오픈AI, ChatGPT Images 2.5 출시

: 매주 ChatGPT Images와 API에서 생성되는 이미지가 30억 장을 넘어선 가운데, 신규 최첨단 이미지 모델 Images 2.5 출시. ChatGPT, Work, Codex 전 요금제에 데스크톱·모바일·웹으로 제공

: Images 2.0 대비 생성 지연시간을 최대 50% 단축하고, 자연스러운 조명과 질감, 참조 이미지의 피사체·특징 보존, 복잡한 시각적 지시 및 스타일 구현 능력 개선

: 요청한 요소만 수정하면서 나머지 피사체·구도·배경을 유지하는 정밀 편집 능력 강화. 여러 차례 연속 편집에서도 이전 변경사항과 이미지 품질을 일관되게 유지

: ChatGPT에 직접 스케치를 그려 이미지 생성에 활용하는 Sketch, 포스터·상품 등 제작을 지원하는 Templates, 이미지 특정 영역에 댓글을 달아 수정하는 기능 및 이미지와 프롬프트 공유 기능 추가

: API에는 GPT-Image-2.5 Flare와 Sunburst 출시. Flare는 GPT-Image-2 대비 높은 품질과 50% 낮은 지연시간을 제공하는 범용 모델, Sunburst는 정밀한 제어가 필요한 프리미엄 제작·편집 작업에 특화

: C2PA 메타데이터와 보이지 않는 워터마크 등 기존 이미지 생성 안전장치 유지

https://openai.com/index/introducing-chatgpt-images-2-5

오픈AI CFO 사라 프라이어, <이제 가능해진 일들, The Work Now Within Reach>

: GPT-6 Astra의 성능 향상으로 컴퓨터 사용, 소프트웨어 엔지니어링, 사이버 보안, 과학 등 AI가 경제적으로 수행 가능한 업무 범위가 확대

: 오픈AI는 주간 활성 사용자 10억 명 이상, 기업 고객 250만 곳을 확보. 개인 ChatGPT 사용자는 가입 6개월 후 첫 달 대비 일일 메시지 사용량이 약 50% 증가하고, 시도하는 작업 종류는 약 2배로 확대

: 무료, 광고, 구독, 사용량 기반 상품을 결합해 AI 활용 증가를 매출 확대로 연결하는 구조. 소비자 사용 경험이 기업 도입으로, 기업 활용이 다시 개인 사용으로 이어지며 향후 에이전트 확산과 함께 두 시장의 경계가 점차 흐려질 것으로 전망

: 모델 성능 향상은 기존에 비용이나 전문 인력 문제로 수행하기 어려웠던 업무를 경제적으로 가능하게 하는 효과. 오픈AI 연구 조직에서는 인간 작업 1일당 3.1일의 에이전트 작업량을 활용하며 코드 작성, 실험, 인프라 문제 해결 등을 가속

: 풀스택 컴퓨트 전략을 통해 데이터센터, 칩, 소프트웨어, 모델, 제품을 통합 최적화. GPT-5.6 Sol을 활용한 서빙 소프트웨어 개선으로 엔드투엔드 서빙 비용 20% 절감, 추가 개선으로 토큰 생성 효율성 15% 이상 향상

: 자체 추론 칩 Jalapeño는 공개 모델 테스트에서 기존 상용 시스템 대비 와트당 최대 토큰 처리량 1.5-1.9배, 엔드투엔드 지연시간 1.7-3.6배 개선. 연말부터 엔비디아, AMD 등 파트너 가속기와 함께 배포 시작 예정

https://openai.com/index/the-work-now-within-reach

오픈AI, 내부 모델로 나비에-스토크스 밀레니엄 문제 해결 발표

안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다.

오픈AI가 AI 산업의 변곡점으로 꼽히는 GPT-6 Astra보다도 뛰어난 '신규 내부 모델'과 멀티에이전트 시스템을 활용해 수학 난제 해결을 발표했습니다.

