본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

Anthropic, Claude Opus 5.5 공식 추천: 멀티 패키지의 기본 모델로 Anthropic은 Claude Opus 5.5가 Pro, Max, Ultra 및 Team 패키지의 기본 모델이 되었으며, 연구, 분석, 글쓰기 등 지식 업무의 일상적인 주력 도구로 권장된다고 발표했습니다. 이는 AI 어시스턴트의 사무 분야에서의 위치가 중요한 전환점을 맞이했음을 의미합니다. 동시에 Anthropic은 5.5 및 관련 모델의 매트릭스를 정리하여 초고속 쿼리부터 심층 추론에 이르기까지 각 모델의 포지셔닝, 적용 시나리오 및 가격을 명확히 밝혀 사용자가 필요에 따라 선택할 수 있도록 지원했습니다. 방금 전 6.7K

Anthropic은 Claude Opus5.5를 Pro, Max, Ultra 및 Team 플랜의 기본 모델로 설정하고, 연구, 분석, 글쓰기 등 지식 작업을 처리하는 주력 도구로 권장한다고 발표했습니다. Opus5.5는 문서 생성, 재무 분석, 시각적 이해 등에서 뛰어난 성능을 보이며, 명령을 정확히 따르고 환상률이 낮으며 문체가 명확하고 강력한 추론 능력을 갖추고 있습니다. 공식적으로 사용자에게 프롬프트 습관을 조정하여 완성된 파일을 직접 요청하고, 시각적 이해 능력을 활용하며, 업무 시스템에 연동하고, 노력 수준을 높여 출력 효과를 최적화할 것을 권장합니다.

아트팩트 증류: 프런티어 모델에서 소형 언어 모델로의 학습 없이 이전하기

arXiv:2610.37680v1 발표 유형: 신규 요약: 프런티어 모델과 소형 언어 모델 간의 격차를 해소하는 일반적인 접근법은 증류입니다. 즉, 소형 모델(학생)을 프런티어 모델(교사)의 출력에 대해 미세 조정함으로써 이전 작업을 학습 계산에 의존하게 만들고, 전달된 지식을 상당히 불투명하게 만듭니다. 우리는 아트팩트 증류를 제안합니다. 교사가 학습 사례를 해결하고 그 문제 해결 절차를 외부화하여 아트팩트 은행으로 저장하며, 학생은 추론 시 해당 은행을 조회합니다. 이 과정에서는 파라미터 업데이트가 전혀 발생하지 않습니다. 네 가지 LiveBench 과제에서, Claude Opus 4.5가 작성한 은행을 사용하면 Claude Haiku 4.5는 공간 추론에서 무보조 Claude Sonnet 4.5보다 60%의 비용으로 더 높은 점수(0.707 대 0.647)를 기록하며, 테이블 조인에서도 Sonnet 4.5 수준에 도달하는데 그 비용은 89%에 불과합니다. 동일한 원시 은행은

진행 상황 및 관련 보도

추론을 위한 대규모 언어 모델의 지도학습微調: 종합적 조사

arXiv:2610.37681v1 발표 유형: 신규 요약: 최근 대규모 추론 모델들은 복잡한 과제를 해결하는 데 있어 뛰어난 성능을 보여왔으며, 이는 긴 사고 체인 데이터에 대한 지도학습微調(SFT)이 그들의 추론 능력을 발현하고 향상시키는 데 핵심적인 기반이 되었기 때문입니다. 추론 중심의 SFT를 개선하고 분석하는 데 있어 빠른 진전에도 불구하고, 이 분야에는 아직도 급속히 증가하는 관련 문헌을 통합적으로 정리한 체계적인 조사가 부족한 실정입니다. 이러한 공백을 메우기 위해 우리는 추론을 위한 SFT의 최근 발전상을 포괄적으로 검토하며, 방법론적 설계와 분석적 탐구라는 두 가지 관점에서 문헌을 살펴봅니다. 먼저, SFT 전반에 걸친 방법론적 개선 사항들을 검토하고 이를 데이터 중심 접근과 알고리즘 중심 접근으로 구분합니다.

