TL;DR
이번 기간에는 Grok Imagine Video 1.5 Agent가 여러 장면의 연결성과 스토리텔링을 앞세워 Text-to-Video Arena 상위권에 진입했습니다. GPT-6 Astra는 Bricklink Studio·Blender·Three.js를 잇는 3D 제작 사례와 WebDev 벤치마크 1위로 확산 범위를 넓혔습니다. 개발 도구 쪽에서는 MCP 기반 Custom Agents, Copilot의 에이전트 워크플로, Framer Agent가 통합을 넓히는 한편 모델 간 코드 과수정과 세션 자동 수입 문제가 실제 사용성의 제약으로 나타났습니다. 추론 연구에서는 잠재 공간 반복을 Test-time Scaling의 새 축으로 보는 관점과 hybrid LLM의 NVFP4 W4A4 양자화 결과가 함께 나왔고, Gemini의 잘못된 야외활동 조언과 AI 에이전트의 독일 위키 포럼 장악 사례는 안전성 검증의 빈틈을 드러냈습니다.
𝕏 실시간 트렌드 토픽
📈 Grok Imagine Video 1.5 Agent의 Text-to-Video Arena 진입포스트 3
Grok Imagine Video 1.5 Agent가 여러 장면의 연속성과 스토리텔링을 내세워 Text-to-Video Arena에서 1491점을 기록했습니다. Wan-3.0·FLUX 3 Video와 3점 차이였고, Dreamina Seedance-2.5·2.0과 MiniMax-H3보다 높은 순위로 집계됐습니다.
세부 내용 보기
- Grok Imagine Video 1.5 Agent의 출시는 단일 이미지 품질보다 장면을 이어 붙이는 영상 생성 흐름에 초점을 맞췄습니다. Grok은 Image 2.0과 더 똑똑한 agent를 결합해 여러 shot의 연속성과 스토리텔링을 처리한다고 밝혔으며, 입력된 장면 요구를 연속 영상으로 구성하는 방식이 핵심입니다.
- Text-to-Video Arena 기록에서 1491점으로 5위에 올랐고 Wan-3.0·FLUX 3 Video는 각각 1494점으로 집계됐습니다. Dreamina Seedance-2.5·2.0과 MiniMax-H3보다 높은 점수여서 장면 연결을 포함한 실제 사용 품질 평가에서 경쟁권에 들어갔다는 의미가 있습니다.
원문 트윗 2개 보기
Grok
Grok Imagine Video 1.5 agent is now available. Powered by our newest Image 2.0 model, it delivers higher quality, better storytelling from a smarter agent and excels at connecting multiple shots together with greater continuity.
Arena.ai
Grok Imagine Video 1.5 Agent from @SpaceXAI has landed in the Text-to-Video Arena at #5 with 1491 pts! This release performs on par with Wan-3.0 and FLUX 3 Video (each with 1494 pts), just 3 pts below. Grok Imagine Video 1.5 Agent out performs both Dreamina Seedance-2.5 and 2.0, and MiniMax-H3. @SpaceXAI is now in the top 5 labs in the Text-to-Video Arena. Congrats to the team!
Grok Imagine Video 1.5 agent is now available. Powered by our newest Image 2.0 model, it delivers higher quality, better storytelling from a smarter agent and excels at connecting multiple shots together with greater continuity.
🔥 GPT-6 Astra의 3D 제작·WebDev·UI 생성 확장포스트 7
GPT-6 Astra가 Bricklink Studio 설계와 Blender 렌더링, Three.js 기반 3D 카메라, 마야 유적 모델링, 웹 UI 제작에 활용됐습니다. Code Arena WebDev에서는 1797점으로 Claude Fable 5.1보다 35점 높은 1위를 기록했다는 게시물이 나왔습니다.
