AI

애플 "번역 품질 평가, 사람도 AI도 쉽지 않다"… LLM 평가자 신뢰성 검증 논문 공개

애플이 대규모언어모델(LLM)을 기계번역 품질 평가에 쓸 수 있는지 따져본 연구 논문을 공개했다. 애플은 지난 12일 자사 머신러닝 연구 사이트(Apple Machine Learning Research)에 「Large Language Models for Machine Translation Quality Annotation: Humans and Models Are Both Challenged」라는 제목의 논문을 올렸다. 제목을 우리말로 옮기면 '기계번역 품질 주석 작업에서의 대규모언어모델: 사람과 모델 모두 어려움을 겪는다'이다. 번역 품질을 판정하는 일이 AI뿐 아니라 사람에게도 까다롭다는 점을 제목에서부터 내세운 셈이다.논문 초록에 따르면 연구진은 문제의식을 이렇게 밝혔다. 기계번역을 평가할 때 LLM은 사람의 판단보다 효율적이고 비용이 적게 드는 대안으로 여겨진다. 그러나 기계번역 평가는 언어 쌍이 매우 많고, 분야(도메인)도 다양하며, 오류를 얼마나 세밀하게 표시하느냐는 기준도 제각각이다. 따라서 LLM을 사람 평가의 대안으로 믿고 쓰려면 먼저 이 여러 측면에서 충분히 검증해야 한다는 것이 연구진의 주장이다.연구진이 검증 대상으로 삼은 평가 체계는 두 가지다. 하나는 번역 오류를 유형과 심각도에 따라 나눠 점수를 매기는 '다차원 품질 지표(MQM, Multidimensional Quality Metrics)'이고, 다른 하나는 번역문에서 오류가 있는 구간을 직접 표시하는 '오류 구간 주석(ESA, Error Span Annotation)'이다. 둘 다 기계번역 연구에서 널리 쓰이는 평가 방식이다. 연구진은 이 두 체계에서 LLM이 내린 평가가 사람 평가자의 판단과 얼마나 일치하는지 비교했다.다만 공개된 초록 요지에는 어떤 LLM을 실험에 썼는지, 어떤 언어 쌍을 대상으로 했는지, 사람과 모델의 일치도가 구체적으로 어느 수준이었는지는 나와 있지 않다. 제목이 말하는 '사람과 모델 모두의 어려움'이 정확히 무엇을 가리키는지도 초록 요지만으로는 확인되지 않았다

애플, 쉬고 있는 맥 GPU를 묶어 'AI 추론 클라우드'로…논문 「Minions」 공개

애플이 업무 중에도 대부분 놀고 있는 맥(macOS) 기기의 GPU를 한데 모아 대규모 머신러닝 추론 작업을 처리하는 '가상 GPU 클라우드' 구상을 내놨다. 애플 머신러닝 연구(Apple Machine Learning Research) 사이트에 따르면 애플은 지난 12일 「Minions: A Dynamic and Distributed Virtual GPU Cloud Built on Idle Apple Silicon Devices」라는 제목의 논문을 공개했다. 애플은 연구 성과를 외부 논문 공유 플랫폼보다 자사 사이트에 먼저 올리는 경우가 많다. 그래서 이 사이트는 애플의 AI 연구 방향을 엿볼 수 있는 통로로 꼽힌다.논문 초록을 보면 연구진은 중앙집중식 GPU 인프라의 한계에서 출발했다. GPU 가속 머신러닝 추론 수요가 늘어나면서 높은 비용과 제한된 탄력성이 문제로 드러났다는 것이다. 탄력성은 필요에 따라 자원을 늘리고 줄이는 능력을 말한다. 자원이 부족할 때 대기 시간이 길어지는 문제도 함께 꼽혔다. 반면 애플 실리콘을 탑재한 최신 맥에는 성능 좋은 GPU가 들어 있지만, 평소 쓰임새에서는 대부분 유휴 상태로 남아 있다고 연구진은 지적했다.Minions는 이 간극을 메우려는 시도다. 여러 대의 맥에 흩어져 있는 유휴 애플 실리콘 GPU를 모아 동적·분산형 가상 GPU 클라우드처럼 운용하고, 그 위에서 대규모 머신러닝 추론 워크로드를 돌리는 방식이다. 초록은 이 시스템이 팀이 이미 가진 기기를 활용할 수 있게 해 준다는 취지로 이어지지만, 공개된 요지는 그 대목에서 끊긴다. 따라서 작업을 기기 사이에 어떻게 나누는지, 성능이 어느 수준인지, 실험 규모가 어느 정도인지는 이번 자료로 확인되지 않았다. 원래 사용자가 기기를 쓰는 데 어떤 영향을 주는지도 확인되지 않았다. 이 논문이 동료평가를 거쳤는지도 밝혀지지 않았다.이 연구가 눈에 띄는 이유는 접근 방향에 있다. 지금까지 AI 연산 자원이 부족할 때의 해법은 주로 데이터센터에 GPU를 더 들여놓는 쪽이었다.