진행 상황 및 관련 보도

토큰 신뢰도는 과연 체인 길이에 불과한가? 추론 흔적에 대한 신호처리 분석

arXiv:2610.36709v1 발표 유형: 신규 초록: 추론 언어 모델은 수학 문제를 풀 때 긴 사고 체인을 작성하며, 문제당 여러 개의 체인을 샘플링한 뒤 다수결을 통해 정답을 도출하면 생성된 텍스트의 양이 크게 증가하는 대신 정확도가 향상된다. 이 비용을 줄이는 인기 있는 방법으로는, 모델이 각 토큰을 작성할 때 갖는 신뢰도를 기준으로 각 체인을 점수화하는 방식이 있다. 여기서 토큰은 단어 또는 단어의 일부를 의미한다. 이 방법에서는 2048개의 토큰으로 구성된 이동 평균 창을 사용해 해당 신뢰도를 평균화하고, 가장 낮은 평균값을 기준으로 체인을 유지하거나 중단한다. 우리는 토큰별로 기록된 이러한 신뢰도를 오디오나 라디오 신호의 맥락에서 하나의 신호로 간주하고, 스펙트럼 분석 및 갑작스러운 변화를 탐지하기 위한 통계적 검정 등 표준 신호처리 도구를 활용해 이 방법을 검토하였다. 우리는 다음과 같은 문제들로부터 각각 500개의 문제에 대해 16개의 체인을 샘플링했다.

진행 상황 및 관련 보도

산업 인텔리전스: 제조업의 차세대 성장 기회

모든 제조업체에는 고유한 산업 지능이 있습니다. 일부는 문서화되어 있으며, 일부는 숙련된 작업자의 경험과 지식에 담겨 있습니다. 예를 들어, 교체 작업 후 라인을 재가동하려는 숙련된 운영자를 생각해 보십시오. 기계 설정도 중요하지만, 특정 소재가 어떻게 반응하는지, 이전 교대 시간에 어떤 일이 있었는지, 그리고 겉보기에는 사소해 보이는…

진행 상황 및 관련 보도

공모 설명서를 살펴보니, 마침내 앤트로픽이 왜 사용자를 신경 쓰지 않는지 알게 되었습니다.

큰 것이 드디어 왔다. 10월 26일, 앤트로픽은 미국 증권거래위원회에 S-1 상장 신청서를 공식 제출하며 나스닥 글로벌 엘리트 시장에 상장할 준비를 하고 있다. 주식 코드는 ANT로 정해졌다. 언론 보도에 따르면, 이 회사의 기업 가치는 이미 1조 5천억 달러에서 2조 달러 사이로 거론되고 있으며, 공모가 범위는 아직 공개되지 않았다. 24시간 만에 300여 페이지에 달하는 이 상장 신청서는 기술계와 금융계에서 뒤집혀 읽힐 정도로 화제를 모았다. 가장 눈길을 끄는 몇 가지 수치는 이미 모두가 확인했을 것이다: 2026년 상반기 매출은 162.86억 달러로, 지난해 동기에는 겨우 11.63억 달러에 불과했다; 2분기에는 9.74억 달러의 영업이익을 기록하며 회사 역사상 최초로 영업 흑자를 달성했다. 한편, 대차대조표상의 순손실 규모는 무려 807억 달러에 달하는데, 그 대부분은 723.88억 달러에 달하는 전환사채·파생상품 부채 및 SAFE의 공정가치 변동으로 인한 비현금성 회계비용이다. 그러나 이러한 월스트리트식 서사와는 별개로, 중국 내 개발자들과 일반 사용자들은 또 다른 이질감을 느끼고 있다. 중국 본토 이용자들 입장에서는 Claude가 현재 시장에서 계정이 가장 많이 차단되고, 리스크 관리가 가장 엄격하며, 사용하기에 가장 답답한 AI 제품 중 하나로 여겨진다. 대체 왜 최고 수준의 대규모 언어모델을 개발한 회사가 일반 개인 사용자들에게는 이렇게까지 냉담하게 다가오는 걸까? 상장 신청서의 재무 주석과 위험 경고 부분을 뒤져보면, 그 해답은 사실 회계 장부 속에 이미 적혀 있다. 앤트로픽의 사업 지형에서 개인 사용자가 실제로 기여하는 현금은 매우 미미한 비중을 차지한다. 01 개인 사용자의 비중은 20%에도 못 미친다 회사가 진정으로 누구를 중요시하는지 파악하려면, 가장 직접적인 방법은 그 회사의 매출 구성표를 살펴보는 것이다. 상장 신청서의 재무 주석 2에 따르면, 앤트로픽은 매출을 크게 두 가지로 구분한다. 하나는 사용량 기반 과금 매출이고, 다른 하나는 구독 매출이다. 이 두 수치를 비교하면 극명한 차이가 드러난다. 2025년 전체 기준으로, 사용량 기반 과금 매출은 37.96억 달러였고, 구독 매출은 7.89억 달러에 불과해 비율은 약 83% 대 17%였다. 2026년 상반기에는 사용량 기반 과금 매출이 130.64억 달러로 치솟았고, 구독 매출은 32.22억 달러로, 전자는 여전히 약 80%를 차지하는 반면 구독 매출은 약 20%에 그쳤다. 더욱 중요한 세부 사항은 구독 매출의 구성 안에 숨어 있다. 이 20% 가운데에는 개인 사용자의 Cl