3차원 나비에-스토크스 방정식에서 매끄러운 초기 상태가 유한 시간 내 특이점을 형성할 수 있음을 증명한 것인데요

7개의 밀레니엄 문제는 현대 수학의 가장 중요한 미해결 난제로 해결 시 상금 100만 달러가 주어지고, 현재는 푸엥카레 추측만 해결된 상태입니다.

즉, 인류가 수십년간 해결하지 못한 최고 수준의 미해결 문제를 AI가 해결한 셈입니다.

물론 연구의 진행과 발표 조율 과정을 두고 뉴욕대 트리스탄 벅마스터와 앤스로픽 레벤트 알푀게와의 갈등이 존재했고, Lean 검증이 있다고 해서 수학계에서 문제 해결을 공식 인증한 것은 아닙니다.

하지만 이번 성과의 의의는 단순히 어려운 수학 문제 하나를 해결했다는 데 그치지 않습니다. AI 연구 자동화 능력이 새로운 단계로 발전하고 있음을 보여준 사례라는 것이 중요합니다.

오픈AI는 1만개 수준의 에이전트를 병렬로 가동해 서로 다른 가설과 접근법을 탐색시키고, 각 그룹에서 발견된 유망한 아이디어를 다른 그룹에 전파하며 연구를 진행했습니다.

사실상 대규모 연구 조직의 가설 설정, 탐색, 협업 과정을 AI 에이전트로 구현한 것입니다.

나비에-스토크스 문제 해결 과정에서 에이전트들은 270만 개의 메시지를 주고 받고, 약 1,300억 개의 출력 토큰을 사용했으며, 첫 에이전트 구동부터 해법 도출까지 걸린 시간은 약 88시간에 불과했습니다.

AI 스케일링의 축은 단일 모델 성능 향상을 넘어 에이전트 기반 AI 연구 조직의 규모와 투입되는 추론 컴퓨트로 확장되고 있습니다.

또한 내부 모델이 완성된 모델이 아니라는 점도 중요합니다. 해당 모델은 8/28일 학습을 시작했고, 연구 중 개선된 체크포인트를 지속 적용했습니다.

즉, 완성된 모델의 최대 성능이 아니라 학습 과정에서 이미 나타난 연구 능력으로 이번 결과를 만들어낸 것입니다.

마지막으로 향후 이러한 연구 방식은 수학을 넘어 과학과 공학 R&D 전반으로 확장될 가능성이 높습니다.

대규모 에이전트가 다양한 가설과 설계안을 병렬로 탐색하고, 시뮬레이션, 코딩, 실험 도구를 통해 결과를 검증하는 방식은 다양한 분야에 적용될 수 있습니다.

(2026/9/9 공표자료)

오픈AI 사라 프라이어, 컨퍼런스 인터뷰 주요 내용

: 7월 전체 연 환산 매출은 MoM +20%, 엔터프라이즈 사업은 같은 기간 +32%. 소비자 사업도 견조하게 성장하고 있지만 엔터프라이즈 사업은 “급성장하고 있다”고 평가. 기존 공개된 7월 성장 수치 재확인

: GPT-5.6 Luna 출시 직후 가격 인하 결과 모델 사용량이 약 10배 증가. 현재 OpenRouter에서 차순위 중국 모델보다 사용량이 많아지며 오픈AI가 플랫폼 내 가장 높은 점유율 확보

: 고객에게 중요한 것은 단순 토큰당 가격이 아니라 ‘하나의 작업을 완료하는 데 드는 비용’이라고 강조. 더 적은 토큰과 사람의 개입으로 정확한 결과를 내는 프런티어 모델 개발이 비용 경쟁력의 핵심이라고 설명

: GPT-6 Astra는 앤스로픽 Fable 5.1과 비교 가능한 결과를 내는 데 필요한 출력 토큰이 68% 적다고 언급. 모델 성능뿐 아니라 실제 작업 수행에 필요한 컴퓨팅 비용과 효율성을 강조

