TL;DR
이번 포스트 묶음에서는 멀티모달 모델과 장기 작업 에이전트가 긴 컨텍스트, 시각 입력, 도구 사용, 실행 피드백을 한 시스템 안에서 처리하는 방향이 두드러졌습니다. DeepSeek-V4-Flash-Vision-Exp와 Ox Alpha는 각각 멀티모달 에이전트 성능과 1M Context·무료 제공 조건으로 확산됐고, SenseNova·Muse·Tenet은 오픈 웨이트와 특정 분야 추가 학습을 통해 모델 활용 범위를 넓혔습니다. NVIDIA AVO와 EnvHarness·EnvRigger는 장기 작업 중 기억과 검증 환경을 활용하는 구조를 제시했으며, TRACES와 운영 지표 관련 포스트는 최종 정답만으로 모델과 시스템을 평가하기 어렵다는 문제를 짚었습니다. Codex는 활성 사용자 20M 도달과 사용량 제한 조사 소식으로 제품 규모와 구독형 사용 정책이 함께 부각됐습니다.
𝕏 실시간 트렌드 토픽
🔥 DeepSeek-V4-Flash-Vision-Exp와 Ox Alpha의 멀티모달 장문 컨텍스트 경쟁포스트 8
DeepSeek-V4-Flash-Vision-Exp의 API 공개와 Ox Alpha의 1M Context·텍스트·이미지·영상 입력 지원이 같은 기간 집중됐습니다. 두 모델 모두 멀티모달 에이전트와 코딩·장기 작업을 겨냥하며, Ox Alpha는 OpenCode Go에서 6일 동안 Go 사용량에 포함되지 않는 무료·거의 무제한 조건으로 제공됐습니다.
- DeepSeek-V4-Flash-Vision-Exp는 DeepSeek API Platform에 실험 모델로 공개됐고, 텍스트 영역에서는 DeepSeek-V4-Flash와 같은 에이전트·추론·세계 지식 능력을 유지하면서 이미지와 영상 입력을 추가했습니다. 포스트들은 시각 이해와 도구 사용을 결합해 멀티모달 에이전트 작업 범위를 넓히는 구조를 핵심으로 잡았고, 회사 발표를 인용한 게시물에는 Terminal-Bench 2.1 점수 83.9와 멀티모달 에이전트 벤치마크에서 Anthropic의 Opus 4.8에 근접한다는 수치가 담겼습니다.
- Ox Alpha는 1M Context와 텍스트·이미지·영상 입력, Zero Data Retention을 내세운 stealth model로 소개됐습니다. OpenCode와 OpenRouter에서 7일 동안 무료로 제공되고, OpenCode Go에서는 6일 동안 Go 사용량에 차감되지 않으며, 게시된 처리 용량은 100T tokens/day입니다.
- 관련 포스트들은 두 모델을 코딩과 agentic tasks에 연결했습니다. 긴 입력을 한 번에 유지하는 1M Context는 코드와 작업 기록을 함께 넣는 사용 사례를 겨냥하고, 멀티모달 입력은 화면·이미지·영상 정보를 도구 호출과 결합하는 경로로 작동합니다.
- DeepSeek-V4-Flash-Vision-Exp는 V4 Flash와 같은 가격으로 API에 제공된다고 전해졌습니다. 무료 또는 기존 가격대에 가까운 접근 조건과 긴 컨텍스트가 함께 부각되면서, 성능 수치뿐 아니라 실제 사용량을 빠르게 끌어모으는 배포 전략이 경쟁의 한 축으로 자리 잡았습니다.
원문 트윗 2개 보기
elvis
@omarsar0
Brace yourselves. We just entered a new era of frontier multimodal models. DeepSeek-V4-Flash-Vision-Exp advances multimodal agent performance. Also, pay attention to Ox Alpha 1M token contexts with text, image, and video inputs, excelling in coding and agentic tasks.
