Who's Afraid of Chinese Models?

Stratechery의 벤 톰슨은 중국의 오픈웨이트 모델 Kimi K3가 최신 기술 수준에 근접하면서 벌어진 업계 논쟁을 분석했다. 그는 오픈웨이트 모델이 '무료'라는 통념을 반박하며, R&D는 매출과 무관한 고정비용이지만 추론(inference) 비용인 COGS는 매출에 비례해 실제로 발생한다고 설명했다. Kimi K3는 입력 토큰 100만 개당 3달러·출력 15달러로 Fable의 Sol(입력 5달러·출력 30달러)보다 저렴하지만, reasoning 단계에서 더 많은 토큰을 쓰기 때문에 가격 우위가 상쇄될 수 있다고 지적했다. 엔비디아 CEO 젠슨 황의 '토큰 팩토리' 프레이밍은 ChatGPT 중심의 1세대 AI에는 맞았지만, reasoning·에이전트 중심의 2세대에서는 토큰이 상품(commodity)이 아니라 지능(intelligence)을 구성하는 요소일 뿐이며, 모델 footprint·추론 효율성·메모리 효율성·서빙 효율성·토큰 효율성이 실제 비용을 좌우한다고 분석했다. 업계의 과잉 반응과 달리 진짜 우려는 사이버보안이다 — 기존 인프라를 공격할 수 있는 모델이 이미 널리 보급돼 있어, 방어자들도 최고 수준의 모델에 접근하도록 하는 것이 유일한 대응책이라고 강조했다.

BrainCo demonstrates brain-controlled robot AI platform

뇌-컴퓨터 인터페이스(BCI) 기업 BrainCo가 2026 세계인공지능대회(WAIC)에서 EEG 헤드셋 착용자가 생각만으로 로봇을 조작하는 플랫폼을 시연했다. 사용자가 뇌파를 통해 의도를 발생시키면 EEG 헤드셋이 이를 감지하고, AI 알고리즘이 모터 제어 의도로 해독한 뒤 로봇 명령으로 변환하는 3단계 과정을 거치며, 전체 처리에 200밀리초 미만이 소요된다. 상하이 시연에서는 컵을 쥐거나 사과를 집는 등 정밀도가 필요한 작업을 뇌파 제어 로봇팔이 완수했다. BrainCo는 이 플랫폼을 특정 하드웨어에 종속되지 않고 휴머노이드, 로봇팔, 다리형 로봇 등 다양한 상용 로봇과 호환되도록 설계했다고 밝혔다. 회사는 또한 로봇 훈련 데이터 부족 문제를 해결하기 위해 '임바디드 AI 데이터 수집 솔루션'을 함께 공개했다. 이 시스템은 듀얼암 휠 플랫폼과 고정밀 장갑을 이용해 로봇 실행·인간 시연·가상 시뮬레이션 데이터를 수집하며, 조작자의 EEG 데이터까지 함께 기록해 손의 동작뿐 아니라 그 동작을 지시한 뇌 신호까지 포착한다. 2015년 설립된 BrainCo는 이미 21자유도 로봇 손 'Revo 3', 오지의수 '지능형 바이오닉 핸드', 의족 무릎관절 등 3종의 로봇 제품을 보유하고 있다.

Google Is Building an AI Fence Around the Internet It Once Championed

구글이 지난해 검색 엔진에 AI를 전면 도입하면서 AI 모드가 기존 검색 결과 목록을 대화형 응답으로 대체하고 있다. 그 결과 이용자들은 그 어느 때보다 구글에서 많은 시간을 보내고 있지만, 정작 구글이 검색 결과를 통해 외부 웹사이트로 보내는 트래픽은 갈수록 줄어들고 있다. 이러한 변화는 검색 트래픽에 의존해온 언론사·콘텐츠 사이트 등 열린 웹 생태계를 위협하는 것으로 지적되며, AI가 짧은 기간 안에 기술 지형 전체를 얼마나 급격히 뒤바꿔놓았는지 보여주는 사례로 거론된다.