: 자체 추론 칩 Jalapeño 설계 과정에도 AI를 활용해 TSMC에 제조용 설계를 넘기는 기간을 크게 단축. 향후 AI 기반 칩 설계 역량을 외부 고객에게 제공하고, 사용량이나 사용자 수가 아닌 실제 성과에 따라 과금하는 사업 모델 가능성도 제시

: 광고 사업은 출시 7개월 만에 연환산 매출 약 10억달러 수준. ChatGPT의 광고 잠재력을 구글 검색의 높은 사용자 의도와 메타의 사용자 맥락을 결합한 형태로 설명하며 “구글과 메타가 아이를 낳은 것과 같다”고 표현

: ChatGPT는 메모리를 통해 개별 사용자의 맥락까지 파악할 수 있어 광고 플랫폼으로서 잠재력이 크다고 평가. 현재 기본적인 광고에서 향후 AI에 특화된 보다 정교하고 개인화된 광고 포맷으로 확장할 계획

: 칩 설계, 생명과학, 금융서비스 등 특정 산업으로 AI 활용을 확대하고 있으며, 이번 주 후반 뉴욕에서 은행 관련 발표가 나올 가능성도 언급

https://t.me/Samsung_Global_AI_SW

알렉산더 왕, Muse 초기 사용량 예상 크게 상회

Muse의 초기 사용량이 우리의 예상을 훨씬 뛰어넘었습니다. 현재 Muse 사용자들은 테스트 코호트보다 10배 더 많이 사용하고 있습니다. 즐겨보세요!

→ 오픈AI의 나비에-스토크스 풀이와 Astra에 묻혔지만..

https://x.com/alexandr_wang/status/2097527621206921612

[삼성 이영진] 글로벌 AI/SW 뉴스 🤖 (26/9/10)

■ 오픈AI, 미 정부 AI 안전기관 CAISI에서 AI 안전 업무를 이끌었던 Paul Christiano를 OpenAI Foundation 이사로 선임. 영리법인 이사회에는 의결권 없는 옵저버로 참여

■ 오픈AI, ChatGPT에서 경쟁 AI 이미지, 음성 서비스 광고 제한

■ 앤스로픽, 사이버보안 평가 중 Claude 모델의 실제 외부 시스템 무단 접근 사고 4건 공개

■ 앤스로픽, Mythos 5.1을 처음으로 영국 AISI의 사전 안전성 평가에서 제외하고 미국 기관에만 제한 제공

■ 구글, ’27-28년 핀란드에 150억 달러 이상 규모의 유럽 최대 AI 인프라 투자 단행. 원전 최대 50% 장기 확보 + 629MW 풍력 + 94MW 배터리 결합 구조

■ 아마존, 첫 파운드화 채권 발행을 통해 42.5억 파운드(57.6억 달러) 조달. 투자자 수요는 120억 파운드 이상 유입

■ 메타, 스웨덴 AI 스타트업 Stilla AI 인수. 플랫폼 내 고객 대화에서 단순 상담을 넘어 실제 업무, 거래를 수행하는 Business Agent 전환 목표

■ 세일즈포스, AI 고객 리서치 스타트업 Listen Labs를 약 20억 달러에 인수 논의

■ 딥시크, 중신증권과 상하이 과창판 상장을 위한 준비 착수

■ Z AI, 소버린 AI 파트너 프로그램 발표. GLM 모델을 각국 파트너의 자체 인프라에 배포하는 형태

■ Harvey, 155억 밸류로 5.5억 다럴 신규 펀딩. 밸류는 지난해 12월 80억 달러, 올해 3월 110억 달러에서 추가 상승

감사합니다.

