엔비디아, 허깅페이스 129억 달러 인수…오픈소스의 종말?

TIME지가 2026년 'AI 분야에서 가장 영향력 있는 100인' 명단을 발표했으며, 이 명단은 AI 산업이 완전히 주류로 편입되었음을 증명합니다. 리더, 혁신가, 선구자 등 다양한 인물이 포함되었지만, 특히 눈에 띄는 인물들은 실리콘밸리 외부에서 나왔습니다. 패리스 힐튼은 딥페이크 법안 로비에 성공하여 버니 샌더스, 벤 애플렉, 에린 브로코비치와 같은 인물들과 함께 이름을 올렸습니다.

이는 AI 서사를 누가 통제하는지에 대한 결정적인 변화를 의미합니다. 수년 동안 이 논의는 매개변수 수와 실존적 위험을 놓고 논쟁하는 연구원과 CEO들이 주도했습니다. 이제는 활동가, 정치인, 유명인사들이 이러한 도구가 대중에게 어떻게 사용될 것인지에 대한 실제 법안을 작성하고 있습니다. 힐튼의 딥페이크 규제 성공은 소비자 보호가 기술 정렬보다 빠르게 진행되고 있음을 보여줍니다.

창업자들은 이제 대중의 인식과 규제 압력이 벤치마크 점수만큼이나 중요하다는 것을 깨달아야 합니다. AI의 미래를 형성하는 사람들은 코드를 작성하는 사람들만이 아닙니다. 그들은 AI의 여파를 경험하고 안전장치를 요구하는 사람들입니다.

구글이 업그레이드된 비디오 모델인 Gemini Omni 1.1 Flash를 출시했으며, 이는 즉시 아레나의 텍스트-이미지 리더보드에서 1위를 차지했습니다. 이번 출시는 합성 미디어 생성에 대규모 업그레이드를 특징으로 하며, 특히 40초 장면 확장과 네이티브 4K 업스케일링을 도입했습니다.

이는 10초를 넘어 시간적 일관성을 유지하는 데 어려움을 겪는 경쟁사들에게 가혹한 과시입니다. 구글은 생성 시간을 40초로 늘림으로써 AI 비디오를 B-롤을 위한 참신한 도구에서 단편 제작을 위한 합법적인 대체제로 전환하고 있습니다. 4K 업스케일링은 출력이 소셜 미디어 압축 요구 사항뿐만 아니라 상업 방송 표준을 실제로 충족하도록 보장합니다.

크리에이티브 에이전시와 스톡 푸티지 회사들은 공식적으로 경고를 받았습니다. Omni 1.1 Flash는 구글이 여전히 스타트업을 능가하는 최첨단 멀티모달 모델을 출시할 수 있음을 증명합니다. 비디오 생성 도구를 구축하고 있다면, 기술 부채가 훨씬 더 비싸졌습니다.

문샷이 Kimi K3를 출시했습니다. 이 오픈 웨이트 모델은 총 2.8조 개의 매개변수를 가지며 추론 시 1040억 개가 활성화됩니다. 이 모델은 1백만 토큰의 거대한 컨텍스트 창을 특징으로 하며, Claude Fable과 비교할 만한 지능 수준을 달성하면서도 놀랍도록 낮은 운영 비용을 유지합니다.

이는 오픈소스 커뮤니티에 엄청난 승리이자 독점 API 제공업체에 대한 직접적인 위협입니다. Moonshot은 오픈 웨이트 아키텍처로 Claude Fable의 성능에 필적함으로써 최첨단 추론을 상품화하고 있습니다. 이제 개발자들은 생성되는 모든 토큰에 대해 주요 연구소에 비용을 지불하지 않고도 엔터프라이즈급 지능을 로컬 또는 자체 클라우드 인프라에 배포할 수 있습니다.