Human mathematicians are being outcounterexampled

정리 증명 보조 도구 Lean과 관련 형식화 커뮤니티를 이끄는 저자가 최근 수개월간 AI 도구들이 잇따라 난제의 반례를 찾아내며 수학 연구 속도를 바꾸고 있다고 서술했다. 2026년 5월 20일 ChatGPT가 이산기하학의 에르되시 단위거리 추측을 반박하는 반례를 제시했고, 이는 1960년대 골로드-샤파레비치 정리를 활용한 구성이었다. 이후 튜링상 수상자 얀 르쿤이 공동창업한 Logical Intelligence사의 시스템이 이 증명 전체를 Lean으로 자동 형식화했고, 5월 26일 필즈상 수상자 마이크 프리드먼이 저자에게 이를 공유했다. 6월 26일에는 오픈AI 소속 보리스 알렉세예프가 새 모델 'Sol'을 이용해 공리 외 어떤 것도 가정하지 않은 완전한 형식화를 3주 만에 120만 줄의 Lean 코드로 만들어냈는데, 이는 9년에 걸쳐 작성된 mathlib 라이브러리(230만 줄)에 필적하는 규모다. 이어 7월 6~10일 열린 'Formalizing Fermat' 워크숍에서는 참가자들에게 Claude Fable과 ChatGPT Pro가 무료 제공되었고, Logos Research의 자동형식화 도구가 저자가 제출한 AI 생성 수학 해설 문서에서 오류(또 다른 반례)를 발견하기도 했다.

The Productivity-Experience Paradox

소프트웨어 엔지니어링에 대한 AI의 영향을 연구한 저자의 석사 연구 후속 게시물로, 2024년 10월부터 2025년 4월까지 6개월간 진행된 설문을 바탕으로 한다. 참가자의 84%가 두 시점 모두에서 AI가 생산성을 개선했다고 응답했고, 이 수치는 연구 기간 내내 안정적으로 유지됐다. 그러나 DevEx 프레임워크(피드백 루프, 인지 부하, 몰입 상태)로 측정한 개발자 경험은 반대 방향으로 움직였다. 세 가지 차원 모두 개선됐다고 느낀 '긍정 그룹'은 시간이 지나며 급감했고 처음 긍정 그룹에 속했던 이들 중 37%만 끝까지 긍정을 유지했으며, 세 차원 중 하나라도 악화됐다고 느낀 '부정 그룹'은 14%에서 27%로 거의 두 배 늘었다. 특히 몰입 상태(flow state)가 가장 크게 악화돼 '나쁨' 응답이 10%에서 21%로 늘었다. 한번 부정 그룹으로 이동한 참가자 중 완전히 긍정으로 복귀한 사례는 없었으며, 최선의 경우도 중립으로 되돌아가는 데 그쳤다. 저자는 그동안 업계가 당연시해온 '개발자 경험과 생산성은 함께 움직인다'는 DevEx 프레임워크의 전제가 AI 도입 이후 흔들리고 있다고 지적한다.

Agent swarms and the new model economics

Cursor가 다수의 AI 에이전트를 협업시켜 대규모 소프트웨어를 자동 구축하는 '에이전트 스웜' 실험 결과를 공개했다. 이전에는 브라우저를 처음부터 만드는 실험을 진행했으나 완성도가 낮았고, 이번에는 문서만으로 SQLite를 Rust로 재구현하는 과제로 신구 스웜을 비교했다. 동일 모델·시간 예산 조건에서 신형 스웜은 모든 모델 구성에서 구형보다 우수했으며, Grok 4.5를 사용했을 때 4시간 만에 held-out SQL 테스트 스위트의 80%를 통과한 반면 구형 스웜은 2시간을 채우지 못하고 중단해야 했다. 스웜은 똑똑한 모델이 작업을 쪼개 위임하는 '플래너'와 빠르고 저렴한 모델이 실행하는 '워커'로 구성되며, 이 트리형 구조 덕에 단일 에이전트가 장기 작업에서 겪는 '드리프트' 문제를 완화한다고 설명했다. 초당 약 1,000건의 커밋이 발생하는 규모(과거 브라우저 스웜의 시간당 약 1,000건 대비 대폭 증가)를 지원하기 위해 자체 버전관리시스템(VCS)을 새로 구축했으며, 플래너 간 중복 설계('split-brain'), 플래너 간 충돌, 병합 충돌, '메가파일' 등 인간 팀에서는 잘 나타나지 않는 실패 유형에 대해 설계 문서 공유, 중립 조정 에이전트 개입 등의 해법을 마련했다.

