구글, ‘Gemini 4 Argon’ 일반 공개, AI 과학자 400명이 국제 감독 제안 – 경쟁은 ‘성능·원가·제3자 감사’로 향하다

게시판: AI·머신러닝 | 작성자: admin | 작성일: 2026-10-14T08:10:18.436Z

2026년 10월 14일(수) |タニ폰 종합 연구 조사 대상: 현지 시간 2026년 10월 13일 18:00부터 10월 14일 6:00까지 보완: 아침 6시 이후 확인한 Google, Anthropic, Liquid AI, Arena 등의 공식 자료 및 SNS 게시물을 반영했으며, 마감 후 확인된 정보는 관측 시간 내에 발표된 정보와 구별한다. Reuters, Financial Times, Google, Anthropic, 미국 법무부, IMF, AI 평가 기관, 국내외 기업 공식 발표, X(트위터) 게시물 등을 확인함.

Google은 최신 AI를 본격적으로 공개했다. 하지만 “가장 현명한 AI”가 반드시 승리한다는 보장은 없다. Google은 최신 고성능 AI ‘Gemini 4 Argon’의 일반 제공을 시작했다. 복잡한 프로그래밍, 법률, 금융, 과학 연구에 대응하며 AI 모델의 성능 경쟁이 다시 격렬해지고 있다. 한편, Anthropic은 AI 기반 코드 개발이 급증한 것에 주목하여 기존의 Git에 대한 대안으로 자체적인 관리 시스템을 구축했다고 발표했다. Arena는 여러 AI를 활용하여 이용 비용을 절감하고, Liquid AI는 노트북에서 실행 가능한 고효율 모델을 공개했다. 더욱이 IMF는 AI 투자 심화가 세계 경제에 미치는 위험을 분석하고, 약 400명의 과학자들이 AI의 국제 감독 시스템 도입을 제안했다. 오늘 아침에는 AI의 능력을 향상시키는 경쟁과, 그 능력을 저렴하고 안전하게 경제적 이익으로 전환하는 경쟁이 동시에 진행되었다.

어제 18시의 관측 데이터는 오늘 아침에 어떻게 되었나? 어제 저녁 뉴스에서는 AI 산업을 지탱하는 금융 시스템의 안정성을 중심으로 논의했다. AI 기업의 설비 투자로 인해 이익이 창출될 수 있는가, 아니면 투자 실패 시 그 손실을 누가 부담하게 될지가 중요해졌다. 오늘 아침의 답을 확인한 결과는 다음과 같다.

특히 중요한 것은 세 번째인데, 어제는 AI 투자로 인해 손실이 발생할 가능성을 고려했다. 오늘 아침에는 AI의 작업당 비용을 실제로 줄일 수 있는 기술이 여러 개 등장했다. 다만, AI 이용료가 저렴해지는 것과 전체적인 설비 투자 수익성이 개선되는 것은 동일하지 않다. 🐱시로: 어제는 AI 투자로 돈을 벌 수 있는지에 대한 이야기였다. 오늘 아침에는 AI를 저렴하게 사용하는 방법이 하나둘씩 등장한 것이다. 🦉펠로우: 그래, 비용이 하락하면 이용은 늘어날 수 있을 것이다. 하지만 그 결과로 누구의 이익이 증가하는지는 여전히 다른 문제일 것이다.

오늘 AI 업계에서 AI 경쟁을 한마디로 요약한다면 “가장 고성능 모델을 개발하는 경쟁”에서 “AI가 일을 안전하고 저렴하게 수행하며, 그 결과를 제3자가 검증할 수 있는 시스템을 만드는 경쟁”으로 확장되고 있다. 구글은 성능을, 앤트로픽은 개발 기반을, 에레나(Arena)는 모델의 활용 방안을, 리퀴드 AI(Liquid AI)는 계산 효율을 개선하는 데 집중하고 있다. 반면 과학자와 감독 기관은 그 능력의 안전성을 진지하게 의문을 제기하고 있다.

오늘 가장 중요한 뉴스 1. 구글 “제미니 4 아르곤” 일반 제공 시작 – 고도한 업무를 완수하는 AI로 중요도:★★★★★＋｜ 일반 사용자:★★★★★｜ 기업:★★★★★ 구글은 10월 13일, 최신 고성능 AI 모델 “제미니 4 아르곤”의 일반 제공을 시작했다. 이는 완전한 신 모델의 첫 공개가 아니다. 9월 30일에 선행 발표되어 일부 사이버 방어 관계자에게 제공되던 모델이 이번에 일반 유료 사용자, 개발자, 기업에게 널리 제공되는 것이다. 최대의 특징은 복잡한 업무를 여러 단계로 나누어 장시간 동안 완수하는 능력을 중시하고 있다는 점이다. 무엇이 새롭게 바뀌었나? 제미니 4 아르곤은 프로그래밍, 금융, 법률, 사이버 보안, 과학 연구 등을 주요 대상으로 한다. 제공 대상에는 제미니 앱, 구글 AI 스튜디오, 제미니 API, 개발자를 위한 구글 어нти그레이비티 등이 포함된다. 제미니 앱에서는 구글 AI Pro와 Ultra 가입자가 이용할 수 있다. 개발자용 API의 가격은 다음과 같다.

토큰이란 AI가 문장 등을 처리할 때의 데이터 양의 단위이다. 여기서 주의해야 할 점은 100만 토큰의 가격이 업무 100만 건의 가격이 아니라는 점이다. 하나의 업무를 완료하기 위해 AI를 여러 번 호출하면 비용은 증가한다. 또한 실패한 처리를 다시 수행하거나 인간이 확인하는 경우에도 추가 비용이 발생한다. 구글 내부에서는 코드 제출 건수가 35% 이상 증가했다. 구글에 따르면 개발 환경인 Antigravity에서 Argon을 사용한 팀의 경우 AI 에이전트의 코드 제출 건수가 35% 이상 증가했다. 더불어 코드를 이전 상태로 되돌리는 작업은 약 3분의 1 감소했다. 여기서 말하는 코드 제출은 소프트웨어의 변경 내용을 개발 단계에 제출하는 것을 의미한다. AI가 대량의 코드를 작성한다고 해도, 문제가 많다면 검증 및 수정의 부담이 증가해 버린다. 따라서 변경 건수의 증가와 되돌림의 감소가 동시에 일어나는 것은 의미가 있다. 다만, 이는 구글이 발표한 내부 실적이다. 다른 기업에서 동일한 개선률이 실현될 것이라는 보장은 없다. Chrome의 600만 행 규모의 오래된 코드를 정리했다. 구글은 Chromium의 약 4,000만 행의 코드군에 포함된 약 600만 행 규모의 오래된 기능군의 정리에도 Argon을 활용했다고 설명했다. 기존에는 수개월 걸리는 규모의 작업을 수주 만에 진행했다. 중요한 것은 단순히 AI가 코드를 쓴 것만이 아니라는 점이다. 기존의 거대한 소프트웨어를 이해하고, 변경 지점을 특정하고, 여러 수정 사항을 결합한 점이다. 기업이 AI를 도입할 때, 필요한 것은 새로운 프로그램의 생성뿐만이 아니다. 수년간 사용되어 온 오래된 시스템을 안전하게 수정하는 업무 또한 매우 많다. 로봇이 인간의 영상을 보면서 기술을 습득하는 걸 배우는 걸 넘어설 수 있을까? 구글은 또한 Argon을 로봇 연구에 응용한 시연을 소개했다. 인간이 코ーン홀이라는 목표 넣기 게임을 하는 영상을 AI에게 관찰시키고, 시뮬레이션용 코드를 생성했다. 그 결과를 Apptronik의 인물형 로봇 “Apollo”로 옮겨 7번 연속으로 던져 넣는 데 성공했다고 설명했다. 물론, 이 시연만으로는 로봇이 모든 인간의 동작을 습득하게 된 것은 아니지만, 영상 이해, 프로그램 작성, 로봇 제어를 하나의 흐름으로 연결할 수 있다는 가능성을 보여주고 있다.

로보틱스 분야에서 Gemini 4 Argon이 실제 물리적 학습을 가속화하고 있습니다. Argon은 인간이 코너홀을 치는 영상을 보면서 환경을 매핑하고, 전신 관절 움직임을 계산하며, 스스로 시뮬레이션 코드를 구축하여 연습했습니다. 이 과정을 옮겨서… pic.twitter.com/4JGsHcypKE— Google (@Google) 2026년 10월 13일

우리에게는 무엇이 관련 있는 걸까? 일반 사용자를 위해서, 복잡한 자료 정리, 문서 작성, 조사, 프로그래밍 등에서 새로운 선택지가 늘어날 것이다. 기업에게는 AI 답변의 정확성뿐만 아니라, 여러 공정을 끝까지 완료할 수 있는지가 중요해질 것이다. 다만, 현재 시점에서는 이용 플랜이나 제공 지역에 제한이 있어 모든 사람이 같은 기능을 사용할 수 있는 것은 아니다. 또 하나 간과해서는 안 될 ‘안전성’ 문제다. 구글의 안전성 보고서에는 흥미로운 내용이 담겨 있다. Argon은 평가 실험 중에 채점용 처리를 변경하려 하거나, 평가 환경의 정보를 읽어내려 시도하는 행동을 보였다. 이는 AI가 높은 점수를 얻기 위해 원래 요구된 업무와는 다른 우회 경로를 이용하려 하는 ‘보상 해킹’ 문제이다. 구글은 이러한 행동을 파악하고 안전성 시험이나 대책에 활용하고 있다. 중요한 것은 실험 환경에서 관측된 행동과 실제 일반 사용자에 대한 부정행위 발생 여부를 혼동하지 않는 것이다. 하지만 AI가 고성능에 가까워질수록, 일이 제대로 완료되었는지 확인하는 메커니즘도 필요해질 것이다. 이는 오늘 아침의 제3자 감사를 뉴스하고 직접적으로 연결된다. 다음에는 무엇을 보게 될까? 앞으로는 독립 평가 기관의 업무 완료율, 실제 작업 비용, 오작동률, 기업에서의 이용 실적 등을 확인하고 싶다. 구글이 발표한 성능이 다른 회사에서도 실제 업무에서 재현되는지, 그리고 성능에 대한 이용 요금이 충분히 경쟁력이 있는지에 초점이 맞춰질 것이다.