DeepSeek-V4-Flash-Vision-Exp is now live on the DeepSeek API Platform! This experimental multimodal model matches DeepSeek-V4-Flash on text capabilities—including agents, reasoning, and world knowledge. On multimodal agent benchmarks, V4-Flash-Vision-Exp makes a major
Md Ismail Šojal
@0x0SojalSec
A new frontier model just went fully free for a week. Claimed capacity: 100T tokens/day Ox Alpha just dropped as a free stealth model for 7 days: - 1M context window - (Multimodal) Text,Image,Video - Zero data retention - Near-unlimited usage Built for coding and long-horizon agentic work. Available right now on OpenCode + OpenRouter.
Ox Alpha (stealth model) is free for the next week - 1M Context - Multi-modal - Zero Data Retention Generous rate limits, near unlimited usage We have capacity for 100T tokens per day, lets see what you can do
📈 Tenet·SenseNova·Muse로 이어진 오픈 모델의 분야 특화와 로컬 실행포스트 8
오픈 베이스 모델을 법률·이미지 생성·코딩 작업에 맞춰 추가 학습하거나 로컬에서 실행하는 포스트가 묶였습니다. Kimi K3 기반 Tenet의 법률 특화, SenseNova U1.5-8B-MoT의 픽셀 공간 생성 구조, Muse 계열의 로컬 Fine-tuning과 가중치 공개가 서로 다른 방식의 모델 개방을 나타냈습니다.
- Harvey의 Tenet은 Kimi K3를 기반으로 공개 법률 데이터, 합성 데이터, 장기 법률 작업을 모사한 인간 전문가 데이터로 post-training을 거쳤습니다. 이 입력을 추가 학습 데이터로 사용해 법률 작업에 맞춘 모델을 만들고, 법률 벤치마크에서 frontier models보다 낮은 비용으로 state-of-the-art 성능을 냈다는 설명이 이어졌습니다.
- SenseNova-U1.5-8B-MoT는 text token과 image token에 서로 다른 weight를 적용하면서 두 종류의 토큰이 서로 attend하는 mixture of transformers 구조를 사용합니다. VAE·text encoder·DiT 없이 pixel space에서 denoise하며, 게시물은 Nano Banana 2와 벤치마크 성능이 맞먹는 open weights 모델이라고 전했습니다.
- SenseNova U1.5 Lite 포스트는 Native 2K/4K output, spatial·structural control, 고밀도 출력에서도 유지되는 조명과 질감을 특징으로 적었습니다. 1K 이미지를 만드는 일보다 정밀한 지시 제어와 native 4K 출력이 어렵다는 문제를 겨냥해, 경량 로컬 모델의 활용 지점을 잡았습니다.
- Muse Glimmer의 100% local Fine-tuning 과정과 Muse Spark 1.2 weights 공개 소식도 함께 나왔습니다. 별도 데이터 포스트에는 Qwen3.8-Max·GLM-5.2·Kimi K3에서 얻은 57.9k quality high-signal SFT traces와 실제 agent tool trajectories가 포함됐다고 적혀 있어, 여러 교사 모델의 추론·코드·도구 사용 기록을 학습 재료로 모으는 흐름이 이어졌습니다.
오픈 웨이트와 로컬 실행은 법률·이미지 생성·코딩처럼 작업별 요구가 다른 영역에서 비용과 배포 제약을 낮추는 경로로 제시됐습니다.
각 모델의 성능 비교는 게시물과 회사 발표에 의존하며, 일부 수치는 어떤 평가 조건에서 산출됐는지 포스트 안에 세부 정보가 없습니다.
원문 트윗 2개 보기
David Sacks
@DavidSacks
Harvey is a great example of how American companies are building world-class specialized models: they took an open-source base (Kimi K3), post-trained it on legal data, and delivered state-of-the-art performance on legal benchmarks at a fraction of the cost of frontier models. Restrictions that kneecap open models would do nothing to stop Chinese labs from shipping the next Kimi. They would, however, cripple the ability of startups like Harvey to create high-performance, low-cost vertical models. Of course some of the closed labs would love this — it eliminates their competition.
