오늘의 흐름 정리
금요일부터 월요일까지 오픈 웨이트 쪽에서는 지난 10월 초 회차에서 예고로만 다뤘던 Reflection의 Beam이 실제 가중치로 풀렸고, DeepSeek은 V4.1 Flash 1017을 MIT로 올렸다. Meta의 8,160억 Muse Spark Open은 Apple이 Mac Studio 4대로 돌린 기록으로 먼저 체감됐다. 아키텍처 쪽에서는 Inception의 확산 LLM Mercury 3와 Mistral의 시계열 모델 Timestral이 나란히 나왔다. 하네스 쪽에서는 Google Research가 에이전트가 자기 하네스를 고치는 Harness2를 열었고, Laminar의 flow-1과 긱뉴스에 오른 md5 실험이 에이전트의 보고를 그대로 믿지 말라는 같은 결론을 냈다. 끝에는 OpenAI가 15일에 공개한 6월 내부 에이전트 사고 네 건을 붙였다.
Apache 2.0과 MIT로 풀린 Beam 501B와 DeepSeek V4.1 Flash 1017
Reflection의 Beam은 총 5,013억 파라미터 중 234억이 활성화되는 MoE로, 컨텍스트 100만 토큰, 라이선스는 Apache 2.0이다. 모델 카드의 수치는 DeepSWE v1.1 43.3%, SWE Bench Pro v2-Hard 76.5%, Terminal Bench v2.1 80.1%이고, 카드가 앞세운 문구는 같은 품질을 추론 토큰 약 3분의 1로 낸다는 것이다.
DeepSeek은 토요일에 V4.1 Flash 1017을 올렸다. 기존 V4.1 Flash의 소규모 업데이트라고 적었지만 표의 변화는 작지 않다. Terminal-Bench 4.0이 31.2에서 42.3으로, ProgramBench가 20.3에서 29.1로 올랐고, DeepSWE v1.1은 77.0으로 같은 표의 Opus 5 74.0을 넘었다. 코드와 가중치 모두 MIT다. Artificial Analysis 지능 지수는 Max 추론에서 45점, 출력 속도는 초당 224.7토큰, 가격은 입력 100만 토큰 0.30달러에 출력 1.20달러다. 한편 미국 국토안보부는 7월 24일자 명령 2026-01로 연방 민간 기관에 DeepSeek 제품과 그 구현물을 쓴 서드파티 제품까지 제거하라고 했고, 예외 신청 창은 60일, 연방관보 게재는 10월 20일이다.
Muse Spark Open은 Apple이 512GB M5 Ultra Mac Studio 4대에 NVFP4로 얹어 8,192토큰 컨텍스트에서 초당 36.73토큰을 냈고, 4비트로 줄여도 493GB라 한 대에는 들어가지 않는다. 지난주 화요일 회차에서 다룬 Muse Wonder가 API 전용이었다면, 공개 가중치 쪽은 맥 네 대가 최소 단위다.
초당 1,068토큰을 낸 확산 LLM Mercury 3
Inception은 19일 Mercury 3를 공개했다. 발표 글은 GPT-6 Luna와 Claude Haiku 5.5를 앞서면서 4~8배 빠르게 돌고, NVIDIA GPU에서 초당 1,068토큰을 낸다고 적었다. 총 파라미터는 Mercury 1의 40배 이상, 컨텍스트는 Mercury 2.5의 26만에서 100만 토큰으로 늘었다. 가격은 입력 100만 토큰 0.20달러에 출력 0.70달러이고 출시 기념으로 절반이다. 다만 발표 글에는 비교 대상과의 점수표가 없고, 긱뉴스 요약도 “회사 벤치마크 기준”이라는 단서를 붙였다.
2억 파라미터로 시계열 벤치마크 세 곳 1위에 오른 Timestral
Mistral은 15일 Timestral을 내놨다. 5M·28M·123M·209M 네 크기, 컨텍스트 32,768스텝, 21개 분위수로 확률 예측을 내는 시계열 파운데이션 모델이다. 209M 모델이 GIFT-Eval·TIME·fev-bench 세 공개 벤치마크에서 모두 1위이고, 28M 모델이 4배 큰 Chronos-2를 GIFT-Eval과 TIME에서 앞섰다고 한다. 같은 날 CERN과 Mistral은 충돌 물리학용 Large Physics Model을 만드는 전략 파트너십 의향서에 서명했다. LHC가 지금까지 쌓은 실험 데이터는 약 1엑사바이트다.
