애플.

클레어 보(Claire Vo)는 Instinct AI 에이전트가 대규모 데이터 보존 실패를 저지른 현장을 딱 잡았습니다. 그녀는 사용자가 구글 계정을 Instinct에서 연결 해제했을 때, 에이전트가 새 이메일을 가져오는 것을 중단했지만 이미 동기화한 모든 기록의 전체 사본을 조용히 보관하고 있었다는 것을 발견했습니다.

Instinct는 보(Vo)가 이러한 명백한 감독 소홀을 공개적으로 보고한 후에야 동기화된 데이터를 삭제하는 새 도구를 서둘러 출시했습니다. 이는 전형적이고 치명적인 인프라 자폭(footgun) 사례입니다. 마찰 없는 데이터 수집 파이프라인을 구축하면서도 수명 주기 해체 및 사용자 개인 정보 보호를 완전히 무시한 것입니다.

민감한 사용자 데이터를 다루는 에이전트를 구축한다면, '연결 해제'는 '삭제'를 의미해야 합니다. 더 이상 논쟁의 여지가 없습니다. 권한 취소 후 동기화된 데이터를 쌓아두는 것은 편리한 캐시 기능이 아니라, 개인 정보 보호 규제 기관의 주목을 기다리는 엄청난 책임입니다. 당신은 데이터를 소유하지 않으며, 소유하는 것처럼 행동하면 하룻밤 사이에 사용자 신뢰를 잃을 것입니다. 출시하기 전에 해체 파이프라인을 구축하십시오.

샘 알트만은 공식적으로 AI 산업의 종말론적 메시지에 질렸습니다. OpenAI 최고 책임자는 이번 주에 AI 개발자들이 기술의 이점을 설명하거나 단점을 완화하는 데 형편없이 실패했으며, 대신 공포를 조장하는 동료 리더들을 비판하는 데 집중했다고 말했습니다.

알트만이 제안한 대안은 포퓰리즘으로의 급격한 전환입니다. 그는 더 낙관적이고 인간 중심적인 비전을 옹호하며, 업계가 사람들에게 '더 많은 권한과 개인의 자유'를 부여하고 소기업을 육성하는 데 초점을 맞춰야 한다고 요구합니다.

이는 먹이사슬의 최상단에서 매우 계산된 PR 재설정입니다. 구매자가 당신의 제품이 세상을 끝낼 수 있다고 생각한다면 대규모 기업 계약을 팔 수 없습니다. 알트만은 업계에 철 좀 들고, 공상 과학 철학을 버리고, 실제 ROI와 비즈니스 가치를 판매하기 시작하라고 말하고 있습니다. 종말론적 철학자 왕의 시대는 끝났고, AI 영업사원의 시대가 시작되었습니다.

아이키도(Aikido)는 117억 토큰 규모의 대규모 사이버 보안 테스트를 실시했으며, 그 결과는 독점 AI에게는 완전한 학살이었습니다. DeepSeek V4 Pro는 32개의 새로운 취약점 중 28개를 성공적으로 복구하여 고위험 환경에서 그 가치를 입증했습니다.

폐쇄형 거대 기업에게 더욱 치명적인 것은, 저렴한 오픈 모델 세 번의 실행이 취약점 커버리지에서 Opus 5 또는 Grok 한 번의 실행을 합쳐서 능가했다는 것입니다. 오픈 소스 생태계는 이제 코드베이스 더미에서 바늘을 찾는 데 명백히 우수합니다.

보안 감사를 위해 폐쇄형 모델에 프리미엄을 지불하고 있다면, 더 나쁜 결과를 위해 돈을 낭비하는 것입니다. 점수판은 명확합니다. 오픈 모델이 비싼 독점 솔루션을 능가하고 있으며, 개발자들은 즉시 라우팅을 조정해야 합니다. 브랜드 이름에 돈을 지불하는 것을 멈추고 실제 성능을 위해 라우팅을 시작하십시오.

DeepSeek은 V4 Flash 모델에 비전 기능을 공식적으로 통합했습니다. 결정적으로, 그들은 공격적인 저가형을 유지하면서 이를 달성하여 멀티모달 입력 및 시각 에이전트 기능을 예산 시장에 직접 제공했습니다.

이는 고가 멀티모달 제품에 대한 직접적이고 잔인한 공격입니다. 더 이상 에이전트가 이미지를 보고, 차트를 읽거나, 밀집된 PDF를 분석하도록 하기 위해 엄청난 API 비용을 정당화할 필요가 없습니다.

개발자에게 이것은 믿을 수 없을 정도로 쉬운 구매입니다. V4 Flash를 비전 파이프라인에 통합하고 기본적인 시각적 추론을 희생하지 않고 추론 비용이 급락하는 것을 지켜보십시오. DeepSeek은 멀티모달 AI가 대규모 기업 예산만을 위한 고급 기능일 필요가 없다는 것을 증명하고 있습니다. 이제 그것은 상품입니다.

NVIDIA의 AVO 에이전트 시스템이 183개의 모든 공개 ARC-AGI-3 레벨을 성공적으로 완료했습니다. 이는 엄청난 벤치마크 승리이지만, 진짜 이야기는 그들이 어떻게 해냈는지에 있습니다.

