제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
1. 워커들에게 더 적합한 GPT-6.1 Terra가 출시되며, API 가격은 절반으로 인하되고 컴퓨터 작업 속도는 더욱 빨라집니다. 10월 26일, OpenAI는 GPT-6.1 Terra를 발표했으며, 주요 기능으로 시각적 이해력, 컴퓨터 작업 능력, 사실 정확성 및 프로그래밍 능력을 향상시켰습니다....
옌더리, 텐센트의 수석 전문가 LLM은 확률 모델이며, 인과관계를 이해하지 못합니다. 대규모 언어 모델(LLM)은 언어를 실제로 이해하는 것이 아니라 다음 토큰을 예측하는 데 그칩니다. 이는 지루한 ‘글자 연속하기’ 기계와 같아서 한 단계씩 나아가며 그때그때 계산할 뿐, 되돌아가지 않습니다. 본질적으로 LLM은 확률 모델로서, 통계적 동시 발생 구조 속에서 ‘무엇이 자주 무엇과 함께 나타나는지’를 학습하고, ‘대체로 그렇다’는 결과를 출력할 뿐 ‘왜 그런지’는 이해하지 못합니다…
MiniMax는 2026년 10월 19일 저가형 대규모 언어 모델 M3.1Flash를 발표했으며, 종합 평가 점수는 42점이었다. 이 모델의 비용은 이전 세대에 비해 70% 감소했지만, 곧바로 ‘문제 답안 복사’ 의혹에 직면했다. AA에서 공개된 기존 문제에서는 거의 만점을 받았고, 문항을 재구성한 뒤에도 여전히 원래 답안을 제시했다는 것이다. 마오보스와 Binkg 등 평가자들은 이 모델의 신·구 문제 처리 능력 간 단절, 토큰 소모량 이상, 지식 테스트 시 환각 발생률이 무려 92.8%에 달한다는 점을 지적했다. 10월 23일 MiniMax는 모델 가중치를 오픈소스로 공개해 독립적인 검증을 가능하게 했으나, 문제 인식 메커니즘과 한·중·영 문장에 따른 응답 차이의 원인은 아직 명확히 밝혀지지 않았다.
추천 이유：해당 보도는 다수의 실측 결과(비잉크 제목 변경 실험, 필자 재현, AA와 플로틀리-밀라의 이중 평가 비교), 검증 가능한 데이터(토큰 수량, 가격, 정확도/환각률) 및 모델 행동의 모순점(영어는 오류·중국어는 정답, 구형 문제는 안정적·신형 문제는 붕괴)을 바탕으로 하며, 현재 대규모 언어모델 평가의 신뢰성 위기의 핵심 증상을 체계적으로 제시합니다: 높은 점수가 반드시 강력한 일반화 능력을 의미하는 것은 아니며, 저렴한 가격 우위와 실제 능력의 진정성 사이에 긴장이 존재합니다. 정보원은 티미디어가 공식적으로 배포한 심층 조사로, 원본 테스트 과정, 스크린샷 증거 및 타임스탬프를 포함하여 시의성과 세부 사항의 밀도 모두 우수합니다.
작성자｜우항위안 편집자｜징위 10월 23일 오전, Kimi 공식 계정은 X와 비디오 계정을 통해 24초짜리 영상을 게시했다. 화면에는 레트로 스타일의 구형 컴퓨터가 등장하고, 화면에는 Kimi Code가 실행 중이며, 터미널에는 Three.js 코드가 줄줄이 출력되며 복잡한 3D 장면이 생성되고 있었다. 눈썰미가 좋은 네티즌들은 곧 왼쪽 상단의 모델 표시줄에서 답을 찾아냈다—「Model: Kimi K3.1」. Kimi 공식이 공개한 K3.1 사전 홍보 영상｜출처: X @Kimi_Moonshot 구식 고물 같은 기계로 오늘날 가장 첨단인 3D 코드를 구동하는 이 반전 자체가 바로 월지암면이 전하려는 메시지였다. 그로부터 십여 시간 후, 10월 24일 자정을 막 넘긴 시점에 프로그래머의 날을 맞아 Kimi K3.1 Pro가 정식으로 출시되었고, 동시에 속도가 2~3배 빨라진 Highspeed 버전도 함께 선보였다. 공식은 전체 모델 가중치를 11월 4일까지 공개하겠다고 약속했다. 지난 세대 K3가 발표된 지 벌써 석 달이 넘었다. 이 석 달 동안 월지암면이 겪은 일들은 대부분의 기업이 한 해 동안 겪는 것보다도 많았다. 01 「양 늘리고 가격은 올리지 않는」 0.1 먼저 K3.1 Pro가 무엇인지부터 설명하자. 이는 완전히 새로운 모델이 아니다. 월지암면은 명확히 밝혔다. K3.1 Pro는 K3의 후훈련 버전으로, 기본 아키텍처는 그대로—총 매개변수 2조 8천억 개, 활성화 매개변수 1,040억 개의 혼합 전문가 아키텍처, 문맥 창 크기 100만 토큰, 이미지와 비디오 입력을 원래부터 지원한다는 점도 변함없다. 달라진 것은 후훈련 부분이다. 