엔비디아, 'RTX 스파크' 출시 기념행사 16일 서울 코엑스 등 6개 도시서 개최

엔비디아는 'RTX 스파크' 출시를 하루 앞두고 공식 블로그(NVIDIA Blog)에서 16일(현지시간) 서울을 포함한 세계 6개 도시에서 출시 기념행사를 연다고 밝혔다. RTX 스파크는 새 윈도 PC 플랫폼으로, 엔비디아는 이를 크리에이터와 게이머, AI 에이전트를 위해 만든 PC라고 소개했다.행사는 샌프란시스코, 베를린, 타이베이, 베이징, 이스탄불, 서울에서 열린다. 행사장에서는 창작·개발·게임 시연을 직접 해 보고 로컬 AI 활용 사례를 체험할 수 있다. 서울 행사는 코엑스 동측 로비에서 열린다. 오후 7시 체험 시연으로 시작해 8시부터 게임·AI 크리에이터 프로그램이 이어지고, 9시 30분에 끝난다. 사전 등록은 필요 없다.온라인 참여 이벤트도 함께 진행한다. 처음 쓴 윈도 PC에 얽힌 이야기를 '#ShareYourSpark' 해시태그와 함께 올리면 된다. 참여자에게는 젠슨 황 엔비디아 최고경영자(CEO)가 서명한 에이수스 '프로아트 P14 RTX 스파크' 노트북을 받을 기회가 주어진다.블로그는 톰스하드웨어, 트러스티드리뷰, 톰스가이드 등 해외 매체의 리뷰 평가도 함께 소개했다. 이 가운데 톰스하드웨어는 엔비디아와 마이크로소프트, 협력사들이 첫 시도에서 성능과 호환성, 완성도를 모두 갖춘 플랫폼을 내놓았다고 평가했다.

美 AI 연구소 리플렉션, 첫 모델 '빔' 공개…5010억 매개변수 오픈 모델

허깅페이스(Hugging Face)는 공식 블로그를 통해 미국 신생 AI 연구소 리플렉션(Reflection)의 첫 모델 '빔(Beam)'이 자사 플랫폼에 공개됐다고 밝혔다. 빔은 전체 매개변수 5010억 개 가운데 토큰당 230억 개만 활성화하는 전문가 혼합(MoE) 구조의 텍스트 전용 모델이다. 최대 100만 토큰의 문맥을 처리할 수 있으며, 아파치 2.0 라이선스로 배포된다.허깅페이스에 따르면 빔은 코딩과 에이전트 작업에 초점을 맞춘 모델이다. 대형 모델을 자체 하드웨어나 인프라, 클라우드에서 직접 운영하면서 용도에 맞게 고쳐 쓰려는 팀을 겨냥했다. 트랜스포머스(transformers)와 vLLM, SGLang에서 공개 첫날부터 지원되며, 추론과 지도 미세조정(SFT), 강화학습(RL)용 레시피도 함께 제공된다. BF16 기준 약 1TB인 모델은 NVFP4 체크포인트를 쓰면 약 280GB로 줄어든다. 허깅페이스는 이 경우 엔비디아 B200 GPU 4장으로 운영하는 구성을 권장했다.리플렉션은 빔을 활용한 우수 프로젝트를 골라 허깅페이스 허브 크레딧 1만 달러를 지급할 계획이다.

