AI21 Labs 뉴스
AI21 Labs에서 수집한 AI·개발 최신 뉴스와 한국어 요약입니다.
원문 사이트 방문 →AI21 Labs, 섀도 인터프리터 기반 Python 라이브러리 Teel 출시
AI21 Labs의 Teel이 섀도 인터프리터로 IO 병렬화해 실행 시간을 83% 단축했다
AI21·Deel, Nemotron 3.5 Super VL 후학습으로 Claude Opus 5.5 품질 추월
AI21과 Deel이 Nemotron 3.5 Super VL을 후학습해 경쟁 모델보다 품질을 8점 높였다.
AI21, DeepSeek V4 Flash 전환으로 GitLab Duo Code Review 비용 98% 절감
AI21이 컨텍스트 압축과 모델 전환으로 GitLab Duo Code Review 비용을 98% 절감했다
AI21, NVIDIA Nemotron 3.5 Super VL 포스트 트레이닝으로 기업용 특화 모델 개발
AI21이 3개 파트너와 NVIDIA Nemotron 3.5 Super VL을 3주 만에 포스트 트레이닝해 저비용 프론티어 성능을 확보했다.
AI21, 공개 벤치마크의 난이도 과대평가로 인한 모델 라우팅 비효율 지적
AI21 분석 결과 공개 벤치마크가 작업 난이도를 과대평가해 모델 라우팅 비효율을 초래했다.
AI21, Kueue로 GPU 스케줄링 자동화… 수동 개입 제로화 및 기아 시간 83% 단축
AI21이 Kueue 도입으로 주당 20회 수동 개입을 없애고 히어로 잡 기아 시간을 72시간에서 12시간으로 줄였다.
추천오픈 모델과 프론티어 모델의 협업을 통한 더 저렴하고 강력한 패치 생성
저렴한 모델로 컨텍스트를 추출하고 프론티어 모델로 최종 패치를 작성하는 계층형 아키텍처를 통해 비용 효율성과 성능을 동시에 잡았다.
SWE 에이전트를 위한 예산 인식형 실행을 통한 Best-of-N 성능 향상
작업 난이도에 따라 컴퓨팅 자원을 유동적으로 할당하여 SWE 에이전트의 비용과 속도를 최적화하는 전략을 제안한다.
비용은 줄지 않는다. 이제 무엇을 해야 하는가?
AI 에이전트의 토큰 사용량 급증에 대응하기 위해 품질 저하 없이 비용을 최적화하는 자동화된 라우팅 기술이 중요해지고 있다.
약한 에이전트들을 결합하여 최첨단 Deep Researcher 구현하기
새로운 에이전트를 개발하는 대신 기존 에이전트들의 결과물을 병합하는 방식으로 Deep Research 벤치마크 1위를 달성했다.
먼저 확장하고 나중에 보강하기: 올바른 실행 전략으로 SWE-rebench SOTA 달성
AI21이 실행 전략을 뒤집는 '먼저 확장하고 나중에 보강하기' 방식으로 SWE-rebench에서 60.9%의 해결률을 기록하며 SOTA를 달성했다.
기업용 생성형 AI의 주요 과제와 해결 방안
기업용 생성형 AI 도입 과정에서 발생하는 주요 과제들을 살펴보고, 이를 해결하여 운영 효율성을 달성하는 방법을 분석한다.