제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
Tenex는 설립 18개월(2026년 기준)이며 직원 수 75명 규모의 AI 원생 소프트웨어 제공 기업으로, 포춘 2000대 기업의 약 절반과 이에 상응하는 중견기업을 고객으로 두고 있습니다. 주요 실천 사례로는 스토리 포인트를 기반으로 한 동적 엔지니어 보상 체계, AI 전략가의 품질 검증 메커니즘, Git 내부에 통합된 컨텍스트 기반 MetaHarness 프레임워크, 그리고 ‘비코딩 고부가가치 작업’에 집중하는 역량 재정립이 포함됩니다. 한편, 기업의 AI 도입은 여전히 범용 LLM 배포와 엔지니어링 측 에이전트 중심으로 집중되어 있으며, 백엔드 오피스 계열의 생산용 AI 에이전트 침투율은 약 5%에 불과한 것으로 파악됩니다.
TorchNeuron 프로파일링(파트 1): AWS Trainium에서의 시스템 수준 프로파일링.
NVIDIA는 Hugging Face와 협력해 OpenUSD 기반의 무료 개방형 시뮬레이션 준비(SimReady) 3D 아셋 라이브러리인 SimReady Central을 출시했습니다. 초기 버전에는 로봇 본체, 지그, AI 공장 인프라 등 다양한 분야를 포괄하는 검증된 산업용 아셋 2,000여 개가 포함되어 있으며, 개발자가 물리 기반 AI 학습 환경과 디지털 트윈 시나리오를 신속히 구축할 수 있도록 지원합니다.
AT&T는 OpenAI와 협력하여 법률 지식에 대한 접근성을 높이고 있습니다. 그들의 LegalEdge 팀이 인입 절차와 법적 판단의 규모 확대를 어떻게 재설계하고 있는지 알아보세요.
OpenAI가 유통 파트너들과 협력하여 일관된 안전장치를 유지하고, 책임 있는 접근을 지원하며, 우리의 이용 약관에서 기대사항을 명확히 하는 방식.
Cloudflare는 OpenAI Daybreak을 활용해 취약점을 조사하고 수정안을 제안하여 검토합니다. 또한 개발자들은 Codex를 사용해 더 빠르게 개발하고 코드 품질을 향상시킵니다.
Dharma-AI는 VocabX 방법을 제안하여, 포르투갈어 작문 자동 채점과 같은 특정 작업에 맞춰 언어 모델의 어휘표를 재구성함으로써 단어 빈도가 아닌 단어 비용을 최적화 목표로 삼습니다. 모델 구조, 파라미터 또는 학습 프로세스를 수정하지 않은 상태에서, 실험 결과 추론 비용이 77% 감소하는 동시에 평가 점수(bench score)가 0.703에서 0.810으로 향상되었습니다.
이 글은 Hugging Face와 Amazon이 공동으로 발표한 기술 블로그 시리즈의 첫 번째 편으로, AWS Trainium AI 가속 칩에서 TorchNeuron을 활용한 PyTorch 모델 추론 성능 분석 방법을 체계적으로 소개합니다. 여기에는 Neuron 백엔드 통합 원리, torch.profiler 구성 방법, NeuronConfig 및 NeuronProfiler 도구의 사용법, Neuron Explorer를 이용한 시각적 추적 등이 포함되며, RMSNorm을 사례로 삼아 세 가지 구현 방식(순수 PyTorch, torch.rms_norm 내장형 병합, torch.compile 자동 병합) 간의 장치별 처리 시간 차이를 비교합니다.
NVIDIA는 오픈소스 시계열 예측 모델인 Kumo Forecast(구 NV-Tesseract Forecasting)를 출시했습니다. 이 모델은 MOMENT-1-large Transformer 아키텍처를 기반으로 하며, 직접 예측과 도메인 인식 표현 및 검색(DARR)의 두 가지 경로 추론을 지원하고, 모델 구조를 수정할 필요 없이 내장된 해석 가능성 프레임워크를 탑재하고 있습니다.
OpenAI, PerturbAI, 그리고 Scripps Research가 어떻게 분산형 AI 에이전트를 사용해 수백만 개의 뇌세포 데이터에서 유망한 연구 방향을 찾아냈는지 확인해 보세요.
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.
OpenAI와 Google Cloud는 최첨단 모델과 Codex 워크플로를 Gemini의 Model Garden에 제공하며, 이는 Google Cloud Marketplace를 통해 이용할 수 있습니다.
패치 더 플래닛은 보안 연구원, 유지보수자 및 사고 대응 담당자들을 연결하여 오픈소스 전반의 중대한 취약점 해결을 지원합니다.