오픈AI, 글로 설명해 맞춤 음성 만드는 'GPT-Live' 기능 전면 공개… 한국어 음성 '노을' 추가

오픈AI가 텍스트 설명만으로 맞춤형 음성을 만들 수 있는 '프롬프트 음성 생성(prompt-to-voice)' 기능을 모든 API 고객에게 공개했다. 오픈AI가 개발자 문서에 올린 OpenAI API 공식 변경 이력에 따르면, 회사는 10월 16일 실시간 음성 모델 'gpt-live-1'에 이 기능을 적용하고 독일어·프랑스어·힌디어·일본어·한국어 음성 9종을 새로 추가했다.변경 이력에 따르면 개발자는 원하는 목소리를 글로 설명해 맞춤 음성을 만들 수 있다. API로 만들어도 되고, 오픈AI의 음성 플레이그라운드(voice Playground)에서 만들어도 된다. 이렇게 만든 음성은 GPT-Live 세션에서 다시 불러 쓸 수 있다. 관련 엔드포인트로는 음성을 다루는 'v1/audio/voices'와 실시간 세션을 담당하는 'v1/live/sessions'가 적혀 있다. 녹음 샘플 없이 목소리의 특징을 글로 적는 것만으로 서비스에 맞는 음성을 만들 수 있다는 얘기다.요금 체계도 함께 공개됐다. 프롬프트로 음성을 만드는 것 자체는 무료다. 다만 만든 음성으로 실제 말을 생성할 때는 일반 GPT-Live 세션과 같은 요금이 붙는다. 음성을 새로 만든다고 추가 비용을 받지는 않고, 기존처럼 사용량에 따라 과금하는 방식이다. 세부 단가는 이번 변경 이력에 적혀 있지 않았다.기본 제공 음성도 늘었다. 오픈AI는 GPT-Live용 '자연스러운 음성' 9종을 추가했다. 독일어 음성은 누리(Nuri), 주니(Juni), 플리츠(Flitz) 3종이고, 프랑스어는 브리즈(Brise)와 시야주(Sillage) 2종이다. 힌디어는 니라(Nira) 1종, 일본어는 하레마(Harema)와 시다(Shida) 2종이다. 한국어로는 '노을(Noeul)'이 새로 들어갔다. 변경 이력에는 언어별 음성 이름만 나와 있고, 성별이나 음색 같은 특징은 설명되지 않았다.이번 업데이트는 실시간 음성 AI 시장의 흐름과 맞닿아 있다. 고객 상담 봇, 음성 비서, 교육·게임 속 캐릭터처럼 AI가 사람과 바로

