TL;DR
이번 기간에는 Grok 4.6의 coding·멀티모달 성능과 GLM-5.3의 coding·cyber defense 역량이 가장 큰 비중을 차지했다. GLM-5.3은 743B 기반 모델의 post-training, open-weight 출시 계획, 안전성 평가를 함께 내세웠다. GPT-5.6 Sol의 최대 14배 속도 모드와 ChatGPT의 Google Drive 연동은 모델 성능을 실제 업무 흐름에 연결하는 사례로 묶였다. 에이전트 영역에서는 harness, trace, feedback, retest를 잇는 반복 개선 구조와 512K context를 갖춘 장기 작업용 모델이 등장했다.
𝕏 실시간 트렌드 토픽
🔥 Grok 4.6의 Build 중심 코딩 평가와 멀티모달 확장포스트 4
Grok 4.6 관련 포스트는 Grok Build 환경을 전제로 한 사용 경험, CursorBench 코딩 순위, 이미지·비디오 이해 기능에 집중됐다. 모델 자체의 점수뿐 아니라 특정 실행 harness에서의 평가 조건과 비용 효율이 함께 주목받았다.
- Grok 4.6은 Grok Build harness에서 가장 잘 작동하며 Build 없이 평가하면 경험이 크게 떨어질 수 있다는 안내와 함께 소개됐다. 같은 모델을 평가하더라도 모델 호출만 따로 측정하는 대신 Build가 제공하는 실행 환경을 함께 사용해야 한다는 맥락이다.
- CursorBench의 real-world coding 평가에서 Grok 4.6이 1위에 올랐다는 포스트가 공유됐고, 비교 대상에는 Claude Fable 5, Opus 5, GPT-5.6 Sol이 포함됐다. 게시물은 작업당 평균 비용 대비 성능 차트도 함께 언급해 코딩 능력과 비용을 한 축에서 묶었다.
- Grok 4.6의 image and video understanding이 크게 개선됐다는 안내와 Grok Imagine의 자동 animation 사례가 같은 흐름에 놓였다. 텍스트 코딩 모델 평가에서 이미지·비디오 입력 처리까지 사용 범위가 넓어지는 방향이다.
원문 트윗 2개 보기
Elon Musk
@elonmusk
Grok 4.6 will work best with the Grok Build harness. The experience will be significantly worse without it, so best to evaluate using Build. https:// Grok.com/build
From my use so far, 4.6 seems highly optimized for Grok Build x.com/ArthurMacwater…
Elon Musk
@elonmusk
Grok 4.6 ranks #1 on CursorBench for real-world coding
Grok 4.6 just ranked #1 on CursorBench 3.2 Outperforming Claude Fable 5, Opus 5 and GPT-5.6 Sol on real-world coding performance And what makes this even crazier is the efficiency....the chart gives CursorBench performance against average cost per task, and Grok 4.6 is sitting
🔥 GLM-5.3의 에이전틱 코딩과 사이버 방어용 오픈 웨이트 계획포스트 10
GLM-5.3은 743B 기반 모델의 post-training을 거친 coding·agentic 모델로 소개됐으며, 취약점 발견과 exploit 분석 같은 cyber defense 작업이 핵심 축으로 제시됐다. 파트너 제한 제공, 안전성 평가, 이후 open-weight 출시 계획이 함께 언급됐다.
- GLM-5.3은 743B base model에 post-training을 적용해 coding과 agentic capabilities를 강화한 모델로 소개됐다. Z.ai 포스트는 GLM-5.2보다 coding 성능이 크게 개선됐고 더 적은 output tokens로 더 나은 결과를 낸다고 밝혔다.
- 사이버 보안 측면에서는 vulnerability discovery, exploit analysis, 복잡한 다단계 security task를 현실적인 환경에서 처리하는 능력이 강조됐다. 이를 통해 방어자가 취약점을 더 일찍 찾고 완화 조치를 검증하며 새로운 위협에 대응하는 작업 흐름이 제시됐다.
- 초기 파트너에게는 safeguards와 usage policies를 적용한 서비스 접근이 제공되고 있으며, broader access와 API 공개는 safety·security evaluation 뒤 진행될 예정이다. Z.ai는 독립 보안 전문가와 기관의 검토가 끝나고 적절한 보호 장치가 마련되면 GLM-5.3을 open-weight model로 출시할 계획이라고 밝혔다.
- 관련 포스트에서는 GLM-5.3이 Terminal Bench, DeepSWE, CyberGym 등에서 기존 모델과 경쟁하거나 앞선다는 주장이 나왔고, 19% almost resolved라는 benchmark 수치도 공유됐다. 다만 이 수치들은 서로 다른 게시물의 초기 언급으로 제시됐다.
