오늘의 브리프
타임라인
TODAY TLDR
Anthropic이 새 최상위 모델 Claude Fable 5.2와 Mythos 5.2를 냈다. 1,000개 에이전트가 페르마의 마지막 정리 증명을 30시간 만에 컴퓨터 검증용으로 옮겼다. Google은 8세대 TPU 두 종을 더했고, NVIDIA는 CoRL에서 로봇 모델 GR00T 2를 공개했다.
Anthropic · Boris Cherny
Anthropic이 가장 강한 모델 라인인 Claude Fable과 Mythos를 5.2로 올렸다. 두 모델은 속은 같고, Mythos는 보안·생명과학 심사를 통과한 기관만 쓴다.
1,000개 Fable 5.2 에이전트가 페르마의 마지막 정리 증명을 30시간 만에 Lean(컴퓨터가 검증하는 수학 언어)으로 옮겼다. 블랙홀 물리 미해결 문제 두 개도 풀었다고 한다.
5.1보다 최대 30% 빠르고 값은 입력 100만 토큰당 8달러로 내렸다. Boris Cherny는 오래 구독한 사람일수록 Fable 사용량 리셋을 더 준다고 알렸다.
왜 수학 증명, 하드웨어 설계, 로봇 제어까지 한 모델이 해낸 사례가 한꺼번에 나왔다. 에이전트 수천 개를 묶어 큰일을 맡기는 방식이 실제로 통한다는 신호다.
Sundar Pichai / Google
Google이 8세대 TPU에 두 시스템을 더했다. 한 해에 TPU 시스템 네 종을 낸 건 처음이다.
TPU 8tx는 데이터가 계산되는 동안에도 하드웨어 단에서 보호하는 칩이다. 정부나 규제 산업이 민감한 데이터로 모델을 돌리고 다듬을 때 쓴다.
TPU 8i Max는 8i 칩 두 개를 한 패키지에 묶었다. 연산·SRAM·메모리 대역폭이 두 배라 아주 긴 문맥을 다루는 데 맞췄다.
왜 에이전트가 늘면서 칩도 쓰임새별로 쪼개지고 있다. Sundar Pichai는 DeepMind와 함께 설계해 반도체 주기를 기다리지 않고 빠르게 낸다고 강조했다.
Jim Fan / NVIDIA
NVIDIA가 로봇 학회 CoRL에서 공개 로봇 모델 GR00T 2를 내놨다. 행동이 세상을 어떻게 바꿀지 예측하며 움직이는 ‘월드 액션 모델’이다.
과제별 시범 없이 50개 과제 중 40개를 한 번 이상 해냈다. 과제마다 시범을 한 번 보여 주면 평균 71%, 다섯 번이면 95%를 성공했다.
NVIDIA 로봇 연구를 이끄는 Jim Fan은 같은 날 기조연설에서 편집 없는 실제 로봇 자율 시연을 예고해 왔다.
왜 로봇이 사람 영상만 보고 손기술을 배우고, 다른 로봇 몸으로 옮기는 단계까지 왔다. 오늘 Anthropic의 로봇 제어 결과와 함께 보면 흐름이 보인다.
Terence Tao
Tao 블로그에 MIT의 Anna Brandenberger, Hanna Mularczyk, Dora Woodruff가 쓴 게스트 글이 올라왔다.
대학원생과 박사후연구원 같은 젊은 수학자에게 AI에 대한 생각을 물었다. 60여 개 기관, 5개국 이상에서 260명 넘게 답했다.
진로 전망과 연구 동기를 묻는 몇몇 문항의 결과가 놀랍고 실망스러웠다고 한다. 학술지와 채용 위원회가 이 결과를 봐 달라고 부탁한다.
왜 AI가 수학을 바꿀 때 가장 크게 흔들리는 건 일자리가 불안한 젊은 연구자다. 그들의 목소리를 모은 드문 자료다.
Mario Zechner
코딩 에이전트 도구 pi를 만든 Mario Zechner가 X에 짧은 의견을 남겼다.