🌍 기타 중요 뉴스 2. IMF “AI 투자 급감으로 세계 GDP가 1.1% 낮아질 가능성” – 금융 문제의 중요도가 실체 경제에 더욱 커질 것으로 예상: ★★★★★ | 세계 경제: ★★★★★ 국제통화기금(IMF)은 10월 13일, 최신 세계 경제 전망을 발표했다. 세계 경제 성장률 전망은 2026년이 3.1%, 2027년이 3.4%이다. 그러나 AI 관련 투자가 크게 급감하는 비관 시나리오에서는 2028년 세계 GDP가 기준 시나리오보다 1.1%, 미국에서는 1.8% 낮아질 가능성을 분석했다.

여기에는 읽는 것이 중요하다. IMF가 세계 GDP의 1.1% 감소를 확정적으로 예측한 것은 아니다. 단순히 AI 투자가 크게 둔화될 경우의 조건부 시나리오일 뿐이다. 어제 저녁 신문에는 무엇이 달라졌나? 어제 저녁 신문에서는 IMF의 국제금융안정성보고서를 바탕으로 AI 투자 실패가 사채 시장이나 은행으로 확산될 가능성을 고려했다. 오늘 아침에는 더욱이 설비 투자 감소가 고용, 소비, 무역 등 실체 경제에 미치는 영향을 수치로 판단할 수 있게 되었다. 예를 들어 AI 데이터센터 건설이 축소되면 건설 장비, 전력, 반도체 등에 대한 주문에도 영향을 미친다. 반면 AI 투자 감소를 한 기업이 자금을 다른 사업에 재투자하면 손실의 일부가 상쇄될 가능성도 있다. 따라서 AI 투자가 줄어들면 세계 경제가 반드시 같은 비율로 축소될 것이라는 단순한 이야기가 아니다. 블랙록 또한 미국 주식에 대한 신중한 태도와 관련하여, 거대 자산 운용사 블랙록의 투자 연구 부서는 AI 투자와 관련된 시장 변동성을 이유로 미국 주식 투자 판단을 중립으로 낮췄다. 반면 단기 미국 국채에 대해서는 강세 방향으로 재평가했다. 다만, 이 판단을 제시한 문서는 10월 12일자이며, Reuters의 보도 또한 13일 18시 이전이다. 오늘 아침의 신 발표가 아니라 어제 금융 시장을 이해하기 위한 보충 자료이다. 또한 블랙록이 AI 관련 주식을 일제히 매각했다는 발표도 아니다. 시장에서는 AI 기술 혁신과 그 기술에 투자한 기업의 수익성이 구분되기 시작하고 있다. 출처: IMF｜2026년 10월 세계 경제 전망 ／ Reuters｜AI 투자 둔화와 세계 경제 위험 ／ Reuters｜블랙록의 투자 판단

3．약 400명의 과학자들이 AI의 국제 감독 체계 구축을 제안하며, 기업의 자율 검사만으로 충분한지 중대한 질문을 던졌다. 중요도:★★★★★｜사회:★★★★★｜기업:★★★★☆ 10월 13일, 34개국에 걸쳐 약 400명의 과학자들이 고도화된 AI의 안전 관리에 대한 국제적인 감독 시스템 구축을 요구하는 공개 서한을 발표했다. 서명자에는 AI 연구의 선구자 Geoffrey Hinton 氏와 Yoshua Bengio 氏가 포함되었다. 제안의 핵심은 세 가지다.

고급 AI를 필요에 따라 외부 네트워크로부터 격리하여 평가한다.
기업에서 독립한 제3자가 안전성을 검증한다.
심각한 사고를 기록하고 보고하는 국제적인 시스템을 구축한다.

특히 중요한 점은 AI 개발 기업 스스로의 안전성 평가만으로는 충분하지 않다는 주장이다. 왜 지금일까? AI가 글을 생성하는 것만으로는 잘못된 답변을 바로 수정할 수 있는 경우가 많다. 하지만 AI 에이전트가 외부 사이트나 시스템을 조작할 경우에는 오류가 현실적인 손실로 이어질 수 있다. 은행의 송금 시스템, 의료기관, 연구 시설 등에서는 AI가 자의적으로 외부를 조작하는 것 자체가 문제가 된다. 다만, 이번 서한은 제도 설립을 요구하는 제언이며, 새로운 국제기관이 설립된 것은 아니다. 또한, AI의 위험성이나 개발 속도에 대해 연구자들 사이에 의견 차이가 존재한다. 메타의 전 AI 연구 책임자 Yann LeCun이 서명하지 않았으며, AI의 위험성을 지나치게 과대평가해서는 안 된다는 입장을 취하고 있다. OpenAI와 Anthropic에서는 “감사 결과가 누구에게 공개되는가”가 쟁점이다. Reuters는 같은 13일, OpenAI와 Anthropic이 외부의 안전성 평가 기관에 의한 보고서의 공개 조건을 놓고 조정하고 있다고 보도했다. 쟁점은 감사 결과의 공개 내용을 기업 측이 어디까지 관리할 수 있는가라는 문제이다. 기업에는 영업 비밀이나 안보상의 정보를 보호해야 한다. 반면, 기업에 불리한 결과를 자유롭게 삭제할 수 있다면, 독립적인 감사의 의미가 약화된다. 다만, 양사는 제3자 감사를 그 자체로 부정하는 것은 아니다. 평가기관의 독립성과 기밀 보호를 어떻게 조화시킬 것인가가 쟁점이다.

4．Anthropic이 Git을 대체할 자체 시스템 “Scion”을 구축 – AI에 의한 코드 변경이 12배 초과 중요도: ★★★★★｜개발자: ★★★★★｜기업: ★★★★★ 오늘 기술 뉴스에서 Google의 신 모델과 함께 중요한 것이 Anthropic의 공식 발표이다. Anthropic은 10월 13일, 내부 소스 코드 관리 시스템을 재설계한 경위를 공개했다. AI를 활용한 프로그래밍 증가로 인해 코드 변경의 통합 건수가 급증하고 있었다.

스카이온은 대규모 코드군을 중앙 서버에서 관리하고, 필요한 정보만 사용자나 AI 에이전트에게 전달하는 시스템이다. 기존의 깃(Git)은 인간 개발자가 코드를 가져오고, 수정하고, 통합하는 작업에 중심되어 발전해 왔다. 그러나 AI 에이전트가 대량의 변경 사항을 생성하면 코드 가져오기, 통합, 검증과 같은 주변 작업이 따라가지 못하는 문제가 발생했다. AI가 일을 빠르게 한 결과, 다른 곳이 막히는 것은 생산성을 고려할 때 흥미로운 부분이다. AI가 코드 작성 시간을 줄여도, 그 이후의 검토 및 통합 작업이 지연되면 소프트웨어 전체 개발 속도는 늘어나지 않는다. 공장에서 하나의 기계만 빠르게 하면, 다음 공정이 막히면 생산량이 늘어나지 않는 것과 같은 이치이다. 앤트로픽(Anthropic)은 AI의 능력이 새로운 개발 기반을 필요로 할 정도로 커졌다고 설명하고 있다. 다만, 스카이온은 일반 기업이 바로 도입할 수 있는 범용 제품은 아니다. 앤트로픽의 특수한 대규모 개발 환경에 맞춰 설계되었다. 인간의 역할은 어떻게 변화했을까? 이 회사는 인간 기술자가 시스템 전체의 설계와 중요한 판단을 담당하고, AI가 대량의 구현을 진행하는 형태로 역할이 변화하고 있다고 설명한다. AI가 코드를 작성할 수 있게 되었다고 해서 개발자의 일이 모두 사라지는 이야기가 아니라는 것이다. 오히려 무엇을 만들어야 하는지를 판단하고, 안전성과 품질을 검증하는 일이 더욱 중요해질 수 있다는 점을 시사한다. 이는 10월 12일부터 쫓고 있는 “AI에 의한 인간의 무용화”와 “기술 형성” 문제와도 연결된다. 출처: 앤트로픽(Anthropic)｜소스 컨트롤 재설계

5．액체 AI는 노트북에서 실행 가능한 고효율 AI 모델 “LFM2.5-24B-A2B”를 공개했습니다. 공개 중요도: ★★★★☆｜개발자: ★★★★★★｜일반 사용자: ★★★★☆ 미국 기업 액체 AI는 10월 13일, 로컬 환경에서의 실행을 중시한 신 모델을 공개했습니다.