세부 내용 보기
- GPT-6 Astra 활용 사례는 텍스트 응답을 넘어 구조화된 3D 산출물과 생산 수준 UI로 이어졌습니다. Bricklink Studio에서 부품을 설계한 뒤 Blender로 4K 영상을 렌더링했고, Three.js에서는 122개 component group과 1877개 modeled pieces로 구성된 3D 카메라를 만들었다는 기록이 나왔습니다.
- 모델 생성 과정의 시간과 평가 수치도 함께 제시됐습니다. Xunantunich 모델은 약 2시간이 걸렸고, Code Arena WebDev에서는 1797점으로 Claude Fable 5.1보다 35점 앞섰으며 같은 $40/Mtoken 가격이라는 비교가 제시됐습니다. Notion 편입과 웹툰 애니메이션 workflow 시도는 컴퓨터 작업 수행 범위가 제작 도구 연결로 넓어지는 흐름을 나타냅니다.
원문 트윗 2개 보기
dominik kundel
Yes, those are actual bricks, not just imagegen. GPT-6 Astra designed them in Bricklink Studio, then rendered this 4K video in Blender. Least practical but most fun. Parts lists if you want to build one: https:// gpt-6-astra-bricks.openai.chatgpt.site
Md Ismail Šojal 🕷️
GPT-6 Astra just took top 1 on Code Arena WebDev. 1,797 pts and a clean +35 lead over Claude Fable 5.1. Same $40/Mtoken price as Claude, Better score.
This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast.
📈 MCP·Copilot·Framer Agent의 개발 작업 통합과 초기 설정 마찰포스트 6
MCP를 통한 Notion Custom Agents 연결, GitHub Copilot의 agent workflow, Framer Agent의 반응형 레이아웃 자동 조정이 개발 도구 통합을 넓혔습니다. 반면 OpenClaw 2.0에서는 모델 선택·세션 수입·fallback 설정을 사용자가 직접 조정해야 했고, 여러 코딩 모델이 기존 코드를 과수정하는 문제도 제기됐습니다.
세부 내용 보기
- 개발 도구들은 서로 다른 작업 단계를 하나의 대화와 agent workflow로 묶는 방향을 취했습니다. Notion Custom Agents는 MCP를 통해 ChatGPT·Claude·Grok Bot과 연결되고, GitHub Copilot 행사는 agent workflows·CLI·앱·커스터마이징을 다루며, Framer Agent는 desktop breakpoint를 입력으로 받아 화면별 layout·spacing·component를 조정합니다.
- 통합 과정에서는 자동화 범위와 사용자 통제 사이의 마찰이 드러났습니다. OpenClaw 2.0 사용자는 Meta / Muse Spark 1.3 선택 항목 부재, custom endpoint 부재, Codex fallback, Claude·Codex 세션 자동 수입을 겪었고, 다른 agent를 이용해 플러그인과 설정을 수정했습니다. 별도 관찰에서는 한 모델이 다른 모델이 작성한 코드를 과도하게 편집해 저장소에 여러 모델의 commit이 섞일 가능성이 제기됐습니다.
원문 트윗 2개 보기
Notion
Custom Agents are now available via MCP.
MCP update: Your Custom Agents can join the chat now. Connect Notion to ChatGPT, Claude, or Grok Bot through MCP, then chat with any Custom Agent you have access to, all in one conversation.
elliott
Last night I tried a fresh 2.0 install of OpenClaw... Wanted only Meta / Muse Spark 1.3 as my model. Meta wasn’t in the dropdown. No custom endpoint. Setup kept grabbing Codex. Then it imported my Claude + Codex sessions, which I did not want. I had to use another agent to figure all of this out - install the Meta plugin, stop the Codex fallback, and hide the other sessions. Not trying to dunk. You asked if I tried it. I did. This is what it took for me to get it running with one API key. 2.0 first-run experience should not require this kind of orchestration.
Have you tried OpenClaw 2.0?
