오늘의 브리프
타임라인
TODAY TLDR
Google DeepMind가 AI 에이전트로 Signal 암호 프로토콜의 실제 코드를 수학으로 검증했다. 최상위 모델 Gemini 4 Carbon도 모두에게 열었다. Anthropic은 상장 투자설명회를 시작했고, SemiAnalysis는 Fable 5.2가 1등이지만 토큰을 많이 쓴다고 짚었다.
Google DeepMind · Sundar Pichai
Google DeepMind가 AlphaProof Code라는 에이전트 도구로 Signal 프로토콜의 실제 코드를 수학적으로 검증했다. Signal 프로토콜은 Signal 앱과 Google 메시지의 대화를 지키는 암호 기술이다.
Gemini 4 Carbon 에이전트가 Lean 증명을 600만 줄 넘게 썼다. 사람이 다시 본 부분은 코드의 약 1%뿐이었다.
전문가 팀이면 몇 년 걸릴 일을 4주 만에 끝냈다고 한다. 검증 결과물은 오픈소스로 공개한다.
왜 설계도가 아니라 기기에서 실제로 도는 코드까지 증명했다. AI가 보안 공격만 키우는 게 아니라 방어 쪽 증명도 크게 늘릴 수 있다는 사례다.
Google DeepMind · Demis Hassabis · Varun Mohan
2주 전 보안 방어 팀에만 줬던 Gemini 4 Carbon을 이제 개발자·기업·일반 사용자 모두에게 연다.
값은 입력 100만 토큰당 2달러, 출력 10달러다. Simon Willison은 12월 1일부터 두 배로 오른다고 짚었다.
Google Antigravity에는 프롬프트 하나로 에이전트 팀을 꾸리는 /swarm 기능이 미리보기로 들어왔다.
왜 최상위 모델을 보안 쪽에 먼저 풀고 2주 뒤 넓혔다. 여러 에이전트를 한꺼번에 돌리는 기능도 같이 나왔다.
Google DeepMind
Google DeepMind가 로봇 제어 모델 Gemini Robotics 2.5를 냈다. 200개가 넘는 작업으로 시험했다.
이전보다 작업 성공률은 30~100% 높고, 속도는 20~30% 빨라졌다고 한다.
Apptronik의 휴머노이드 Apollo 2가 벤츠 생산 라인에서 부품 분류 작업을 96% 성공률로 해냈다.
왜 실험실 데모를 넘어 실제 자동차 공장에서 시험한 결과가 나왔다. 로봇 모델이 현장 일로 넘어가는 속도를 보여 준다.
Anthropic
Anthropic이 기업공개(IPO) 투자설명회, 이른바 로드쇼를 시작했다.
공모 주식은 8억 2,500만 주이고, 희망 가격은 주당 70~78달러다. 나스닥에 ANT라는 종목명으로 상장을 신청했다.
뉴욕타임스는 Anthropic이 최대 1조 4,000억 달러 가치를 노린다고 보도했다.
왜 프론티어 AI 랩이 처음으로 대형 상장에 나선다. 이제 모델 경쟁이 공개 시장의 실적 평가도 함께 받게 된다.
Dylan Patel / SemiAnalysis
SemiAnalysis의 실무 과제 평가 GDPx에서 Claude Fable 5.2가 16.4%로 1위에 올랐다.
Dylan Patel은 칩 설계·소프트웨어·생물학·재료과학은 크게 좋아졌지만 금융·법률은 아니라고 짚었다.
재료과학 과제에서는 GPT-6 Astra와 점수가 비슷한데 비용은 89% 더 들고 출력 토큰은 4.3배 썼다.
왜 벤치마크 1등과 실제 비용 효율은 다를 수 있다. 어떤 일에 어떤 모델을 쓸지 고를 때 참고할 숫자다.
Mitchell Hashimoto
Mitchell Hashimoto가 새 회사 Superlogical의 일하는 방식을 공개했다.
모두 main 브랜치에 바로 푸시하고, 코드 리뷰는 푸시 전후에 AI 도움을 받아 한다. PR은 거의 쓰지 않는다.
누구나 릴리스를 시작할 수 있고, 15분 카운트다운 동안 누구든 멈출 수 있다.
왜 AI가 코드 리뷰를 거드는 시대에 작은 팀의 개발 절차가 어떻게 바뀌는지 보여 준다. 그는 이 모든 게 서로 믿을 때만 된다고 강조했다.
OpenAI
OpenAI 경제연구팀이 Upwork와 함께 AI가 프리랜서 시장에 주는 영향을 분석했다.
ChatGPT에서 많이 하는 일일수록 Upwork 의뢰 비중이 줄어드는 경향이 63개 분야 중 43개에서 보였다.
AI 관련 의뢰는 여러 작업을 새롭게 묶고, 예산도 더 크고 작업 시간도 더 길었다.
왜 AI가 일자리를 단순히 대체한다는 이야기와 다른 그림이다. 일이 사라지기보다 다시 묶이고 있다는 초기 데이터다.
Hard Fork · Casey Newton · NVIDIA
Hard Fork가 Jensen Huang 관련 보도를 다룬 에피소드를 냈다. 중국 기업 스파이로 의심받는 인물과의 관계가 핵심이다.
NVIDIA 독립 이사들은 전 뉴욕 남부지검 검사장 대행 Joon H. Kim과 로펌 Wachtell에 독립 조사를 맡겼다.
Casey Newton은 이사회가 '기밀이 새지 않았다고 볼 이유가 없다'고 먼저 말해 결론을 정해 놓고 시작한다고 비판했다.
왜 세계 AI 칩 공급을 쥔 회사의 CEO 문제다. 조사 결과가 수출 규제와 국가 안보 논의로 번질 수 있다.
Lenny's Newsletter
Lenny Rachitsky가 다섯 번째 테크 채용 시장 보고서를 냈다.
PM 채용 공고는 4년 만에 가장 많고, 엔지니어 공고 증가율은 2.5%로 사실상 멈췄다.
디자이너 공고는 역대 최저이고, FDE(현장 배치 엔지니어) 공고는 1년 새 4.6배로 늘었다.
왜 AI가 직군별 수요를 어떻게 바꾸는지 실제 공고 숫자로 보여 준다. 'AI가 PM을 대체한다'는 예상과 반대 결과다.
Latent Space (AINews)
Latent Space AINews가 Fable 5.2 반응과 Anthropic 상장 로드쇼를 함께 정리했다.
토큰당 값은 20% 내렸지만, GDPx 과제당 비용은 67.16달러에서 88.15달러로 올랐다.
이전 모델은 테스트를 20개쯤 썼는데, 5.2는 수백~수천 개를 쓰고 하위 에이전트로 검증까지 했다.
왜 모델이 더 꼼꼼해질수록 결과는 좋아지지만 비용도 늘어난다. 어떤 노력 수준으로 쓸지가 실무 선택이 된다.
Simon Willison
Meta가 가장 작고 효율적인 모델 Muse Ember를 냈다. 도구 호출, 코딩 보조, 긴 문서 처리처럼 에이전트가 반복하는 일을 노린다.
짧은 프롬프트 기준 값은 GPT-6 Luna, Claude Haiku 5.5와 같은 입력 0.10달러, 출력 0.50달러다.
Willison은 토큰 단가보다 과제당 비용을 보라며, Ember가 Artificial Analysis의 효율 경계선 위에 있다고 짚었다.
왜 작고 싼 모델 경쟁이 세 회사 동일 가격까지 왔다. 이제는 과제를 끝내는 데 드는 총비용으로 갈린다.
agi-tracker · GeekNews 스타일 · 점수/댓글 없음