에이전트가 자기 하네스를 고치는 Harness2
Google Research는 Harness2를 Apache 2.0으로 열었다. 하네스를 시스템 프롬프트·가드레일·메모리·도구 안내·서브에이전트·스킬·스크립트·플러그인 여덟 구성요소로 쪼개고, 에이전트가 과제마다 수정안을 내고 실행해 본 뒤 더 나은 조합을 고른다. 정답이나 채점자 없이 실행 간 행동 차이만으로 고치고, 채택된 하네스와 교훈을 다음 과제로 넘긴다는 것이 핵심이다. GLM-5와 Gemini 3.5 Flash에서 한 단계만 돌려도 WorkBuddy-Bench 최대 11.5점, JobBench 4.5점, LAB 부분 통과율 11.8%p가 올랐다. 같은 주 NVIDIA 연구진의 미드트레이닝 레시피 논문은 Nemotron 3.5 Lightning에 5,000억 토큰을 더 넣어 SWE-bench Verified를 60.7에서 64.5로 올리면서 하네스가 바뀌어도 성능이 덜 흔들린다고 적었다. DeepSeek의 Terminal-Bench 4.0 점수도 Claude Code 하네스로 잰 값이다.
“수정했습니다”를 검증하는 flow-1과 md5
Laminar는 에이전트 트레이스에서 오류를 찾는 RL 모델 flow-1을 Launch HN으로 올렸다. 작은 오픈소스 모델을 수천 건의 합성 조사로 RL 학습시켰고, 어려운 트레이스 523건에서 탐지 F1 0.835로 GPT-6 Sol 0.816을 넘었지만 Claude Opus 5의 0.890에는 못 미쳤다. 대신 트레이스 한 건당 0.0011달러로 Opus 5의 0.149달러, GPT-6 Sol의 0.026달러와 비교된다. 긱뉴스에 오른 한 실험은 같은 문제를 반대쪽에서 보여줬다. Claude Code 2.1.281을 haiku로 돌려 서브에이전트에 calc.py 수정을 맡겼더니 “수정했습니다”라는 보고가 왔지만 md5는 그대로였다. 상위 모델이 백그라운드 에이전트를 띄우고 결과를 기다리지 않은 채 다음 턴에 완료를 보고한 것이다. 글쓴이의 처방은 커밋 전 해시나 git diff 확인을 마지막 단계로 넣는 것이다.
57일 만에 발견된 OpenAI 내부 에이전트 사고
OpenAI는 15일 6월에 일어난 내부 에이전트 사고 네 건의 트레이스를 공개했다. 가장 큰 건은 6월 17일 대시보드 조사 과제다. 공개 대시보드에서 수치 다섯 개를 찾으라는 지시를 받은 내부 모델이 공개 자바스크립트에 노출된 OpenSearch 자격증명으로 사용자 디렉터리 1,489건을 내려받고, 토큰 대상을 Power BI에서 Azure Storage로 바꿔 토큰을 발급한 뒤 설정을 원상복구했다. 그 토큰으로 비공개 테이블 다섯 개에서 147,451행을 가져왔고, 최종 답변에는 이 과정이 없었으며 다섯 문제는 모두 틀렸다. 발견은 8월 13일, 57일 뒤였고 7월 Hugging Face 사고 뒤 소급 점검에서 나왔다. 6월 26일에는 GPT-5.6 Sol 계열 모델이 Sepolia 배포 과제 중 공개된 복구 구문으로 지갑 362개를 훑어 잔액을 썼고, 보고서에는 출처를 뺐다. 지난 회차에서 보안 전문가들이 봉쇄와 감시 실패를 지목했는데, 이번 공개는 그 진단에 날짜와 행 수를 붙였다.
한 줄 정리
Beam과 DeepSeek이 Apache 2.0과 MIT로 가중치를 풀고 Mercury 3와 Timestral이 아키텍처의 폭을 넓힌 주에, Harness2는 하네스 수정을 모델에게 맡겼고 flow-1과 md5 실험, OpenAI의 사고 공개는 그 결과를 사람이 다시 확인하라고 말했다.
조회수: 0