TL;DR
이번 포스트에서는 Qwen3.8-27B의 빠른 다운로드 증가와 17GB RAM에서의 4-bit GGUF 실행 사례가 함께 확산됐습니다. GPU 성능 논의에서는 HBM에서 가중치를 가져오는 데이터 이동과 산술 연산의 비율이 단일 Token 생성 속도를 결정하며, 32개 요청을 묶는 Batching이나 긴 Prompt가 가중치 재사용을 늘려 병목을 연산 쪽으로 옮기는 구조가 제시됐습니다. 에이전트 개발에서는 CLAUDE.md 같은 지침 파일이 Commit마다 커지고 삭제되지 않는 문제가 247,000개 이상의 지침과 1,867개 Repository를 대상으로 측정됐으며, 규칙 옆에 존재 이유를 적는 방식이 과잉 증가와 지침 준수를 개선했습니다. AGI 논쟁에서는 단순한 Next-token Prediction과 Transformer Scaling만으로는 지속적 Memory, World Model, 장기 Goal, Multi-agent 협력이 부족하다는 관점이 부상했습니다.
𝕏 실시간 트렌드 토픽
➖ GPU 연산·메모리 병목을 가르는 바이트당 작업량포스트 1
H100의 연산 성능이 높아도 단일 Token 생성에서는 HBM 데이터 이동이 병목이 되며, Batching과 긴 Prompt가 가중치 재사용을 늘려 처리 위치를 바꿉니다.
- GPU에 70B 모델을 올리고도 초당 수십 Token에 그치는 현상은 고장보다 데이터 이동량과 연산량의 불균형에서 비롯됩니다. 모델 가중치는 HBM에 머물고 곱셈 전에는 산술 유닛으로 이동해야 하므로, 산술 연산 수를 HBM에서 읽은 바이트 수로 나눈 Work per byte가 workload의 위치를 결정합니다. H100은 16-bit 기준 초당 989조 연산과 초당 3.35조 바이트 메모리 대역폭을 가져 균형점이 295 operations per byte, 차트에서는 약 300으로 표시됩니다. 이 기준보다 낮은 영역에서는 연산 성능을 키우기보다 이동 바이트를 줄이거나 한 번 읽은 가중치를 더 많이 재사용해야 합니다.
- 단일 요청의 Token 생성은 각 가중치를 HBM에서 가져와 16-bit 기준 2바이트로 읽고 곱셈과 덧셈 2회를 수행한 뒤 버리므로 약 1 operation per byte에 머뭅니다. 반면 32개 요청을 함께 처리하면 같은 가중치를 한 번만 읽고 서로 다른 32개 입력에 적용해 메모리 트래픽은 유지하면서 작업량을 32배로 늘립니다. 긴 Prompt도 여러 요청 대신 한 Sequence의 여러 Token을 이용해 같은 재사용을 만듭니다. 균형점 오른쪽에서는 산술 유닛이 느린 단계가 되므로 더 빠른 연산이나 개선된 Algorithm이 필요합니다.
🔥 Qwen3.8-27B의 4-bit GGUF 실행과 다운로드 급증포스트 3
Qwen3.8-27B가 출시 직후 450만 회 다운로드를 기록했고, 4-bit GGUF 형식으로 17GB RAM에서 지질·열역학·유체 흐름을 포함한 화산 시뮬레이션을 실행한 사례가 공유됐습니다.
- Qwen3.8-27B를 둘러싼 관심은 이전의 로컬 실행 사례에서 다운로드와 복합 시뮬레이션 실행으로 확장됐습니다. UnslothAI 게시물에 따르면 이 모델은 2일이 지나기 전에 총 450만 회 다운로드를 기록했습니다. 별도 게시물에서는 4-bit GGUF로 양자화한 모델이 17GB RAM에서 지질학, 열역학, 유체 흐름, 용암 점도, 증기 폭발, 지하수 상호작용을 포함한 Interactive Volcano Simulation을 실시간으로 실행했습니다. 모델 규모와 메모리 제약을 함께 언급한 사례가 Qwen3.8-27B의 로컬 활용 맥락을 넓혔습니다.
- 한 게시물은 Dario의 발언을 인용하며 Qwen이 Claude를 Distilling해 27B 모델로 Opus-4.6 수준의 지능을 얻었다는 취지의 주장을 전했습니다. 해당 포스트는 이 내용을 성능 해석으로 제시했지만, 별도의 수치 Benchmark나 검증 절차는 포함하지 않았습니다. 따라서 이번 기간에 직접 확인되는 근거는 450만 회 다운로드 수치와 17GB RAM·4-bit GGUF 실행 사례입니다.
