Anthropic Fable/Mythos 서비스 중단 및 최신 AI 모델 업데이트 소식

섹션별 상세

Anthropic은 미국 정부의 지침에 따라 Fable 5와 Mythos 5 모델의 접근을 전면 중단했다. 이 조치는 외국인 사용자뿐만 아니라 전 세계 고객에게 영향을 미치며, 폐쇄형 모델에 대한 의존도가 가진 지정학적 리스크를 드러냈다.

Moonshot AI는 코딩 특화 모델인 Kimi K2.7-Code를 공개했다. 1T 파라미터 MoE 구조와 256K 컨텍스트를 지원하며, 기존 K2.6 대비 추론 토큰 사용량을 30% 줄이고 코딩 벤치마크 성능을 개선했다.

MiniMax는 428B 파라미터 규모의 멀티모달 모델 M3를 출시했다. 1M 토큰 컨텍스트와 MiniMax Sparse Attention(MSA)을 적용해 추론 효율을 높였으며, SGLang과 vLLM 등 주요 추론 엔진의 즉각적인 지원을 받았다.

Artificial Analysis는 코딩 에이전트 평가를 위해 SWE-Bench Pro를 DeepSWE로 교체했다. 기존 벤치마크의 저장소 기록 오염 문제를 해결하기 위해 작업 생성 방식을 변경했으며, 이로 인해 Claude Code와 같은 모델들의 순위가 재조정됐다.

Llama.cpp는 EAGLE3 추론 가속 기법을 통합했다. 타겟 모델의 중간 특징을 활용하는 인코더-디코더 방식을 통해 추론 속도를 2~3배 향상시키며 로컬 추론 환경의 메모리 대역폭 병목을 완화했다.

용어 해설

전문가 혼합 모델(MoE): — 전체 파라미터 중 입력 데이터에 따라 필요한 일부 전문가 네트워크만 활성화하여 연산 효율을 극대화하는 모델 아키텍처입니다. 대규모 모델의 추론 비용을 낮추면서도 성능을 유지하는 데 핵심적인 역할을 합니다.
추측 디코딩(Speculative Decoding): — 작은 모델이 초안 토큰을 빠르게 생성하고 큰 모델이 이를 한 번에 검증하여 추론 속도를 높이는 기법입니다. 메모리 대역폭 병목 현상을 완화하여 전체적인 토큰 생성 처리량을 크게 향상시킵니다.
탈옥(Jailbreak): — 모델의 안전 가드레일이나 시스템 프롬프트를 우회하여 제한된 답변을 생성하도록 유도하는 공격 기법입니다. 최근 보안 및 규제 준수 측면에서 모델 배포의 주요 리스크로 다뤄집니다.

기술

Kimi K2.7-Code
MiniMax M3
vLLM
SGLang
Claude Code
EAGLE3
DeepSWE
SWE-Bench Pro

언급된 리소스

GitHubKimi K2.7-Code Hugging Face

GitHubMiniMax M3 Hugging Face