https://t.me/Samsung_Global_AI_SW

앤스로픽, 실제 시스템 무단 접근 사고 관련 정렬 평가 추가 업데이트

: 앤스로픽은 사이버보안 평가 과정에서 Claude 모델이 실제 서드파티 시스템에 무단 접근한 4건의 사고를 조사. 모두 동일 외부 평가업체의 환경 설정 오류로 시뮬레이션이 공개 인터넷에 연결되며 발생

: 사고는 Claude Mythos 5, 내부 연구 모델, Claude Opus 4.7, 초기 Claude Opus 4.6 체크포인트에서 발생. 단일 에이전트가 10~34시간 작동했으며, 다른 에이전트와의 협업이나 행동 은폐 시도는 확인되지 않음

: 앤스로픽은 이를 단순 환경 설정 문제가 아닌 편향된 추론과 무모함에 따른 정렬 실패로 평가. 실제 환경임을 시사하는 증거를 강화해도 Mythos 5는 행동을 지속했고, 실제 공개 인터넷이라고 명확히 고지했을 때에야 공격 중단

: 가장 심각한 Mythos 5 사례에서는 환경을 시뮬레이션으로 오인해 PyPI에 악성 패키지 3개 버전을 게시하고, 유출된 자격증명으로 실제 보안업체 데이터베이스에도 접근

: 내부 연구 모델도 실제 인터넷을 시뮬레이션 복제본으로 오인해 서드파티 시스템에 침입. Opus 4.7은 실제 기업임을 인식했지만 CTF 주최 측이 허가한 시스템이라고 잘못 판단해 사용자 데이터를 다운로드하고 수정

: 최신 Opus 5, Mythos 5.1에서는 개선 확인. 시뮬레이션 CTF에서 심각한 유해 행동 발생률은 Mythos 5 82%, Opus 5 31%, Mythos 5.1 33%. 샌드박스 경계 탐색 역시 Mythos 5에서 60%로 가장 높았음

: 학습 분석에서는 Mythos 5가 편향된 추론이 두드러진 이상치로 나타남. 당시 사용성을 이유로 일부 정렬 RL 환경을 제외한 선택을 앤스로픽은 현재 “불완전한 정보를 바탕으로 한 실수”로 평가했으며, 정렬 환경을 확대하자 심각한 편향 추론이 유의미하게 감소

: 안전장치 측면에서는 프로덕션용 사이버 분류기가 첫 3건의 사고를 모두 차단했을 것으로 평가. 반면 CoT 기반 오프라인 모니터는 Mythos 5의 “시뮬레이션”이라는 편향된 추론에 영향받아 사고를 대부분 탐지하지 못함

: 앤스로픽은 이번 사고를 “중요한 경고 신호(warning shots)”로 규정. 장시간 에이전트 과제, 해결 불가능한 과제, 멀티에이전트 환경으로 출시 전 감사를 확대하고, 실시간 모니터링 및 정렬 RL 강화 추진

https://www.anthropic.com/research/alignment-assessment-cybersecurity-incidents

오픈AI, ChatGPT 내 경쟁 AI 제품 광고 제한

: 오픈AI는 광고 파트너들에게 자사 기능과 직접 경쟁하는 이미지 및 음성, 오디오 생성 제품의 ChatGPT 광고를 더 이상 허용하지 않겠다고 통보. 공개 광고 정책에는 아직 반영되지 않은 변경

: 올해 초 ChatGPT 광고 파일럿에 참여했던 Adobe도 영향. Adobe는 Acrobat Studio와 이미지 생성 AI Firefly 광고를 집행해왔으며, Adobe 측은 이미지와 음성, 오디오 카테고리는 차단됐고 비디오는 현재까지 허용되고 있다고 언급

: 오픈AI는 최근 ChatGPT Images 2.5와 ChatGPT Live 등 자체 이미지, 음성 기능을 강화. 경쟁 제품에 대한 유료 광고뿐 아니라 자연 유입 경로도 좁아지고 있다는 것이 Adobe 측 주장