구글 연구진, 'AI 에이전트끼리 정보가 엇갈릴 때' 평가하는 벤치마크 공개…최신 모델도 마무리 작업 58% 넘게 실패

여러 AI 에이전트가 함께 컴퓨터 작업을 할 때 생기는 '충돌'을 평가하는 벤치마크가 나왔다. 사전공개 논문 저장소 arXiv에 올라온 논문(arXiv:2610.19128)에 따르면, 구글 소속 Yuxiang Lai 등 연구진 9명은 충돌 상황을 자동으로 만들고 결과를 검증할 수 있는 프레임워크 'CLASHarness(Conflict-Loaded Agent Scenario Harness)'를 내놨다. 여러 단계로 이어지는 과제 600개로 구성된 벤치마크도 함께 공개했다. 최신 모델 15종을 평가해 보니, 가장 앞선 모델들도 작업을 끝내는 마무리 동작의 58% 이상에서 실패했다.이 연구는 비전-언어 모델(VLM)이 멀티에이전트 시스템에 들어가 복잡한 컴퓨터 작업을 자동으로 처리하는 일이 늘어난 상황에서 나왔다. 연구진은 지금까지의 벤치마크가 대부분 정보가 일관되고 에이전트끼리 서로 협조하는 환경을 전제로 했다고 지적했다. 실제 협업은 그렇지 않다. 동료 에이전트나 하위 에이전트가 이미 지난 상태를 보고하기도 하고, 서로 맞지 않는 지시를 내리기도 한다. 공유 권한이나 파일을 놓고 경쟁하는 일도 흔하다. 그래서 에이전트는 다른 에이전트의 결과를 그대로 믿지 말고 실제 환경에서 사실을 직접 확인해야 한다.이런 충돌 해결 능력은 평가하기도 어렵다. 사람이 과제를 하나씩 만들면 복잡한 시스템 전반으로 넓히기 힘들다. 대규모 언어모델(LLM)에 맡기면 시나리오가 처음 설정에서 벗어나거나, 정답이 문제에 드러나거나, 충족할 수 없는 채점 기준이 생기는 문제가 있다고 연구진은 설명했다.CLASHarness는 계층적 시나리오 설계에 8단계 검증 파이프라인을 결합해 이 문제를 풀었다. 과제 화면을 만들기 전에 정답을 가르는 핵심 시각 정보를 먼저 정해 두고, 실제로 실행해 본 기준 작업 경로(참조 궤적)를 바탕으로 코드 기반 채점기와 의미 기반 채점기를 함께 만든다. 연구진은 이렇게 하면 모든 과제가 처음부터 풀 수 있는 형태로 만들어진다고 밝혔다.15개 모델을 평가한 결과 연

USC 연구진, 코딩 에이전트가 '코드로 3D 세계' 짓는 연구 생태계 '3DCodeVerse' 공개

미국 서던캘리포니아대(University of Southern California) 연구진이 코딩 에이전트가 수정하고 검증할 수 있는 3D 콘텐츠를 대량으로 만들게 하는 연구 생태계 「3DCodeVerse」를 내놨다. 논문 사전공개 사이트 arXiv에 올라온 「3DCodeVerse: Exploring 3D Worlds as Code」(arXiv:2610.22341) 초록에 따르면, 연구진은 실행 가능한 3D 코드 200만 건 규모의 데이터셋과 생성 결과를 자동으로 평가·수정하는 멀티 에이전트 프레임워크를 함께 공개했다. 논문에는 Yipeng Gao 등 19명이 저자로 이름을 올렸다. 이 논문은 연구자 커뮤니티 플랫폼 허깅페이스의 일일 논문 목록에서 추천 22회를 받았다.초록을 보면 3DCodeVerse는 크게 세 부분으로 이뤄진다. 첫째는 독립 실행형 3D 코드를 모은 데이터셋 「3DCodeVerse-2M」이다. 연구진은 오픈소스 데이터를 모으고, 특수한 3D 표현 방식을 코드로 바꾸고, 코딩 에이전트로 새 프로그램을 만드는 세 가지 방법으로 이 데이터를 구축했다. 각 프로그램에는 지정된 실행 환경에서 돌리는 데 필요한 소스 파일과 관련 에셋이 함께 묶였고, 설명과 검증 기록이 있으면 같이 담겼다.둘째는 「3DCodeVerse 하네스」다. 3D 콘텐츠를 만들고 다듬는 멀티 에이전트 프레임워크로, 작업 흐름을 방향성 비순환 그래프(DAG) 형태로 짠다. 실행 검사와 공간 측정, 시각 피드백을 이용해 생성된 프로그램을 자동으로 평가하고 고치며, 생성하는 동안 사람의 피드백은 받지 않는다. 셋째로 연구진은 3D 코딩을 체계적으로 실험했다. 오픈 모델을 미세조정해 기준 성능을 세우고, 하네스를 구성 요소별로 분석해 실무에 쓸 수 있는 지침을 정리했다.이런 연구가 나온 배경에는 3D 콘텐츠를 '결과물'이 아니라 '코드'로 다루려는 흐름이 있다. 메시나 이미지로 바로 3D 모델을 만들면 나중에 일부만 고치기 어렵고, 결과가 맞는지 확인하기도 쉽지 않다. 반면 3D 장면을