GLM-5.3은 coding과 cyber defense를 동시에 겨냥하고 743B 기반 post-training, 제한된 파트너 제공, open-weight 출시 계획을 결합했다. 관련 게시물 다수가 GLM-5.2 대비 개선과 공개 모델 경쟁력을 강조했다.
벤치마크 우위와 19% almost resolved 수치는 일부 커뮤니티 포스트에서 공유된 초기 결과이며, 모델 공개와 API 확대 전 안전성·보안성 평가가 남아 있다.
원문 트윗 2개 보기
Zixuan Li
@ZixuanLi_
Building on GLM-5.2’s contributions to cyber defense, GLM-5.3 delivers substantially stronger capabilities in vulnerability discovery, exploit analysis, and complex, multistep security tasks in realistic environments. These advances can help defenders identify weaknesses earlier, validate mitigations, and respond more effectively to emerging threats. Select partners now have access under strict safeguards. Broader access and API availability will follow rigorous safety and security evaluations. We intend to release GLM-5.3 as an open-weight model once those evaluations are complete and appropriate safeguards are in place. We are working with independent security experts and leading institutions to assess these risks, strengthen safeguards, and determine an appropriate path forward.
Z.ai
@Zai_org
Introducing GLM-5.3: Built to Code. Ready for Cyber Defense. - Top-tier coding and agentic capabilities, achieved through post-training on the 743B base model - A major leap in cybersecurity, setting a new standard among open models Tech Blog: https:// z.ai/blog/glm-5.3
📈 GPT-5.6 Sol 최대 14배 Ultrafast 모드포스트 2
OpenAI는 GPT-5.6 Sol을 최대 14배 속도로 처리하는 Ultrafast mode를 API에서 먼저 제공한다고 밝혔다. 초기 대상은 일부 고객이며, capacity가 늘어나면 더 많은 기업으로 접근 범위를 넓히는 방식이다.
- OpenAI 포스트는 GPT-5.6 Sol의 Ultrafast mode가 기존보다 최대 14배 빠른 속도를 목표로 하며 OpenAI API에 먼저 출시된다고 밝혔다. 처리 속도를 높이는 기능이 모델 교체가 아니라 mode 형태로 제시된 점이 핵심이다.
- 초기 접근 대상은 select group of customers이고, capacity가 늘어나는 과정에 맞춰 more businesses로 확대될 예정이다. 따라서 이번 기간의 포스트는 전면 공개보다 단계적 제공 구조를 전제로 한다.
- 관련 반응은 14배라는 속도 수치 자체에 집중됐으며, 실제 적용 범위와 사용 조건보다 API 배포 소식이 주된 내용이었다.
➖ ChatGPT의 Google Drive 업무 연동과 Computer History 회고포스트 2
ChatGPT에서 Google Docs·Sheets·Slides를 열어 탭을 바꾸지 않고 대화와 음성으로 수정하는 기능이 소개됐다. 별도 포스트에서는 Computer History plugin이 하루 동안의 앱 전환과 Slack 활동을 수치화해 업무 습관을 회고하는 방식이 공유됐다.
- ChatGPT는 web에서 Google Drive의 Doc, Sheet, Slide를 열고 나란히 작업하는 기능을 Plus, Pro, Business, Enterprise 사용자에게 배포한다고 밝혔다. 사용자는 문서 내용을 별도 탭으로 옮기지 않고 ChatGPT 안에서 대화나 음성으로 수정 요청을 이어갈 수 있다.
- Computer History plugin은 사용자가 평소처럼 컴퓨터를 사용한 뒤 기록된 활동을 ChatGPT에 전달해 하루의 사용 패턴을 문장과 수치로 되짚는 흐름이다. 공유된 사례에서는 Slack 활동 비중 48%, Clear 클릭 339회, Slack 메시지 253개, 앱 전환 200회 이상 같은 기록이 사용됐다.
- 두 기능은 각각 문서 편집과 사용 기록 회고를 대화형 인터페이스에 결합한다. 전자는 업무 자료를 한 화면에서 다루고, 후자는 실제 활동 로그를 바탕으로 반복 행동을 확인하는 구조다.
원문 트윗 2개 보기
Tibo
@thsottiaux
Work with Google docs, sheets and slides right inside ChatGPT. This has changed how I write documents, brainstorm or proofread things. I just open it and then chat or talk my way through changes and it all happens right there in the flow.
You probably hate tab switching. Understandable. You can now open any @googledrive Doc, Sheet, or Slide right inside ChatGPT and work side by side without switching tabs. Rolling out on web to Plus, Pro, Business, and Enterprise users in ChatGPT and ChatGPT Work.
