오늘의 흐름 정리
주말을 지나 월요일인 12일에 Meta가 Muse Wonder와 Muse Wonder Full을 내놨다. 같은 날 Z.ai는 법률 특화 모델 GLM-Legal을 공개했고, 그 앞 목요일에는 결정 모델 Jev를 만드는 TypeSafe AI가 8억 7,000만 달러를 유치했다. 모델 쪽이 이렇게 움직이는 동안 코딩 에이전트 쪽에서는 리누스 토르발스가 Claude Code로 쓴 커널 패치 8개를 올렸고, Codex CLI의 상주 데몬과 QGIS의 AI 기여 금지가 같은 날 해커뉴스 상단에 올랐다. 끝에는 Epoch AI의 InnovationEval 결과를 붙였다.
벤치마크 14개 중 7개를 가져간 Muse Wonder, 점수표 절반은 Meta 내부 시험이다
Meta는 10월 12일 Muse Wonder와 Muse Wonder Full을 공개했다. Muse Wonder는 Meta Model API와 Muse Code에서 바로 쓸 수 있고, Full은 Muse Code 구독자 전용이다. 발표 글은 대화 사이에 사용자 정보를 기억하는 Active Memory와, 막히면 다른 방법을 시도하고 중요한 행동 전에 확인을 받는 Active Focus를 앞세웠다. 점수표를 모은 MACCUS 집계를 보면 14개 벤치마크 중 Meta 모델이 7개, Claude Opus 5.5가 6개, GPT-6 Astra가 1개에서 1위다. 코딩 쪽 격차가 가장 크다. SWE-Marathon에서 Full이 57.5, Opus 5.5가 46.3, GPT-6 Astra가 42.5이고, DeepSWE 1.1은 79.0 대 74.2다. 종합 지표인 Artificial Analysis Index는 Opus 5.5 58, Full 56, API로 나오는 Muse Wonder는 52다. 가장 많이 인용된 숫자인 MemoryBench 85.6 대 Opus 5.5 81.5, GPT-6 Astra 81.4는 Meta 내부 벤치마크라 외부에서 다시 재기 어렵다. 가격은 입력 100만 토큰 4달러, 출력 20달러, 캐시 입력 0.20달러이고 컨텍스트는 1,048,576토큰이다. Full은 API에 없고 월 50달러·200달러 Muse Code 요금제에서만 열린다. 점수가 가장 좋은 모델은 API로 받을 수 없다.
GLM-5.3-Flash를 법률 환경에서 다시 훈련한 GLM-Legal
Z.ai는 같은 날 GLM-Legal을 공개했다. GLM-5.3-Flash를 기반으로 법률 말뭉치 중간 학습을 거친 뒤 수만 개 법률 환경에서 강화학습을 돌렸고, 하네스를 모델과 함께 최적화했다고 밝혔다. 숫자는 Harvey LAB 전체 통과율 19.2%로 기반 모델 6.7%에서 12.5%포인트 상승, LegalBench 86.2점, PLawBench 77.3점이다. Harvey LAB은 24개 업무 분야의 로펌 워크플로를 처음부터 끝까지 통과해야 점수를 주는 시험이다. 데모는 계약 해지 통지 기간 수정안, 문서 40개의 모순 대조, 국가별 개인정보법 체크리스트 세 가지였다. 파라미터 수는 밝히지 않았고, 로펌·법률 기술 기업 대상 베타 API 신청과 데스크톱 에이전트 AutoClaw 탑재 예정만 적혀 있다.
결정 모델 Jev의 TypeSafe AI, 시리즈 A에 8억 7,000만 달러
TypeSafe AI는 9일 Andreessen Horowitz 주도로 기업가치 75억 달러에 8억 7,000만 달러 시리즈 A를 유치했다. Sequoia Capital과 기존 투자자 DCVC가 참여했고 Martin Casado가 이사회에 들어간다. 회사는 포천 500 기업의 3분의 1이 Jev를 쓴다고 밝혔다. Jev는 문장 대신 판정과 확률을 돌려주는 모델이다. 지난 회차에서 OpenAI의 Decisions API와 오픈 소스 Strands Decider가 같은 날 나온 것을 다뤘고, 그 앞 회차에서는 Red Hat 벤치마크에서 Jev가 전통 분류기를 일관되게 앞서지 못한 결과를 적었다. Jev를 검색 리랭커로 쓴 구현기는 키워드·벡터 검색으로 뽑은 후보를 Jev가 확률 점수로 다시 세우는 구조를 소개한다.
