2026-09-20 뉴스모음

AI 모델 동향

• Xing4.0-29B-A4B: 어센드 NPU 만으로 학습한 29B MoE

  Hugging Face

  중국텔레콤 AI 기술이 만든 TeleChat 후속. 총 29B 중 토큰당 4B 활성, 문맥 256K(512K 확장 가능). 이 규모에서 어센드 NPU 플랫폼과 MindSpore 만으로 전 과정을 학습한 첫 모델이라고 밝힘. mHC + MLA + MTP 구조, 라우팅 전문가 64개 중 4개 활성에 공유 전문가 1개. MoE 통신 최적화·선택적 재계산·DVM 그래프-연산자 융합·Ascend C mHC 융합 연산자로 학습 처리량을 기본 대비 약 96% 끌어올림. Claw-Eval 76.55, Terminal-Bench 2.1 57.50, SWE-bench Verified 75.00, DeepresearchBII 60.80 으로 Gemma4-26B-A4B 를 앞서고 Qwen3.6-35B-A3B 와 엎치락뒤치락. 아파치 2.0, vLLM·SGLang·KTransformers 지원

  GitHub

• Laya: 텍스트를 만들지 않는 판단 모델, 그리고 선행 주장

  HN 1,005pt

  어제 실은 OpenJev 와 같은 갈래인데 이번은 원저자의 선행 주장이 붙는다. 저자는 2026-03 에 이미 논문(arXiv 2503.23303)과 가중치·데이터셋을 공개했고 2026-09 에 RLCD 틀을 정리했는데, TypeSafe 가 같은 개념을 새 발견처럼 내놓으면서 논문·공개 가중치·학습 데이터가 없었다고 적었다. 대응은 반박이 아니라 전부 다시 만들어 공개하는 쪽. 구조는 ModernBERT-large 백본 + 판단 헤드 2층(합 421M, 다국어판은 mmBERT-base 322M). 텍스트를 만들지 않고 choice·score·noul 세 종류 질문에 보정된 확률을 돌려준다. 단일 질의 P50 32.8ms, 묶어 부르면 질문당 7.2ms(Jev 대비 각각 7.8배·20배). typed-decisions 0.766 대 0.727, AG News 0.950 대 0.910, 보정 오차 ECE 0.081 대 0.246. 선택지가 20개를 넘으면 급격히 무너진다고 스스로 명시(Banking77 77개 라벨에서 0.425 대 Jev 0.870). 아파치 2.0

  Hugging Face

코딩 에이전트

• Addy Osmani, 개발 단계별 에이전트 스킬 25종 공개

  GitHub 트렌딩(+547/일)

  구글 크롬 팀의 애디 오스마니가 낸 묶음. 정의·계획·구현·검증·검토·배포 여섯 단계로 나눈 스킬 25개이고 각각 개요 → 쓸 때 → 절차 → 합리화 → 위험 신호 → 검증 형식의 마크다운이다. 특징은 합리화 대응표로, 원칙을 건너뛸 때 흔히 대는 변명을 미리 적어 두고 그때 무엇을 확인할지 붙인다. 설치는 npx skills add addyosmani/agent-skills 이고 클로드 코드·커서·코덱스·깃허브 코파일럿·제미나이 CLI·윈드서프에 붙는다. MIT

• CUA-S1 과 Computer-Use 2.0

  HN · GitHub 트렌딩 2위(+1,124/일)

  화면 조작용 System 1 소형 모델 계열. 토큰을 한 개씩 만드는 대신 화면 요소에서 뽑은 구조화 입력에 점수를 매겨 결정한다("어떤 값이 이 칸에 들어가는가", "이 요소를 건드리지 말아야 하는가"). 첫 연구 프로필은 입력 양식이고 모델 코드·합성 데이터 생성기·학습·평가 도구를 함께 낸다. 가중치와 데이터셋은 Hugging Face 에 있고 소스만 내는 초기 연구 배포라고 못박음. 함께 낸 Computer-Use 2.0 은 한 과제 안에서 코드·API·화면을 오가는 구성이고 Fleets(격리된 클라우드 데스크톱)·Driver·Lume(애플 실리콘 로컬 VM)·Bench 로 이뤄진다. macOS·윈도우·리눅스, 코드 MIT(모델·데이터셋은 각 카드의 라이선스 별도)

