OpenAI가 SWE-bench Verified 보고 중단을 권고한 가운데, 기존 데이터 정화 방식의 한계를 지적하고 평가자 주도 검증 방식을 제안했다.
대규모 오픈소스 모노레포에서 AI 에이전트가 수행한 14개 세션을 분석한 결과, 변경된 소스 파일의 33%가 실행된 테스트의 임포트 클로저에 포함되지 않은 것으로 나타났다.
Qwen이 생성과 편집을 통합한 7B 파라미터의 오픈소스 이미지 모델 Qwen-Image-2.1을 공개했다.
AWS DevOps Agent가 VPC Lattice 기반 프라이빗 연결로 인터넷 노출 없이 내부 서비스와 통신한다.
Step 5 Preview가 600B 파라미터 MoE 아키텍처로 agentic 작업과 금융 분석에서 경쟁력 있는 성능을 선보이며, Artificial Analysis Intelligence Index 44점을 달성했다.
Inco AI가 모델별 전용 커널과 초안 모델을 적용한 Apple Silicon 추론 엔진 Splash를 공개했다.
AI 에이전트의 스타크래프트 수행력을 평가한 Brood War Bench에서 Codex Astra xhigh 모델이 18전 전승을 기록하며 1위를 차지했으며, Claude Haiku와 Grok 4.6 low는 0승으로 하위권에 머물렀다.
코딩 에이전트와 CLI 도구 확산에 따라 코드 작성보다 탐색과 검토가 중요해짐에 따라, 브라우저에서 즉시 실행 가능한 초경량 원격 우선 IDE 'px0'가 소개되었습니다.
범용 LLM의 통합 구조가 기능별 분리 아키텍처로 전환되며, 저비용 추론이 에이전트 경제성을 재편하고 있다.
워털루대 연구팀이 영어 텍스트 설명을 로컬에서 실행 가능한 소형 Neural Program으로 컴파일하는 오픈소스 프레임워크 PAW를 공개했다.
LangChain이 TypeSafe AI의 Jev를 검증한 결과, 분류 작업 기준 LLM Judge 대비 최대 200배 빠르고 비용은 400배 낮으며 일관성이 높음을 확인했으나, 실험은 초기 단계로 추가 검증이 필요하다.
Stagehand v4는 TypeScript, Python, Go를 지원하며 Browserbase 클라우드 환경에서 Playwright 대비 2배 빠른 실행 속도를 제공합니다.
AI 에이전트 개발용 오픈소스 프레임워크 CerebrumKit이 공개되어 스킬과 도구를 데이터베이스로 관리한다.
Reef Infra가 사용자 피드백을 강화학습 신호로 변환하는 OpenClaw-RL 레시피와 세션 매칭 기술을 공개했다.
Cua가 컴퓨터 사용 의사결정을 위한 소형 특화 모델 CUA-S1과 관련 오픈소스 도구를 공개했다.
문자열 매칭 기반 AI 에이전트 평가는 거짓 준수를 유발할 수 있어 실제 실행과 직접 검증을 우선해야 한다.
AI Briefing