오늘의 브리프
타임라인
TODAY TLDR
Anthropic이 검증된 보안팀에 사이버 차단을 단계별로 풀어 주는 프로그램을 새로 냈고, OpenAI는 Ironclad와 함께 계약 업무를 GPT-6 Astra에 학습시켰습니다. Tao 블로그엔 Erdős 문제 사이트가 AI 증명 댓글을 멈춘다는 글이, Willison·Latent Space 쪽엔 Mistral Large 4와 미국산 오픈 모델 Reflection Beam 소식이 올라왔습니다.
Anthropic (공식 발표)
Anthropic이 사이버 검증 프로그램(CVP)을 방어·레드팀·특수 접근 3단계로 다시 짰다. Mythos 모델을 주던 Project Glasswing도 여기에 합쳤다.
일반 Claude는 사이버 작업 대부분을 막는다. 심사를 통과한 보안팀은 Opus 5.5, Sonnet 5.5, Mythos 5.1을 차단이 덜한 상태로 쓴다.
Anthropic 시험에서 레드팀 단계의 Opus 5.5는 공격 시나리오 50번 중 34번을 끝냈다. 프로그램 밖에선 전부 첫 질문에서 막혔다.
왜 보안 업무에 Claude를 쓰다 차단에 걸린 적이 있다면, 며칠이면 답이 온다는 방어 단계부터 신청해 볼 때.
OpenAI (공식 발표 · Ironclad 협업)
OpenAI가 계약 관리 회사 Ironclad와 함께 업무용 소프트웨어 작업을 모델 학습에 넣었다. GPT-6 Astra가 이 과제로 학습한 첫 프론티어 모델이다.
계약서 설정과 승인 흐름 같은 과제 11개로 쟀다. Astra 평균 점수는 55.0%로 GPT-5.6 Sol의 41.6%보다 높았다.
과제 한 번에 걸린 시간은 37.0분에서 19.2분으로 줄었다. Astra 개발에 쓴 내부 모델은 63.7%까지 나왔다.
왜 사내 업무 도구에 에이전트를 붙일 계획이라면, 특정 소프트웨어로 따로 학습한 모델이 나오는 흐름을 지켜볼 때.
Terence Tao (블로그 게스트 글 · Thomas Bloom)
erdosproblems.com 운영자 Thomas Bloom이 Terence Tao 블로그에 운영 방침 변경을 알렸다. 문제별 댓글과 증명 주장 등록을 당분간 받지 않는다.
요즘 댓글 대부분이 설명 없는 AI 증명을 올려 선점권을 주장하는 글이라고 했다. 사람끼리 하던 수학 토론은 크게 줄었다.
문제마다 붙던 미해결·해결 표시와 해결 비율도 없앤다. 대신 잘 쓴 증명 해설을 더 싣는다.
왜 AI로 Erdős 문제를 풀고 있다면, 결과만 올리기보다 Lean 형식화와 직접 쓴 해설을 같이 준비할 때.
Mitchell Hashimoto
Ghostty를 만든 Mitchell Hashimoto가 새 터미널 규격 OSC 7501을 공개했다. 프로그램이 작업 중인지, 사용자를 기다리는지, 끝났는지 터미널에 직접 알리는 방식이다.
지금 에이전트 관리 도구들은 화면이나 창 제목을 읽고 상태를 짐작한다. 한 도구의 Claude Code 판별 규칙은 석 달 사이 열 번 바뀌었다.
Claude Code, Codex, Terraform, Homebrew에 시험 삼아 붙여 봤는데 각각 열두 줄을 넘지 않았다.
왜 코딩 에이전트 여러 개를 터미널에 띄워 쓴다면, 쓰는 터미널과 도구가 이 규격을 지원하는지 확인해 볼 때.
Simon Willison
Mistral이 Mistral Large 4 프리뷰를 API로 냈다. 파라미터 1조 개 중 490억 개만 켜는 구조이고, 자체 Grace Blackwell GPU 3,800개로 학습했다.
오픈 웨이트는 이달 말 공개할 예정이다. API의 추론 단계는 'none'과 'high' 두 가지뿐이다.
Simon Willison은 Artificial Analysis 점수 38로 DeepSeek 4.1 Flash 바로 아래라고 짚었다. 작년 12월 Large 3의 9점보다 크게 올랐다.
왜 프랑스산 대형 오픈 웨이트 모델을 기다렸다면, 이달 말 가중치가 풀릴 때 직접 돌려 볼 후보로 적어 둘 때.
Latent Space (AINews)
1년 넘게 조용하던 Reflection이 코딩·에이전트용 오픈 모델 Beam을 발표했다. 전체 5,010억 파라미터 중 230억 개만 켜는 구조다.
미국에서 처음부터 학습했고, Apache 2.0 전체 가중치는 이달 안에 공개한다. Reflection은 SWE-bench Verified 80.9점을 내세웠다.
Latent Space는 최신 중국 오픈 모델들이 대체로 앞선다고 봤다. 그래도 미국산 선택지를 기다린 수요가 있다고 짚었다.
왜 미국에서 학습한 오픈 모델이 꼭 필요하다면, 이달 가중치 공개와 기술 보고서를 보고 정할 때.
Training Data (Sequoia · Sonya Huang)
Sequoia 팟캐스트 Training Data에 Google AI 인프라 최고기술자 Amin Vahdat이 나왔다. 가속기 10만 개 규모에선 한 시간에도 여러 번 어딘가 고장 난다고 했다.
그래서 이론상 연산 성능(FLOPS) 대신, 고장 속에서도 실제로 끝낸 일의 양인 'goodput'을 기준으로 삼는다고 했다.
TPU를 처음으로 추론용 8i와 학습용 8t로 나눈 이유도 설명했다. 오래 일하는 에이전트가 CPU와 스토리지 수요까지 끌어올린다고 봤다.
왜 AI 인프라 비용을 따지고 있다면, 칩 성능표보다 실제 가동 기준을 어떻게 잡는지 들어볼 만하다.
a16z Podcast (David George · Kevin Mandia)
Mandiant를 세운 Kevin Mandia가 a16z 팟캐스트에 나왔다. 지금은 새 보안 회사 Armadin의 CEO다.
AI 덕분에 공격자는 수천 가지 경로를 동시에 찔러 볼 수 있다고 했다. 그래서 탐지하고 대응하는 과정에 사람이 계속 끼어 있을 수 없다고 봤다.
Armadin은 AI로 고객 시스템을 계속 공격해 약점을 먼저 찾는다. 올해 실제 운영 환경에서 제로데이 90개 이상을 찾았다고 했다.
왜 보안팀에 AI를 들일지 고민 중이라면, 같은 날 나온 Anthropic 사이버 검증 프로그램 소식과 함께 들어 보면 된다.
agi-tracker · GeekNews 스타일 · 점수/댓글 없음