• 클로드 코드로 주식 분석 리포트를 만들며 짠 하네스

  요즘IT

  국내 필자의 6단계 파이프라인 기록. Planner(요청을 데이터 조건·검증 기준으로 변환) → Research Generator(뉴스 최소 100건 수집, yfinance 가격) → Lecture Generator → Image Generator → Review → Builder(HTML). 핵심은 리뷰를 분리된 세션에서 4개 관점으로 돌리고, 지적이 나오면 회귀 라우팅으로 앞 단계를 다시 태우되 최대 3라운드로 끊는 것. 리뷰어는 3~5개가 적정이고 수집한 뉴스 100건 중 최종 콘텐츠에는 상위 5건만 남긴다

로컬·경량 LLM

• Edge0-35B-A3B: SSD 에서 전문가를 흘려 보내 35B 를 3GiB 에

  Hugging Face 트렌딩

  Qwen3.6-35B-A3B 기반 4비트판. 세 부품이 맞물린다. SSD 전문가 오프로드: 전체 체크포인트는 저장장치에 두고 라우팅된 전문가만 읽어 와 RAM 점유가 파라미터 수가 아니라 활성 집합에 묶인다. 프리라우터: 한 스텝 앞의 전문가 라우팅을 예측하는 헤드를 따로 학습해 전문가 적재를 순전파에 겹치고, 저장장치 지연·모델 크기·활성 폭 K 가 클수록 이득이 커져 디코드 처리량 최대 +59%. Recover-LoRA: int4 기반을 얼린 채 FP 교사에서 증류한 LoRA 를 얹어 양자화 손실을 되돌리고, 어댑터를 합치지 않아 읽기 전용 기반 하나로 여러 어댑터 묶음을 돌린다. Mac mini M4 Pro 24GB 에서 디코드 14.9~17.7 tok/s, 프리필 113/140 tok/s, 최대 활성 메모리 2.9GiB. OpenCompass 동일 설정에서 fp16 기반 대비 평균 3.9점 손실(79.2 대 83.2). 한계도 명시: MLX 백엔드라 지금은 애플 실리콘 대상이고 도구 사용·다단계 계획 같은 에이전트 능력은 아직 약하다. 아파치 2.0

  arXiv 2609.18063GitHub

추론·인프라

• Z.ai, 인프라 에이전트로 추론 스택을 스스로 고쳤다고 주장

  AI타임스

  2026-09-17 공개. GLM-5.3-플래시를 얹은 인프라 에이전트가 중국산 가속기 10만 개 이상 클러스터의 서빙 스택을 2주 미만에 손봤다는 내용. 적용한 것은 엔코드·프리필·디코드(EPD) 분리 구조와 INT8/FP8/BF16 혼합 정밀도 캐시 양자화이고, 결과로 처리량 약 3배, KV 캐시 전송이 차지하던 비중 20% → 1% 미만, KDA 디코드 커널 1.71배를 든다. 같은 스택 위에서 옥스 알파 모델이 공개 1주 만에 주요 플랫폼 최다 사용 모델이 됐고 6일간 62조 토큰 이상을 처리했다고 밝힘. 모델이 자기 학습·서빙 환경을 개선하는 재귀적 자기개선의 사례로 소개하지만 외부 재현 근거는 제시되지 않았다