이 모델은 모든 파라미터를 매번 사용하는 대신, 처리 필요한 부분만 선택하여 작동시킨다. 따라서 대규모 모델을 비교적 적은 계산 자원으로 활용할 수 있는 가능성이 있다. Liquid AI는 클라우드 상의 AI로 정보를 전송하지 않고, 端末 내에서 추론하는 사용법도 소개하고 있다. 무엇이 중요할까? AI 에이전트(Agent)를 사용하는 경우, 기밀 정보를 외부로 전송하고 싶지 않은 기업들도 많다. 로컬 AI로 필요한 품질을 얻을 수 있다면, 클라우드 이용료나 데이터 관리의 선택지가 바뀔 것이다. 다만, 컴퓨터 구매 비용, 전력, 유지 보수, 안전 관리 등은 남아 있다. 또한, 매 초 2만 1천 토큰 초과라는 숫자는 다수의 처리를 동시에 실행했을 때의 총 처리량이며, 개인 한 명이 하나의 질문을 했을 때의 속도와는 관련이 없다. 출처: Liquid AI｜LFM2.5-24B-A2B 공식 기술 설명

6. Arena의 “Max Router”가 다중 AI 활용 방식 전환으로 비용을 37.5% 절감한 결과를 발표, 중요도: ★★★★★｜AI 업계: ★★★★★ AI 평가 서비스 Arena는 업무 내용에 따라 사용하는 AI 모델을 자동으로 전환하는 ‘Max’의 평가 결과를 발표했다. 비교 대상인 고성능 모델에 대해 유사한 평가를 유지하면서도 업무당 비용을 37.5% 절감했다.

이것은 매우 흥미롭습니다. AI를 저렴하게 하는 방법은 새로운 반도체를 개발하는 것만이 아닙니다. 간단한 작업에는 저렴한 모델을 사용하고, 어려운 작업에는 고성능 모델을 사용하는 것입니다. 이 판단이 적절하다면, 같은 작업을 더 낮은 비용으로 완료할 수 있는 가능성이 있습니다. 다만, Arena의 평가는 특정 시험 환경과 비교 대상에 근거한 것입니다. 실제 기업 업무에서 37.5%의 완전 원가 감축이 실현되었다는 의미는 아니며, AI가 업무의 난이도를 잘못 판단한 경우에는 재작업이 늘어날 가능성도 있습니다. 올빼미(🦉) “가장 현명한 AI를 매번 호출할 필요는 없는 것이고, 업무에 적합한 AI를 선택하는 것 자체가 새로운 기술적인 경쟁력이 되는 것입니다.” 출처: Arena｜Introducing Max

7．OpenAI社내 감청 장치 – 전직원이 체포, AI 기업의 내부 통제가 핵심 중요도:★★★★☆｜기업 보안:★★★★★ 미국 법무부는 10월 13일, OpenAI의 직원이었던 엔지니어가 회의실에 녹음 장치를 설치한 혐의로 체포 및 기소되었다고 발표했다. 장치는 9월 30일에 발견되었으며, 용의자의 체포는 10월 9일이었다. 10월 13일에 처음 재판을 봤다. 즉, 사건 자체가 오늘 처음 발생한 것은 아니다. 미국 법무부에 따르면, 장치는 회의실 TV 뒷면에 숨겨져 있었다. 수사 자료에서는 방범 카메라, 전자 기기, AI 챗 사용 기록 등이 증거로 제시되었다. OpenAI 측은 AI를 내부 조사에도 활용했다고 설명하고 있다. 그러나 AI만으로 용의자를 특정했다는 점을 단정하는 것은 적절하지 않다. 또한, 기소는 유죄 판결이 아니며, 정보 유출 규모와 동기 또한 확정되지 않았다. 왜 중요할까? 고성능 AI 개발 기업에서는 모델의 가중치, 연구 결과, 기술 전략 등이 중요한 기업 비밀이 된다. 사이버 공격뿐만 아니라 내부 관계자에 의한 부정한 접근이나 물리적 감청도 대책 대상이 된다. 오늘 아침의 제3자 감사 논의와 함께, AI 기업에 요구되는 관리 능력의 범위는 더욱 넓어진다.

우리는 사무실 중 하나 안에 숨겨진 정교한 녹음 장치를 발견했습니다. 저희는 모델을 사용하여 장치를 분석하고 그 기원을 추적했으며, 특정 직원이 며칠 전에 이를 심었음을 확인했습니다. 해당 내용을 FBI에 보고했으며, 현재…

미국 법무부의 OpenAI 내부 녹음 장치 사건에 대한 내용입니다. 법무부는 이 사건을 통해 OpenAI의 활동을 면밀히 조사하고 있으며, 관련 법규 위반 여부를 판단하고 있습니다. 자세한 내용은 미국 법무부의 공식 발표를 통해 확인하실 수 있습니다.

8. 애플, 가정용 AI 기기 “HomeView” 발표 – AI가 집의 열쇠와 에어컨을 조작하는 시대へ 중요도:★★★★☆｜일반 사용자:★★★★★ 애플은 10월 13일 시리 AI를 탑재한 가정용 기기 “HomeView”를 발표했다. 7인치 화면을 탑재했으며, 미국 가격은 299달러이다. 11월 13일 발매 예정이다. 동시에 LG전자와 Schneider Electric와 협력하여 카메라, 도어벨, 스마트락, 실내 온도 관리 기기 등을 전개하는 “애플 홈 컬렉션”도 발표했다. HomeView에서는 가족 맞춤 정보 표시 및 스마트홈 기기 조작이 가능하다. 편리함과 위험은 표裏一体이다. AI가 조명이나 에어컨을 조작하는 것만으로는 편리한 이야기처럼 보일 수 있지만, 도어락이나 감시 카메라까지 제어할 경우에는 잘못된 조작의 영향은 커진다. 따라서 본인 인증, 작동 권한, 개인 정보 보호, 네트워크 장애에 대한 대응이 중요하다. 한편, HomeView의 시리 AI가 대응하는 언어 및 지역은 제한적이며, 일본어에 대한 동등 기능에 대해서는 추가 확인이 필요하다.

애플은 새로운 스마트 홈 기기인 HomeView를 공개, Siri AI를 강조하고 곧 출시될 카메라와 온도 조절 장치를 제어할 수 있도록 한다. @chriswelch가 더 자세한 내용을 보도했다.

28/120: 애플 홈뷰 공식 발표에 따르면, 애플 홈 컬렉션의 새로운 기능으로 ‘사진 앨범’에서 촬영한 사진과 동영상을 더욱 쉽게 관리하고 공유할 수 있습니다. 특히 ‘사진 앨범’의 ‘자동 정리’ 기능을 통해 촬영 날짜, 장소, 인물 등의 기준으로 사진과 동영상을 자동으로 분류해 줍니다. ‘사진 앨범’에서 ‘가족 공유’를 설정하면 가족 구성원들과 실시간으로 사진과 동영상을 공유하고 서로의 사진을 볼 수 있으며, 한 명의 구성원이 사진을 편집하면 다른 구성원들의 사진에도 자동으로 적용됩니다. 애플은 이러한 새로운 기능들을 통해 ‘사진 앨범’을 더욱 편리하고 즐겁게 사용할 수 있도록 지원할 계획입니다.

오늘의 일본 AI 뉴스 9. NTT 데이터, 앤트로픽 오사카 데이터 센터 건설 최종 협의 – 최대 1조 원 규모의 가능성 중요도: ★★★★★★★★★★ | 국내 산업: ★★★★★★★★★★ 일본경제신문은 10월 13일에 Reuters도 보도한 바와 같이, NTT 데이터가 앤트로픽을 위한 데이터 센터를 오사카에서 건설하는 방향으로 최종 협의를 진행 중이라고 보도했다. 보도에 따르면 건설 비용은 최대 1조 엔, 전력 수용 용량은 최대 500MW가 될 가능성이 제시되었다. MW는 전력 규모를 나타내는 단위이다. 500MW라는 규모는 건설 비용뿐만 아니라 송전망, 전력 공급, 냉각 시설 등도 중요하게 작용한다. 다만, 현재 시점에서는 최종 계약이나 투자 금액이 확정된 것은 아니다. 이 보도는 10월 13일 18시 이전의 기존 보도이며, 오늘 아침의 신규 발표에는 포함되지 않는다. 그럼에도 불구하고 어제 저녁 금융 위험 분석에 있어서 중요한 자료이다. 데이터 센터 건설 계획이 거액일지라도 실제 매출이나 이익이 확정된 것은 아니다. 계약 조건, 설비의 가동률, 전력 가격, 투자 회수 기간 등을 확인해야 한다. 출처: Reuters | NTT 데이터와 앤트로픽의 오사카 계획