오픈AI, 실시간 음성 'GPT-Live'에 '디시전스' 기본 연동… 사용자가 말하는 중에도 앱이 동작한다

오픈AI가 실시간 음성 대화 기능 'GPT-Live'에 '디시전스(Decisions)'를 기본 연동했다. 15일(현지시간) 오픈AI가 개발자 문서의 OpenAI API 공식 변경 이력에 올린 항목에 따르면, 이번 업데이트로 개발자가 만든 앱은 사용자가 말하는 도중에도 동작을 실행할 수 있고, GPT-Live가 하는 말에 맞춰 반응할 수도 있다. 적용 대상은 gpt-live-1과 gpt-6-luna 두 모델, 그리고 실시간 세션 엔드포인트인 v1/live/sessions다. 이날 변경 이력에 새로 올라온 항목은 이것 하나다.변경 이력에 적힌 연동 방식은 두 가지다. 첫째는 '네이티브 위임(native delegation)'이다. GPT-Live가 디시전스를 직접 호출하도록 맡기는 방식으로, 개발자가 호출 시점을 하나하나 정하지 않아도 모델이 대화 흐름 속에서 알아서 결정 기능을 부른다. 둘째는 대화록(transcript) 델타를 기준으로 결정을 실행하는 방식이다. 델타는 실시간으로 조금씩 도착하는 텍스트 조각을 말한다. 사용자의 발화가 입력 대화록으로 바뀌는 순간이나 GPT-Live의 응답이 출력 대화록으로 나오는 순간을 신호로 삼아 개발자가 원하는 결정 로직을 돌릴 수 있다는 뜻이다. 첫 번째가 모델에게 판단을 맡기는 방식이라면, 두 번째는 개발자가 실행 시점을 직접 쥐는 방식이다.이번 변경은 '말하는 동안 동작한다'는 점에 무게가 실려 있다. 음성 기반 서비스는 대개 사용자가 말을 마친 뒤 이를 해석하고, 그다음에야 응답이나 후속 동작을 처리한다. 이렇게 순서대로 처리하는 구조는 대화가 끊기거나 반응이 늦어지는 원인으로 꼽혀 왔다. 이번 연동은 이 순서를 겹치게 만들 수 있다. 사용자의 말이 대화록으로 들어오는 중간에도 앱이 판단을 내리고 행동할 수 있기 때문이다. 오픈AI가 변경 이력에서 '사용자가 말하는 동안 앱이 행동할 수 있다'고 쓴 것도 이 지점을 가리킨다.개발자 입장에서는 음성 에이전트를 설계하는 방식이 달라질 수 있다. 실시간 음성 세션과 결정

엔비디아, 2주 새 '네모트론 3.5' 모델 잇달아 공개… IBM·미스트랄도 허깅페이스에 새 모델

엔비디아가 10월 7일부터 15일 사이 허깅페이스에 '네모트론(Nemotron) 3.5' 계열 모델을 연달아 올렸다. 같은 기간 IBM과 미스트랄도 새 모델을 공개했다. 허깅페이스에 올라온 각 기업 공식 계정의 모델 카드를 정리한 결과다.가장 큰 모델은 10월 11일 공개된 'NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16'이다. 이미지와 텍스트를 함께 이해하는 모델이고, 모델 카드에 적힌 매개변수는 1,245억 개다. 기본 모델(Base) 버전도 함께 공개됐다. 엔비디아는 이 모델을 NVFP4 형식으로 양자화한 버전 2종도 같이 올렸다. NVFP4는 엔비디아의 4비트 데이터 형식이다. 같은 날 공개된 모델 목록에는 'Bolt-74B-A9B-24GB-LiLiCorr'와 Kimodo·ARDY 계열 모델 3종도 들어 있다. Kimodo 계열 2종의 매개변수는 2.8억 개로 표기됐다. 다만 이 모델들의 구체적인 용도는 확인되지 않았다. LiLiCorr 모델의 매개변수는 6.7억 개로 적혀 있는데, 이름에 붙은 '74B'와 차이가 크다. 이 숫자는 모델 카드 표기를 그대로 옮긴 것이다.앞서 10월 7일에는 'NVIDIA-Nemotron-3.5-Bolt-74B-A9B' 2종이 먼저 나왔다. 이 역시 이미지·텍스트 이해 모델이다. 매개변수는 BF16 버전이 749억 개, '24GB' 버전이 224억 개로 표기됐다. 24GB 버전은 개인 PC에서 돌릴 수 있도록 GGUF 형식 양자화 버전도 함께 배포됐다. Super-VL과 Bolt 모두 지원 언어는 영어·스페인어 등 6개로 적혀 있다.10월 15일에는 검색 결과의 순서를 다시 매기는 'Nemotron-3.5-Rerank-8B-BF16'(매개변수 83.8억 개)이 공개됐다. 지원 언어는 34개이고 여기에 한국어가 들어 있다. 엔비디아 모델의 라이선스는 모두 엔비디아 자체 라이선스다.이번 모델들은 이름에 'A12B', 'A9B'처럼 'A'가 붙는다. 업계에서 이 표기는 보통 전문가 혼합(MoE)

