Aleph Alpha가 독일어와 영어용 오픈 웨이트 모델 Kolibri를 공개했다. 독일과 핀란드의 인프라에서 처음부터 학습했으며, 전문가 혼합(MoE) 구조로 전체 781억 개 파라미터 중 토큰당 34.6억 개만 활성화한다.
조직이 자체 서버에서 데이터와 모델 운영을 직접 통제할 수 있어, 독일어 중심 서비스를 온프레미스로 돌려야 하는 팀은 외부 API 대신 쓸 후보로 검토할 수 있고, 토큰당 활성 파라미터가 34.6억 개라 추론 비용 계산의 기준이 된다.
Redis 창시자가 ds4라는 도구로 LLM을 로컬에서 실행하는 방법을 Hacker News에 공개했다. 제목 외에 세부 사양이나 성능 수치는 알려지지 않았다.
로컬 추론 도구를 고르는 개발자는 ds4를 후보에 올려 API 호출 비용과 데이터 외부 전송 부담을 줄일 수 있는지 직접 따져볼 수 있다.
David Robinson은 OpenAI에서 주요 모델 출시마다 함께 나온 안전 보고서를 써 온 직원으로, 이번 주 사직했다. 그는 The Atlantic 기고문에서 업계 문화가 근본적으로 망가졌으며, 학습 방식에 규칙 몇 개를 더하는 것보다 깊은 문제라고 주장했다.
모델 출시 때 첨부되는 안전 보고서를 쓰던 사람이 내부 문화를 문제 삼은 만큼, OpenAI 모델을 도입하는 팀은 벤더가 공개하는 안전 문서를 그대로 믿을지 자체 평가로 보완할지 점검해야 한다.
Meta가 자사 AI 에이전트 Muse를 직접 만든 기기에 넣을 수 있도록 코드를 오픈소스로 공개했다. ESP32 보드나 Raspberry Pi에 SDK를 설치해 디스플레이, 버튼, 센서, 액추에이터와 연결하는 방식이며, 컬러 E Ink 디스플레이나 HDMI 스틱, 소형 터치스크린 기기 같은 프로젝트를 제안했다.
ESP32나 Raspberry Pi 같은 저가 하드웨어에서 Muse를 SDK로 직접 붙여볼 수 있어, 별도 기기 없이 에이전트 기반 하드웨어 프로토타입을 만들지 검토할 수 있다.
리눅스 커널 개발자 Greg Kroah-Hartman이 AI 보안 도구의 성과와 한계, 유지보수자의 대응을 다룬 발표를 했다. Mythos가 발견했다는 리눅스 취약점 79개에는 오탐·중복·이미 수정된 문제가 섞여 있다고 짚었다.
AI 보안 도구가 내놓는 취약점 보고를 그대로 받으면 오탐·중복 분류에 유지보수 시간이 들어가므로, 도구를 도입하는 팀은 발견 건수보다 검증과 수정 단계의 인력 계획을 먼저 잡아야 한다.
Hacker News에 "The Four Horsemen of Agentic Coding"이라는 제목의 글이 올라왔다. 제목은 에이전트 기반 코딩에서 문제가 되는 네 가지 요소를 다루는 글임을 시사한다.
에이전트형 코딩 도구를 도입하거나 운영하는 개발자라면 이 글이 꼽는 네 가지 위험 요소를 도구 선택과 검토 절차를 점검할 체크 항목으로 대조해 볼 수 있다.
AWS CEO가 데이터센터를 향한 광범위한 의구심에 반박하고 나섰다. Amazon은 더 이상 NDA를 사용하지 않는다고 밝혔다.
데이터센터 입지와 계약 정보가 이전보다 공개될 수 있어, 리전 선택이나 인프라 위험을 따질 때 확인할 근거가 늘어날 수 있다.