이 승리는 장기 실행 작업에서 모델 성능에 주변 아키텍처가 미치는 압도적인 영향을 보여줍니다. 오케스트레이션, 메모리 관리, 도구 사용 프레임워크는 표준 모델을 ARC를 능가하는 에이전트로 만들었으며, 시스템 아키텍처가 기본 모델 자체만큼 중요하다는 것을 증명했습니다.

더 똑똑한 기본 모델이 문제를 해결해주기를 기다리지 마십시오. 에이전트 성능의 한계는 전적으로 추론 루프를 어떻게 스캐폴딩하느냐에 달려 있으며, NVIDIA는 방금 올바른 방법을 모두에게 청사진으로 제시했습니다. 스캐폴딩이 새로운 해자이며, 원시 컴퓨팅은 그 안에 있는 엔진일 뿐입니다.

의료 진단을 위한 언어 모델을 평가하는 새로운 연구가 AI 커뮤니티로부터 격렬한 반발에 직면하고 있습니다. 주요 비판은? 연구자들이 현재 AI 능력에 대한 광범위한 결론을 도출하기 위해 GPT-4o와 같은 구형 모델을 사용했다는 것입니다.

이렇게 빠르게 움직이는 분야에서 구식 AI를 평가하는 것은 발견 사항을 즉시 쓸모없게 만듭니다. 이는 연구의 유효성, 발견 사항의 관련성, 그리고 애초에 출판을 허용한 동료 검토 과정에 대한 심각한 의문을 제기합니다.

AI 연구를 수행한다면, 당신의 기준은 현재의 최전선이어야 합니다. 폐기된 모델로 의료 진단을 테스트하는 것은 과학이 아니라 고고학입니다. 업계는 AI 실패에 대한 클릭베이트 헤드라인을 생성하는 데만 사용되는 역사적 회고가 아니라, 최첨단 시스템에 대한 엄격한 테스트가 필요합니다.

연구원 데반쉬(Devansh)는 다음 주요 AI 혁신을 위한 로드맵을 제시했습니다. 바로 단어 임베딩의 '중첩(superposition)'을 해체하는 것입니다.

현재 모델은 공간을 절약하기 위해 여러 개의 뚜렷한 의미를 단일 벡터에 인코딩하며, 이는 결과 시스템을 절망적으로 불투명하게 만듭니다. 데반쉬는 이러한 중첩을 풀어내는 것이 AI 시스템에서 진정한 해석 가능성을 달성하는 근본적인 열쇠라고 주장합니다.

이것은 결국 모델이 특정 결정을 내린 이유를 정확히 이해할 수 있게 해줄 기초 연구입니다. 중첩을 해결할 수 있다면 블랙박스를 해결하고, 모델이 수학적으로 그들의 추론을 실제로 설명할 수 있는 길을 열 것입니다. 기업 AI 채택의 미래는 전적으로 이러한 종류의 투명성에 달려 있습니다.

알렉스 볼코프(Alex Volkov)는 프란체스코(Francesco)와 쿠아(Cua)의 컴퓨터 역사에서 컴퓨터 사용 에이전트에 대한 중요한 통찰력을 공유했습니다. 개발자를 위한 핵심 조언은 간단하지만 널리 무시됩니다. 에이전트가 기본적인 UI 개념을 재발견하도록 강요하지 마십시오.

개발자들은 에이전트가 30년 동안 변하지 않은 표준 데스크톱 패러다임을 파악하도록 하면서 엄청난 양의 컴퓨팅과 컨텍스트 창을 낭비하고 있습니다. 모델은 창이 어떻게 최소화되는지 추론할 필요가 없습니다.

기본 운영 체제 원시 요소를 에이전트의 이해에 미리 심어두십시오. 버튼을 클릭하는 방법을 배우게 하지 말고, 실제 작업을 수행하는 방법을 배우게 하십시오. 에이전트 설계의 효율성은 UI 탐색의 초등학교 과정을 건너뛰고 복잡한 워크플로우로 바로 들어가는 것에서 시작됩니다.

네이선 램버트(Nathan Lambert)는 이번 주에 1000명의 진정한 팬을 확보하려는 오랜 목표를 공식적으로 달성했다고 발표했습니다.

대규모 확장, 수십억 달러의 가치 평가, 바이럴 사용자 확보에 완전히 집착하는 산업에서 램버트의 이정표는 인디의 기본을 상기시키는 신선한 소식입니다. 1000명의 헌신적인 지지자는 실제 독립적인 경력을 유지하기에 충분합니다.

헌신적이고 비용을 지불하는 청중을 육성할 수 있다면 지속 가능한 비즈니스를 구축하는 데 벤처 캐피탈이나 대규모 마케팅 예산이 필요하지 않습니다. 1000명의 진정한 팬 이론은 여전히 유효하며, 틈새 시장의 고품질 결과물이 여전히 프리미엄을 받는다는 것을 증명합니다. 알고리즘을 쫓는 것을 멈추고 실제로 당신의 작업에 자금을 지원하고 싶어 하는 사람들을 위해 구축하십시오.