오픈AI, 코덱스로 만든 사이트에 '자동 데이터 갱신·방문자별 개인화' 기능 소개

오픈AI가 AI 코딩 에이전트 '코덱스(Codex)'로 만든 웹사이트에 두 가지 기능을 소개했다. 데이터를 자동으로 최신 상태로 유지하는 기능과 방문자마다 다른 화면을 보여주는 기능이다. 오픈AI는 16일 공식 유튜브 채널에 1분 분량 영상 'Build more personal sites with Codex(코덱스로 더 개인화된 사이트 만들기)'를 올렸다. 영상 설명에서 오픈AI는 이 기능을 "팀의 사이트를 최신 상태로 유지하고, 각 방문자에게 맞춰 개인화하라"는 한 문장으로 소개했다.영상 설명을 보면 이번 기능은 크게 두 가지다. 첫째는 '예약 작업(scheduled tasks)' 연결이다. 팀이 운영하는 사이트에 예약 작업을 연결하면 사이트 데이터가 자동으로 갱신된다. 사람이 그때그때 내용을 손으로 고치지 않아도 사이트에 보이는 정보가 최신 상태를 유지하는 구조다. 둘째는 방문자의 플러그인 연결이다. 사이트 이용자가 자신의 플러그인을 연결하면 같은 사이트라도 각자에게 맞춘 화면을 볼 수 있다고 오픈AI는 설명했다. 사용 방법은 짧게 안내했다. 오픈AI는 "써 보려면 코덱스에게 요청하기만 하면 된다"고 밝혔다. 별도 설정 화면을 거치지 않고 대화형 지시로 기능을 붙일 수 있다는 뜻으로 읽힌다.코덱스는 오픈AI가 개발자를 겨냥해 내놓은 AI 코딩 에이전트다. 사용자가 자연어로 지시하면 코드를 작성하고 수정한다. 이번 영상은 코덱스의 쓰임새가 코드를 대신 써 주는 데서 그치지 않고, 그렇게 만든 결과물을 계속 운영하고 관리하는 일로 넓어지고 있음을 보여준다. 영상 설명에는 '사이트(Sites)'가 대문자로 적혀 있다. 코덱스 안에서 사이트를 만들고 관리하는 별도 기능을 가리키는 것으로 보이지만, 이 기능이 정확히 어떻게 구성돼 있는지는 영상 설명만으로는 확인되지 않았다.사내 현황판이나 팀 소개 페이지, 프로젝트 대시보드처럼 조직 안에서 쓰는 웹페이지는 만드는 것보다 계속 최신 상태로 관리하는 일이 더 번거로운 경우가 많다. 담당자가 직접 숫자를 바꾸거나 따로 자

