#benchmark와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Snapdragon X2 Elite Extreme 탑재 Zenbook A16의 llama.cpp 토큰 속도 측정치.
2x RTX 3090에서 vLLM Docker로 Qwen3.6 35B 4bit를 멀티유저용으로 돌렸다.
CWT는 계산량을 약 45% 줄이면서 baseline 대비 PPL 1.7% 차이를 유지했다.
AI 투자와 성능은 급등했지만 고용·인식은 엇갈린다.
Postgres에서 bloat 없이 동작하는 순수 SQL 큐를 소개한다.
커뮤니티 익명 입력으로 Opus 4.6과 4.7의 토큰 사용 차이를 비교한다.
DGX Spark에서 Qwen3.6은 Qwen3.5와 비슷하지만 MTP로 처리량이 크게 늘었다.
3D point cloud용 PyTorch 통합 라이브러리 LIDARLearn이 오픈소스로 공개됐다.
Q4_K_M Qwen 3.6 35B A3B가 CPU에서 22토큰/초로 동작했다.
RTX 5070 Ti에서 --n-cpu-moe로 Qwen3.6-35B-A3B 속도를 54% 끌어올림.
Qwen 3/3.5와 HauhauCS·Heretic·Huihui를 비교한 벤치마크·안전성·텐서 분석을 공개했다.
RTX 5060 Ti 16GB에서 Qwen3.6-35B-A3B가 prebuilt 대비 약 10% 빨라졌다.
Claude 4.7은 토큰이 1.3~1.45배 늘고 준수도는 소폭 개선됐다.
RX 9070과 RTX 5070 Ti를 묶어 Qwen 35B Q4를 100tps 이상으로 구동했다.
100문항 블라인드 평가에서 Opus 4.7이 4.6을 69대30으로 앞섰다.
Claude Opus 4.7의 새 tokenizer가 공식 안내보다 더 많은 토큰을 쓰는 것으로 측정됐다.
Intel Arc Pro B70을 Linux에서 NVIDIA RTX·AMD Radeon AI PRO와 비교했다.
동일한 FP8 조건 비교에서 Ironwood와 B200의 우위가 모델별로 뒤집혔다.
A100 40GB에서 MIG가 공유 vLLM보다 보호 테넌트 p95를 크게 낮췄다.
합성 데이터 1,220만 장으로 6개 언어 OCR을 빠르고 정확하게 학습했다.
Zod 28개 과제에서 Opus 4.7은 4.6과 패스율은 같았지만 더 빠르고 효율적이었다.
듀얼 RTX 5060 Ti에서 Qwen 3.6-35B-A3B가 90K 컨텍스트 21.7 tok/s를 기록했다.
SwiftLM이 24GB Mac에서 35B Qwen 모델을 40K~100K 컨텍스트로 구동한 결과를 제시했다.
Qwen3.6-35B-A3B GGUF 벤치마크에서 Unsloth 양자화가 KLD 대비 용량 효율이 가장 좋다고 주장한다.
AI Briefing