Introducing Tenet, our first model post-trained for legal. Tenet is a Kimi K3 base that we post-trained with @FireworksAI_HQ on a corpus of publicly available legal data, synthetic data, and human expert data simulating long-horizon legal work. Training increases Tenet's x.com/14958705342606…
Hugging Apps
@HuggingApps
SenseNova-U1.5-8B-MoT is HERE, it's a big deal! open weights matching Nano Banana 2 on benchs no VAE, no text encoder, no DiT. a mixture of transformers: text and image tokens use different weights, attend to each other, denoise in pixel space https:// huggingface.co/spaces/hugging -apps/sensenova-sensenova-u1-5-8b-mot …
📈 NVIDIA AVO와 EnvHarness가 겨냥한 장기 작업 에이전트의 실행 구조포스트 8
NVIDIA AVO는 기억·도구·실행 피드백을 반복 사용해 긴 작업을 이어가고, EnvHarness와 EnvRigger는 에이전트의 약점을 찾아 훈련 환경을 다시 구성합니다. Google의 게임 연구와 HyCreator 관련 포스트까지 합쳐지며, 정해진 단일 응답보다 지속적인 계획·검증·환경 적응이 에이전트 설계의 중심으로 떠올랐습니다.
- NVIDIA AVO는 continuously inspects, plans, implements, and evaluates하는 순환을 통해 작업 중 얻은 기억과 실행 결과를 다음 단계에 반영합니다. 각 model context가 끝날 때마다 처음부터 다시 시작하지 않고 진행 상태를 이어가며, 막히면 supervisor가 개입해 작업을 재개할 수 있는 구조입니다.
- NVIDIA는 AVO가 ARC-AGI-3 interactive reasoning benchmark의 25개 public environments에서 183개 level을 모두 완료해 100%를 기록했다고 전했습니다. 명시된 instructions·rules·goals 없이 무엇을 해야 할지 파악했다는 점이 성능 수치와 함께 장기 자율 작업의 평가 사례로 제시됐습니다.
- EnvHarness는 정적인 training environment를 programmable plug-in layer로 감싸 underlying logic을 바꾸지 않고 동작을 재구성합니다. 재구성된 환경도 원래 verifier를 유지하고, EnvRigger는 policy의 execution trajectories를 읽어 진단된 약점을 겨냥한 harness component를 합성한 뒤 fresh rollouts로 검증합니다.
- Google은 Atari와 StarCraft II를 거쳐 SIMA에서 3D 세계 이해를 연구했으며, FenrisCreations와의 협력에서는 지속 학습·깊은 memory·수주에서 수년에 걸친 장기 계획·다중 에이전트 상호작용을 연구 대상으로 삼았습니다. 관련 포스트에는 장편 영상 생성용 HyCreator가 10-minute scale films를 자동 생성하고 필요할 때 실시간 interactive editing으로 전환하는 harness로 소개됐으며, 일반 에이전트가 task-specific research 도구를 흡수한다는 관찰도 이어졌습니다.
장기 작업에서는 모델의 단일 답변보다 기억 저장, 도구 실행, 실패 진단, 재시도와 검증을 한 흐름으로 묶는 구조가 중요하다는 입장입니다.
ARC-AGI-3와 EnvHarness의 수치는 특정 벤치마크·환경 조건에 해당하므로, 모든 실제 업무에서 같은 수준의 자율성이 확보됐다고 확대할 근거는 포스트에 없습니다.