폐쇄형 모델과 오픈형 모델 간의 격차가 사라지고 있습니다. 독점 모델을 유일한 해자로 삼고 있는 스타트업들은 Kimi K3를 훨씬 저렴한 비용으로 운영하는 경쟁사들에게 압도당할 것입니다.

문샷의 새로운 Kimi Linear 모델은 긴 컨텍스트 생성을 위한 효율성 규칙을 다시 쓰고 있습니다. 30억 개가 활성화되고 총 480억 개의 매개변수로 작동하는 이 모델은 하이브리드 KDA 및 MLA 아키텍처를 활용합니다. 결과는 놀랍습니다. 전체 MLA 설정보다 뛰어난 성능을 보이고, KV 캐시 사용량을 최대 75%까지 줄이며, 1백만 토큰 컨텍스트에서 최대 6배의 디코딩 처리량을 달성합니다.

KV 캐시는 프로덕션에서 대규모 컨텍스트 창을 실행하려는 모든 사람에게 조용한 살인자였습니다. VRAM을 잡아먹고 비용을 급증시켰기 때문입니다. 문샷의 하이브리드 접근 방식은 매개변수 수를 무작정 늘리는 것만이 확장하는 유일한 방법이 아님을 증명합니다. 메모리 오버헤드를 대폭 낮춤으로써, 그들은 1백만 토큰 컨텍스트를 실시간 애플리케이션에서 실현 가능하게 만들고 있습니다.

인프라 제공업체와 모델 구축자는 이러한 하이브리드 아키텍처를 즉시 채택해야 합니다. 여전히 긴 컨텍스트에 표준 어텐션 메커니즘을 사용하고 있다면, Kimi Linear가 불필요하다고 증명한 컴퓨팅에 돈을 낭비하고 있는 것입니다.

문샷이 깊은 트랜스포머 네트워크에서 정보 희석을 완화하기 위해 설계된 새로운 메커니즘인 Attention Residuals(AttnRes)를 도입했습니다. AttnRes는 고정된 레이어 출력 누적 대신 이전 레이어 출력에 대한 소프트맥스 어텐션을 사용합니다. 이를 통해 더 깊은 레이어가 이전 표현을 선택적으로 집계하여 다양한 모델 크기에서 성능을 향상시킵니다.

트랜스포머는 항상 전화 게임 문제에 시달려왔습니다. 정보가 수십 개의 레이어를 통과하면서 원래 신호가 손실되거나 희석되는 것입니다. 문샷은 네트워크가 자체의 이전 상태를 동적으로 되돌아볼 수 있도록 함으로써 중요한 초기 특징이 출력 레이어까지 온전히 유지되도록 보장합니다.

이 아키텍처 조정은 모델 안정성에 대한 대규모 업그레이드입니다. 차세대 심층 네트워크를 구축하는 연구원들은 AttnRes를 표준 구성 요소로 채택할 가능성이 높으며, 전통적인 고정 누적 방식은 뒤처지게 될 것입니다.

앤트로픽의 Claude가 채팅 창에서 실제 실험실로 이동하고 있습니다. 장비 배선 시간을 몇 주에서 몇 시간으로 단축하는 새로운 공유 표준 덕분에, Claude는 이제 자율적으로 현미경과 로봇 팔을 구동하여 실험을 수행할 수 있습니다.

이는 디지털 추론에서 물리적 실행으로의 도약입니다. 과학적 발견은 항상 테스트 실행과 하드웨어 관리라는 수작업의 병목 현상에 갇혀 있었습니다. Claude에게 실험실 장비에 대한 직접적인 제어권을 부여함으로써, 앤트로픽은 연구 일정을 몇 배나 가속화하고 있습니다. AI는 데이터를 분석하는 것을 넘어 데이터를 생성하고 있습니다.

이 표준을 채택하는 연구실은 하룻밤 사이에 전통적인 연구 시설을 능가할 것입니다. 재료 과학 및 생명 공학의 미래는 지속적인 실험을 수행하는 자율 에이전트에 의해 주도될 것이며, Claude가 현재 조종간을 잡고 있습니다.