Tibo
@thsottiaux
Ask ChatGPT to roast your computer usage after a day. Install the Computer History plugin, do things as usual and kindly ask it to roast your behavior. It's ... insightful ===== - You don’t use Slack. Slack uses you. It accounted for 48% of your recorded activity. Your Mac is essentially a $3,000 Slack notification with a keyboard. - Your productivity system is clicking “Clear” until God intervenes. You clicked it 339 times while submitting 253 Slack messages. You are playing Whac-A-Mole against an organization chart. - Your most-used keyboard shortcut is Delete. 1,191 times, including 1,065 in Slack. You’re not drafting messages. You’re negotiating peace treaties between your first thought and your executive function. - You pressed ⌘C 133 times and ⌘V just 26 times. You acquire information like a Victorian gentleman collecting exotic birds and then apparently release most of it into the clipboard wilderness. - You opened 42 tabs and closed 53. Technically, this makes browser-tab management your most successful project of the day. - You switched between actual applications more than 200 times, while reading an X post that literally said, “You probably hate tab switching.” The call is coming from inside the Chrome window. - Your busiest hour was 9 p.m., with more than 1,500 Slack events. Apparently “end of day” is less a time than a theoretical concept you enjoy discussing in meetings. - Your document at the center of several important workstreams was called “Hello.” Nothing says organizational clarity like running half the company through a Google Doc named after the first thing software prints.
📈 Harness·trace·feedback를 잇는 에이전트 개선 루프포스트 6
에이전트를 모델 하나가 아니라 harness, model, context의 결합으로 보고, trace를 feedback과 재학습·재시험으로 연결하는 흐름이 여러 포스트에서 나타났다. LangSmith, ASystem AReno, DeepSeek Harness, Stanford 강좌가 서로 다른 구현·학습 경로로 언급됐다.
- 에이전트 실행 구조는 harness, model, context의 세 요소로 묶였고, harness는 작업을 확장하는 실행 틀로 제시됐다. LangSmith 관련 포스트는 trace를 모으는 것만으로는 개선이 일어나지 않으며 팀 지식과 평가, 반복 루프가 함께 필요하다고 설명했다.
- ASystem AReno와 Ling-3.0-tiny 사례는 한 대의 DGX Spark에서 baseline, task feedback, post-training, 동일 환경 retest를 반복하는 Agentic RL 흐름을 제시했다. 7.9B total, 1.3B active라는 모델 규모와 단일 노드 실행 조건도 함께 언급됐다.
- DeepSeek Harness v0.1은 models, tools, sessions, sandboxes, loops, UI를 각각 교체 가능한 plugin으로 구성하고 Cordis로 연결한다고 소개됐다. Stanford의 Self-Improving AI Agents 강좌에는 test-time compute scaling, verifiers, Constitutional AI, reinforcement learning, planning, memory, tool execution이 포함됐다.
- 이 흐름은 넓은 능력 주장보다 반복 측정 가능한 task adaptation에 초점을 둔다. 도구 호출, structured extraction, domain instructions, workflow Agents처럼 점수화할 수 있는 작업을 같은 환경에서 다시 시험하는 구조가 핵심이다.
원문 트윗 2개 보기
Ant Ling
@AntLingAGI
7.9B total. 1.3B active. One DGX Spark. No cluster. Ling-3.0-tiny × ASystem AReno closes the Agentic RL post-training loop—locally, on a single DGX Spark. Running locally is only step one. Ling-3.0-tiny makes iteration practical; ASystem AReno turns task feedback into a trainable, retestable loop on one node.
Md Ismail Šojal
@0x0SojalSec
DeepSeek just open-sourced DeepSeek Harness v0.1 (MIT), models, tools, sessions, sandboxes, loops, UI all fully swappable. Powered by Cordis, every single component is a plugin you can mix, match, or replace no core code changes needed. - https:// github.com/deepseek-ai/de epseek-harness …
📈 512K 컨텍스트와 멀티모달 장기 작업 모델포스트 1
dots3-note preview는 280B MoE 중 16B active parameters, 512K context, text·vision·audio 이해를 갖춘 장기 작업용 모델로 소개됐다. vLLM은 day-0 support를 제공한다고 밝혔다.
- dots3-note preview는 280B Mixture-of-Experts 구조에서 16B parameters가 활성화되고 512K context window를 사용하는 모델로 제시됐다. 입력 범위가 긴 작업과 계산량을 함께 고려한 구성이다.
- 이 모델은 text, vision, audio를 이해하고 unfamiliar environments를 탐색하면서 자체 memory를 갱신하도록 학습됐다고 소개됐다. 장기 작업에서 환경 변화와 이전 상태를 계속 참조하는 처리 방식이 핵심이다.