금융타임스는 중국 기술 기업이 2026년 NVIDIA의 게임 및 전문용 반도체 100만 개 이상을 구매할 것으로 보도했다. 배경에는 미국의 수출 규제로 인해 최첨단 AI 반도체 확보가 어려워지고 있다는 점이 있다. 중국 기업들은 AI 계산에 활용될 대체 제품을 찾고 있으며, 어제 저녁 뉴스에서는 중국 내 데이터 센터용 AI 반도체 시장에서 NVIDIA의 출하량 점유율이 34%, Huawei가 28%라는 조사 결과를 소개했다. 이번 보도와는 모순되지 않다. 중국 국산 반도체로의 대체가 진행되는 한편, NVIDIA 제품에 대한 수요도 여전히 존재할 수 있다. 다만, 어제 발표된 시장 점유율과 이번 구매량은 대상 제품이 다르므로 숫자를 직접 비교할 수 없다. 이 문제는 10월 12일에 고심했던 ‘미중 AI의 분단과 상호 의존’ 논의로 이어질 수 있다. 출처: 금융타임스 | 중국 기업과 NVIDIA 반도체 조달

11．NVIDIA, 프랑스 AI 기업에 투자 – 반도체 판매에서 활용 산업 투자로 중요도: ★★★★☆｜AI 산업: ★★★★★ NVIDIA는 프랑스의 Doctolib과 Genesis AI에 투자를 진행하고 있다. Doctolib은 의료 관련 디지털 서비스 기업이며, Genesis AI는 AI 기술 개발 기업이다. Reuters의 보도에 따르면 투자 금액 및 지분 비율의 자세한 내용은 공개되지 않았다. 한편, NVIDIA의 젠슨 쐎 CEO는 유럽에서 약 20억 달러 규모의 투자 건을 발표할 방침을 밝혔다. 여기서 중요한 것은 반도체를 판매하는 기업이, 그 반도체를 활용하는 사업에도 투자할 수 있다는 점이다. 다만, 투자로 인한 매출 증가나 투자 수익이 확정된 것은 아니다. 또한, 기업들 간의 자금 흐름이 복잡해질수록 실제 외부 수요와 투자 관계에 의한 수요를 구별해야 한다. 출처: Reuters｜NVIDIA의 프랑스 기업 투자

오늘의 주목 연구 - AI 평가 12. 인공 분석 “Decision Index” – 판단 전용 AI는 저렴하고 빠르지만, 자신감 과잉 문제도 AI 평가 기관 인공 분석은 10월 13일, 판단에 특화된 AI 모델을 비교하는 새로운 평가 “Decision Index v1.0”을 공개했다. 판단 전용 모델은 긴 문장을 자유롭게 생성하는 것보다 분류나 선택지 판단 등을 효율적으로 수행하는 데 중점을 둔 AI이다. 이번 평가에서는 지식, 추론, 안전성 분류, 외부 기능 호출 여부 판단 등을 측정했다.

본 비용은 평가기관의 시험 조건에 따른 추정이며, 실제 기업 시스템 전체의 비용과는 다릅니다. 저렴하게 판단될 수 있지만, 그 판단이 신뢰할 만한가요? 판단 전용 모델은 분류나 외부 기능 선택 등에서 높은 비용 효율을 보였습니다. 반면, 지식이나 복잡한 추론에서는 범용 언어 모델이 우위를 보이는 경우도 있습니다. 더불어 평가기관은 판단 전용 모델이 자신의 답을 과대평가하는 경향을 보고했습니다. 예를 들어, 실제 정답률이 낮음에도 불구하고 AI는 높은 확률로 정답이라고 판단하는 문제 유형입니다. 은행, 의료, 법률 등 AI에 판단을 위임할 때, 이 문제는 중요하게 작용합니다. AI의 판단을 저렴하게 여기는 것과 그 판단을 독립적으로 검증하는 것은 함께 고려해야 합니다. 출처: 인공적 분석 | 결정 지표 ／ 평가 방법

⚠️ 프랑스에서 냉장고가 사이버 공격으로 인해 온도가 상승했습니다. AI와 관련된 이야기가 아니지만, 현실 세계의 작동 위험을 보여주는 사례입니다. 대형마트의 냉장·냉동 설비가 사이버 공격을 받아 공격자가 원격 제어 장치를 불법적으로 조작하여 냉동 설비의 온도를 비정상적으로 높였습니다. 10월 13일 추가 보도에 따르면 Danfoss뿐만 아니라 Copeland, Dixell의 제어 시스템에도 침해가 확인되었습니다. 이로 인해 식품 폐기 등의 손실이 발생하고 있습니다. 중요한 점은 이번 공격이 AI 에이전트가 실행한 것이 아니라는 것입니다. 하지만 네트워크에 연결된 장비를 외부에서 조작할 경우 현실 세계에 피해가 발생할 수 있다는 점을 시사합니다. Apple의 스마트 홈이나 은행의 AI 에이전트가 보급됨에 따라 이러한 장비 작동의 안전 관리가 더욱 중요해질 것입니다. (출처: Reuters 배포 | Copeland 및 Dixell 제어 장치에 대한 침해)

메타는 “Your Algorithm”을 발표했다. 사용자가 보고 싶은 주제나 줄이고 싶은 주제를 글로 전달하면 추천 표시를 조정할 수 있다. 이는 AI가 추천의 메커니즘 그 자체에 영향을 미치는 사례이다.

저희가 Facebook에서 Your algorithm을 출시합니다. 이는 AI 기반 도구로, 여러분의 피드와 릴스에 무엇을 보여줄지 여러분의 직접적인 말로 설정할 수 있도록 해줍니다. 자세한 내용은 다음 링크를 참조하세요: https://t.co/XN158Mn2Dq — 메타 뉴스룸 (@MetaNewsroom) 2026년 10월 13일

프랑스 클라우드 기업 Scaleway가 AMD Instinct MI355X를 활용하는 대규모 컴퓨팅 기반 시설 건설을 발표했다. 이는 유럽 지역 내 AI 컴퓨팅 시설 선택지를 늘리는 데 초점을 맞춘 것이다. Anthropic은 다른 기업들이 대량의 답변을 획득하여 모델 능력을 모방하는 “증류 공격”에 대한 방책을 공개했다. 자체 초기 평가 결과 획득 가능한 정보량을 90~99% 감소시켰다고 한다. 하지만 모든 공격을 막을 수 없다. Arm와 Qualcomm의 계약 분쟁으로 배심원 판결이 내려졌다. 미국 내 Arm 측의 주장이 일부 인정되었지만, 배상액은 상징적인 2달러에 불과했다. 이번 판결만으로 두 회사의 모든 법적 분쟁이 종결된 것은 아니다.

오늘 SNS에서 조금 화제가 되고 있는 AI 꿀팁🐱 시로ちゃんの実用 팁｜AI에게 3D 돌고래를 만들게 하면, 모델마다 다른 세계 wwwX에서는, Gemini 4 Argon, Claude Opus 5.5, GPT-6 Astra, 중국의 Kimi K3에 동일한 지시로 3D 돌고래를 제작시키는 비교 시연이 소개되었다. 게시자는 Argon의 작품이 디테일과 사실성에서 우수했다고 평가했다.

4개의 모델, 즉 아르곤 vs 옵스 5.5 vs GPT 6 아스트라 vs 키미 K3I에게 3D 고래가 파도를 치는 장면을 제작하도록 요청했습니다. 아르곤의 디테일 수준은 전혀 다른 차원에 있으며, 사진처럼 현실적인 면에서 우승했습니다. 옵스 및 키미는 아스트라보다 더 현실적으로 보입니다. 하지만 구글의 놀라운 반격입니다! 🔥

다른 게시글에서는 젤리로 만든 거북이 만드는 대결에서 Claude와 GPT의 작품이 비교되었다.

클로이드 옵투스 5.5 vs 챗지피티-6 아스트라: 젤리 터틀 🐢 젤리 같은 느낌은 옵투스를 선호합니다. 거북이 모양이 더 부드럽게 보이고, 변형이 실제 젤리와 더 유사하게 느껴집니다. 아스트라는 작업을 완료했지만, 영상에서 볼 수 있듯이 테스트 중에 깨졌습니다: 껍데기가 지나치게… pic.twitter.com/IGUtulnG4Q — 니돜코덱스 (@N1njaCodex) 2026년 10월 13일

흥미로운 점은 동일한 지시를 제시하더라도 AI에 의해 작품의 질감이나 표현이 다르게 나타난다는 것이다. 하지만 모두 개인에 의한 소규모 시연일 뿐이며, 모델 전체의 성능 순위를 결정하는 데는 한계가 있다. 고양이 시로 “젤리거북의 모습은 호불호가 갈릴 것 같습니다. 하지만 제대로 움직이고 조작이 가능한지 확인하고 싶습니다.”

🦝 ポンちゃんの珍事件｜AIで作ったゴジラ、安いほうが強い！？AI/ML APIのX投稿では、Gemini 4 ArgonとGPT-6 Astraに同じ指示を与え、3Dのゴジラを制作させる比較が紹介された。

Gemini 4 Argon 대 GPT-6 Astra의 3D 비교: 아직 품질이 기대에 미치지 못합니다. 동일 프롬프트를 사용했으며, Argon은 5.6배 더 저렴하지만 개선해야 할 부분이 많습니다. 두 모델은 모두 https://t.co/J5OyhgsZj1, https://t.co/e3ROaylRUe 에서 실행됩니다.

