AI 에이전트의 보안 위협에 대응해 프라이버시와 자기 주권을 보장하는 로컬 LLM 구축 방안을 제시한다.
AI 모델의 성능이 급격히 향상되면서 기존 벤치마크의 측정 오차가 커지고 실무 환경과의 괴리가 발생하는 등 성능 측정의 난도가 높아지고 있다.
Microsoft가 Foundry에서 사용할 수 있는 고성능 신규 MAI 모델 3종을 발표했다.
멀티모달 코딩 에이전트의 웹 개발 능력을 단계별로 평가하는 Vision2Web 벤치마크가 공개되었다.
ClawKeeper는 OpenClaw와 같은 자율 에이전트를 위해 스킬, 플러그인, 워처 기반의 3단계 보안 계층을 제공하는 실시간 보안 프레임워크다.
Weaviate가 LLM 세션의 맥락 단절 문제를 해결하기 위해 벡터 검색 기반의 메모리 시스템 Engram을 공개했다.
Netflix는 모든 Live 이벤트를 CBR에서 VBR로 바꿔 품질은 유지하고 트래픽은 줄였다.
KernelEvolve는 수백 개 후보를 탐색해 AI 커널 성능을 자동 최적화한다.
PM이 vibe coding으로 탐색용 디자인을 먼저 만들면 핸드오프 지연을 크게 줄일 수 있다.
Dropbox는 L1·L2·L3 compaction을 도입해 Magic Pocket의 저장 오버헤드를 다시 낮췄다.
NVIDIA가 Gemma 4를 RTX·DGX Spark·Jetson용 로컬 실행에 최적화했다.
Gemini API에 Flex와 Priority가 추가돼 비용과 신뢰성을 티어별로 조절할 수 있다.
Kubernetes 환경의 장애 감지부터 원인 분석, 수정 PR 생성까지 자동화하는 AI SRE 도구이다.