원문 트윗 2개 보기
Unsloth AI
@UnslothAI
Congrats Qwen team! Qwen3.8-27B has now reached 4.5M total downloads in less than 2 days!
Md Ismail Šojal
@0x0SojalSec
Locally Qwen3.8-27B cooked an entire interactive volcano simulation on only 17GB RAM. Geology, Thermodynamics, Fluid flow, lava viscosity, steam explosions, and groundwater interaction in Real-time 4-bit GGUF.
📈 CLAUDE.md 지침 파일의 누적 성장과 삭제 근거포스트 1
실제 Repository 1,867개에서 에이전트 지침이 Commit마다 쌓이고 삭제되지 않는 현상이 측정됐으며, 각 규칙에 존재 이유를 덧붙이는 방식이 파일 증가와 지침 준수율을 개선했습니다.
- 에이전트가 따르는 Instruction File은 새 규칙을 추가하기는 쉽지만 기존 규칙을 안전하게 삭제하려면 추가 배경을 기억해야 하므로 시간이 지나며 비대해집니다. 한 연구를 인용한 게시물은 247,000개 이상의 지침을 1,867개 실제 Repository에서 추적했고, 지침 파일 크기가 수명 동안 3배를 넘게 증가하며 Commit마다 새 지침 5개가 추가된다고 전했습니다. 삭제는 거의 일어나지 않았고, 삭제의 77%가 한 번의 대규모 Rewrite 때 집중됐습니다.
- 규칙을 추가할 때마다 옆에 그 규칙이 필요한 이유를 짧게 기록하면 이후 삭제 판단에 필요한 맥락을 보존할 수 있습니다. 게시물에 따르면 이 방식을 적용한 테스트에서 과잉 증가가 +211%에서 +1.4%로 줄었고 Instruction-following이 최대 23% 개선됐습니다. 이는 CLAUDE.md 같은 파일을 단순한 규칙 목록이 아니라 생성·유지·삭제 근거가 함께 있는 운영 문서로 관리해야 하는 이유를 수치로 연결합니다.
📈 Next-token Scaling을 넘어선 AGI 아키텍처 청사진포스트 2
Yann LeCun과 Google DeepMind 관련 게시물은 Next-token Prediction만으로 AGI에 도달하기 어렵다는 관점에서 World Model, 지속적 Memory, Dynamic Goal, Multi-agent 구조를 핵심 요소로 묶었습니다.
- 현재 LLM이 Next-token Engine으로는 강력하지만 AGI 수준의 자율성을 위해서는 지속적으로 변하는 Memory, 행동 결과를 예측하는 내부 World Model, 장기 행동을 이끄는 Dynamic Goal과 Reward, 인간의 재학습 없이 이어지는 Self-evolution이 필요하다는 주장이 공유됐습니다. Google DeepMind 연구자들의 260쪽 논문을 인용한 게시물은 이를 Foundation Agents라는 Modular·Brain-inspired Architecture로 묶고, World Model, Dynamic Memory & Perception, Reward & Goal Processing, Collaborative Multi-Agent Ecosystems를 네 축으로 배열했습니다. 각 모듈은 현실 시뮬레이션, 실제 Feedback 기반 학습, 장기 Planning, 협상과 협력에 대응합니다.
- 다른 게시물은 Yann LeCun의 로드맵을 인용하며 Generative Model에서 Joint-embedding Model로, Probabilistic Architecture에서 Energy-based Model로, Contrastive Method에서 Regularized Method로, Reinforcement Learning에서 Model-predictive Control로 이동해야 한다고 전했습니다. 두 게시물 모두 LLM 개발 자체를 중단하자는 내용보다, Transformer를 더 크게 만드는 Scaling만으로는 AGI 수준 Agency에서 수익이 줄어들며 Architecture 확장이 필요하다는 방향에 무게를 둡니다. 다만 이번 포스트에는 해당 구조들의 실험 성능 수치가 포함되지 않았습니다.
단순한 Next-token Prediction과 Transformer Scaling만으로는 지속적 Memory, World Model, 장기 Goal, Multi-agent 협력을 충족하기 어렵기 때문에 AGI 연구에 Modular Architecture가 필요하다는 관점입니다.