ConwayResearch, 텍스트 생성 AI 'Underdog-Saluki-27B-1.0' 공개… 일주일여 만에 내려받기 31만 회

AI 연구 조직 ConwayResearch가 텍스트 생성 모델 'Underdog-Saluki-27B-1.0'을 공개했다. AI 모델 공유 플랫폼 허깅페이스(Hugging Face)의 모델 정보에 따르면, 이 모델은 2026년 10월 8일 등록됐다. 이후 내려받기 311,969회, 즐겨찾기 456회를 기록했다. 라이선스는 상업적 이용을 폭넓게 허용하는 아파치 2.0(apache-2.0)이다.허깅페이스는 전 세계 개발자와 연구 조직이 AI 모델과 데이터셋을 올리고 내려받는 곳이다. 모델 페이지에 쌓이는 내려받기와 즐겨찾기 수는 공개 직후 개발자들이 얼마나 관심을 보이는지 가늠하는 지표로 흔히 쓰인다. 'Underdog-Saluki-27B-1.0'은 등록 후 일주일 남짓 만에 내려받기 30만 회를 넘겼다. 짧은 기간에 사용 시도가 많이 몰렸다는 뜻이다.다만 두 지표 사이에는 차이가 크다. 내려받기는 30만 회를 넘었지만 즐겨찾기는 456회에 그쳤다. 즐겨찾기는 이용자가 직접 눌러야 하는 '좋아요' 성격의 표시인 반면, 내려받기 수에는 자동화된 테스트나 배포 과정에서 생기는 반복 요청도 섞일 수 있다. 따라서 내려받기 수를 실제 이용자 수로 그대로 읽기는 어렵다. 이 모델의 내려받기가 어떻게 구성됐는지는 공개된 자료로는 확인되지 않았다.모델 이름의 '27B'는 일반적으로 매개변수 약 270억 개 규모를 뜻하는 표기다. 이 정도면 수천억 개 규모의 초대형 모델보다 작아, 고성능 GPU 한두 장이나 양자화(경량화)를 거친 환경에서도 돌려볼 수 있는 중형급으로 분류된다. 최근 오픈 모델 시장에서는 이런 20~30B대 모델이 성능과 운용 비용 사이의 절충점으로 주목받으며 공개가 잇따르고 있다. 그러나 이 모델의 정확한 매개변수 수, 어떤 기반 모델에서 출발했는지, 학습 데이터와 벤치마크 성능은 이번 자료에서 확인되지 않았다. 이름 끝의 '1.0'으로 보아 정식 첫 버전으로 공개된 것으로 보이지만, 앞으로의 업데이트 계획도 알려지지 않았다.라이선스는 개발자들이 눈여겨볼 부분이

Anthropic, AI 평가기관 METR에 '직원 수준' 내부 접근권 부여

Anthropic은 공식 홈페이지를 통해 프런티어 AI 모델을 평가하는 비영리단체 METR 소속 팀에 '직원에 준하는' 내부 접근 권한을 주기 시작했다고 발표했다. 회사는 METR 직원 6명에게 회사 장비와 사무 공간을 제공했다. 이들은 Anthropic 위험평가팀과 비슷한 수준으로 내부 도구와 시스템에 접근할 수 있다. 다만 고객 데이터, 변호사-의뢰인 비밀 정보, 모델 아키텍처 정보 등 미리 정한 일부 범주는 제외된다.METR은 Anthropic의 위험 수준과 사고, 운영 관행을 분석한 결과를 공개한다. Anthropic은 공개를 막을 수 없고, 사전에 정한 범주에 해당하는 정보의 삭제만 요구할 수 있다. METR은 정보가 삭제된 사실과 그 조치가 정당했는지에 대한 의견을 밝힐 수 있다.Anthropic은 평가기관의 접근 권한을 3단계로 나눠 운영할 계획이며, METR은 가장 높은 단계에 해당한다. SecureBio는 1단계로, 8월 위험 보고서 가운데 화학·생물무기 부분을 검토하고 있다. 회사는 Accenture·Faculty와도 협력을 추진하고 있으며, Hugging Face 등과는 초기 논의 단계라고 밝혔다. Anthropic은 지난달 제3자 평가를 강화하겠다고 약속했고, 독립 감사기관과 협력하겠다는 내용이 담긴 백악관 초지능 협약에도 서명했다.