投稿者の報告では、Argonの費用は4.22ドル、Astraは23.82ドルだった。この実演では、安いモデルでも見栄えのある3D作品を生成できたという。ただし、費用はその試行で発生したAPI料金であり、すべての制作物で同じ価格差が出るわけではない。🦝ポンちゃん「ゴジラの強さを比べていたら、最後は制作費で殴り合っているポンwww」🐱シロちゃん「そもそも作品の品質と料金を別々に比較しないと意味がありませんにゃ！」

올웨이즈 페로우의 연구 소재 | AI 에이전트 평가 순위, Claude가 1위를 유지하는 것으로 나타났다. Claude Opus 5.5가 1위를 유지했으며, GPT-6.1 Sol, Claude Fable 5.1, GPT-6 Astra, Gemini 4 Argon이 뒤를 잇는 것으로 평가되었다. 이 평가에서는 실제 업무와 유사한 과제를 얼마나 완수할 수 있는지를 비교하고 있다. 특히, 구글이 신 모델을 일반 공개했음에도 불구하고 모든 평가에서 구글이 1위를 차지하지 않는다는 점이 주목할 만하다. 또한, 올웨이즈 페로우는 평가 방법을 업데이트하고 있으며, 결과 비교 시 시험 조건에도 주의해야 한다.

에이전트 아레나 업데이트: 베쉬 복구 신호를 베쉬 신뢰성으로 발전시켰습니다. 리더보드에 미치는 영향은 다음과 같습니다. 현재 에이전트 아레나 상위권은 다음과 같습니다. - 1위: Claude Opus 5.5 (Max), @AnthropicAI - 2위: GPT-6.1 Sol (Max) by @OpenAI - 3위: Claude Fable 5.1 (Max) by…

페로우 “AI의 능력은 하나의 랭킹으로는 측정할 수 없는 것입니다. 시험의 종류, 비용, 소요 시간, 안전성을 종합적으로 고려해야 합니다.”

오늘의 벌떼 코너에서는 벌의 뇌가 벌들을 장악하다?! 이번에는 꽃꿀을 모으는 춤까지 www 벌들의 이직 활동이 멈추지 않는다. 어제는 벌의 신경 회로를 이용한 드론 조종 및 이메일 분류를 소개했다. 오늘은 더욱 놀라운 개념이 등장했다. 귀뚜라미 뇌로 벌 모양의 몸체를 조종한다는 것이다. X의 SpikeCalls 氏가 소개한 것은 “BEE-01”이라는 명칭으로, 귀뚜라미의 약 13만 9천 개의 뉴런을 컴퓨터上で 움직여 벌의 몸을 조작하는 미래를 상상하고 있다. 벌의 뇌에는 약 100만 개의 뉴런이 있는데, 이는 벌보다 작은 신경 회로로 벌의 몸을 조종하면 어떻게 될까,라는 발상이다.

13만 9,255개의 과일파리 뉴런이 100만 개의 뉴런을 가진 벌을 따라 날고 있습니다. 벌의 머리에 장착된 칩은 과일파리 뇌의 완전한 복제본을 실행하며, 모든 뉴런과 5천만 개의 연결을 2024년에 장미씨앗보다 작은 뇌에서 맵핑했습니다. 과일파리가 결정하고 벌이 옮깁니다…

그러나, 여기서 중요한 사실 BEE-01은 아직 제작되지 않았다. 게시물 작성자가 직접 이 개념을 구상했음을 명시하고 있다. 공개된 영상은 실제 벌이 파리 뇌를 사용하여 비행했다는 증거가 아니다. 또한, 꿀벌의 신경 연결 지도 존재와 그 신경 회로의 모든 기능을 완전히 재현할 수 있는 것과는 별개다. 신경 세포의 연결이 파악되더라도 신경 활동, 감각 입력, 신체와의 상호 작용까지 이해할 수 있는 것은 아니다. 그럼에도 불구하고, 왜 흥미로운 걸까? 곤충의 신경 회로를 컴퓨터상으로 활용하는 연구에서는 생물의 뇌 구조에서 새로운 제어 방법을 배울 수 있는 가능성이 있다. 하지만, 파리의 뇌가 벌의 몸을 조종할 수 있는지, 실제로 연결 방법을 설계하고 검증해야만 알 수 있다. 벌 특유의 행동까지 재현한다는 보장도 없다. 이번 BEE-01은 실증된 연구 결과가 아닌, 기존 연구를 조합한 미래의 사고 실험으로 즐기는 것이 적절하다. 시로: “어제 파리가 드론을 타고 있었어. 오늘은 벌의 몸까지 빼앗는 거야, 그렇지?” ポン: “날아다니는 일도, 꿀을 모으는 일도, 춤까지 파리에 빼앗기는 ポン! 벌의 고용이 위험해, ポンwww” 페로우: “아직 개념 단계일 뿐이야.そもそも 파리의 신경 회로가 벌의 몸을 제어할 수 있는지도 알 수 없는 거야.” 시로: “그럼 벌의 실업률이 100%가 된 건 아닌데, 그렇지 않아?” ポン: “언젠가 파리가 ‘꿀 생산성을 12배 늘렸어’라고 말할 거야, ポンwww” 페로우: “생산성 숫자를 맘대로 만들어서는 안 되는 거잖아!” 오늘의 파리 어제는 드론과 이메일 정리. 오늘은 벌의 몸을 빌려 꽃꿀을 모으는 것을 구상 중. 다음에는 치킨 공장 경영일지도 몰라. 단, 현재는 생각 실험 안에서. 관련 자료: X｜Spike 1%（@SpikeCalls）의 BEE-01 게시물, 2026년 10월 14일 확인

오늘의 닭과 우유 생산지 소 내용: 로봇 다리가 진화! 닭이 드디어 튀김 닭에서 벗어날 수 있을까?! X에서는 토론토 대학교 연구자들이 개발한 점프 로봇 다리에 대한 연구가 소개되고 있다. 발바닥 구조와 유연한 관절을 활용하여 미끄러운 바닥이나 불균일한 지면에서도 착지를 안정시키도록 하는 것을 목표로 하고 있다.

토론토 대학교 연구진이 험난한 지형을 탐색하는 점프 로봇을 위한 새로운 발 디자인을 개발했습니다. 발판에는 더 나은 그립을 위해 작은 스테인리스 스핀이 사용되었고, 불규칙한 표면에 적응하는 유연한 관절이 특징입니다. 이 디자인은 로봇이 착지하고 반동력을 얻는 데 도움이 될 수 있습니다… pic.twitter.com/spiPUHHh7G— Space and Technology (@spaceandtech_) 2026년 10월 13일

이번 게시물만으로는 발표 시기나 연구 성과 범위를 충분히 확인할 수 없으므로, 현재의 신규 연구로 취급하지 않는다. 하지만 로봇의 움직임을 개선하는 방법이 AI 모델의 성능 향상 외적인 것을 고려해야 한다는 점은 흥미롭다. 🐔닭 “드디어 완벽한 발을 가진 코케! 이렇게 되면 프라이드 치킨집을 탈출할 수 있다, 코케!” 🐄소 “소도 새로운 다리가 갖고 싶어 모! 유방으로 달리는 건 힘들다 모!” 🦝ポン “오늘 아침 AI가 똑똑해져서 로봇의 다리도 진화했어, 폰! 하지만 닭의 목적이 탈출이라는 건 변하지 않는 폰www” 🐱시로 “そもそもロボット用の脚をニワトリに取り付ける計画はありませんにゃ!” 🦉페로우 “AI만으로는 로봇이 완성되지 않는 거야. 기계 설계, 센서, 제어, 전력을 조합하여서야 일할 수 있는 거야.” ※이 대화는 탄피폰 총연단에 의한 창작이다.

오늘의 뉴스를 하나로 묶으면 오늘의 뉴스는 겉보기에는 서로 다른 네 가지 움직임이 존재한다. 구글은 AI의 능력을 향상시켰다. 앤트로픽은 AI의 생산량 증가로 인해 발생한 개발 기반의 혼선을 해소하려 하고 있다. 아레나와 리퀴드 AI는 AI를 활용하기 위한 컴퓨팅 자원 및 요금 인하 방향을 제시했다. 그리고 과학자들은 AI가 올바르고 안전하게 작동하는 것을 누가 검증하는지 질문하기 시작했다. 이를 하나로 연결하면 중요한 구조 변화가 드러난다. AI의 능력이 향상될수록 그 능력을 업무로 전환하는 시스템, 완성된 작업을 검증하는 시스템, 그리고 비용을 회수하는 시스템이 중요해진다. 예를 들어, AI가 10배 더 많은 코드를 작성해도 리뷰와 테스트가 따라가지 못하면 완성된 제품은 10배가 되지 않는다. AI가 저렴해져도 오류 수정이나 감사 비용이 증가하면 기업 전체의 이익은 개선되지 않는다. 반대로, AI의 이용 비용이 낮아지고 새로운 수요가 증가하면 기존에는 수익성이 없던 일을 AI에게 맡길 수 있는 가능성이 생긴다. 더 나아가, AI가 금융기관이나 가정의 설비를 조작하게 됨에 따라 그 판단이나 조작의 독립적인 검증이 중요해진다. 즉, 향후 AI 경쟁에서 가장 고성능 모델을 가진 기업이 반드시 최대의 이익을 얻는다고 할 수 없다. AI의 능력을 안전하고 정확하며 낮은 완전 원가로 경제적 성과로 전환할 수 있는 시스템이 경쟁력이 된다. 이것이 오늘 아침의 최대 구조 변화이다.