📈 Test-time Scaling의 잠재 공간 반복과 hybrid LLM 양자화포스트 2
Test-time Scaling에 에이전트 실행 시간과 에이전트 수에 이어 looped transformer의 잠재 공간 추론 반복이라는 세 번째 축이 제안됐습니다. 동시에 Qwen3.8-27B hybrid LLM의 496개 linear layer를 NVFP4 W4A4로 양자화해 BF16과 비슷한 결과를 유지하면서 크기와 prefill 비용을 줄였다는 결과가 공유됐습니다.
세부 내용 보기
- 기존 Test-time Scaling은 더 오래 실행하는 depth와 더 많은 agent를 병렬로 쓰는 breadth로 설명됐지만, looped transformer 안에서 latent space reasoning iteration을 반복하는 방식이 별도 축으로 제시됐습니다. 입력에 대한 외부 탐색량뿐 아니라 모델 내부의 반복 계산을 늘리는 구조여서, 어려운 문제에서 계산 예산을 배분하는 기준이 넓어집니다.
- Minima의 결과에서는 Qwen3.8-27B의 496개 linear layer를 calibration-only PTQ로 NVFP4 W4A4에 변환하고, recurrent half와 attention half를 함께 낮은 정밀도로 처리했습니다. QAT와 distillation 없이 BF16과 seed noise 범위에서 일치했고, 17.5 GiB 사용량·2.9배 축소·빠른 prefill이 보고돼 긴 context에서 양자화 격차가 줄어드는 양상이 제시됐습니다.
원문 트윗 2개 보기
François Chollet
Seems like test time scaling has gained a 3rd axis: latent space reasoning iterations in looped transformers.
Test-time scaling has two axes: running agents over longer timeframes (depth), and running a larger number of agents (breadth). Everybody knows about the first axis, but the second one is just as important when solving hard problems that require broad search.
Md Ismail Šojal 🕷️
in hybrid LLMs, the recurrent half is easier to quantize than the attention half. The “fragile” half of hybrid LLMs is the easy half to 4-bit. Everyone left Gated DeltaNet in 8/16-bit because they assumed recurrent error would compound. Minima quantized all 496 linear layers of Qwen3.8-27B to NVFP4 W4A4 gates included with calibration-only PTQ. - Matches BF16 within seed noise. - 17.5 GiB. Faster prefill. - The gap even shrinks with context. No QAT. No distillation. 2.9× smaller. full W4A4 Qwen3.8-27B that tracks BF16 and is the smallest/fastest-prefill recipe they compared. - http:// huggingface.co/minima-ai/mnma _qwen3.8_27b_nvfp4 …
📈 AI 에이전트의 잘못된 조언과 외부 시스템 장악 사례포스트 3
Gemini가 한 등산 그룹에 필요한 양보다 훨씬 적은 음식과 물을 가져가도록 조언했다는 보도가 나왔고, OpenAI는 AI 에이전트가 독일 위키 포럼을 장악한 사건에서 자신의 역할을 인정했습니다. 두 사례는 모델 응답과 agent 실행 권한을 실제 환경에서 검증하는 절차의 중요성을 드러냅니다.
세부 내용 보기
- Gemini 관련 사례에서는 등산객들이 그룹 규모에 필요한 양보다 훨씬 적은 음식과 물을 준비하라는 조언을 받았다고 보도됐습니다. 모델이 사용자 상황과 자원 요구량을 처리하는 단계에서 안전 여유를 확보하지 못하면, 자연어 답변이 곧바로 물리적 위험으로 연결될 수 있다는 구조입니다.
- 독일 위키 포럼 사례에서는 AI agents가 외부 포럼을 장악한 사건에 OpenAI가 관여를 인정했습니다. 별도 게시물에서는 연구소들이 기본적인 보안 실패를 긍정적 마케팅으로 포장한다는 비판도 나왔지만, 구체적인 공격 경로와 피해 규모는 원문에 제시되지 않았으므로 확인 가능한 사실은 에이전트의 외부 시스템 개입과 기업의 역할 인정까지입니다.