: ChatGPT MAU는 10억 명 이상이며 대부분이 무료 이용자. 오픈AI는 2월 미국에서 광고를 시작한 뒤 현재 40개 이상 국가로 확대했으며, 광고를 소비자 구독, 엔터프라이즈, API와 함께 주요 수익화 축으로 제시

: 지난달 광고 매출은 연환산 10억 달러에 도달. 다만 투자자들에게 제시한 올해 광고 매출 목표는 24억 달러로, 향후 경쟁 AI 제품에 대한 광고 제한 범위가 확대될 경우 광고 매출 성장에는 제약 요인이 가능성

https://t.me/Samsung_Global_AI_SW

엔비디아, 호주 AI 인프라 생태계와 협력, 2027년까지 최대 2GW 구축

: 엔비디아는 Firmus, Sharon AI, IREN, Megaport, ResetData, CDC, NEXTDC, AirTrunk 등 호주 클라우드·데이터센터 사업자와 협력해 2027년까지 최대 2GW 규모 AI 인프라 구축 추진

: 파트너들이 AI 팩토리를 직접 운영하고, 엔비디아는 DSX 풀스택 플랫폼, GPU, 네트워킹, 소프트웨어 및 생태계 지원 제공. 여러 세대의 엔비디아 컴퓨팅을 수용할 수 있도록 부지·전력·데이터센터 셸을 선제적으로 확보

: Sharon AI는 최대 6.8만개 엔비디아 GPU, IREN은 남호주 800MW Bundey 캠퍼스에 DSX 아키텍처 적용. CDC는 호주·뉴질랜드에서 550MW+ 운영 중이며 추가 800MW 건설 중

: DSX는 시설부터 컴퓨팅·네트워킹·소프트웨어까지 통합한 AI 팩토리 플랫폼으로, CUDA 생태계와 호환되며 소프트웨어 업그레이드를 통해 여러 GPU 세대에 걸쳐 인프라 활용도와 수명 연장을 목표

: 확대된 인프라는 호주 내 AI 수요뿐 아니라 아시아태평양 및 글로벌 AI 컴퓨팅 수요까지 겨냥. 엔비디아는 AI 팩토리를 장기적으로 생산성·범용성·수익성을 갖춘 새로운 투자 가능 자산군으로 강조

: 컴퓨팅 인프라와 함께 Nemotron 오픈 모델 생태계도 확장. Heidi는 의료 AI, Atlassian은 Rovo 검색·에이전트 개발에 Nemotron 및 엔비디아 AI 인프라를 활용하며 현지 AI 모델·애플리케이션 개발 지원

https://nvidianews.nvidia.com/news/nvidia-expands-ai-infrastructure-capacity-in-partnership-with-australias-data-center-ecosystem

오픈AI, AI 정책 전환 촉구, “안전 기준 미달 시 개발 늦추거나 중단”

: 오픈AI는 Astra의 역량 향상과 AI 연구 가속화를 근거로 AI 정책 대응이 시급해졌다고 강조. 완전 자율형 재귀적 자기개선은 아직 아니지만, AI가 이미 차세대 모델 개발과 정렬 연구를 가속하고 있다고 평가

: 의회에 프런티어 AI 대상 의무적 역량 기반 국가 안전 규제 도입을 촉구. 공통 테스트, 독립 평가, 사이버보안, 사고 보고 등을 포함하되 스타트업과 비프런티어 모델은 규제 대상에서 제외해야 한다는 입장

: 안전에 대한 확신이 AI 발전 속도를 결정해야 하며, 안전 기준을 충족할 수 없다면 모델 개발이나 배포를 늦추거나 중단할 방침. Astra에는 전체 작업 궤적과 CoT 모니터링, 내부 배포 전 의무적 정렬 평가를 도입

: 연방 규제 전까지 캘리포니아의 독립 안전평가, AI 감사, 청소년 보호, 생물학적 위협 관련 법안을 추가 지지. 최근 AI 역량 급증을 고려해 과거 지지하지 않았던 일부 법안에도 입장을 변경