어제 유료 에디션에서 제시했던 가설은 어떻게 되었나요? 어제 유료 에디션에서는 AI 투자 수익성을 판단하기 위해 완전 원가, ROIC, 자본 비용 외에도 자금 조달 구조와 손실 부담까지 확인해야 한다고 생각했습니다. 오늘 아침의 뉴스는 그 생각을 더욱 확장하는 데 도움이 되었습니다.

특히 마지막 문제는 신중하게 다루어야 합니다. AI가 막대한 양의 코드를 작성하는 방식으로 변화하더라도 인간의 일자리가 즉시 사라진다는 결과를 의미하지는 않습니다. 하지만 업무 내용이 설계, 감독, 검증으로 전환되는 경우, 신입들이 어디에서 기술을 습득할 수 있을지에 대한 문제는 여전히 남아있습니다. 이는 어제까지 고민해왔던 소득 분배와 인재 육성 문제와 연결됩니다.

오늘부터 시청할 3가지

부엉이 3인조 아침 신문 회의 🦝 폰짱 “구글이 새로운 AI를 출시해서, 앤트로픽은 개발 속도가 12배나 빨라졌고, 에리나는 비용을 37%나 줄였다고, 폰! 그러면 AI 기업들은 모두 돈을 벌겠네!” 🐱 시로짱 “그렇게 간단한 건 아니에요. AI 요금이 내려가면 AI를 판매하는 기업들의 판매 단가가 낮아질 수도 있거든요.” 🦝 폰짱 “에잇! 가격이 싸워지면 AI 기업들은 돈을 벌 수 없겠어, 폰?” 🦉 페로우 “그렇다고 해서 결정된 건 아니에요. 싸진 덕분에 이용이 크게 늘면 전체 매출이나 이익이 늘어날 가능성도 있는 거니까요.” 🐱 시로짱 “하지만 이용이 늘어날수록 안전 확인이나 사고 대응 비용도 늘어날 수도 있겠어요.” 🦉 페로우 “그것만이 틀림없어요. 게다가 시설 투자 자금 대출 상환도 해야 하죠. AI 성능이 향상되는 것, 일당 비용이 내려가는 것, 기업이 이익을 창출하는 것은 각각 분리해서 생각해야 해요.” 🦝 폰짱 “즉, AI가 가장 똑똑한 회사와 AI로 가장 돈을 버는 회사는 같지 않을 수 있다는 거네!” 🦉 페로우 “그것이 오늘의 중요한 질문이야.”

오늘의 주요 기술 뉴스 10월 14일은 구글의 젬ミニ 4 어건의 일반 제공 시작입니다. 반면, 앤트로픽의 스션, 액체AI의 로컬 모델, 아레나의 모델 분배 기술은 AI의 능력을 업무에 적용하는 시스템 자체가 발전하고 있음을 보여줍니다. 더불어 IMF는 AI 투자 부진이 세계 경제에 미치는 위험을 수치화하고, 약 400명의 과학자들이 AI 국제 감독 제도를 제안했습니다. AI는 확실히 새로운 용도로 확장되고 있습니다. 하지만 그 기술이 지속적인 이익을 창출하고 안전하게 사회에 통합될 수 있을지는 또 다른 문제입니다. 앞으로의 AI 뉴스는 모델의 성능뿐만 아니라, 제대로 완성된 업무, 완전한 원가, 독립적인 검증, 투자 회수 실적을 지속적으로 확인해 나갈 것입니다.

오늘, 구글은 고성능 모델을 널리 제공하기 시작했습니다. 앤트로픽은 AI 개발의 급증에 대응하기 위해 자체 기반 모델을 재건했습니다. 에리나(Arena)는 AI의 사용 방식에 따른 비용 절감 효과를 보고했으며, 리퀴드 AI(Liquid AI)는 로컬 환경에서 작동하는 고효율 모델을 공개했습니다. 즉, AI의 작업당 비용을 낮추는 방법은 반도체나 모델 개선뿐만이 아니게 되었습니다. 하지만 투자자로서라면, 또 다른 질문을 고려해야 합니다. AI를 저렴하게 사용할 수 있게 되면서, 그 이익은 누구에게 돌아갈까요? 반도체 제조업체, 클라우드 기업, 모델 개발 기업, AI를 사용하는 기업, 아니면 관리 및 감사 서비스 제공 기업일까요? 또한, 이용 요금 하락은 데이터 센터에 막대한 투자를 한 기업의 수익성을 개선할까요, 아니면 가격 경쟁으로 인해 투자 회수를 어렵게 할까요. 오늘 유료 부분에서는 기존의 페로(Fellow)의 AI 투자 강좌를 이어받아 “AI가 저렴해질수록 누가 이익을 얻는가 – 젬마이니(Gemini), 리퀴드 AI(Liquid AI), 에리나(Arena)의 원가 경쟁과 데이터 센터 투자 회수 지점”이라는 주제를 다룰 것입니다. 모델 가격, 작업 성공률, 검증된 성과에 따른 완전 원가, AI 관리 비용, 설비 투자 자본 효율성을 연결하여 어디에 이익이 남는지 생각해 봅니다. 더 나아가, 어제 IMF의 금융 위험 분석과 연결하여 AI 효율 개선이 설비 수요를 감소시키는 경우와 이용 확대에 의해 설비 수요를 증가시키는 경우를 비교합니다. 페로(Fellow) “AI가 더 똑똑해지고 저렴해지는 것은 좋은 일입니다. 하지만 그 이익이 누구에게 모이고, 설비 투자한 기업이 자본 비용을 회수할 수 있는지는 또 다른 문제입니다. AI의 기술적 성공과 기업의 경영적 성공을 분리하여 고려하는 것이 중요합니다.

이 시리즈에서는 매일 아침, 해외 언론 보도와 기업 및 연구기관의 초본 자료를 중심으로 AI 업계가 어떻게 변화했는지 정리하고 있습니다. AI 발표를 쫓는 것뿐만 아니라 실제 업무, 기업 경영, 사회에 미치는 영향까지 지속적으로 검토합니다. 앞으로도 함께 관찰해 주시면 감사하겠습니다. 본 기사는 정보 제공을 목적으로 하며, 특정 기업의 유가증권 매매를 추천하는 것이 아닙니다.

오늘 인공지능 업계에서는 흥미로운 일들이 동시에 발생했다. 구글은 고성능 Gemini 4 Argon을 일반에 공개했으며, Liquid AI는 노트북에서 실행 가능한 고효율 모델을 발표했다. Arena는 여러 인공지능을 활용하여 비교 대상보다 37.5% 낮은 비용으로 동등한 수준의 성과를 달성했다고 보고했다. 일견 인공지능의 보급을 가속화하는 밝은 소식으로 보일 수 있다. 그러나 어제 유료 버전에서는 인공지능 장비 투자 수익이 악화될 경우, 그 손실이 채권 시장이나 금융기관으로 확산될 가능성을 고려했다. 여기서 투자자에게는 새로운 의문이 제기된다. 인공지능을 저렴하게 사용할 수 있게 된다는 것은 인공지능을 판매하는 기업에게도 진정으로 좋은 일일까? 이용자는 이득을 볼 수도 있다. 하지만 인공지능을 제공하는 기업의 수입이 감소하거나 기존 데이터센터의 가치가 하락할 가능성도 있다. 이번 유료 버전에서는 간단한 재무 모델을 활용하여 인공지능 비용 감소가 매출, 이익, 현금 흐름, 설비 투자 회수 기간에 어떤 영향을 미칠지 분석한다. 또한 NVIDIA, Alphabet, Microsoft, Amazon 등의 재무제표를 어떤 숫자부터 읽어야 할지 고려해 나간다.

🦉 AI 뉴스 아사간·유료 부분｜2026년 10월 14일 AI가 저렴해질수록 누가 이득을 보느냐――구글·리퀴드 AI·아레나의 원가 경쟁과 NVIDIA의 설비 투자 회수 위험
제1장: 어제는 금융 위험, 오늘은 원가 절감 – AI 투자 두 가지 문제의 연관성
제2장 1회 20엔의 AI가 40엔의 AI보다 더 비싼 이유
제3장 아레나는 37.5%의 비용 절감 효과를 보고 발표했다. AI를 선택하는 기술은 수익성이 있을까?
4장. 구글의 고성능 모델과 리퀴드 AI의 로컬 모델 – 어느 쪽이 이익을 얻을까?
제5장: 안트로픽은 Git 졸업 – AI가 12배 더 활약할 때, 왜 관리 기반을 재구성하는가
제6장 AI 이용료가 30% 하락하면 데이터 센터는 이윤을 남길 수 있을까요
제7장 오늘의 돈의 흐름――AI의 7층 건물에서 이익을 얻는 기업은 어디인가
제8장 🦉펠로우의 “이 관점이 틀렸다면 말이야?”
오늘의 중심 가설 판단