토르발스가 Claude Code로 쓴 페이지 캐시 읽기 패치 8개
리누스 토르발스가 Claude Code를 써서 페이지 캐시 읽기 경로를 손본 실험 브랜치를 10일 공개했다. 코드, 테스트 프로그램, 자기 문제 목록에 대한 리뷰, 커버레터 초안까지 Claude Code가 썼고, 토르발스가 방향을 잡았다고 적었다. 8스레드로 한 페이지 파일을 16바이트씩 읽을 때 커널 사이클이 2,937~2,975에서 725~726으로 줄었다. 대신 단일 스레드에서 목적지 사용자 페이지가 없는 경우에는 4,117~4,188 사이클이 6,543~6,593으로 늘어나는 퇴행이 있고, 지연 해제된 페이지가 어떤 카운터에도 잡히지 않는 메모리 계정 문제는 풀리지 않았다. 패치 8개 중 6개까지만 적용하면 재현 프로그램이 OOM 킬러에 걸리고, 8개를 다 넣어야 끝까지 돈다. 본인은 결과 숫자보다 커버레터에 도구 사용을 명시한 방식이 더 오래 인용될 것으로 본다.
묻지 않고 상주하는 Codex CLI 데몬, 검토 못 해 문을 닫은 QGIS
Codex CLI 0.157.0부터 대화형 세션을 열면 codex app-server --managed-daemon이 자동으로 뜨고 창을 모두 닫아도 남는다는 이슈가 9월 25일에 올라와 12일 해커뉴스 상단에 닿았다. 데몬은 약 374MB 플랫폼 패키지를 별도 디렉터리에 복사해 돌리고, 시작 5분 뒤부터 매시간 업데이트를 확인해 새 버전이 있으면 백엔드를 재시작한다. 끄는 길은 codex features disable daemon_auto_start인데, 공식 설정 문서에 이 옵션이 없고 릴리스 노트에도 데몬 동작이 적혀 있지 않다는 지적이 붙었다. 보고 뒤 보름 넘게 OpenAI 쪽 답글은 없다. 같은 날 QGIS가 AI 보조 기여를 금지하는 QEP428을 7일에 승인·병합한 것이 알려졌다. 사람 검토를 전제로 한 이전 정책에서는 AI Assisted 태그가 붙은 PR 약 50개 중 약 40개가 병합 없이 닫혔고, 새 접수 체계 이후 들어온 보안 권고는 전부 AI가 쓴 것이었다. 금지는 한시적이고, IDE 자동완성과 번역 같은 경계 사례는 별도 제안으로 넘겼다.
SDPO를 다시 발명하라는 InnovationEval, 2%와 15%
Epoch AI의 InnovationEval은 에이전트에게 Qwen3-8B를 훈련해 GRPO 기준선을 넘는 새 후속 학습 기법을 만들라고 요구한다. 정답은 사람이 만든 SDPO지만 이름은 알려주지 않는다. 예산은 평가당 GPU 3,000시간과 토큰 100억 개다. 결과는 GRPO를 0, SDPO를 100으로 놓았을 때 Claude Fable 5가 2%, GPT-5.6 Sol이 15%다. Fable 5는 GPU 예산의 46%(약 6,700달러)만 쓰고 멈췄고, Sol은 예산 전부(약 14,000달러)를 썼지만 방법이 RAFT++ 등 기존 연구와 겹쳤다. 지식 컷오프가 더 늦은 Fable 5.1과 GPT-6 Astra는 논문을 외운 흔적이 보여 평가에서 뺐다. 같은 주말 Karpathy는 LLM 역량에 대한 인식 격차가 벌어지고 있다고 썼다. 그의 추산으로 약 60억 명은 LLM을 거의 접하지 않았고, 수학·코딩에 프런티어를 쓰는 약 2,000만 명과 내부 시스템을 쓰는 약 5,000명이 전혀 다른 곡선을 본다.
한 줄 정리
Meta는 벤치마크 7승 6패로 돌아왔고 가장 좋은 모델은 구독 뒤에 두었다. 코딩 에이전트는 커널 패치를 쓰는 동시에 사용자 허락 없이 상주하고, 검토 능력이 바닥난 프로젝트는 문을 닫았다.
조회수: 0