TL;DR
이번 포스트 묶음에서는 Grok Bot이 X 계정의 게시물·멘션·좋아요·Spaces와 검색·북마크·List를 읽고 정리하는 연구 도구로 확장됐으며 Gmail 정리 사례도 함께 나왔다. 오픈소스 조합에서는 Qwen 3.8이 Hermes 하네스와 Omarchy 운영체제 위에서 전체 컴퓨팅 환경을 맞춤화하는 구성으로 언급됐다. GLM-5.3-Flash는 AIME와 GPQA에서 사고 시간이 2배 길어진 벤치마크 불일치 때문에 출시 전 조사를 거쳤고, 단일 프롬프트 실험은 168개 데모 실행과 98 056 출력 토큰 대 5 KB 코드라는 비용 구조를 드러냈다. 별도 연구는 분리된 토큰 공간이 언어 간 지식 전이를 막을 수 있으며 공유 의미 토큰 공간이 최대 14x 개선을 만들 수 있다고 보고했다.
𝕏 실시간 트렌드 토픽
➖ Grok Bot의 X 데이터 연구 도구 확장포스트 2
Grok Bot이 X의 개인 데이터와 공개 대화를 읽고 검색·분류·집계하는 기능을 제공하며, Gmail 정리 사례까지 등장했다.
세부 내용 보기
- Grok Bot은 연결된 X 계정에서 타임라인, 게시물, 멘션, 좋아요, Spaces, 공개 계정의 최근 게시물과 전체 아카이브를 읽고 고급 연산자로 검색한다. 그 결과를 바탕으로 특정 주제의 대화량, 게시물을 인용한 계정과 발언, 저장한 게시물의 주제별 묶음을 만들 수 있어 X에 업무·연구·뉴스가 축적된 사용자에게 데이터 조회 경로를 제공한다.
- 기능 범위에는 북마크 저장·해제, List 관리, 차단·뮤트 상태 조회, X API 크레딧 확인이 포함되며 유료 사용자는 시작용 X API 크레딧을 받는다. 반면 게시·답글·좋아요·리포스트·팔로우·DM은 수행하지 않아, 포스트의 표현대로 자율 소셜미디어 스팸 봇이 아니라 상시 청취·연구 도구에 가깝다.
- 별도 포스트에서는 Grok Bot이 Gmail을 깨끗하게 유지해 스팸 없는 받은편지함에 익숙하지 않을 정도였다는 사용 경험이 제시됐다. X의 검색·정리와 Gmail 관리가 같은 제품 경험 안에서 묶이면서, 대화형 답변보다 개인 정보 흐름을 읽고 정돈하는 작업이 핵심 용도로 부상했다.
원문 트윗 2개 보기
Min Choi
Grok Bot just turned X into a research database for you Connect your X account and it can now: • Read your timeline, posts, mentions, likes + Spaces • Search X with advanced operators • Run full-archive searches • Pull any public account’s recent posts • See who liked, reposted + quoted a post • Track trends + news • Count conversation volume around a topic • Read + organize your bookmarks • Save/unsave bookmarks • Create + manage Lists • Read blocks + mutes • Block/unblock accounts • Check your X API credits And paid Grok Bot users get starter X API credits. Try asking Grok Bot this for some useful info: "What did people mention me about this week?" "What's everyone saying about [topic] right now?" "Pull @minchoi ’s recent posts and brief me." "Find the biggest conversations around this product." "Organize all my saved posts by topic." "Tell me who quoted this post and what they said." Important: It still CANNOT post, reply, like, repost, follow or DM for you. So this isn't an autonomous social media spam bot. It's basically an always-on listener + researcher for X. For anyone whose business, audience, research or news lives on X... this is a pretty massive Grok Bot upgrade.
Yun-Ta Tsai
After Grok @bot keeps my Gmail so clean, I am so unused to the spam-free inbox.
➖ Qwen 3.8·Hermes·Omarchy 오픈소스 조합포스트 1
오픈소스 LLM, 하네스, 운영체제를 한 묶음으로 사용해 컴퓨팅 환경 전체를 맞춤화했다는 사례가 공유됐다.
세부 내용 보기
- 인용된 사례는 오픈소스 LLM인 Qwen 3.8을 오픈소스 하네스 Hermes와 오픈소스 운영체제 Omarchy에 연결한 구성이다. 모델은 하네스의 실행 틀 안에서 작동하고, 운영체제까지 공개된 조합이 되면서 사용자가 개별 도구가 아니라 전체 컴퓨팅 환경을 직접 조정하는 흐름을 만들었다.
- 해당 사용자는 이 세 요소를 바탕으로 컴퓨팅 경험 전체를 맞춤화할 수 있었고 그 변화가 자신의 사용 방식에 영향을 줬다고 말했다. 포스트의 핵심은 특정 모델 하나의 성능 수치가 아니라 LLM·하네스·운영체제의 계층을 모두 오픈소스로 선택해 연결하는 구현 방식에 있다.
➖ GLM-5.3-Flash 벤치마크 불일치 재검증포스트 1
GLM-5.3-Flash의 추론 중심 벤치마크에서 사고 시간이 예상보다 길게 측정돼 출시가 늦어졌고, 여러 팀이 원인 확인과 검증에 참여했다.