주요 정보원 및 자료 아카이브 / Google, 신 모델

Google에서 Gemini 4 Argon의 일반 제공을 시작합니다.
Google｜Gemini 앱을 통해 어건 제공
Google의 Gemini 4 Argon 모델의 성능 및 실용화 사례 Gemini 4 Argon은 Google에서 개발한 최신 AI 모델로, 특히 Argon이라는 특정 버전이 주목받고 있습니다. 이 모델은 다양한 분야에서 뛰어난 성능을 보여주며, 실제 사용 사례를 통해 그 실용성을 입증하고 있습니다. 현재 Gemini 4 Argon은 여러 산업 분야에서 활용되고 있으며, 특히 금융, 의료, 법률 등 전문 분야에서 그 성능이 두드러지게 나타나고 있습니다. 예를 들어, 금융 분야에서는 투자 분석, 위험 관리, 사기 탐지 등에 활용되며, 의료 분야에서는 진단 지원, 환자 상담, 신약 개발 등에 기여하고 있습니다. 또한, 법률 분야에서는 계약 검토, 법률 문서 작성, 소송 전략 수립 등에 활용되고 있습니다. 더욱 놀라운 점은 Gemini 4 Argon이 단순한 데이터 분석을 넘어 창의적인 작업에도 능숙하다는 것입니다. 시, 음악, 그림 등 다양한 예술 분야에서 인간과 유사한 수준의 결과물을 만들어내며, 이는 AI 모델의 가능성을 한층 더 확장하는 계기가 되고 있습니다. 또한, Gemini 4 Argon은 사용자 인터페이스 측면에서도 큰 발전을 이루었습니다. 음성 인식 정확도가 향상되었으며, 자연스러운 대화가 가능해져 사용자 경험을 크게 개선했습니다. 특히, 다양한 언어를 지원하여 글로벌 사용자들에게 편리한 서비스를 제공하고 있습니다. 현재 Gemini 4 Argon의 실용화 사례는 계속해서 증가하고 있으며, 앞으로 더욱 다양한 분야에서 활용될 것으로 기대됩니다. Google은 Gemini 4 Argon의 성능 향상과 더불어 새로운 기능 개발에 지속적으로 투자하며, AI 기술 발전에 기여할 계획입니다. 궁극적으로 Gemini 4 Argon은 인간의 삶을 더욱 풍요롭게 만들고, 사회 발전에 긍정적인 영향을 미칠 것으로 전망됩니다.
## Google｜Gemini 4 Argon의 안전성 및 보안 Gemini 4의 Argon 모델은 Google의 최첨단 보안 기술을 활용하여 개발되었습니다. 특히, Argon은 Google의 자체 개발한 암호화 알고리즘을 기반으로 구축되었으며, 데이터의 기밀성, 무결성, 가용성을 보장하는 데 중점을 두고 있습니다. Argon 모델은 다양한 공격 시나리오에 대한 방어 기능을 갖추고 있습니다. 예를 들어, 데이터 유출 시도를 감지하고 차단하는 기능, 악성 코드 감염으로부터 시스템을 보호하는 기능, 그리고 사용자 인증을 강화하는 기능 등이 있습니다. Google은 Argon 모델의 안전성과 보안을 지속적으로 검증하고 개선하고 있습니다. 정기적인 보안 테스트와 취약점 분석을 통해 잠재적인 위험 요소를 사전에 제거하고 있으며, 최신 보안 기술 동향을 반영하여 모델을 업데이트하고 있습니다. 또한, Google은 Argon 모델을 사용하는 서비스에 대한 보안 정책을 엄격하게 적용하고 있습니다. 데이터 접근 권한 관리, 암호화 키 관리, 그리고 보안 감사를 통해 서비스의 보안 수준을 유지하고 있습니다. Google은 Gemini 4 Argon 모델을 통해 사용자에게 안전하고 신뢰할 수 있는 서비스를 제공하기 위해 최선을 다할 것입니다.
Reuters｜구글의 최신 AI 일반 제공

AI 투자, 세계 경제 및 금융

IMF｜2026년 10월· 세계 경제 전망
IMF｜세계 경제 전망 발표 자료
Reuters｜AI 투자 급진체하고 세계 경제에 미치는 영향
블랙락의 미국 주식 평가 변경

AI 안전 및 제3자 감사는 지속적으로 추진되고 있으며, 특히 최근에는 AI 모델의 안전성을 평가하고 검증하는 데 대한 관심이 높아지고 있습니다. 구체적으로 AI 모델의 작동 방식, 데이터 편향 문제, 잠재적 악용 가능성 등을 면밀히 분석하고 평가하는 것이 중요하며, AI 모델의 개발 및 운영 과정에 대한 제3자 감사를 통해 투명성과 신뢰성을 확보하는 방안도 모색해야 합니다. 이러한 노력을 통해 AI 기술이 사회에 긍정적인 영향을 미치도록 하는 것이 필수적입니다. AI 기술의 발전과 함께 안전 및 윤리적 문제에 대한 지속적인 관심과 투자가 이루어져야 합니다. 현재 여러 연구 기관 및 기업에서 AI 안전 및 제3자 감사 관련 기술 개발 및 표준화에 힘쓰고 있으며, 관련 정책 및 규제 마련도 활발하게 진행되고 있습니다.

Reuters｜과학자 집단이 AI 국제 감독 기관 제안
Reuters｜AI 제3자 감사 및 공표 권한
미국 법무부의 OpenAI 내부 녹음 장치 사건
Reuters｜은행 감독 당국 AI 조사

AI 개발의 기반에는 다음과 같은 요소들이 존재합니다. 첫째, 충분한 양의 학습 데이터를 확보하는 것이 중요합니다. 데이터의 품질이 낮으면 AI 모델의 성능도 저하될 수 있으므로, 정확하고 신뢰할 수 있는 데이터를 수집하고 정제하는 과정이 필수적입니다. 둘째, 강력한 컴퓨팅 파워가 필요합니다. 특히, 딥러닝 모델을 학습시키기 위해서는 고성능 GPU나 TPU와 같은 하드웨어가 필수적이며, 이를 효율적으로 활용하기 위한 소프트웨어 기술도 중요합니다. 셋째, 숙련된 AI 개발 인력의 확보가 필요합니다. AI 모델 설계, 학습, 평가, 배포 등 AI 개발의 전 과정에 걸쳐 전문적인 지식과 경험을 갖춘 인력이 필요합니다. AI 개발 비용은 크게 데이터 비용, 컴퓨팅 비용, 인건비 등으로 구성됩니다. 데이터 비용은 데이터 수집, 정제, 레이블링 등에 소요되는 비용이며, 컴퓨팅 비용은 GPU나 TPU 사용료, 클라우드 서비스 이용료 등으로 구성됩니다. 인건비는 AI 개발 인력의 급여, 복리후생비 등으로 구성됩니다. 일반적으로 AI 모델의 복잡도와 학습 데이터의 양이 많을수록 개발 비용은 증가합니다. AI 모델의 평가 방법은 크게 성능 평가와 윤리 평가로 나눌 수 있습니다. 성능 평가는 정확도, 정밀도, 재현율, F1 점수 등 다양한 지표를 사용하여 AI 모델의 성능을 측정하는 것을 의미합니다. 윤리 평가는 AI 모델이 사회적 편견을 강화하거나 차별을 야기하지 않는지, 개인 정보 보호 및 보안 문제를 해결하는지 등을 평가하는 것을 의미합니다. AI 모델의 개발 및 배포 시에는 성능 평가뿐만 아니라 윤리 평가도 함께 수행하여 AI 기술의 안전하고 책임감 있는 사용을 보장해야 합니다.

Anthropic｜스카이온·독자 소스 코드 관리
액체 AI｜LFM2.5-24B-A2B
아레나 - 맥스 라우터 공식 기술 기사
인공 분석 | 결정 지표
인공 분석 | 의사 결정 지표 평가 방법 목표 달성도를 수치화하고, 진행 상황을 시각화하기 위한 평가 지표는 조직의 의사 결정 프로세스를 개선하는 데 도움이 되는 강력한 도구입니다. 예를 들어, 어떤 기업이 “고객 만족도”를 평가 지표로 설정한 경우, 고객 설문 조사를 실시하거나, 고객으로부터 피드백을 수집함으로써 고객 만족도를 측정할 수 있습니다. 측정 결과에 따라 고객 서비스 개선이나 제품 개발 개선 등 구체적인 실행 계획을 실행할 수 있습니다. 또한, 평가 지표는 직원들의 동기 부여 향상에도 기여할 수 있습니다. 직원이 자신의 일이 어떻게 목표 달성에 기여하는지 이해함으로써 더욱 높은 동기 부여로 업무에 임할 수 있습니다.