AI 비용·시장

• 오픈AI, 기업 AI 지출 점유율에서 앤트로픽 역전

  AI타임스

  기업 경비 관리 플랫폼 램프의 지출 집계 기준으로 GPT-6 아스트라 약 13%, 클로드 페이블 8%. 앤트로픽은 7월 말 기준 연간 반복 매출 650억 달러(전년 90억 달러), 기업가치 1.2조 달러로 40% 상승. IPO 는 10월에서 11월로 한 달 연기됐고, 자문단이 3분기 실적 공개 뒤 상장하는 편이 낫다고 판단한 것이 이유다. 조달 규모는 1,000억 달러 이상, 상장 시 기업가치 약 2조 달러로 거론되며 이는 지난 6월 스페이스X 의 863억 달러 기록을 넘는다. 나스닥 상장 예정이고, 상장 전 신형 모델 출시를 검토 중. 아모데이 CEO 가 9월 12일 제기한 속도 조절론과 같은 시기의 움직임

  ZDNet 코리아

보안·정책

• 미군, 챗봇이 잘못 읽은 선하증권으로 중국 선박 나포 직전까지

  CNN 단독

  2026년 봄 이란전 중의 일. 특수작전사령부 분석관이 챗봇에 중국 선박의 적하목록을 분석시켰고, 챗봇이 화물을 핵무기 프로그램 부품으로 잘못 판별했다. 그 보고서가 미군 전반에 돌아 무장 병력이 승선 준비를 마치고 항공기까지 떴다가, 작전 직전에 보고서가 AI 로 작성됐다는 사실이 드러나 중단됐다. 한 소식통은 보고서가 "전적으로 허위" 였고 "하마터면 전쟁을 일으킬 뻔했다" 고 말했다. 다른 소식통은 이 환각이 단발 사고가 아니라 미군 내 추세의 일부라고 전했다. 9월 24일 시진핑 주석의 워싱턴 방문에서 AI 사용이 의제에 오를 예정

  TechCrunchJapan Times

• 한국, 개인정보 유출 과징금 상한을 매출 10% 로

  코리아중앙데일리

  개인정보보호위원회가 상한을 매출의 3% 에서 10% 로 올렸고 2026-09-13 시행. 적용 대상은 고의·중과실로 1,000만 명 이상 정보를 유출하거나 3년 안에 반복 위반한 기업이고, 고위험 노출 시 72시간 통지 의무가 새로 붙는다. 보호 투자가 충분하거나 유출을 조기에 잡아낸 기업은 최대 40% 감경. 기준점으로 든 사례는 2024년 쿠팡 건(3,755만 건 유출, 6,246억 원)이고 같은 사안을 새 기준으로 매기면 조 단위까지 갈 수 있다. 위원회는 "보호 투자를 비용이 아니라 선제 투자로 보는 쪽으로 기업 시각이 바뀌길 기대한다" 고 밝힘

데이터·검색

• TIN: 포스트그레스용 전문 검색 확장

  PlanetScale · HN 165pt

  2026-09-16 공개. 핵심 선택은 문서 번호를 따로 매기지 않고 포스트그레스의 ctid(48비트 물리 위치)를 그대로 색인 키로 쓰는 것이다. 번호 → 위치 변환 조회가 통째로 사라지고 VACUUM 도 번호 재배치 없이 비트를 지우는 것으로 끝난다. 색인은 두 단계 비트맵으로, 페이지 단위 비트맵(256비트, AVX2 레지스터에 맞춤)이 어느 페이지에 그 단어가 있는지 가리고 오프셋 비트맵이 페이지 안 위치를 잡아 교집합·합집합을 벡터 연산으로 처리한다. 스택익스체인지 85GB·1.5억 문서에서 혼합 질의 top-10 199 QPS(ParadeDB 7.9, GIN 실패), 접속·구문 질의 242 대 24 대 0.4, 색인 구축 8분 10초(ParadeDB 19분 20초, GIN 2시간 9분). 위키백과 8GB COUNT 질의는 10,260 대 291 QPS 이고 P99 지연은 대안 대비 6~1,356배 낮다. BM25 순위·구문·스팬·퍼지·와일드카드·정규식을 TINQL 로 쓴다. 본체는 PlanetScale 관리형 전용이고, 같은 SQL 을 로컬·CI 에서 돌리라고 낸 Lead 만 오픈소스(AGPL-3.0)인데 색인에 검색 데이터를 저장하지 않아 수 MB 를 넘으면 느려진다고 스스로 적음

  Lead(오픈소스판)

