FEATURE ARTICLE

ARC-AGI-3 출시 — 프론티어 모델 전부 1% 미만, AGI와의 간극 재확인

📌 핵심 요약 ARC Prize가 3월 25일 ARC-AGI-3을 공식 출시했다. 텍스트 지시 없이 낯선 환경을 탐색하며 목표를 스스로 설정해야 하는 인터랙티브 추론 과제로 구성되며, 인간은 100% 해결하는 반면 GPT-5.4(0.26%), Claude Opus 4.6(0.25%), Gemini 3.1 Pro(0.37%), Grok-4.20(0.00%) 등 최상위 프론티어 모델은 모두 1% 미만을 기록했다. 🔍 왜 주목해야 하나 ARC-AGI-2가 단순 RL과 그래프 탐색으로 12.58%까지 포화됐던 반면, ARC-AGI-3은 언어 지시 없이 환경과 직접 상호작용하는 능동적 학습을 요구함으로써 현재 LLM의 근본적 한계를 다시 드러냈다. '스케일 확장이 곧 AGI'라는 업계 관행에 정면 도전하는 결과로, 전혀 새로운 알고리즘 아이디어가 필요하다는 신호다. $2M 상금이 걸려 있어 커뮤니티 차원의 집중적인 연구 경쟁이 예상된다. ⚡ 실무 시사점 LLM 기반 에이전트가 '자율적으로 환경을 이해하고 적응한다'는 기대를 제품 설계에 반영하고 있다면 재검토가 필요하다. 현재 프론티어 모델의 에이전트 자율성은 과대평가되어 있으며, 에이전트 파이프라인에 인간 감독 단계를 반드시 유지해야 한다.

2026년 3월 27일수정 2026년 3월 27일원문 링크

OpenAI, GPT-oss-120B/20B 오픈 웨이트 모델 Apache 2.0으로 공개

📌 핵심 요약 OpenAI가 GPT-oss-120B(MoE, 활성 파라미터 5.1B)와 GPT-oss-20B 두 모델을 Apache 2.0 라이선스로 Hugging Face에 공개했다. GPT-oss-120B는 단일 80GB GPU(H100, MI300X)에서 실행 가능하며, 핵심 추론 벤치마크에서 o4-mini에 근접하는 성능을 기록한다. 🔍 왜 주목해야 하나 Meta의 Llama 시리즈가 오픈 웨이트 생태계를 장악해온 상황에서, OpenAI가 처음으로 상업적 제약 없는 Apache 2.0 모델을 공개한 것은 전략적 변곡점이다. MoE 아키텍처로 120B 파라미터임에도 5.1B만 활성화하여 추론 효율을 극대화했으며, 128k 컨텍스트 지원과 함께 o3 등 프론티어 모델의 강화학습 기법을 이전받았다. 오픈소스 LLM 경쟁 지형을 단번에 재편할 수 있는 릴리즈다. ⚡ 실무 시사점 상용 API 대비 대폭 낮은 비용으로 고성능 추론이 가능해졌으며, 온프레미스 또는 프라이빗 클라우드 배포를 검토 중인 팀은 GPT-oss-120B를 1순위 평가 대상으로 올려야 한다.

자동수집

Read Story

Article

2026년 2월 23일

Claude Sonnet 4.6

Claude Sonnet 4.6 is a full upgrade of the model’s skills across coding, computer use, long-reasoning, agent planning, knowledge work, and design. (카테고리: AI 모델, HN 1345점·댓글 1223)

트렌드

Read Story

Article

2026년 3월 27일

GitHub Copilot, 4월 24일부터 사용자 코드 데이터를 AI 훈련에 기본 활용 (opt-in 전환)

📌 핵심 요약 GitHub이 3월 25일 개인정보처리방침을 개정, 2026년 4월 24일부터 Copilot Free/Pro/Pro+ 사용자의 인터랙션 데이터(입력·출력 코드, 커서 주변 콘텐츠, 파일 구조, 탐색 패턴, 피드백 포함)를 기본 opt-in으로 AI 훈련에 활용한다고 발표했다. Copilot Business·Enterprise 사용자는 적용 제외다. 🔍 왜 주목해야 하나 Copilot Free를 통해 확보한 수천만 개발자의 코드 인터랙션 데이터가 Microsoft 산하 훈련 파이프라인에 유입된다는 의미다. 커서 주변 코드, 파일명, 리포지터리 구조까지 수집 범위에 포함되어 기업 내부 아키텍처나 비즈니스 로직이 간접 노출될 수 있으며, 이는 기업 보안 및 컴플라이언스 정책과 충돌 소지를 만든다. 3자 AI 모델 프로바이더에게는 공유하지 않지만 Microsoft 계열에는 공유된다는 점도 주목할 만하다. ⚡ 실무 시사점 Free/Pro/Pro+ 플랜 개발자는 4월 24일 이전에 GitHub 프로필 > Copilot settings에서 'Allow GitHub to use my data for AI model training'을 Disabled로 변경할 것. 업무 코드에 Copilot 개인 플랜을 허용하는 팀은 즉시 사용 정책 리뷰와 전사 공지가 필요하다.

트렌드

Read Story

Article

2026년 3월 27일

Google TurboQuant — LLM KV 캐시 6배 압축, 정확도 손실 제로 달성 (ICLR 2026)

📌 핵심 요약 Google이 LLM의 KV 캐시를 기존 16비트에서 3비트로 압축해 메모리 사용량을 최소 6배 줄이면서도 정확도 손실이 없는 알고리즘 TurboQuant를 공개했다. ICLR 2026에서 정식 발표 예정이며, H100 GPU에서 4비트 적용 시 32비트 대비 최대 8배 추론 성능 향상이 확인됐다. 🔍 왜 주목해야 하나 KV 캐시는 긴 컨텍스트 처리 시 GPU 메모리의 가장 큰 병목 지점이었다. TurboQuant는 PolarQuant의 2단계 좌표 변환 방식으로 실현되며, 재훈련이나 파인튜닝 없이 어떠한 Transformer 모델에도 즉시 적용 가능하다는 점이 핵심이다. 이미 llama.cpp 커뮤니티에서 PyTorch/MLX/CUDA 독립 구현체가 등장했으며, 동일 하드웨어에서 초장문 컨텍스트 서빙 비용을 수배 이상 절감할 수 있는 실질적 기회다. ⚡ 실무 시사점 128k+ 컨텍스트를 서빙하는 팀은 TurboQuant 적용으로 같은 하드웨어에서 배치 크기를 최대 6배 늘릴 수 있다. llama.cpp 기반 온프레미스 배포 운영 중이라면 GitHub Discussion #20969를 팔로업하고 비용 대비 메모리 효율화 계획에 반영할 것.

트렌드

Read Story

RE-ENTRY

ARC-AGI-3 출시 — 프론티어 모델 전부 1% 미만, AGI와의 간극 재확인

관련 글

OpenAI, GPT-oss-120B/20B 오픈 웨이트 모델 Apache 2.0으로 공개

Claude Sonnet 4.6

GitHub Copilot, 4월 24일부터 사용자 코드 데이터를 AI 훈련에 기본 활용 (opt-in 전환)

Google TurboQuant — LLM KV 캐시 6배 압축, 정확도 손실 제로 달성 (ICLR 2026)

최신 글 재진입