새 기능의 이름보다 실제로 바뀐 작업과 남은 조건을 중심으로 해외 AI 소식 열 가지를 골라 읽었습니다. 최근 발표와 커뮤니티에서 다시 논의된 자료를 함께 다루되, 원문 날짜와 확인 범위를 각 항목에 구분했습니다. 공급업체의 성능 발표와 개발자의 개인 실험은 직접 재현한 결과가 아닙니다.
AI 세무 평가, 계산보다 놓친 조건이 문제였다
Surge AI가 10월 27일 공개한 DAYJOB: Tax는 전문가의 세무 업무 50개로 AI 에이전트를 평가한다. 자료를 읽고 계산하는 일뿐 아니라, 처음 주어진 질문 밖에서 중요한 조건을 찾아내는 능력도 살핀다. 평가에서는 과제별 기준의 95%를 충족해야 성공으로 보았다.
개발자에게 남는 질문은 숫자가 맞는지와 필요한 질문을 모두 했는지를 따로 검사하고 있는가다. 성공률은 평가를 만든 업체의 보고이며 독립적으로 재현한 결과가 아니다. 특정 모델의 점수만으로 실제 세무 업무를 맡겨도 된다고 해석할 수는 없다.
Genie 4, 소리와 조작을 더한 세계 모델
Google DeepMind는 10월 27일 Genie 4를 소개했다. 이용자의 조작에 따라 장면이 바뀌는 세계 모델에 소리와 실시간 프롬프트 조작을 더하는 방향이다. 완성된 영상을 한 번 재생하는 방식에서 벗어나, 사용자가 환경에 개입하는 도구를 지향한다.
다만 현재 단계는 신뢰하는 시험 참여자를 대상으로 한 연구 미리보기다. Ultra와 API 관련 향후 계획을 지금 누구나 쓸 수 있는 기능으로 읽어서는 안 된다. 긴 장면에서 사물의 일관성이 흐트러지거나 복잡한 물리 현상을 표현하는 한계도 남아 있다. 제작 도구를 고를 때는 소개 영상과 실제 계정에서 열리는 기능을 나누어 확인할 필요가 있다.
오프라인 AI, 연결이 끊기기 전에 준비할 것
Survival LLM의 10월 27일 버전 0.3.4 기록은 검색에서 답을 찾지 못했을 때의 재시도와 추론 예산 조절 등을 설명한다. 프로젝트는 로컬 모델에 오프라인 자료실을 연결하고 답변에 근거를 붙이는 구성을 제시한다. 네트워크가 없어도 저장된 자료를 읽는다는 점이 중심이다.
오프라인이라는 말에도 준비 조건은 있다. 모델과 자료를 미리 내려받고 저장 공간을 마련해야 한다. 출처가 붙은 답변도 틀릴 수 있으며 개발자가 공개한 자체 시험은 의료·응급 상황의 안전성을 검증한 임상 근거가 아니다. 연결이 끊긴 뒤 처음 설치할 수 있다고 생각하지 않는 것이 이 소식을 읽는 출발점이다.
신약 개발의 AI, 임상 효과와 연구 지원을 구분하기
Anthropic은 10월 27일 여섯 연구 협력 사례를 통해 Claude가 신약 개발 과정의 어떤 병목을 돕고 있는지 소개했다. 생물학적 가설을 다루는 일부터 연구 운영까지 서로 다른 단계가 포함되어 있다. 하나의 모델 점수보다 연구자가 수행하는 작업의 범위를 보여주는 발표다.
이 발표를 치료제 완성이나 사람에게 입증된 임상 효과와 동일하게 읽으면 곤란하다. 상당 부분은 전임상 연구이며 속도와 성과 수치는 협력 기관과 공급업체가 보고한 내용이다. 한국의 연구·개발 독자라면 자동화한 작업과 사람이 판단한 작업, 그다음 검증 실험이 무엇인지를 구분해 읽을 자료다.
Pumpkin, 로컬 모델 설정을 화면으로 옮기다
Pumpkin은 llama.cpp 계열 로컬 모델의 설정과 관리를 화면에서 다루려는 공개 프로젝트다. README에는 장비에 맞는 실행 구성, 기존 모델 활용, 문서 검색 등의 기능이 설명되어 있다. 명령줄 옵션과 모델 파일 사이를 오가던 작업을 한곳에 모으려는 시도다.
작성자는 프로젝트가 초기 단계이며 운영체제별 시험 범위가 다르다고 밝힌다. 로컬 모델을 쓴다는 이유로 모든 기능이 외부 통신 없이 동작한다고 단정해서도 안 된다. 선택 기능인 웹 도구와 MCP 연결에는 별도의 데이터 흐름이 생길 수 있다. 정확한 최초 공개일은 확인되지 않았고, 이번에는 최근 Reddit 목록에서 발견한 도구로 다룬다.