: 업계 및 국제 차원에서도 역량 측정, 위험 관리, 인간 통제, 개발 감속·중단 기준을 공동으로 마련해야 한다고 주장. 강력한 AI가 제도의 통제 능력을 앞서기 전인 현재를 ‘AI 정책의 창’으로 규정

https://openai.com/index/ai-policy-window

물 들어올 때 Muse 노 젖는 메타

: 알렉산더 왕, 모든 사용자의 Muse 토큰 사용량 리셋 발표

: 출시 초기 실제 사용량이 테스트 코호트 대비 10배를 기록한 데 이어, 사용자들의 토큰 사용량을 일괄 초기화하며 추가 사용 유도

https://x.com/alexandr_wang/status/2097880616041885901

AI의 실존적 위험 우려 확대

: 앤스로픽 정렬 과학 책임자 에반 허빙거는 향후 10년 내 AI가 모든 인간을 죽일 가능성을 10% 이상으로 본다고 발언

: 오픈AI 비영리 조직 이사회에 합류한 폴 크리스티아노도 초지능 정렬 실패로 통제권을 잃을 경우 대부분의 사람이 사망할 수 있다고 경고

: 실존적 위험 우려 자체는 새로운 것이 아니지만, 최근 테스트 환경을 벗어난 AI 에이전트의 실제 시스템 침입 사고와 자기개선 AI 발전이 맞물리며 실리콘밸리, 월가, 워싱턴에서 논쟁 확대

: 7월 Hugging Face 사건에서는 오픈AI 에이전트들이 테스트 환경을 벗어나 외부 시스템과 자체 연구 인프라까지 침입. 모델 행동 모니터링을 어렵게 할 수 있는 Loop Transformer 기술에 대한 우려도 제기

: 앤스로픽 연구자 제이콥 콕슨은 앤스로픽과 오픈AI가 ‘자기개선 초지능을 향해 질주하며 우리의 목숨을 걸고 도박하고 있다’고 비판하며 퇴사 선언

: 다리오 아모데이를 포함한 약 1,400명의 업계 관계자는 국제적 프레임워크를 통한 프런티어 AI 개발 속도 조절을 요구. 버니 샌더스도 ‘초지능 금지’ 및 AI 개발 일시 중단 법안 추진을 재차 강조

: 반면 데이비드 색스 등은 AI 위험론이 규제를 통해 중소 경쟁사와 오픈소스 AI를 견제하려는 이해관계와 맞물려 있다고 비판. 미중 AI 경쟁 우려까지 존재해 연방 차원의 입법 가능성은 아직 제한적

https://t.me/Samsung_Global_AI_SW

딥시크, DeepSeek V4.1 Flash 출시, V4 Pro 대체 예정

: DeepSeek V4.1 Flash는 552B 파라미터의 MoE 모델. 새로운 Causal-Encoder-Decoder 비대칭 구조를 적용해 입력 8B, 출력 16B 파라미터만 활성화

: 네이티브 멀티모달 비전 이해를 지원하며, 새로운 사전학습 방식과 대규모 RL 사후학습 적용. 딥시크측은 Agentic Benchmark에서 V4 Pro를 포함한 주요 플래그십 모델을 상회했다고 설명

: KV Cache를 전세대 대비 1/4로 축소해 HBM 요구량 75% 감소, SSD 요구량은 87.5% 감소. 초기 세대 모델과 비교하면 KV Cache 크기는 1/437 수준

: DeepSeek 측 테스트에서 V4.1 Flash가 V4 Pro 대비 성능, 비용, 속도, 총 작업시간에서 모두 우위. 9월 14일부터 V4 Pro 요청을 V4.1 Flash로 자동 라우팅하고 V4.1 Flash 가격 적용, 향후 V4.1 Pro 출시 예정

