Morning Digest — 2026-09-11

• 순수 C·엔진 의존성 0 구조로 744B~2.8T급 MoE 모델을 소비자·이기종 하드웨어에서 실행 지향
• VRAM·RAM·NVMe를 단일 추론 계층으로 다루는 AI memory multitiering 기반, 저장장치 용량 제약을 속도 문제로 환원
• GLM-5.2/5.3, Kimi K3, DeepSeek V4 Flash, Qwen 계열, OLMoE 등 8개 모델 패밀리 지원

• Google DeepMind·Google Research 공개 모델로 정지궤도 위성 모자이크와 관측소 데이터를 직접 학습하는 전 지구 기상 예보 AI
• 기존 6시간·25km급 AI 예보 대비 매시간 갱신, 5km 관측소 헤드와 10km 격자 출력으로 시간 6배·공간 약 5배 고해상도화
• 자료동화·예보·후처리를 단일 FGN 메시 트랜스포머로 통합하고 64개 멤버 확률 앙상블을 한 번의 순전파로 생성

• Claude Code, Codex, OpenCode, Cursor, Grok 등 복수 코딩 에이전트 동시 활용 구조
• 에이전트별로 서로 다른 작업을 분담하고 진행 상황을 한곳에서 확인하는 데스크톱 IDE
• 작업마다 별도 컨텍스트를 유지해 병렬 실행 중 코드 변경 사항을 통합 추적하는 방식

• 비전언어모델(VLM) 에이전트만으로 로봇 작업 수행을 목표로 한 Show-Harness 소개
• 로봇 제어를 위한 별도 정책 모델 없이 VLM 기반 에이전트 활용 관점 제시
• 언어·시각 이해를 행동 실행으로 연결하는 로봇 플레이(play robots) 방향성 제안

• 실세계 웨어러블 데이터 위 건강 관련 질문응답·추론 성능 평가용 벤치마크 제안
• 심박수 등 시계열 신호와 건강 맥락을 연결하는 모델의 이해·추론 능력 측정 초점
• 정형 QA를 넘어 실제 사용 환경의 데이터 특성과 건강 reasoning 과제 반영

• SWE-Bench Pro Verified 제안, 소프트웨어 엔지니어링 에이전트 평가용 신뢰도 강화 벤치마크
• 기존 SWE-Bench 계열의 평가 불확실성과 검증 한계 보완에 초점
• Verified 설정을 통해 문제 인스턴스와 정답 판정의 신뢰성 향상 지향

• OpenAI의 관리형 서비스 형태 에이전트 API 출시, 클라우드 에이전트 빌드·배포 지원
• Codex harness 기반 오케스트레이션 제공, 에이전트 실행 흐름 관리 기능 강조
• 장시간 실행(long-running sessions) 지원, 단발 호출을 넘는 지속형 작업 처리 지향

• ChatGPT Images 2.5로 생성한 파베르제 달걀 이미지를 바탕으로 Blender 모델 제작 실험
• Codex의 GPT-6 Astra(high)와 blender local skill 조합으로 17분 51초 동안 여러 .blend 파일 생성
• 기존에 만들던 Blender 뷰잉 실험을 도구화해 .blend URL을 브라우저에서 확인하는 뷰어로 공개

• DeepSeek V4.1 Flash 출시, 신규 아키텍처 계열의 최소 모델 포지션
• 네이티브 멀티모달 시각 이해 지원, 텍스트 중심 모델 대비 입력 범위 확장
• 더 높은 성능 상한, 더 빠른 추론, 더 높은 처리량 목표의 구조 설계

• Kimi K3 기반 2.8T 파라미터 MoE, 토큰당 104B 활성화, Cognition 후속 post-training 적용
• 멀티트릴리언 규모 RL 적용으로 대부분 벤치마크에서 기존 베이스 대비 5~6점 향상 주장
• FrontierCode 50.0, DeepSWE 73.0, Terminal-Bench 2.1 92.8, Terminal-Bench 4.0 27.3의 자체 보고 성능