2026년에도 가장 중요한 기술은 에이전트 결과물을 보고 “이게 뭐야, 이렇게 말고”라고 말하는 능력이라고 했다.
그걸 멈추면 큰일 난다고 경고했다. 일부 ‘개발 인플루언서’의 말과 달리 사람의 판단은 여전히 필요하다는 얘기다.
왜 모델이 좋아질수록 결과물을 그대로 받아들이기 쉽다. 품질을 지키는 마지막 보호장치는 여전히 사람의 눈이라는 지적이다.
François Chollet
François Chollet가 AI CEO ‘Steve’를 소개한 Sam Pasupalak의 글을 인용해 의견을 냈다.
Steve 팀은 실적이 정체된 SaaS 앱을 사들여 에이전트에게 운영을 통째로 맡긴다. 지금 세 회사를 그렇게 운영 중이라고 한다.
Chollet는 이것을 궁극의 실전 평가라고 불렀다. 목표는 손익 하나, 피드백은 시장이라는 뜻이다.
왜 벤치마크 점수 대신 실제 돈을 버는지로 에이전트를 재는 방식이다. ARC 벤치마크를 만든 Chollet가 이걸 ‘평가’로 본다는 점이 눈에 띈다.
Lenny's Newsletter · How I AI
Lenny’s Newsletter의 How I AI 진행자 Claire Vo가 Fable 5.2를 이틀 동안 써 보고 리뷰를 냈다.
트윗 하나로 애니메이션 홍보 영상을 만들고, 흐린 사진만 보고 조립식 가구 설명서를 만들게 했다. 다른 모델이 다 실패한 기하 시험이었다고 한다.
웹사이트 디자인은 아직 혼자 맡기지 않겠다고 했다. Opus 5.5와 일을 어떻게 나눌지도 다룬다.
왜 발표 자료가 아니라 실제 사용자가 무엇을 맡겨 봤는지 보여 준다. 어디서 강하고 어디서 약한지 감을 잡기 좋다.
Latent Space
Latent Space가 AI 학습 데이터 회사 Handshake AI를 처음으로 깊게 다뤘다. Garrett Lord와 팀이 나왔다.
Handshake의 AI 학습 데이터 사업은 약 1년 만에 연 환산 총매출 10억 달러에 이르렀다.
금융, 바이오, 안전 분야의 강화학습 환경을 실제로 돌려 보며, 모델이 아직 사람보다 못하는 지점을 보여 준다.
왜 모델이 똑똑해질수록 전문가 데이터와 평가 환경이 비싸진다. 랩들이 돈을 어디에 쓰는지 보면 다음 약점이 보인다.
Latent Space
Latent Space가 스탠퍼드 CS146S 강의를 맡은 Mihail Eric을 인터뷰했다. 그는 Monaco에서 AI도 이끈다.
코딩 에이전트가 작년 숙제를 한 번에 풀자, 이제 학생들은 오픈소스 프로젝트에 PR을 내고 관리자에게 선택을 설명해야 한다.
Monaco는 코드 리뷰 도구는 사서 쓰고, 에이전트 작업 공간은 직접 지었다. “배우려면 사고, 지키려면 짓는다”가 그의 원칙이다.
왜 에이전트가 코드를 쓰는 시대에 개발자가 무엇을 배워야 하는지에 대한 구체적인 답이다. 사람과 소통하고 검토받는 힘이 숙제가 됐다.
Simon Willison
Simon Willison은 요즘 대부분의 변경을 Claude Code나 Codex가 연 PR로 받는다. 에이전트가 쓴 PR 설명은 정확하지만 너무 길다.
그래서 맨 위에는 사람이 고른 짧은 소개만 두고, 에이전트가 쓴 긴 설명은 접히는 HTML 태그 안에 넣는다.
접힌 제목에는 모델 이름과 effort 수준을 적는다. 누가 쓴 글인지 한눈에 보이게 하려는 것이다.
왜 AI가 쓴 글이 늘수록 읽는 사람의 시간이 귀해진다. 사람의 판단을 맨 앞에 두는 작은 습관이다.
agi-tracker · GeekNews 스타일 · 점수/댓글 없음