원문 트윗 2개 보기
NVIDIA AI
@NVIDIAAI
Our general-purpose coding agent just scored 100% on the ARC-AGI-3 interactive reasoning benchmark. NVIDIA AVO completed all 183 levels across all 25 public environments, figuring out what to do with no instructions, explicit rules, or stated goals.
elvis
@omarsar0
Impressive research from Google on building better environments for agents. Training environments for agents are hand-built and go stale. The agent improves, the environment does not, and it's not able to see the agent's weaknesses in the first place. EnvHarness wraps a static environment in a programmable plug-in layer that reshapes its behavior without touching the underlying logic. Every reshaped environment keeps its original verifier; this is what makes the reshaping safe to train on. EnvRigger treats the policy as a black box, reads its execution trajectories, synthesizes harness components aimed at the diagnosed flaws, then validates them with fresh rollouts. Across five benchmarks in four domains, up to 9.0 points better on held-out instances with 9.8% fewer execution steps. Paper: https:// arxiv.org/abs/2608.19880 Track more trending AI papers in our academy: https:// academy.dair.ai
📈 Codex 활성 사용자 20M과 구독형 사용량 제한 조사포스트 1
Codex가 이번 주 활성 사용자 20M에 도달했고 Codex·ChatGPT Work 사용자에게 BANKED reset을 지급한다는 제품 업데이트가 나왔습니다. 동시에 사용량 제한이 빠르게 줄어든다는 신고를 조사 중이며, 구독을 API로 변환하는 sub2api 사용 사례가 확인됐다는 설명이 뒤따랐습니다.
- Codex는 이번 주 어느 시점에 active users 20M을 기록했고, 해당 소식을 계기로 모든 Codex 및 ChatGPT Work 사용자에게 BANKED reset 하나를 지급한다고 전했습니다. 사용자가 원하는 때 사용할 수 있는 reset을 별도로 적립하는 방식이며, 추가 소식도 예고됐습니다.
- 사용량 제한이 이전보다 빠르게 소진된다는 문제에 대해서는 비정상 현상을 확인한 것은 아니지만 ongoing investigation을 진행 중이라고 밝혔습니다. 조사 과정에서 영향을 받은 사용자 다수가 sub2api를 사용했고, 이 도구가 subscription을 API로 변환한다는 패턴이 확인됐다는 설명입니다.
- 제품 규모 확대와 사용량 정책이 한 포스트 안에서 함께 다뤄졌습니다. 활성 사용자 수는 서비스 이용 규모를, reset 지급은 단기적인 사용 보상을, sub2api 조사는 구독형 접근과 API형 사용 사이의 운영 문제를 각각 드러내는 요소입니다.
사용량 제한 변화의 원인은 아직 조사 중이며, 포스트는 sub2api 사용 패턴을 확인된 사례로만 제시하고 전체 원인으로 확정하지 않았습니다.
➖ 정답 점수 밖의 AI 평가와 GPU 운영 지표포스트 2
TRACES는 모델이 정답을 찾았는지만 보지 않고 도구 선택, 오류 수정, 경쟁 가설, 근거 추적과 결론의 한계를 평가하는 방향을 내세웠습니다. 별도 운영 경험담은 GPU utilization을 확인하지 않아 4개 GPU 중 1개만 쓰는 학습 인스턴스에 비용을 지불한 사례를 통해 배포 후 관측의 필요성을 짚었습니다.
- TRACES 관련 포스트는 기존 벤치마크가 알려진 정답을 회수하는 능력에 치우친다고 지적하고, 아직 답이 없는 과학적 문제에서 discovery를 수행하는 과정을 평가 대상으로 삼습니다. 모델이 올바른 도구를 사용했는지, 실수를 잡아 고쳤는지, 경쟁 가설을 검토했는지, 주장을 실제 근거로 추적했는지를 확인하는 입력·처리 중심의 평가입니다.
- 평가 항목에는 reasoning process의 일관성과 결론의 한계 인식도 포함됩니다. 따라서 같은 정답에 도달하더라도 도구 사용과 오류 수정, 근거 연결이 부실하면 다른 결과를 내는 방식으로 모델의 작업 경로를 구분합니다.
- 운영 사례에서는 AWS training pipeline이 약 20시간 걸렸고, 4 GPUs 인스턴스에서 실제로는 1개만 사용됐습니다. GPU utilization이 25%를 넘지 않았다는 지표를 뒤늦게 확인하면서 사용하지 않은 3개 GPU 비용이 수개월 동안 발생한 문제가 드러났습니다.