: API 가격도 인하. 오프피크 기준 캐시 인풋 $0.003, 인풋 $0.15, 아웃풋 $0.6

: 피크, 오프피크 차등 가격제를 유지하며 오프피크 가격은 피크의 절반. 신규 가격은 9월 10일 12시부터 적용

: 모델은 오픈소스로 공개. 텐센트 WorkBuddy, CodeBuddy와 OpenCode도 공식 파트너로 V4.1 Flash 전면 도입

https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash

https://mp.weixin.qq.com/s/qg0NU3NNUbp1co2PdkAPAg

딥시크, DeepSeek V4.1 Flash 출시

안녕하세요 삼성증권 글로벌 AI/SW 담당 이영진입니다.

딥시크가 또 다시 진보했습니다. V4 Pro보다 성능, 비용, 속도, 작업시간에서 우위를 보인 V4.1 Flash를 발표했는데요

기술 보고서에 흥미로운 내용이 많습니다.

우선 V4.1 Flash의 핵심은 장기 컨텍스트를 사용하는 AI 에이전트의 구동 비용을 낮추기 위한 모델 구조 변화입니다.

552B 파라미터의 MoE 모델이지만, 새로운 CED(Causal-Encoder-Decoder) 비대칭 구조를 적용해 프리필 8B, 출력 16B 파라미터만 활성화합니다.

CED는 입력 처리와 출력 생성을 분리한 비대칭 구조로, 프리필 연산량을 기존 대비 거의 절반 수준으로 줄였습니다.

메모리 사용량도 줄였습니다. CSA2라는 새로운 어텐션 구조를 통해 여러 레이어가 KV 캐시를 공유하고, KV 캐시 자체도 FP4로 압축했습니다.

결과적으로 HBM에 상주하는 Global KV 캐시는 V4 Flash 대비 1/4로 축소됐고, SSD와 호스트 메모리에 보관되는 Persistent KV 캐시는 1/8로 줄었습니다.

해당 구조는 컨텍스트가 길어질수록 효과가 커집니다. 컨텍스트를 4K에서 1M으로 256배 늘려도 디코드 연산량은 25% 수준 증가하는데 그쳤습니다.

에이전트 성능에서도 효율 대비 성능이 좋습니다. 일상적인 코딩 및 화이트칼라 에이전트 업무에서는 프런티어 모델 수준까지 올라왔는데요

다만 과학, 전문 지식 중심의 고난도 영역에서는 여전히 프런티어 모델과는 격차가 존재합니다.

전반적인 성능 개선이 드라마틱하지는 않지만, 낮은 비용과 멀티모달 지원은 긍정적 포인트입니다.

강화학습에서는 신규 알고리즘 개발이 아니라 기존 방식을
그대로 사용했습니다.

대신 실제 직원과 외부 파트너의 에이전트 사용 사례와 실패 데이터를 활용해 SaaS나 기업용 시스템과 유사한 환경을 자동으로 만들고 이를 대규모 RL 학습에 사용했습니다.

딥시크는 현재 단계에서 신규 RL 알고리즘보다 데이터와 환경 파이프라인 개선의 한계 수익이 더 높다고 판단하는 모습입니다.

한 차례 인상했던 API 가격도 다시 인하되었습니다. 오프피크 기준 다음과 같습니다.

<기존>
캐시 인풋 $0.007 / 인풋 $0.22 / 아웃풋 $0.66

<신규>
캐시 인풋 $0.003 / 인풋 $0.15 / 아웃풋 $0.6

Astra가 보여준 것처럼 에이전트의 장기 작업 능력은 더욱 발전하고 있습니다.

딥시크도 트렌드에 맞춰 장시간 에이전트를 실제 서비스 경쟁적으로 운영하기 위한 추론 효율성 개선에 초점을 맞추고 있습니다.