- dots studio는 TEMPO라는 장기 작업용 RL 접근을 언급했고, vLLM은 Apache 2.0으로 공개된 dots3-note preview에 day-0 support를 제공한다고 밝혔다. 모델 구조와 실행 엔진 지원이 함께 공개된 사례다.
➖ 로컬 음악 생성과 재사용형 Wan 영상 워크플로포스트 2
MiniMax-Music3는 0.6B 모델을 로컬에서 실행하고 LoRA로 스타일과 보컬 범위를 조정하는 음악 생성 모델로 소개됐다. Wan video는 Agent Skills를 통해 Short Drama Generator와 MV Generator 같은 커뮤니티 워크플로를 재사용하는 기능을 내놓았다.
- MiniMax-Music3는 0.6B 규모로 로컬 실행이 가능하고, LoRA fine-tuning으로 style과 vocal range를 조정할 수 있다고 소개됐다. genre, BPM, key, vocals, arrangement 제어와 5분 이상 complete track 생성이 기능 범위로 언급됐다.
- 모델은 melody, rhythm, vocal identity를 곡 전체에서 유지하는 hybrid architecture를 사용한다고 설명됐으며 ComfyUI와 diffusers 지원도 포함됐다. 입력 조건을 세밀하게 지정하고 긴 곡을 생성하는 로컬 음악 제작 흐름이다.
- Wan video의 Agent Skills는 사용자가 커뮤니티가 만든 Skills를 사용하거나 custom workflow를 만들어 공유하는 기능이다. Short Drama Generators와 MV Generators처럼 반복 가능한 영상 제작 절차를 Skill 단위로 묶고 게시할 수 있다.
- Wan은 Skill을 성공적으로 업로드·게시할 때 계정당 최대 450 Inspiration Points를 지급하며, 보상 캠페인 종료일은 8월 31일로 제시됐다.
원문 트윗 2개 보기
Md Ismail Šojal
@0x0SojalSec
a true state-of-the-art open-weights music model MiniMax-Music3 that can actually compete with Suno, Run locally potato computer 0.6B model, You can now fine-tune your style vocal range it with LoRAs and control over genre, BPM, key, vocals, arrangement, Generates complete tracks up to 5+ minutes with impressive structure and vocals. Hybrid architecture that keeps melody, rhythm, and vocal identity consistent across the whole song. Native ComfyUI & diffusers support. - http:// huggingface.co/MiniMaxAI/Mini Max-Music3 …
Wan
@Alibaba_Wan
Build. Share. Create with Wan. Agent Skills are now LIVE on wan video. Explore community-built Skills, or create your own custom workflow with Wan and share it with the world. From Short Drama Generators to MV Generators and more, turn your ideas into reusable creative workflows. Earn 150 Inspiration Points for every Skill you successfully upload and publish — up to 450 points per account. The reward campaign ends August 31. Explore Skills. Build yours. Create with Wan.
용어 해설
- 에이전틱 코딩(Agentic Coding)
- — 코드 작성뿐 아니라 작업 계획, 도구 호출, 실행 결과 확인까지 모델이 연속적으로 처리하는 방식이다. GLM-5.3과 Grok 4.6 관련 포스트에서 coding 성능과 함께 언급됐다.
- 사후 학습(Post-training)
- — 기반 모델을 만든 뒤 특정 작업의 성능과 행동 양식을 조정하는 학습 단계다. GLM-5.3은 743B 기반 모델에 post-training을 적용했다고 소개됐다.
- 오픈 웨이트 모델(Open-weight Model)
- — 모델 가중치를 외부에 공개해 사용자가 직접 실행하거나 추가 조정할 수 있는 모델이다. GLM-5.3은 안전성 평가 뒤 open-weight 형태로 출시할 계획이 언급됐다.
- 벤치마크(Benchmark)
- — 모델의 코딩, 보안, 검색 같은 능력을 정해진 과제로 측정하는 평가 기준이다. CursorBench, Terminal Bench, CyberGym 등이 포스트에 등장했다.
- 하네스(Harness)
- — 모델과 도구, 세션, 실행 환경을 연결해 에이전트 작업을 반복시키는 실행 구조다. Grok Build와 DeepSeek Harness, LangSmith 관련 포스트에서 핵심 구성으로 다뤄졌다.
- 멀티모달 이해(Multimodal Understanding)
- — 텍스트뿐 아니라 이미지, 오디오, 비디오 같은 여러 입력 형식을 함께 처리하는 능력이다. Grok 4.6과 dots3-note preview 관련 포스트에서 언급됐다.
- 컨텍스트 윈도(Context Window)
- — 모델이 한 작업 흐름에서 참고할 수 있는 입력 정보의 범위다. dots3-note preview는 512K context를 갖춘 280B MoE로 소개됐다.
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.
