Mistral이 총 1조 개 파라미터, 활성 파라미터 490억 개의 Mistral Large 4 프리뷰를 API로 내놓았고, 오픈 웨이트는 이달 말 공개를 예고했다. 이 모델은 텍스트와 이미지 입력, 100만 토큰 문맥을 지원하며, Artificial Analysis 점수는 38로 지난 12월 Mistral Large 3의 9에서 올랐다.
Mistral API의 추론 수준이 "none"과 "high" 두 가지뿐이라 비용·지연 조절 폭이 좁고, 오픈 웨이트가 풀리면 자체 호스팅 선택지를 검토할 수 있다.
Google DeepMind가 개방형 경량 멀티모달 임베딩 모델 EmbeddingGemma 2를 내놨다. Simon Willison은 이 모델이 Apache 2.0 라이선스라는 점을 높이 평가하며, 임베딩 모델은 비공개 호스팅 전용 모델을 쓰는 것이 맞지 않다고 밝혔다.
벡터 수천~수백만 개를 저장해 두는 검색·RAG 설계에서, 공급사가 모델을 중단하면 전체를 다시 임베딩해야 하는 비용 위험을 Apache 2.0 가중치로 피할 수 있다.
Google은 10월 9일부터 무료 플랜 Gemini 사용자를 Flash Lite 모델로 제한한다. 표준 Flash는 월 $4.99의 Google AI Plus 구독이 필요하고, AI Plus에서도 Gemini Pro가 빠져 Pro와 "Deep Think"는 Google AI Pro 또는 Ultra 구독자만 쓸 수 있다.
Gemini의 무료 계층으로 프로토타입이나 개인 도구를 돌려 온 개발자는 10월 9일 이후 Flash Lite로 응답 품질이 떨어질 수 있어, 모델 의존 지점을 점검하고 유료 구독이나 다른 모델로 옮길 비용을 따져야 한다.
Hacker News에 Opus 5.5 에이전트가 상온 자성 반도체 후보 물질 두 가지를 찾아냈다는 소식이 올라왔다. 제목이 전하는 내용은 여기까지이며, 후보 물질은 후보 단계로 소개되었다.
에이전트에 과학 탐색 같은 장기 과제를 맡기려는 개발자라면 후보 도출과 실험 검증 단계를 나눠 설계하고, 검증 비용을 따로 잡아야 한다.
Hacker News에 "Dust: Pretraining Transformers Without Backpropagation"이라는 제목의 글이 올라왔다. 제목은 역전파(backpropagation) 없이 Transformer를 사전학습하는 방식을 다룬다고 밝히고 있다.
역전파에 의존하지 않는 사전학습이 실제로 통한다면 학습 때 활성값을 저장하는 메모리 부담과 학습 파이프라인 설계가 달라질 수 있어, 학습 인프라를 짜는 개발자는 방법의 규모와 성능 검증 여부를 먼저 확인해야 한다.
Anthropic이 Cyber Verification Program을 확대한다고 발표했다. 구체적인 확대 범위와 조건은 제목만으로는 확인되지 않는다.
보안 업무에 Claude를 쓰는 개발자는 프로그램 참여 자격과 적용 범위가 바뀌는지 공식 공지에서 확인해 도구 선택에 반영해야 한다.
Anthropic의 Felix Rieseberg에 따르면 기존 Cowork는 모델 추론은 클라우드에서, 도구 호출은 사용자 컴퓨터에 설치된 VM에서 실행했고, 이로 인해 디스크·배터리·성능 부담과 노트북을 닫으면 작업이 멈추는 문제가 있었다. 새 버전은 추론과 VM을 모두 클라우드에서 돌리며 세션마다 별도 샌드박스를 쓰고, 기기의 파일이 필요하면 데스크톱 앱이 파일 접근 도구 호출을 맡는다.
에이전트 실행 환경을 설계할 때 샌드박스를 로컬에 둘지 클라우드에 둘지가 배터리 부담, 작업 지속성, 기기 파일 접근 경로를 가르는 선택이라는 사례다.