google-developers

DiffusionGemma: 개발자 가이드

DiffusionGemma는 Gemma 4 기반의 새로운 텍스트 생성 모델로, 메모리 대역폭 대신 컴퓨팅으로 병목 현상을 전환하여 최대 4배 더 빠른 토큰 생성과 양방향 컨텍스트 기반의 자체 수정 능력을 제공하며, 효율적인 배포를 위한 MoE 아키텍처를 자랑해요.

google-developers

Google Colab CLI 소개

Google Colab CLI를 통해 로컬 터미널에서 원격 Colab 런타임으로 GPU/TPU를 손쉽게 할당하고, ML 파이프라인을 실행하며, 결과물을 다운로드할 수 있습니다. AI 에이전트와도 완벽하게 통합됩니다.

google-developers

Gemma 4 12B: 개발자 가이드

구글이 발표한 Gemma 4 12B는 16GB VRAM에서도 로컬 실행이 가능한 멀티모달 모델로, 인코더 없는 통합 아키텍처를 통해 시각·오디오 처리 레이턴시를 줄이고 개발자 친화적인 도구와 함께 출시되었습니다.

openai-news

OpenAI의 공개 정책 의제

OpenAI는 인공 일반 지능(AGI)이 모든 인류에게 혜택을 주도록 한다는 미션 아래, 안전, 청소년 보호, 사회 적응, 콘텐츠 출처 투명성, 친환경 인프라 등 5가지 핵심 원칙에 기반한 구체적인 공공 정책 의제를 제시하고 있어요.

anthropic

클로드를 화학자로 만들기

앤트로픽이 클로드의 화학 능력을 향상시키기 위해 NMR 스펙트럼 분석에서 전문 소프트웨어와 비교 평가한 결과, 범용 모델인 Opus 4.7이 일상적인 데이터 예측에서 ChemDraw 및 MestReNova와 동등하거나 더 나은 성능을 보였고, 역구조 결정도 가능함을 확인했습니다.

anthropic

프로젝트 글래스윙 확장하기

앤트로픽의 AI 기반 보안 프로젝트 '글래스윙'이 기존 50개 파트너에서 전 세계 150개 이상의 기관으로 확대되며, AI를 활용해 전 세계 소프트웨어 보안을 강화하고 사이버 방어 역량을 키우는 데 집중하고 있어요.

anthropic

클로드 오퍼스 4.8을 소개해요

앤트로픽이 벤치마크 개선과 협업 능력 향상을 이룬 '클로드 오퍼스 4.8'을 출시했어요. 가격은 그대로 유지하면서 동적 워크플로우, 노력 조절, 메시지 API 업데이트 등 여러 신기능도 함께 선보입니다.

openai-news

2026년 선거 정보와 보호 조치

오픈AI는 2026년 세계 선거 시즌을 맞아 신뢰할 만한 투표 정보 제공, 사이버 보안 지원, AI 생성 콘텐츠 투명성 강화, 악용 방지, 정치적 중립성 유지를 위한 노력을 지속한다고 밝혔다.

google-developers

Google Pay의 최신 업데이트 소식

Google Pay는 에이전틱 커머스 시대에 맞춰 UCP 지원, AI 에이전트용 MCP 서버, Android 동적 결제 콜백, 소셜 앱 확장, 비용 최적화 도구, 반복 청구 연속성, 크로스 디바이스 인증 등 다양한 신기능으로 개발자들에게 더 강력하고 유연한 결제 경험을 제공해요.

anthropic

사회과학에서의 코딩 에이전트

1,260명의 사회과학자를 대상으로 한 설문조사 결과, 81%가 AI 챗봇을 연구에 사용해봤지만 코딩 에이전트를 정기적으로 사용하는 비율은 20%에 불과하며, 사용자 간 격차가 크고 생산성 향상은 초기 단계에 그쳤습니다.

anthropic

프로젝트 글래스윙: 초기 업데이트

앤트로픽의 '프로젝트 글래스윙'을 통해 AI 모델이 수만 건의 소프트웨어 취약점을 찾아냈지만, 이제 문제는 인간이 이 취약점들을 검증하고 패치하는 속도가 AI의 발견 속도를 따라가지 못하는 새로운 사이버 보안 과제에 직면했다는 내용이에요.

openai-news

OpenAI, 싱가포르를 만나다

OpenAI는 싱가포르 디지털 개발 및 정보부(MDDI)와 협력하여 싱가포르의 AI 경제 전환을 돕고, 인재를 양성하며, AI 혜택을 확대하는 'OpenAI for Singapore' 이니셔티브를 시작했어요.

google-research

경험적 연구 지원(ERA): <네이처> 논문 등재를 넘어 계산 과학 발굴의 촉매제로!

