Claude Cowork Dispatch 공개 및 GPT-5.4 mini 출시 등 최신 AI 기술 동향

섹션별 상세

Anthropic은 Claude Desktop과 모바일을 연동하여 원격으로 작업을 지시하고 결과를 확인할 수 있는 'Claude Cowork Dispatch' 기능을 연구 프리뷰로 출시했다.

OpenAI는 기존 모델보다 2배 빠르고 400k 컨텍스트 창을 지원하는 GPT-5.4 mini와 nano 모델을 공개하며 코딩 및 컴퓨터 사용 에이전트 시장 공략을 강화했다.

아키텍처 연구에서는 레이어 간 상태를 쿼리하여 메모리를 확장하는 'Attention Residuals(Vertical Attention)'와 추론 효율을 높인 'Mamba-3' 하이브리드 모델이 발표되었다.

LangChain은 안전한 코드 실행을 위한 'LangSmith Sandboxes'와 오픈소스 코딩 에이전트 'Open SWE'를 공개하며 에이전트 인프라 생태계를 확장했다.

Unsloth는 VRAM 사용량을 70% 줄이고 학습 속도를 2배 높인 로컬 모델 학습 및 추론용 웹 UI인 'Unsloth Studio'를 오픈소스로 출시했다.

bash

pip install unsloth

로컬 모델 학습 및 추론을 위한 Unsloth Studio 설치 명령어

Mistral AI는 1,190억 개의 파라미터를 가진 MoE 모델 'Mistral Small 4'를 공개했으며 256k 컨텍스트와 멀티모달 입력을 지원한다.

수직 어텐션(Vertical Attention): — 각 레이어가 이전 레이어의 상태를 직접 쿼리하여 레이어 간 메모리 상호작용을 가능하게 하는 기법이다. 기존 Transformer의 수평적 시퀀스 상호작용을 레이어 깊이 방향으로 확장하여 추론 지연 시간 증가 없이 모델의 표현력을 높인다.
에이전트 하네스(Agent Harness): — AI 에이전트가 코드를 실행하고 파일 시스템에 접근하며 외부 도구와 상호작용할 수 있도록 돕는 실행 프레임워크 및 런타임 계층이다. 단순한 챗봇을 넘어 실제 작업을 수행하는 자율 에이전트 구현의 핵심 인프라 역할을 한다.
전문가 혼합 모델(MoE): — 전체 파라미터 중 일부 전문가 네트워크만 활성화하여 추론을 수행하는 아키텍처이다. 모델의 전체 용량은 크지만 실제 계산량은 적어 추론 효율성과 성능을 동시에 확보할 수 있는 방식이다.
투기적 디코딩(Speculative Decoding): — 작고 빠른 모델이 먼저 여러 토큰을 생성하고 큰 모델이 이를 한 번에 검증하는 방식으로 LLM의 추론 속도를 높이는 기술이다. 결과의 품질을 유지하면서도 토큰 생성 지연 시간을 대폭 줄일 수 있다.