하드웨어

• 애플 M6 프로 긱벤치 7 단일코어 4,150

  AppleInsider · HN 115pt

  2026-09-18 등록된 Mac18,6 결과. 단일코어 4,150, 멀티코어 37,565, 성능 코어 6 + 효율 코어 12 의 18코어에 기본 4.78GHz. M6 맥 미니(4,071)보다 조금 높고 M5 프로(3,692) 대비 단일코어가 뚜렷이 오른 반면 멀티코어는 33,595 → 37,565 로 폭이 작다. 코어 수가 같으니 세대차가 코어 자체 개선에서 온다는 뜻이다. 기사도 결과가 진짜인지에 대한 의심이 남아 있다고 덧붙임

시스템 프로그래밍

• 러스트를 쓰다 지그로 같은 프로그램을 다시 짜 본 기록

  HN 168pt

  같은 프로젝트를 두 언어로 만들어 본 비교. 지그는 파일 구조가 자연히 납작해져서 러스트판의 중첩 디렉터리가 src/ 바로 아래 다섯 파일로 줄었고, 필자는 그 깊이가 정말 필요했던 것인지 되묻는다. 반대로 러스트의 함수형 조합자·불변성은 옮겨지지 않는데, 할당자를 손으로 넘기고 제자리 변경을 전제하는 언어라 조합 가능한 변환이 성립하지 않기 때문이다. 메모리 관리 차이가 가장 컸다: 지그는 init/deinit 을 손으로 맞추고 TestAllocator 로 누수를 잡는 반면 러스트는 Drop 이 이중 해제·해제 누락을 아예 없앤다. IDE 지원이 빈약해 명령줄과 build.zig 로 일하게 된 것이 오히려 개운했다는 대목도 있다. 결론은 C 의 후계자가 될 잠재력은 인정하되 생태계 성숙은 아직(정규식 라이브러리가 불완전해 구현에 영향, 버전마다 API 변동)

디자인

• AI 로 만든 행사 포스터가 꼭 흉할 필요는 없다

  HN 1,255pt

  문제는 AI 자체가 아니라 기본값 하나가 반복되는 것이라는 주장. 동네 행사 포스터가 죄다 파스텔·에어브러시·손그림 화초·삼각 깃발로 수렴해 서로 구별되지 않는 것이 실제 증상이고, 그림 자체의 결함이 아니다. 대안으로 든 것은 방향을 먼저 지정하는 방식이다. 확립된 디자인 사조나 시대를 이름으로 지정하고(바우하우스 미니멀리즘·리소그래프 인쇄 질감·일본식 여백·브루탈리즘), 결과가 나오면 그 양식이 무엇인지 모델에게 설명시켜 다음 변주의 어휘로 쓴다. 어울리지 않는 요소를 일부러 붙이고(아이 그림 + 전문 조판), 양식이 흐려지는 것을 막으려 이전 결과 위에 쌓지 말고 새로 시작한다

깊이 읽을거리

곁가지

• GPT-6 아스트라가 1918년 독일군 ADFGVX 전문을 풀었다

  HN 347pt

  1918-11-27 송신 후 100년 넘게 미해독이던 170자 전문. 키가 TRUPPENVERSCHIEBUNG 임을 찾아 평문 "영국 순양함이 24일 세바스토폴에 도착, 26일 연합 함대가 뒤따름" 을 얻었고, HMS Canterbury 항해일지의 11월 24일·26일 기록과 대조해 스스로 검증했다

• 브루드워 벤치

  HN 94pt

  스타크래프트 브루드워로 모델을 겨루게 한 라운드로빈. 추론 강도별 구성을 전부 맞붙여 승률·APM·비용·일꾼 수·병력 규모를 함께 잰다. Codex Astra 가 xhigh 에서 승률 100%, Claude Fable 83.3%, Claude Haiku 0승. 다만 어느 모델도 초급자 수준을 넘지 못했고, 새 모델일수록 실시간 게임에서 생각하는 데 드는 시간을 비용으로 인식한다는 관찰이 따라붙는다