섹션별 상세
기술
- DeepSeek 3.2
- Flux 2
- TPU
- Amazon AI Chip
- M-GRPO
활용 사례
- 자체 호스팅 LLM 구축
- 고해상도 이미지 생성
- 멀티 에이전트 추론 시스템
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.
DeepSeek 3.2와 Flux 2 등 오픈소스 모델의 발전과 구글 TPU 및 아마존 AI 칩을 통한 하드웨어 시장의 경쟁 심화 및 최신 AI 연구 동향을 다룹니다.
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.
아직 관련 토론이 없습니다.
댓글을 작성하려면 로그인이 필요합니다.
이번 기간에는 DeepSeek-V4-Flash-Vision-Exp의 weights 공개와 API 출시가 맞물리며 native vision과 multimodal agent 활용 범위가 넓어졌다. 모델 측면에서는 Hy4의 770B total·49B active·1M context 구성과 DeepSeek-V4-Flash EXL3-REAP의 128GB 로컬 실행 수치가 실제 사용 환경을 겨냥한 비교 기준으로 떠올랐다. 동시에 Agent가 작업마다 코드를 생성·실행·폐기하는 구조와 on-policy distillation 같은 post-training 기법이 모델 중심 개발 방식의 변화를 뒷받침했다. £100M 규모의 영국 공공 AI 조달과 250MW·$5B+ 인프라 계약은 에이전트 도입과 open source compute의 운영 조건을 바꾸는 사례로 나타났다.
DeepSeek의 공식 가격 인상에 맞춰 OpenCode Go가 이용 한도를 조정했고, OpenCode는 기존 가격에 가까운 호스팅 비용을 유지할 수 있는 구성을 찾고 있습니다. 여러 제공자가 낮은 가격을 구현했다고 주장했지만 실제 검증에서 조건을 충족하지 못해, OpenCode는 이번 주 여러 설정을 직접 테스트하는 단계입니다. 가격 변화가 모델 API와 이를 중개하는 서비스의 한도·운영비에 곧바로 연결되는 구조가 드러났습니다.
이번 기간에는 DeepSeek-V4-Pro와 V4-Flash의 Agent 기능, 가변 reasoning effort, OpenAI Responses API 지원, off-peak API 요금이 함께 공개되며 모델 출시와 운영 비용 조정이 한 흐름으로 이어졌다. DeepSeek Harness는 Cordis 메타 프레임워크를 기반으로 한 Agent Harness 코드베이스를 MIT 라이선스로 공개했고, NVIDIA skills의 Cursor 연동과 Snowflake Cloud Agents·Adaptive Compute도 도구 실행을 제품 환경에 붙이는 방식이다. Runway Dev에서는 주말 동안 만든 영상 애플리케이션과 Scene Fixer가 등장했으며, 입력 영상의 의상·소품·조명·시선 불일치를 찾아 해당 부분만 수정하는 처리 흐름이 제시됐다. Test-Time Training과 ARC-AGI, SL2T의 수어-텍스트 변환, ExtractBench의 기업 문서 추출처럼 모델의 일반화·접근성·업무 정확도를 구체적 과제로 측정하려는 흐름도 함께 나타났다.
이번 기간에는 Hugging Face incident를 계기로 장기간 활동하는 AI 에이전트 군집의 행동을 이해하고 감독하는 일이 현재의 AI 능력 향상보다 빠르게 어려워지고 있다는 평가가 집중됐습니다. 동시에 실제 Claude 사용 대규모 데이터를 외부 연구에 개방한 Anthropic 연구와, 27B 파라미터의 Navigator n2처럼 컴퓨터 화면을 직접 조작하는 모델이 주목받았습니다. 제품 측면에서는 Grok Build의 게임 제작·테스트·버그 수정 자동화와 Perplexity Computer의 라이선스 금융 데이터 연결이 확장됐고, 모델 측면에서는 DeepSeek V4 Flash의 IMO 금메달 성과, Isaac 0.5와 MiniMax H3 같은 오픈 웨이트 모델 출시가 이어졌습니다. NVIDIA와 AWS는 GPU·CPU·네트워크·소프트웨어를 묶은 인프라 확대를 발표하며 agentic AI와 physical AI의 실행 기반을 넓혔습니다.
이번 포스트 묶음에서는 모델 자체의 규모보다 추론 효율과 운영 구조를 조정하는 흐름이 두드러졌습니다. DeepSeek-V4-Flash는 Snowflake 내부 ADE Bench에서 74.4%를 기록했고, 별도 게시물에서는 11× 낮은 비용과 자기검증에 따른 79%에서 88%의 정확도 상승이 거론됐습니다. 에이전트 개발은 코드 작성 이후의 배포, 권한 제어, 평가, 공개까지 자연어로 묶는 단계로 이동했으며, 문서 기반 에이전트에는 답변과 원문 위치를 함께 반환하는 visual grounding이 핵심 평가 항목으로 등장했습니다. 동시에 LLM 워터마킹은 출력 문자열을 직접 고치는 방식이 아니라 샘플링 분포의 무작위성을 조정하는 방식이라는 설명이 이어졌습니다. Hugging Face의 300만 모델 돌파와 공개 재현 작업은 모델·데이터셋·실험 결과를 공개적으로 축적하는 생태계의 확장을 나타냈습니다.