Unlimited-OCR2, 긴 문서의 문맥과 메모리 사이
Baidu의 Unlimited-OCR2 저장소는 10월 27일 공개 기록과 함께 긴 다중 페이지 문서를 처리하는 구성을 소개한다. 핵심은 과거 페이지의 시각 정보를 제한된 범위로 관리하며 문맥과 메모리 사용을 조절하는 방식이다. 문서가 길어질 때 무엇을 남기고 무엇을 줄이는지에 관한 설계다.
페이지 창을 작게 잡으면 최고 메모리 사용량을 줄일 수 있지만, 페이지를 넘나드는 병합과 문맥 정보는 잃을 수 있다고 README가 설명한다. 개발진의 우수한 벤치마크 주장이 모든 언어·서식의 정확성을 보증하지는 않는다. 도입을 검토한다면 실제 한국어 표와 여러 페이지에 걸친 문장을 포함한 자체 자료로 확인해야 한다.
추론 엔진 속도표, 양자화 조건부터 읽기
TensorSharp 작성자는 RTX 5090 한 대에서 여섯 추론 엔진을 비교한 개인 실험을 Reddit에 공개했다. 일반 생성, 긴 입력, 동시 요청과 작은 도구 호출 반복을 나누어 살핀다. 장비가 같아도 요청 방식에 따라 속도표의 순서가 달라질 수 있다는 점이 읽을 거리다.
중요한 조건은 엔진별 양자화된 모델, 보조 모델과 KV 형식이 같지 않다는 것이다. 엔진 코드만을 분리한 실험으로 볼 수 없다. 작성자도 작은 차이는 측정 변동 범위로 보며 자신의 도구 개발자임을 밝힌다. 연결된 전체 보고서는 접근 제한으로 확인하지 못했으므로 공개 게시물의 조건 안에서만 다룬다. 정확한 게시 시각도 확인되지 않았다.
GPU가 더 시원해져도 속도는 그대로일 수 있다
GX10 네 대를 쓰는 한 개발자는 DeepSeek 실행 중 여섯 냉각 구성을 비교했다. 원문과 부록에는 10월 15일부터 26일까지의 배치·온도·전력·처리량 기록이 있다. 더 시원한 배치에서 GPU 온도는 내려갔지만 긴 입력을 처리하는 속도는 비슷한 범위에 머물렀다는 보고다.
이 결과는 냉각 개선이 곧 같은 비율의 성능 개선은 아니라는 사례로 읽을 수 있다. 각 측정은 모델을 미리 올린 상태에서 약 8분간 진행했고 주변 온도는 22~23도였다. 여러 시간의 부하, 다른 부품의 온도나 장비 안전성을 검증한 결과는 아니다. 개인 실험이며 최초 게시 시각이 확인되지 않은 점도 함께 남긴다.
Rerank 5, 문서 전체 대신 필요한 구절 고르기
Cohere의 Rerank 5는 검색으로 가져온 문서를 다시 정렬하고, Context Focus로 문서 안에서 관련 구절을 골라내는 기능을 소개한다. 이번 목록에서 다시 살핀 원문은 10월 21일 발표로, 오늘 새로 출시된 제품이라는 뜻은 아니다. Pro와 Fast는 품질과 처리 속도의 선택지를 나눈다.
검색 자료를 무조건 길게 넣는 대신 답에 필요한 근거를 남기려는 개발자가 살펴볼 만하다. 다만 문맥을 더 많이 제거하면 답변 품질과의 절충이 생긴다. 발표의 토큰 절감과 정확도 수치는 특정 데이터·모델·평가 방식에서 공급업체가 측정한 결과다. 자신의 검색 자료에서도 같은 절감률이 나온다고 가정해서는 안 된다.
Sphinx, AI가 바꾼 코드를 설명할 수 있는가
Sphinx는 AI가 도운 코드 변경을 배포하기 전에 작성자가 그 동작과 실패 조건을 설명하도록 묻는 도구다. 별도의 검토 모델이 변경 내용을 읽고 질문을 만든다. 코드가 만들어졌다는 사실과 사람이 변경을 이해한다는 사실 사이에 작은 연습 단계를 두려는 구상이다.
README는 이를 보안 관문으로 보지 말라고 명시한다. 훅을 우회할 수 있고 질문을 만드는 모델도 틀릴 수 있다. 설치는 전역 Git 훅에 영향을 줄 수 있으며 변경 코드와 답변이 검토 제공자에게 전달된다. 기본 모델 호출 상한도 없어 비용 조건을 확인해야 한다. 여기서는 설치하지 않았으며 정확한 최초 공개일은 확인되지 않았다.
도구를 선택할 때 남길 질문은 비슷합니다. 지금 사용할 수 있는 기능인지, 어떤 조건에서 나온 결과인지, 자신의 자료로 무엇을 확인해야 하는지입니다. 오늘의 발표를 곧바로 도입 결론으로 바꾸기 전에 이 세 가지를 먼저 적어두면 좋겠습니다.
해외 공개 원문을 확인해 AI의 도움으로 한국어 요약과 해설을 작성했습니다. 제품을 직접 설치하거나 위 실험을 재현한 결과는 아닙니다.