세부 내용 보기
- Fireworks에서 GLM-5.3-Flash를 출시하는 과정에서 AIME와 GPQA처럼 추론 부담이 큰 벤치마크의 사고 시간이 2x 길게 나타났다. 원인을 설명할 수 없는 벤치마크 불일치가 발견되자 출시를 바로 진행하지 않고 조사 단계로 전환한 것이 이번 사례의 처리 흐름이다.
- vllm_project 포스트에 따르면 조사에는 inferact와 FireworksAI_HQ가 함께 참여했고, FireworksAI_HQ가 결과를 검증하는 데 추가 시간을 들였으며 Zai_org는 API를 신속하게 업데이트했다. 모델 출시 속도보다 측정 일관성과 결과 재현 확인을 우선한 협업 구조가 수치 이상에 대한 대응으로 작동했다.
➖ 분리된 토큰 공간과 언어 간 지식 전이포스트 1
사전학습 중 언어별 토큰 공간이 분리되면 한 언어에서 학습한 지식이 다른 언어로 거의 옮겨지지 않을 수 있으며, 공유 의미 토큰 공간이 최대 14x 개선을 보였다.
세부 내용 보기
- 논문 포스트는 한 언어에서 학습한 LLM 지식이 다른 언어로 잘 전이되지 않는 원인이 사전학습 단계에서 시작된다고 설명한다. 서로 동일한 영어 복사본 사이에서도 분리된 토큰 공간만으로 문제가 생길 수 있다는 관찰은, 다국어 지식 공유의 병목을 모델 규모가 아니라 입력 표현 방식에서 찾는 근거로 제시됐다.
- 대안은 여러 언어를 공유 의미 토큰 공간에 매핑하는 방식이다. 언어별로 따로 나뉜 토큰 표현을 공통 의미 공간으로 연결해 학습 입력을 구성하고, 그 결과 언어 간 학습이 최대 14x 향상됐다는 수치가 보고됐다.
- 이 결과는 사전학습 이후의 추가 조정보다 토큰화 단계가 언어 간 지식 공유에 미치는 영향을 먼저 확인해야 한다는 방향을 제시한다. 다국어 모델의 전이 성능을 평가할 때 토큰 공간의 분리 여부와 공유 방식이 측정 대상에 포함돼야 하는 이유가 여기에 있다.
➖ 단일 프롬프트 에이전트 실행의 산출 비용포스트 1
후속 프롬프트와 수작업 수정 없이 단일 프롬프트만으로 데모를 생성한 실험에서 실행 시간과 출력 토큰 대비 코드 크기가 공개됐다.
세부 내용 보기
- 인용된 실험은 각 데모를 단일 프롬프트로 실행하고 후속 요청이나 수작업 수정을 넣지 않는 방식이다. 168개 결과를 에이전트 하네스로 한 번씩 돌린 뒤 20개를 영상에 선별했으며, 데모 하나의 중간 실행 시간은 7분이었다.
- 네온 터널 데모는 98 056 출력 토큰으로 5 KB의 코드를 생성했다. 입력 하나에서 실행·생성·선별까지 이어지는 흐름이 짧은 결과물로 압축되면서, 에이전트 기반 코드 생성에서 최종 코드 크기만으로 계산 비용을 판단하기 어려운 사례가 됐다.
용어 해설
- X API
- — X의 게시물·계정·참여 데이터에 프로그램으로 접근하는 인터페이스이다. 이 기간 포스트에서는 Grok Bot이 타임라인 검색, 전체 아카이브 조회, 북마크 정리, 대화량 집계 등에 활용하는 연결 수단으로 등장했다.
- 오픈소스 대규모 언어 모델(Open Source LLM)
- — 가중치나 실행에 필요한 구성 요소를 공개해 사용자가 직접 실행하고 수정할 수 있는 언어 모델이다. 해당 포스트에서는 Qwen 3.8이 오픈소스 하네스와 운영체제 환경을 구동하는 구성 요소로 쓰였다.
- 에이전트 하네스(Agent Harness)
- — 모델이나 에이전트의 입력·도구 호출·실행 결과를 연결하고 반복 작업을 관리하는 실행 틀이다. 단일 프롬프트 데모 포스트에서는 168개 실행을 처리하고 결과를 선별하는 데 사용됐다.
- 벤치마크 불일치(Benchmark Discrepancy)
- — 같은 모델이나 실행을 측정한 결과가 예상과 다르게 나타나 원인 확인이 필요한 상태이다. GLM-5.3-Flash 사례에서는 추론 중심 벤치마크의 사고 시간이 평소보다 길게 측정돼 출시가 지연됐다.
- 토큰화(Tokenization)
- — 텍스트를 모델이 처리할 수 있는 토큰 단위로 나누는 과정이다. 논문 포스트는 언어별로 분리된 토큰 공간이 사전학습 단계에서 언어 간 지식 전이를 막을 수 있다고 설명하며 공유 의미 토큰 공간을 대안으로 제시했다.
- 공유 의미 토큰 공간(Shared Semantic Token Space)
- — 여러 언어의 표현을 공통 의미 구조에 매핑하는 토큰 표현 공간이다. 해당 연구에서는 이 구조를 사용했을 때 언어 간 학습이 최대 14x 향상됐다고 보고했다.
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.