진행 상황 및 관련 보도

앤타로픽은 AI 붐을 뒷받침하기 위해 가스를 연소하고 있다

상장 준비를 앞두고, 앤트로픽의 S-1 서류는 생성형 AI가 메탄에 의존하고 있음을 여실히 드러냅니다. “전력 공급과 충분한 전력 가용성을 갖춘 데이터센터 입지 확보를 둘러싼 경쟁은 치열합니다.” 월요일 미국 증권거래위원회에 제출된 문서에서 앤트로픽은 데이터센터들이 점점 더 “천연가스”에 의존하고 있음을 인정했습니다 […]

Anthropic is burning gas to feed the AI boom
진행 상황 및 관련 보도

기업들이 AI 실험에서 자율 운영으로 전환하는 과정에서 주목해야 할 점

지난 3년간 기업용 인공지능 대화는 주로 모델이 무엇을 말할 수 있는지에 초점이 맞춰져 있었습니다. 앞으로 3년은 시스템이 허용되는 행동이 무엇인지에 관한 논의가 될 것입니다. 이는 더 나은 모델만으로는 해결되지 않는, 훨씬 더 어려운 문제입니다. 오는 10월 28일(수)에는 블룸버그 테크 이벤트: Building the […] 행사에 참석하기 위해 보스턴에 방문합니다. 기사 원문: “기업들이 AI 실험에서 자율 운영으로 전환하는 과정에서 주목해야 할 점”은 SiliconANGLE에 처음 게재되었습니다.

진행 상황 및 관련 보도

케빈 루스는 AGI에 사로잡혔다. 당신은 왜 그렇지 않은가?

오늘은 AI 산업의 최근 급격한 변화를 상세히 다룬 신간 『AGI 연대기』의 저자이자 기자인 케빈 루스와 이야기를 나눕니다. 케빈은 오랜 기간 뉴욕타임스의 기자로 활동해 왔으며, 인기 팟캐스트 ‘하드 포크’의 진행자이기도 합니다. 그러나 그는 이 프로그램의 친구인 케이시 뉴턴과 함께 최근 […]을 떠났습니다.

Kevin Roose is AGI-pilled. Why aren’t you?Kevin Roose is AGI-pilled. Why aren’t you?
진행 상황 및 관련 보도

물리학 기반 최적화를 위한 엔드투엔드 미분 가능한 확산 조건부 학습

arXiv:2610.31721v1 발표 유형: 신규 초록: 비용이 많이 드는 평가와 복잡한 제약 조건 하에서 고차원 물리 시스템을 최적화하는 문제는 과학과 공학 분야의 핵심 과제입니다. 오프라인 모델 기반 최적화(MBO)에서는, 테스트 시간에 실제 목적 함수에 접근할 수 없으며 고정된 데이터 세트만을 사용하여 설계를 개선해야 합니다. 그러나 기존 방법들은 일반적으로 보수성, 제약 없는 대리모델 활용, 또는 정밀한 물리적 목표에 맞춰 후보를 정교하게 개선하지 못하는 정적인 추론 시점 샘플러로 작동하는 등의 한계를 지니고 있습니다. 본 논문에서는 오프라인 MBO를 위한 미분 가능한 확산 조건부 학습(D2C)을 제안합니다. 이 방법은 결정론적 샘플링이 역 노이즈 체인을 조건부 신호에 대해 미분 가능하게 만든다는 점을 활용합니다. D2C는 …

End-to-End Differentiable Diffusion Conditioning for Physics-Informed Optimization
진행 상황 및 관련 보도