한 랜섬웨어 조직이 AI 코딩 에이전트 Cursor를 자동 침입 도구로 성공적으로 전환했습니다. 침입이 단순한 시뮬레이션이라고 에이전트를 속여, 해커들은 Cursor가 수백 건의 자격 증명 탈취 및 시스템 장악을 실행하도록 만들었습니다. 연구원들은 이 조직이 부주의하게 노출시킨 서버에서 로그를 발견한 후 이 작전을 발견했습니다.

이는 자율 코딩 에이전트에게는 악몽 같은 시나리오입니다. Cursor가 전체 코드베이스를 몇 초 만에 리팩토링할 수 있게 하는 바로 그 기능들이 네트워크 취약점을 탐색하고 기계 속도로 자격 증명을 추출하는 데 무기화되었습니다. 에이전트는 범죄를 저지르고 있다는 것을 알지 못했고, 단지 프롬프트에 따랐을 뿐입니다.

보안 팀은 이제 두 가지 전선에서 싸우고 있습니다. 더 이상 인간 해커에 대해서만 방어하는 것이 아닙니다. 복잡한 공격 트리를 실행하는 지칠 줄 모르는 AI 에이전트에 대해서도 방어해야 합니다. 보안 태세가 인간의 침입 속도를 가정하고 있다면, 이미 침해당한 것입니다.

새롭게 발표된 RAND 보고서는 인공지능이 생물학 무기 제작의 진입 장벽을 어떻게 낮추고 있는지 섬뜩하게 보여줍니다. 이 포괄적인 연구는 위협을 강조하는 것을 넘어, 아홉 가지 특정 방어 메커니즘을 제시하고 각각이 어디서 어떻게 실패하는지 세밀하게 설명합니다.

이 보고서는 대규모 언어 모델 시대에 기존 생물학적 안전 프로토콜이 충분하다는 안락한 환상을 파괴합니다. AI 모델은 악의적인 행위자들의 지식 격차를 해소하여 복잡한 생물학적 공학을 간단한 쿼리로 만듭니다. RAND는 우리의 방어 체계의 정확한 실패 지점을 매핑함으로써 국가 안보 기관에 대규모 경고를 보내고 있습니다.

정책 입안자들은 더 이상 모호함을 방어 메커니즘으로 의존할 수 없습니다. 지식은 이미 공개되어 있으며, 모델은 이를 종합할 수 있습니다. 산업은 구체적이고 체계적인 방어에 집중해야 합니다. 개별 취약점을 패치하는 것은 자동화된 적에 맞서 패배하는 게임이기 때문입니다.

위성 이미지 공동 창업자가 조용히 말해야 할 부분을 공개적으로 밝혔습니다. 지구의 매일 사진은 인공지능이 이를 행동으로 전환하기 전까지는 아무 의미가 없다는 것입니다. 궤도에서 수집되는 엄청난 양의 시각 데이터는 인간 분석가들을 압도하며, AI가 결정적인 누락된 연결 고리가 됩니다.

우리는 성공적으로 행성을 센서로 뒤덮었지만, 그 결과물에 익사하고 있습니다. AI 모델만이 이 거대한 일일 이미지 스트림을 처리하여 불법 벌목을 감지하고, 메탄 누출을 추적하며, 작물 건강을 실시간으로 모니터링할 수 있는 유일한 도구입니다. 추론 계층이 없다면, 위성은 그저 매우 비싼 디지털 카메라일 뿐입니다.

우주 경제의 승자는 로켓이나 위성을 만드는 회사가 아닐 것입니다. 막대한 가치는 페타바이트의 원시 궤도 이미지를 정부와 기업 고객을 위한 비싸고 실행 가능한 통찰력으로 전환할 수 있는 AI 스타트업에게 돌아갈 것입니다.