OpenAI가 대화 의도를 이해하고, 광고를 답변과 분리하며, 대규모로 관련성 높은 광고를 제공하기 위해 ChatGPT의 LLM 기반 광고 스택을 어떻게 구축했는지 알아보세요.
i14는 30.28억 개의 파라미터를 갖는 Laplace 3B 모델을 출시했으며, Softmax 주의 메커니즘을 대체해 게이트 제어 선형 주의(GLA)를 채택했습니다. 이 모델은 추론 시 각 시퀀스의 재귀 상태 크기가 항상 29.5 MB로, 컨텍스트 길이와 무관합니다. 해당 모델은 AWS trn2.48xlarge 인스턴스 한 대(Trainium2 칩 16개 탑재)에서 훈련 및 서비스 검증을 완료했으며, 훈련 처리량은 초당 12만 토큰에 달하고, 서비스 처리량은 초당 11,544 출력 토큰(동시 실행 시퀀스 수 1,280)입니다. 모든 성능 데이터는 i14와 AWS GenAIIC 팀의 내부 실측 결과입니다.
메타는 2026년 10월 30일자로 발효되는 업데이트된 상업 서비스 약관에서 ‘train’(훈련)이라는 용어를 삭제하며, AI 데이터 수집 정책에 대한 외부의 강력한 비판에 대응했다. 그러나 회사는 약관에 로봇.txt 프로토콜을 준수한다는 문구를 포함하지 않을 것임을 분명히 밝혔다.
Google은 2026년 10월에 Gemini의 Personal Intelligence(개인 지능) 기능을 차량 내 시나리오로 확장한다고 발표했으며, 첫 단계에서는 Android Auto 사용자에게 제공되고 향후 수개월 내에 Google Built-in 시스템을 탑재한 차종으로도 확대될 예정입니다. 이 기능은 선택적으로 활성화할 수 있으며, Gmail, Calendar 등 로컬 데이터에 대한 사용자의 접근 권한 승인에 따라 관련성 있는 응답을 개선합니다.
제 최신 바이브 코딩 게임 실험은 배틀 드론스라는 이름의 커맨드 앤 컨커 스타일 RTS(실시간 전략) 게임입니다(여기에서 플레이해 보세요). 이전 실험들과 달리, 이번에는 실제로 즐겁게 플레이할 수 있습니다. 사실을 고백하자면, 제가 클라우드에게 “훨씬 더 재미있게 만들어 주세요”라고 요청한 덕분에 여기까지 왔다는 점이 다소 부끄럽습니다. 또한, 근처 기기들 간에 오디오를 이용해 게임 상태를 동기화하는 멀티플레이 기능도 지원합니다! 지금까지 제가 만든 내용과 그 과정에서 배운 몇 가지 사항들을 소개합니다. 배틀 드론스: 제가 어떻게 v1부터 구축했는지 — 초기 프로토타입 v2: 완전한 스프라이트 v3: 다양한 지형 v4: 재미있는 업데이트 v5: 배틀 드론스의 3D화 v8: 아치펠라고 v10: 골리앗과 에이전트 전투 에이전트 전투 v11: 랜덤 맵 v12: 소리를 통한 멀티플레이 일부 소감 업데이트: 온라인 멀티플레이 지원 배틀 드론스 제 초기 목표는 구축하려던
SF Compute는 에반 콘래드가 설립한 기업으로, GPU 연산력에 대한 프로그래밍 가능하고 물리적으로 교환 가능한 거래를 실현하는 데 중점을 두고 있습니다. 이 회사는 자체 데이터센터를 보유하지 않고, 풀스택 기술을 통해 제3자 시설과 협력해 ‘주권형 연산력 클라우드’를 공동 구축하며, 시장 중립성과 인프라의 통제 가능성에 큰 비중을 두고 있습니다. 현재까지 수억 달러 규모의 거래액을 달성했으며, InfiniBand 동적 분할 등 핵심 기능도 실제로 구현했습니다.
Smartsheet는 범용 모델 컨텍스트 프로토콜(MCP) 서버를 정식으로 출시했으며, 표준화된 프로토콜을 통해 AI 에이전트가 Smartsheet의 프로젝트 테이블, 행, 열, 자동화 등 구조화된 데이터를 읽고 쓸 수 있도록 지원합니다. 이 서비스는 AWS 생태계에 이미 도입되어 있으며, 비즈니스 사용자를 위한 Amazon Quick과 개발자를 위한 Kiro 두 가지 유형의 클라이언트 접속을 지원하여, 자연어 기반의 도구 간 작업 업데이트, 상태 동기화 및 상황 인식 기반 개발을 구현합니다.