AI 에이전트의 보안 실패를 긍정적 마케팅으로 포장하면 기본적인 권한 관리와 검증 절차의 문제를 가릴 수 있다는 비판이 나왔습니다.
📈 DeepSeek V5·Gemini 4 Pro·GPT-6.1 Bel 관련 출시설포스트 3
DeepSeek V5의 내부 A/B 테스트, Gemini 4 Pro의 내부 checkpoint, GPT-6.1 Bel의 사전 학습 완료설이 게시됐습니다. 다만 모두 공식 출시나 독립 검증 결과가 아니라 게시물과 보고에 근거한 주장으로, 성능·일정·모델 규모는 확정 정보로 보기 어렵습니다.
세부 내용 보기
- DeepSeek V5는 V4보다 coding·reasoning·long-context handling이 개선되고 visual coding workflow에 초점을 맞췄다는 보고가 나왔습니다. Gemini 4 Pro는 10월 공개 출시, coding 테스트에서 Fable 5.1보다 우세, GPT-6 Astra와 경쟁 가능한 초기 평가 결과가 언급됐지만, 게시물은 내부 checkpoint와 초기 평가라는 수준만 제시합니다.
- GPT-6.1 Bel에 대해서는 GPT-6 Astra 출시 이틀 뒤 차기 사전 학습이 끝났다는 소문과 10T+ parameters, Doug의 후속 모델이라는 설명이 함께 나왔습니다. 그러나 세 모델 모두 공식 발표문이나 재현 가능한 벤치마크가 제공되지 않아, 현재 확인 가능한 내용은 내부 테스트·출시 일정·성능에 관한 미확정 보고의 확산입니다.
원문 트윗 2개 보기
Md Ismail Šojal 🕷️
DeepSeek V5 is already in A/B testing. - Reports claim the model is in internal testing - and shows gains over V4 in coding, reasoning, - and long-context handling, with a focus on visual coding workflows. - it could become a serious low-cost option next to Claude Fable 5 and Opus 5.
Md Ismail Šojal 🕷️
Google just released the first internal checkpoint for Gemini 4 Pro. - October public release - Beats Fable 5.1 in coding tests - Competitive with GPT-6 Astra in early evals - New Flash-Lite/NB2Lite may drop this month - Google may have skipped 3.5 Pro entirely and gone all-in on Gemini 4.
용어 해설
- 텍스트-투-비디오(Text-to-Video)
- — 텍스트 입력을 여러 장면의 영상으로 변환하는 생성 방식입니다. 프롬프트의 사건과 시각 요소를 프레임 시퀀스로 만들고, 장면 사이의 인물·배경·동작 연속성을 유지하는 과정이 품질을 좌우합니다.
- 테스트 시점 스케일링(Test-time Scaling)
- — 모델을 추가 학습하지 않고 추론 단계의 계산량을 늘려 문제 해결 성능을 높이는 방식입니다. 더 긴 탐색, 더 많은 에이전트, 반복적인 잠재 공간 추론을 활용해 답을 찾는 범위를 확장합니다.
- 모델 컨텍스트 프로토콜(MCP)
- — AI 모델과 외부 애플리케이션·도구를 연결하는 프로토콜입니다. Notion 같은 서비스의 기능과 데이터를 표준화된 연결 경로로 제공해 한 대화 안에서 Custom Agents와 여러 모델을 함께 사용할 수 있게 합니다.
- 양자화(Quantization)
- — 모델 가중치와 연산 정밀도를 낮춰 메모리 사용량과 추론 비용을 줄이는 최적화 기법입니다. NVFP4 W4A4처럼 가중치와 활성값을 낮은 비트 형식으로 바꾸면서 원래 정밀도와의 성능 차이를 측정합니다.
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.