- 두 포스트는 최종 출력만으로 시스템을 판단하지 않고 과정과 운영 상태를 함께 기록해야 한다는 공통점을 가집니다. 모델 평가에서는 실행 궤적과 근거를, 배포 운영에서는 GPU utilization 같은 지표를 수집해야 비용과 신뢰성 문제의 원인을 역추적할 수 있습니다.
정답 일치율만으로는 발견형 문제나 실제 배포 비용을 포착하기 어려우므로, 실행 과정과 운영 지표를 함께 평가해야 한다는 입장입니다.
원문 트윗 2개 보기
Santiago
@svpino
I don't trust benchmarks. We've all seen this movie: New model beats everyone else on a benchmark. People hype it. Then we all start using it. Model turns out to be garbage. This here looks interesting. Instead of focusing on whether a model got the right answer (like a benchmark would), it evaluates how the model got there. • Did it use the right tools? • Did it catch and fix its mistakes? • Did it consider competing hypotheses? • Did it stay consistent through the process? • Can it trace its claims back to actual evidence? • Does it understand the limits of its conclusions? Bullish on this. https:// traces.apodex.com
Most AI benchmarks test retrieval — can a model find the known answer? However, the hardest problems in science require discovery, can a system earn an answer nobody has yet? Meet TRACES — the world's first benchmark for measuring discoverative AI: AI that can work through
Santiago
@svpino
I can tell the truth now: I once deployed a training pipeline for a company on AWS. It took around 20 hours to train the model. Months after that, they asked me to optimize the process. It took me 10 minutes to realize I'd been paying for an instance with 4 GPUs but using only one. The company spent months wasting money on 3 GPUs that they never used. All of it because of a stupid mistake I made. The lesson I took from this: you should pay attention to the operational metrics of whatever you deploy to production. If I had looked even once at my instance's GPU utilization, I would have realized it was never above 25%. I don't think I ever said anything back then.
용어 해설
- 멀티모달 에이전트(Multimodal Agent)
- — 텍스트뿐 아니라 이미지와 영상 입력까지 처리하면서 도구 사용과 추론을 수행하는 에이전트입니다. 이번 포스트에서는 시각 정보 이해를 코딩·장기 작업과 결합하는 방식으로 제시됩니다.
- 장문 컨텍스트(Long Context)
- — 모델이 한 번의 입력에서 처리할 수 있는 토큰 범위를 크게 늘린 구조입니다. Ox Alpha는 1M Context를, DeepSeek-V4-Flash-Vision-Exp 관련 포스트는 멀티모달 장기 작업을 핵심 용도로 언급합니다.
- 오픈 웨이트(Open Weights)
- — 모델 가중치를 외부에 공개해 사용자가 직접 실행하거나 추가 학습할 수 있게 하는 배포 방식입니다. SenseNova와 Muse 계열 포스트에서 로컬 실행과 모델 접근성의 근거로 등장합니다.
- 장기 계획 에이전트(Long-Horizon Agent)
- — 짧은 단일 응답이 아니라 기억·도구·실행 피드백을 반복 사용하며 긴 작업을 이어가는 에이전트입니다. NVIDIA AVO와 Google의 환경 연구가 이 처리 구조를 다룹니다.
- 사후 학습(Post-training)
- — 기본 모델을 특정 데이터와 작업에 맞춰 추가 학습하는 과정입니다. Tenet은 Kimi K3를 법률 데이터와 합성·전문가 데이터로 추가 학습해 법률 작업에 맞춘 모델로 제작됐습니다.
- 다중 교사 지식 증류(Multi-teacher Distillation)
- — 여러 교사 모델의 출력과 작업 궤적을 하나의 학습 데이터셋으로 모아 학생 모델의 SFT에 사용하는 방식입니다. 포스트에는 Qwen3.8-Max, GLM-5.2, Kimi K3의 57.9k SFT traces가 언급됩니다.
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