공식에 따르면, “후훈련 연산력을 대폭 증강”했으며 수백 개의 하위 분야에서 대규모 연합 강화학습을 수행했다. 이를 위해 강화학습 프레임워크, 샌드박스 인프라, 장문맥 추론 등 기반 엔지니어링 전반을 한 번에 재구성했다. 다시 말해, 같은 두뇌를 다시 한 번 어떻게 일을 처리해야 하는지 ‘재교육’한 셈이다. 그 효과는 각종 순위표에서도 드러난다. 프로그래밍 지능 에이전트를 평가하는 Terminal-Bench 4.0에서 K3.1 Pro는 65.7%를 기록해 GPT-6 Astra의 58.2%와 Claude Opus의 66.4%를 각각 앞서며 불과 1포인트 차로 경쟁 상대들을 제쳤다. 지난 세대 K3는
2026년 더블 11 기간 동안 AI 상용화는 뚜렷한 양극화를 보였습니다. 판매자 측에서는(예: Qwen Office 이커머스 버전) 이미 유료화가 실현되었으며, 유료 사용자의 20%가 이커머스 업계에서 나왔습니다. 반면 소비자 측은 도우바오, Qwen 등 배포 채널의 보조금에 의존해 주문을 유도하고 있으며, 가격 차이는 37.5%에 달하지만 사용자 신뢰도는 낮아(단지 16.06%만이 AI가 상품을 정확히 매칭할 수 있다고 믿음) AI 쇼핑 안내가 아직 전통적인 의사결정 경로를 진정으로 대체하지 못한 상황입니다.
추천 이유：본 자료는 티에이미디어가 2026년 10월 26일에 발표한 심층 보도를 바탕으로 작성되었으며, AI가 더블 11 기간에 보여준 세 가지 유형의 활용 사례를 체계적으로 정리했습니다: ① AI 쇼핑 가이드의 거래 단계로의 확산(더우바오/천원이 주문 및 결제 지원); ② 토큰 서비스의 티몰·징둥 입점(첫날 매출 전일 대비 +450% 증가했으나 판매량은 여전히 초기 단계); ③ 상인용 도구의 선도적 수익화(천원 오피스의 비용 절감 사례가 명확히 제시되며, 알리바바 계열 경영 시스템에 연동됨). 모든 사실은 본문에서 명시된 시점, 데이터 및 출처에 근거하며, 외부 추론은 포함되지 않습니다.
NVIDIA는 Cosmos 플랫폼을 확장하여 Cosmos Data Factory 블루프린트, Cosmos Framework 학습 최적화 도구 및 Cosmos 3 NIM 마이크로서비스를 출시했으며, 이를 통해 다중 모달 데이터 생성, GR00T·QWEN 등 오픈소스 세계 모델의 적응, 그리고 낮은 지연 시간 추론을 지원합니다. 포르쉐, ANYbotics, Ultralytics, ADNOC 등은 이미 실제 적용을 시작했습니다.
NVIDIA는 오픈소스 모델 라인업을 확장해 언어, 로봇, 바이오 컴퓨팅 및 양자 컴퓨팅 등 다양한 분야를 포괄하며, Nemotron 3.5 시리즈, Kumo 구조화된 데이터 모델, Cosmos 세계 모델, Alpamayo 2 Edge 자율주행 모델, BioNeMo RFD4-Proteina 단백질 설계 모델 및 Ising 양자 컴퓨팅 모델을 출시했습니다. 이들 모두 개발자와 기업을 대상으로 가중치와 도구를 공개하며, 현지화된 맞춤형 구축과 독립적인 배포를 지원합니다.
NVIDIA는 사전 훈련된 관계형 기반 모델인 Kumo Relational을 출시했으며, 이 모델은 기업용 관계형 데이터베이스에서 이탈 예측, 사기 탐지, 수요 예측 등 다양한 예측 작업을 직접 수행할 수 있습니다. 작업 미세조정, 특성 엔지니어링 또는 테이블 평탄화가 필요하지 않습니다. 15개 데이터베이스에 걸친 41개의 벤치마크에서 XGBoost 등 감독 학습 모델을 전면적으로 능가했으며, SAP SALT 기업 벤치마크에서는 MRR 지표에서 AutoGluon보다 8% 앞섰습니다. 또한 5,000억 행 규모의 데이터베이스를 지원하며, Predictive Query Language(PQL)를 통해 코드 없이 예측 호출을 구현할 수 있습니다.
2026년 10월 16일부터 19일까지, DeepSeek V4.1 Flash 1017, MiniMax M3.1 Flash（Space Bunny） 및 Mercury 3（Inception） 등 세 가지 신형 모델이 연이어 출시되었다. 같은 시기 미국 국토안보부는 DeepSeek 관련 제품의 사용을 금지하는 명령을 내렸으며, 중국은 초대형 모델 수출 규제 초안을 마련하려 하고 있다. 이에 따라 오픈소스 생태계, 컴퓨팅 인프라 구축, 그리고 AI 거버넌스 간의 갈등이 전면적으로 부각되고 있다.