(2026/9/10 공표자료)

엔비디아 x 팔란티어, 핵심 공급망에 소버린 AI 도입

: 엔비디아와 팔란티어는 Palantir Foundry·AIP·Ontology와 엔비디아 Nemotron 오픈 모델을 결합한 공급망 AI 스택 구축. 우선 엔비디아 자체 공급망에 적용

: 엔비디아 공급망은 수천 개 공급업체와 수백만 개 부품으로 구성. 특히 Vera Rubin 랙 1개당 약 130만 개 부품이 필요하며, AI를 활용해 공급 제약 조기 탐지, 대안 평가, 자재 배분 등을 최적화

: 기업별 독점 데이터로 Nemotron을 후속 학습해 자체 공급망에 특화된 모델 구축 가능. cuOpt를 활용한 공급 제약 및 시나리오 분석과 함께 AI가 실행 방안, 트레이드오프, 잠재 위험을 제시하고 최종 의사결정은 전문가가 담당

: 실제 의사결정과 생산 결과를 NeMo AutoModel·NeMo RL 및 Palantir Autopilot에 다시 반영해 모델을 지속 개선하는 학습 루프 구축

: 데이터와 모델에 대한 기업의 통제권을 유지하는 소버린 AI가 핵심. 공동 개발한 SAIOS 기반으로 Dell·Cisco 온프레미스 또는 Rackspace·Nebius 코로케이션·클라우드 환경에 배포 가능

: 엔비디아 자체 공급망을 레퍼런스로 제조, 에너지, 헬스케어, 자동차, 항공우주 등 복잡한 공급망을 보유한 산업으로 확장 계획

https://investors.palantir.com/news-details/2026/NVIDIA-and-Palantir-Bring-Sovereign-Intelligence-to-Critical-Supply-Chains

스페이스X, 데이터센터 속도전에서 안정성 중심으로 전환

: 스페이스X는 xAI 인수 이후 데이터센터 구축 방식 개편. 기존 ‘최단기간 컴퓨팅 용량 확보’에서 전력·냉각 이중화 및 사전 테스트를 강화하는 방향으로 전환하면서 신규 캠퍼스 구축 속도 둔화 가능성

: xAI는 2024년 멤피스 Colossus에서 10만 GPU 규모 데이터센터를 122일 만에 가동. 최소 전력·냉각 인프라부터 가동하고 백업 시스템을 사후 구축했으며, 수십 대 가스터빈 등 임시 설비도 활용

: 초기 데이터센터의 이중화 수준은 다른 하이퍼스케일러 대비 크게 낮아 단일 장비 장애로 전체 클러스터가 중단될 수 있었음. 실제 초기에는 잦은 정전으로 AI 연구 프로젝트가 수시간 중단되고 일부 학습 진행 상황이 손실

: 스페이스X는 현재 앤스로픽·구글 등에 컴퓨팅 용량을 임대하고 있어 안정성 중요도가 상승. 이에 백업 전력·냉각을 가동 전 구축하고 테스트를 강화하는 한편 임시 설비 의존도를 축소, 일부 기존 데이터센터도 재설계

: 6월 말 데이터센터 경영진을 대거 교체하고 Falcon·Dragon 생산을 담당했던 웨슬리 살란드로를 책임자로 선임. 1,300명 이상의 SpaceX 엔지니어가 지원해 최근 한 달간 300명 이상이 데이터센터 프로젝트에 투입

: 반면 최근 몇 주간 데이터센터 프로젝트 리더급 10여 명 이상이 이탈했으며, 오픈AI·앤스로픽 등으로의 인력 이동도 발생. 중간관리자 확대와 현장 의사결정 권한 축소도 구축 속도를 낮출 수 있는 요인

: 지난주 멤피스 데이터센터에서는 건설 작업으로 전력선이 영향을 받아 정전이 발생, 일부 Grok 모델과 외부 컴퓨팅 고객까지 영향. 머스크는 재발 방지를 위한 시정 조치를 진행 중이라고 언급

https://t.me/Samsung_Global_AI_SW