게시물 안에서는 LLM Scaling을 완전히 중단하자는 반론이나 구체적 반대 Benchmark가 제시되지 않았으므로, 아키텍처 전환의 실증적 우위는 아직 확인되지 않은 상태입니다.
원문 트윗 2개 보기
Md Ismail Šojal
@0x0SojalSec
This 260-page relevant paper is the new bible for AGI builders. Google DeepMind researchers officially said today systems next-token prediction alone will never reach AGI. The most important AI paper most people haven’t read yet, Modular intelligence to pure scaling. They don’t say stop building LLMs. They say something more precise and more powerful: LLMs are an incredible next-token engine. But true intelligence needs a full vehicle not just the engine. Current LLMs still lack: - Persistent, evolving memory An internal world model that simulates consequences before acting - Dynamic goal & reward systems for long-horizon autonomy - Continuous self-evolution without human retraining - Multi-agent societies where intelligence emerges from collaboration The new blueprint is Foundation Agents modular, brain-inspired architectures that map directly onto human cognitive systems: 1. World Model to internal simulation of reality 2. Dynamic Memory & Perception to lifelong learning from real feedback 3. Reward & Goal Processing to autonomous planning across long horizons 4. Collaborative Multi-Agent Ecosystems to negotiation, competition, emergence Four core pillars of the paper: - Modular brain-inspired foundations - Self-enhancement & adaptive evolution - Evolutionary multi-agent systems - Safety & alignment that must scale with capability Key insight: Simply scaling transformers further is hitting diminishing returns for AGI-level agency. The next leap requires architecture, not just more data and compute. This is one of the most comprehensive roadmaps yet for moving from chatbots to genuine autonomous intelligence. This same things I heard about @ylecun before Paper : http:// arxiv.org/pdf/2504.01990
Md Ismail Šojal
@0x0SojalSec
Yann LeCun’s clear roadmap for AGI: “If you are interested in human-level AI, don’t work on LLMs.” His full architecture recommendations: - Abandon, Generative models to Joint-embedding models - Abandon, Probabilistic architectures to Energy-based models - Abandon, Contrastive methods to Regularized methods - Abandon, Reinforcement Learning to Model-predictive control While the entire industry is scaling LLMs Yann LeCun is telling us to walk away from them.
For about 10 years now, I have argued that the *only* way forward is for AI technology to be widely available, shared, and open. Like the printing press and the Internet, AI amplifies human intelligence and efficiency by improving access to knowledge. To empower individuals,
용어 해설
- 루프라인 모델(Roofline Model)
- — 작업량을 메모리에서 가져온 바이트당 연산 수로 나타내고, 하드웨어의 최대 연산 성능과 메모리 대역폭이 만나는 기준점으로 workload가 연산 병목인지 메모리 병목인지 판단하는 방법입니다.
- 고대역폭 메모리(HBM)
- — GPU 보드에 탑재된 대용량 메모리로, 모델 가중치를 저장합니다. 연산 장치가 곱셈과 덧셈을 수행하려면 가중치를 HBM에서 산술 유닛으로 옮겨야 하므로 데이터 이동량이 속도를 좌우합니다.
- 연산 병목(Compute-bound)
- — 메모리에서 가져온 데이터가 충분히 재사용되어 산술 유닛의 처리 속도가 전체 실행 시간을 결정하는 상태입니다. 긴 프롬프트 처리와 Training이 이 영역에 들어갑니다.
- 메모리 병목(Memory-bound)
- — 연산보다 HBM에서 가중치를 가져오는 시간이 길어 데이터 공급 속도가 전체 실행 시간을 결정하는 상태입니다. 단일 요청의 Token 생성처럼 가중치를 한 번씩만 쓰는 workload에서 나타납니다.
- 바이트당 작업량(Work per byte)
- — 수행한 산술 연산 수를 HBM에서 읽은 바이트 수로 나눈 값입니다. 이 값이 높을수록 한 번 가져온 가중치를 여러 입력에 재사용하며, 하드웨어의 연산·메모리 균형점에 가까워집니다.
- 치명적 기억(Catastrophic remembering)
- — 에이전트 지침 파일에서 기존 규칙을 삭제하지 않고 새 규칙만 계속 추가해 파일이 누적적으로 비대해지는 현상입니다. 연구 게시물은 이를 catastrophic forgetting의 반대 개념으로 부릅니다.
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.