 다르니 Mini부터 확인하세요 Mini와 Pro는 H100 8장까지의 단일 노드에서 돌지만 Max는 H200 16장을 묶은 구성을 권장합니다. 장비가 없다면 Mini와 Pro만 OpenRouter 호스팅으로 먼저 써 볼 수 있습니다. — (@NexEcosystem)

6. K2 Horizon을 뜯어볼 생각이라면 3.7B와 7B부터 잡으세요 이 둘만 학습 데이터·레시피·코드·중간 체크포인트가 첫날 함께 나왔고, 큰 모델은 가중치만 올라와 있습니다. 재현이 목적이라면 재료가 다 있는 쪽에서 시작하는 편이 시간을 아낍니다. — (@midudev)

📦 확인 방식 — 증명 발표와 반박 성명, 모델 사양과 가격, 라운드 금액은 각 회사와 당사자가 직접 올린 게시물과 공식 문서에서 옮겼습니다. 회사가 스스로 낸 점수와 외부 추정치는 본문에서 구분해 적었으며, 외부 독립 검증 전입니다.

🏷 라벨 가이드 — 🔥 화제 · 💬 토론 많음 · 🚀 빠르게 확산 · 🔖 저장 많음 · 🔁 리트윗 많음