Google is building a chip with Gemini baked into the silicon

구글이 'Frozen v2'로 불리는 프로젝트를 통해 제미나이의 신경망 구조 자체를 칩 회로에 하드코딩하는 방식을 시도하고 있다고 The Information이 보도했고, 이를 로이터와 블룸버그 로가 후속 인용했다. 기존 AI 칩은 범용 구조로 모델을 메모리에 올려 구동하지만, Frozen v2는 제미나이의 설계를 회로에 고정시키고 가중치만 갱신 가능하게 하는 방식이다. 이 접근이 구글 최신 커스텀 AI 칩 대비 토큰당 전력 효율을 6~10배 높일 수 있다고 전해졌으며, 기존 TPU를 대체하는 것이 아니라 별도 라인으로 개발되고 배포는 빠르면 2028년으로 목표된다. 보도에 따르면 이는 구글 내부의 AI 컴퓨팅 용량 부족 문제에 대한 대응 성격도 있으며, 실제로 구글 클라우드가 일부 외부 고객 수요를 거절한 상황도 있었다고 한다. 구글은 프로젝트를 공식 확인하지 않았고, 대변인은 팀들이 고효율 아이디어를 실험 중이며 모든 연구 프로젝트가 제품화되는 것은 아니라고만 밝혔다. 유사한 접근으로 스타트업 Taalas는 이미 모델 가중치와 구조를 칩에 직접 인쇄하는 'Hardcore' 칩을 판매 중이며, 초당 최대 17,000토큰 처리와 고대역폭 메모리 불필요 등을 주장하고 있다.

AMD launches Helios, its first rack AI system to rival Nvidia, adding Microsoft as newest buyer

AMD가 첫 랙 스케일 AI 시스템 '헬리오스(Helios)'를 발표했으며, 마이크로소프트가 애저 데이터센터에 이를 도입한다고 밝혀 메타, 오픈AI, 오라클에 이어 새 대형 고객으로 합류했다. 헬리오스는 AMD의 GPU·CPU·네트워킹·소프트웨어를 통합한 랙 시스템으로, 엔비디아의 그레이스 블랙웰·베라 루빈 시스템에 맞서는 첫 실질적 경쟁 제품이며 올해 하반기부터 고객사에 출하될 예정이다. 사티아 나델라 마이크로소프트 CEO는 애저 인프라 포트폴리오 확장을 위해 AMD 헬리오스를 채택한다고 밝혔으며, 마이크로소프트는 AMD의 최신 '베니스' CPU 기반 신규 컴퓨팅 인스턴스 두 종도 함께 도입한다. 가격은 공식 공개되지 않았으나 Futurum Group은 헬리오스가 대당 500만~550만 달러, 엔비디아 베라 루빈은 350만~400만 달러 수준일 것으로 추정했다. AMD는 상위 10대 AI 기업 중 8곳이 자사 인스턴트 GPU로 워크로드를 구동 중이라 밝혔으며, 현재 데이터센터 GPU 시장 점유율은 약 4.5%(엔비디아는 95% 이상)이지만, 2027년부터 헬리오스 중심으로 수십억 달러 규모의 데이터센터 AI 매출을 기대하고 있다.