795달러 천장 로봇이 동전은 주우면서 책은 놓치는 이유
바닥에 떨어진 동전은 척척 주워 담지만, 정사각형 모양의 책은 들지 못하는 로봇이 있습니다. 미국 기업 뉴팬글드 로보틱스(Neufangled Robotics)가 판매하는 천장 설치형 로봇 '스트링맨(Stringman)'의 이야기입니다. 가격은 조립형 제품 기준 795달러(약 100만 원)입니다. 제작자인…
카테고리
Claude Code agent_summary: 30초마다 전체 컨텍스트를 재전송하는 상태 표시줄의 비용 구조와 현재 차단 수단
Claude Code에서 백그라운드 에이전트를 사용 중이라면, 에이전트 패널 옆에 뜨는 '파일 수정 중…' 같은 상태 표시줄 텍스트를 위해 뒤에서는 상당한 양의 토큰이 소모될 수 있습니다. 2026년 8월 배포된 버전 2.1.232부터 인터랙티브 백그라운드 에이전트에는 agentsummary라는 기능이 기본…
로컬 LLM 벤치마크: 평균 성공률과 반복 성공의 차이
평균 성공률이 비슷한 두 모델이라도 같은 과제를 반복했을 때의 결과는 다를 수 있습니다. 한 번이라도 풀어 본 과제가 많다는 것과, 같은 과제를 다섯 번 연속 통과했다는 것도 서로 다른 이야기입니다. 도구를 사용하는 LLM의 벤치마크를 읽을 때 이 차이를 놓치면, 표 안에 있는 숫자를 보고도 성공과 실패가 어떻게…
토큰 효율을 2배 높이는 '딥시크 MCP' 연동법: 긴 작업은 AI에게, 중요한 판단은 나에게
AI 기반 개발 워크플로우에서 비용과 효율의 균형점은 어디일까요. 최근 대형 언어 모델(LLM)을 보조 도구로 활용하는 워크플로우에서 토큰 낭비를 줄이면서 성능을 유지하는 방식이 주목받고 있습니다. 그 중심에는 MCP(Model Context Protocol)를 활용한 딥시크(DeepSeek) 모델 연동이…
가중치를 코딩한다: GPT-6 Astra의 '가중치 공간 프로그래밍'이 여는 새로운 최적화 패러다임
AI가 모델을 더 훈련하는 대신 모델의 뇌세포인 가중치를 직접 읽고 고치는 시대가 열리고 있습니다. OpenAI의 프런티어 모델 GPT-6 Astra는 기존 LLM 최적화가 프로프트나 하이퍼파라미터에 의존하던 한계를 넘어, 미분 가능한 신경망 자체의 가중치를 자연어 명세에 맞춰 직접 수정하는 '가중치 공간…
240달러로 배운 1.35B 한국어 모델: VRAM 함정과 평가 지표의 배신
개인 GPU만으로 한국어 중심의 1.35B 파라미터 모델을 처음부터 학습하는 실험이 공개되었습니다. scarlet-alpha-1.3b-preview 프로젝트는 총 240달러의 비용으로 약 22B 토큰 규모의 사전학습을 완수하며 기술적 진입장벽을 낮추었으나, 동시에 소형 모델이 직면한 하드웨어와 데이터의 한계를…
AI가 직접 실험실에 간다: 아스테로모프의 자율 생물학 연구소 구축과 그 의미
인공지능(AI)이 단순한 데이터 분석 보조 도구를 넘어, 새로운 과학적 가설을 제안하고 실험 프로토콜까지 스스로 설계하는 단계에 진입하고 있다. 국내 AI 스타트업 아스테로모프는 과학적 초지능 모델 '스페이서(Spacer)'의 초기 연구 결과를 통해 AI가 제시한 생물학 가설과 구체적인 실험 계획을 공개했다.…
올트먼의 “로컬 추론은 낭비” 발언과 머스크의 반박: 하드웨어 시장의 실제 반응
샘 올트먼 오픈AI 최고경영자(CEO)는 2026년 10월 29일, 팟캐스트 ‘치키 파인트(Cheeky Pint)’에 출연해 개인용 PC의 로컬 추론(Local Inference)을 "끔찍한 자원 배분"이라고 규정했습니다. 공급이 제한된 D램을 개인이 상당량 보유하고 있으며 실제 활용률은 5%에 불과하므로, 글로벌…
KAIST, AI 학습 효율성과 데이터 드리프트 대응 기술 공개
KAIST 연구진이 최근 공개한 새로운 학습 기술은 복잡한 연산 과정을 최적화하여 자원을 효율적으로 사용함으로써, AI 기초 학습 과정의 시간적 부담을 줄이는 데 초점을 맞추고 있습니다. KAIST의 이번 연구는 AI 모델의 학습 효율성을 높이는 두 가지 주요 방향을 제시합니다. 하나는 훈련 시간 자체를 획기적으로…
100초에서 26초로, 가정용 PC에서 LLM 에이전트를 20배 빠르게 만든 두 가지 기법
가정용 PC에서 동작하는 LLM 에이전트가 첫 단어를 뱉어내기까지 100초를 기다려야 한다면, 그 대화는 실사용을 담보하기 어렵습니다. 그런데 데이터를센터나 클라우드 없이 일반 게임용 GPU와 표준 메모리만으로도 이 대기 시간을 26초까지 줄여, 에이전트 세션 체감 속도를 20배 높인 사례가 2026년 11월 2일…
JEPA로 증명하는 플라톤 표현 가설: 규모 대신 '좋은 뷰'를 택한 AI의 새로운 좌표
JEPA 연구의 좋은 뷰 조건, 42배 샘플 효율의 비교 범위, 캡셔닝과 쌍 없는 정렬의 차이를 원논문과 공개 코드로 살펴봅니다.
2026년 OTT 개인화 추천: 시청 기록을 넘어 ‘경험’을 설계하는 AI의 진화
2026년 온라인 동영상 서비스(OTT) 시장에서 콘텐츠 탐색의 패러다임이 변화하고 있습니다. 사용자의 시청 기록과 행동 패턴을 분석해 맞춤형 콘텐츠를 제시하는 기술을 넘어, 플랫폼의 인터페이스와 콘텐츠 소비 경험 자체를 개인별로 재설계하는 흐름이 강화되고 있습니다. 본 글에서는 2026년 OTT 시장의 데이터와…