구글이 개발한 AI 연구 도구 ERA(Empirical Research Assistance)가 과학적 코딩 작업을 자동화하고 최적화하여 과학 연구 속도를 높이는 방법을 소개하며, 다양한 과학 분야에 적용된 성공 사례와 더 넓은 과학 커뮤니티를 위한 'Computational Discovery' 도구 출시를 알리는 글이에요.

google-developers

ADK로 일시 중지, 재개, 그리고 컨텍스트를 절대 잃지 않는 장기 실행 AI 에이전트 구축하기

ADK(Agent Development Kit)를 활용하면 기업의 복잡하고 장기적인 워크플로우를 안정적으로 처리할 수 있는 AI 에이전트를 만들 수 있어요. 이는 상태 관리, 이벤트 기반 재개, 그리고 멀티 에이전트 협업을 통해 일반적인 챗봇의 한계를 뛰어넘는답니다.

anthropic

중소기업을 위한 클로드 소개

앤트로픽이 중소기업을 위해 클로드를 주요 비즈니스 도구에 통합해 주는 '중소기업용 클로드'를 출시했어요. 급여 관리, 마케팅 캠페인, 재무 마감 같은 다양한 업무를 자동화하고, AI 활용 교육 프로그램과 파트너십을 통해 중소기업의 AI 도입을 적극적으로 돕는 솔루션이에요.

anthropic

클로드에게 '왜'를 가르치기

앤트로픽 팀은 클로드 모델의 '에이전틱 오정렬' 문제를 해결하기 위해 어떤 행동이 '왜' 올바른지 가르치고, 헌법 문서와 같은 OOD 데이터를 활용하며, 다양한 학습 환경을 제공하는 것이 모델의 정렬과 일반화 능력을 크게 향상시킨다는 점을 발견했어요.

openai-news

고블린들은 도대체 어디서 왔을까요?

GPT 모델이 갑자기 고블린 비유를 남발하기 시작한 웃픈 사연을 통해, LLM 훈련 과정에서 보상 신호가 어떻게 예상치 못한 모델 행동 변화를 일으킬 수 있는지 알아보는 이야기예요.

anthropic

클로드 코드 품질 보고서 최신 업데이트

앤트로픽 팀은 최근 사용자들로부터 클로드 코드의 응답 품질 저하 보고를 조사한 결과, 노력 수준 기본값 변경, 프롬프트 캐싱 버그, 그리고 과도한 장황함 제어 관련 세 가지 원인을 발견하고 모두 해결했으며, 재발 방지를 위한 대책을 마련했다고 밝혔어요.

anthropic

Claude Opus 4.7 출시 소식!

저희의 최신 모델 Claude Opus 4.7이 정식 출시되었어요! 소프트웨어 엔지니어링, 고해상도 이미지 이해, 지시사항 준수 능력이 대폭 향상되어 복잡한 작업을 더 똑똑하고 효율적으로 처리하고, 더 안정적인 에이전트 워크플로우를 구현할 수 있게 됐어요.

google-developers

TorchTPU: 구글 스케일에서 PyTorch를 TPU에서 네이티브로 실행하기

TorchTPU는 PyTorch를 구글 TPU에서 네이티브로 실행할 수 있는 스택입니다. 세 가지 Eager 모드(Debug, Strict, Fused)를 제공하며 Fused Eager는 자동 연산 융합으로 50~100% 이상 성능을 향상시킵니다. torch.compile을 통한 XLA 기반 정적 컴파일과 DDP, FSDPv2, DTensor 등 분산 API를 지원하여 대규모 분산 훈련에 최적화되어 있습니다. 또한 MPMD와 같은 분기 실행을 지원하고, 2026년에는 동적 형태 지원, Helion 커널, vLLM/TorchTitan 통합 등을 계획하고 있습니다.

google-research

생성형 AI로 미래 대비 역량 키우기

구글 연구진은 생성형 AI 기반 플랫폼 'Vantage'를 개발해 비판적 사고, 협업 등 측정하기 어려웠던 미래 핵심 역량들을 가상 시뮬레이션 환경에서 평가하고, 그 정확도가 인간 전문가와 동등한 수준임을 입증했어요.

google-developers

ADK Go 1.0이 드디어 출시됐어요!

AI 에이전트가 실험 단계를 넘어 프로덕션 서비스로 거듭나면서, ADK Go 1.0이 OpenTelemetry 통합, 플러그인 시스템, 휴먼 인 더 루프(Human-in-the-Loop) 기능, 그리고 YAML 설정을 통한 구성 가능성으로 개발자에게 강력한 도구를 제공하며 에이전트 개발의 새로운 장을 열었어요.

anthropic

효과적인 에이전트 구축하기

앤트로픽의 경험을 바탕으로, LLM 에이전트 개발 시 복잡한 프레임워크보다 단순하고 조합 가능한 패턴에 집중하고, 워크플로우와 에이전트의 차이를 이해하여 적절한 시스템을 구축하는 실용적인 방법을 알려주는 글입니다.