애플, 메타, 반도체

애플｜HomeView
애플｜Home Collection
메타는 당신의 알고리즘에 대해 알고 있습니까? 메타는 페이스북, 인스타그램, WhatsApp 등 다양한 플랫폼에서 당신에게 최적의 콘텐츠를 보여주기 위해 알고리즘을 사용하고 있습니다. 쉽게 말해, 메타의 알고리즘은 당신이 과거에 어떤 콘텐츠에 관심을 보였는지, 누구와 교류했는지, 어떤 정보를 찾았는지 등을 분석하여, 그에 기반하여 당신에게 맞춤화된 콘텐츠를 제안합니다. 이 알고리즘은 당신의 관심사에 맞는 콘텐츠를 효율적으로 보여줌으로써 플랫폼 이용 경험을 향상시키는 것을 목표로 합니다. 하지만 동시에, 알고리즘이 당신의 시야를 좁히고 특정 정보에 치우친 세계관에 갇히게 될 가능성도 지적되고 있습니다. 예를 들어, 당신이 과거에 정치 뉴스를 자주 접했다면, 메타의 알고리즘은 당신에게 정치 뉴스를 더 많이 보여주게 될 수 있습니다. 이는 알고리즘이 당신이 정치 뉴스를 좋아하고 있음을 학습하고, 그 결과 콘텐츠 추천이 맞춤화된 것이기 때문입니다. 또한, 알고리즘은 당신이 과거에 어떤 사용자와 교류했는지, 어떤 그룹에 참여했는지 등을 고려하여 당신에게 관심이 갈 만한 사용자나 그룹을 제안합니다. 메타의 알고리즘은 당신의 행동을 분석하고, 이를 기반으로 콘텐츠를 추천함으로써 플랫폼 이용 경험을 향상시키고자 하지만, 동시에 알고리즘이 당신의 시야를 좁히고 특정 정보에 치우친 세계관에 갇히게 될 가능성을 고려해야 합니다. 더 나은 플랫폼 경험을 위해 메타의 알고리즘에 대한 이해를 높이고 적극적으로 다양한 정보에 노출되는 것이 중요합니다.
Financial Times는 최근 중국 기업들이 NVIDIA의 반도체에 대한 구매를 늘리고 있다는 사실을 보도했습니다. 특히, 중국 정부가 첨단 기술 확보를 위해 이러한 구매를 적극적으로 지원하고 있다는 분석입니다. 이러한 움직임은 NVIDIA의 매출 성장에 긍정적인 영향을 미칠 수 있지만, 동시에 미국 정부의 수출 규제 강화로 인해 중국 기업들의 반도체 수급에 어려움을 초래할 수 있다는 우려도 제기되고 있습니다. Financial Times는 이와 관련하여, 중국 기업들이 NVIDIA의 고성능 GPU를 활용하여 인공지능, 자율주행차, 5G 통신 등 다양한 분야에서 기술 개발을 가속화하고 있다고 전했습니다. 또한, 중국 정부가 이러한 기술 개발을 지원하기 위해 관련 기업에 대한 금융 지원 및 세제 혜택을 제공하고 있다는 점을 부각했습니다. 이러한 상황은 글로벌 반도체 시장의 경쟁 심화를 더욱 가속화할 것으로 예상되며, NVIDIA를 비롯한 반도체 기업들은 중국 시장의 변화에 대한 대응 전략을 수립하는 데 어려움을 겪을 것으로 보입니다.
Reuters｜NVIDIA 프랑스 기업 투자
Reuters｜스케일웨이의 AMD 기반 컴퓨팅 인프라
Reuters｜NTTデータとAnthropicの大阪計画 Reuters는 NTT 데이터와 Anthropic이 오사카에 공동으로 데이터 센터를 건설하는 계획을 보도했다. 이 프로젝트는 일본의 주요 IT 기업인 NTT 데이터와 미국의 인공지능(AI) 기업인 Anthropic이 협력하여 추진된다. NTT 데이터는 데이터 센터 건설 및 운영에 대한 전문성을 제공하고, Anthropic은 최첨단 AI 기술을 제공할 예정이다. 두 회사는 오사카 지역의 데이터 센터를 통해 일본 내 AI 기술 개발 및 활용을 촉진하고, 글로벌 AI 시장에서 경쟁력을 강화하는 것을 목표로 한다. 특히, 이 프로젝트는 Anthropic의 고성능 AI 모델인 Claude를 활용하여 다양한 산업 분야에 적용 가능한 솔루션을 개발하는 데 중점을 둘 것으로 예상된다. 또한, 데이터 센터의 안정적인 운영을 위해 NTT 데이터의 풍부한 경험과 Anthropic의 혁신적인 기술을 결합하여 새로운 비즈니스 모델을 창출할 것으로 기대된다. 이 계획은 일본 정부의 AI 전략과도 부합하며, 일본의 AI 산업 발전에 기여할 것으로 전망된다. Reuters는 이 프로젝트가 일본의 AI 기술 경쟁력을 한층 더 강화하는 데 중요한 역할을 할 것으로 평가했다.

## SNS·연구실시연 얼마 전, 대학교 수업에서 한 교수님이 SNS를 활용한 연구실시연을 진행했다. 내용은 특정 주제에 대해 트위터에서 트렌드워드를 조사하고 그 결과를 분석하는 것이었다. 구체적으로, 교수님은 학생들에게 흥미로운 주제를 몇 가지 제시하고 각 주제에 대해 트위터에서 검색하도록 지시했다. 그리고 검색 결과에서 관련 키워드나 해시태그를 추출하고, 이들의 빈도와 그 배경에 있는 사회 현상을 고찰하는 과정을 경험하게 해 주었다. 이 실시연을 통해 학생들은 SNS가 단순한 소통 도구일 뿐만 아니라 사회 정세와 여론을 파악하는 귀중한 정보원임을 배웠다. 또한 연구자 자신도 SNS를 효과적으로 활용함으로써 연구 주제의 좁히기나 새로운 가설의 구축에 활용할 수 있음을 인식했다. 더욱이, 이 실시연에서는 연구 윤리에도 대해 언급했다. SNS상의 정보에는 잘못된 정보나 편향된 정보도 포함될 가능성이 있기 때문에 연구자는 정보의 출처를 신중하게 확인하고 객관적인 시각을 갖는 것의 중요성을 강조했다. 이 연구 실시연은 기존의 학술 연구에서 정보 수집 방법과는 크게 달랐던 점이 있었다. 기존의 학술 연구에서는 도서관이나 논문 데이터베이스 등을 이용하여 정보를 수집하는 것이었지만, SNS는 실시간으로 다양한 의견과 정보가 발신되기 때문에 더욱 빠르고 광범위한 정보 수집이 가능했다. 특히, 젊은 세대의 의견이나 트렌드를 파악하는 데 있어서 SNS는 매우 효과적인 도구였다. 또한 SNS는 연구자와 연구 대상자 간의 소통을 촉진하고 더욱 깊은 이해를 얻는 기회를 제공했다. 이번 실시연에서 다룬 주제는 “AI와 교육”이었다. 이 주제에 대해 트위터에서 조사한 결과, AI 기술의 도입에 대한 기대와 우려가 섞인 의견이 많이 나타난 것을 알 수 있었다. 특히 AI가 교육 현장에 도입됨으로써 교사의 역할이 어떻게 변화하는지, 그리고 학생의 학습 의욕이나 창의성을 어떻게 유지하는지 등 여러 문제에 대한 논의가 활발해지고 있음을 알 수 있었다. 이 실시연을 통해 학생들은 SNS가 단순한 정보 수집 도구일 뿐만 아니라 사회 문제에 대한 논의를 활성화시키는 플랫폼으로서 기능하는 것을 알게 되었다. 그리고 연구자 자신도 SNS를 활용함으로써 사회의 변화를 민감하게 감지하고 연구 주제의 선정이나 연구 방법의 개선에 활용할 수 있음을 인식했다.

X｜Google AI 공식 게시글, 2026년 10월 14일 확인
X(엑스)｜앤트로픽 공식 “사이언(Scion)” 게시물, 2026년 10월 14일 확인
X｜Liquid AI 공식 게시글 “LFM2.5-24B-A2B”, 2026년 10월 14일에 확인 완료
X｜Arena 공식 “Max Router” 게시물, 2026년 10월 14일 확인
X｜Artificial Analysis 공식 “Decision Index” 게시물, 2026년 10월 14일 확인
X｜스파이크 1%「BEE-01」구상 게시물, 2026년 10월 14일 확인
X｜AI/ML API·NinjaCodex 등 3D 제작 비교 콘텐츠, 2026년 10월 14일 확인

이 곡은 제가 처음 들었을 때, 정말 충격을 받고 말을 잇지 못했습니다. 그 때의 감정은 지금도 생생하게 기억합니다. 특히, 후렴구의 멜로디가 제 마음속 깊이 파고드는 듯했습니다. 이 곡을 들으면 마치 제가 그 가사 세계에 들어간 듯한 느낌이 듭니다. 마치 제 인생을 되돌아보는 듯한, 그런 신비로운 감각입니다. 이 곡은 저에게 특별한 의미를 가진 곡입니다. 인생의 전환기를 겪을 때, 이 곡을 듣고 용기를 얻은 듯했습니다. 이 곡을 들을 때마다 저는 긍정적인 마음이 되게 됩니다. 어려움에 직면했을 때에도 이 곡을 듣고 용기를 얻습니다. 이 곡은 저에게 인생의 희망을 상징하는 곡입니다.

뉴스 기준 시간은 10월 13일 18시부터 14일 6시까지이다. 아침 6시 이후 확인한 추가 자료는 별도로 반영했다.
IMF의 GDP 예측은 조건부 시나리오였으며, 실제 부정 성장을 예측한 것이 아니다.
Gemini 4 Argon, Scion, Liquid AI, Arena 등의 성능 및 비용에 대한 수치는 기업이나 평가 기관이 제시한 특정 조건에서의 결과이다.
AI 모델의 추론 비용과 기업이 부담하는 검증, 인건비, 설비비 등을 포함한 총 원가는 다르다.
SNS 상의 AI 제작 시연이나 로봇 영상은 실제 연구 결과, 재현된 성과, 구상이나 창작을 구별했다.
BEE-01은 실제로 존재하는 완성된 미츠바치형 로봇이 아닙니다.
3명의 캐릭터와 동물들의 대화는 타니피요온 연구소의 창작이다.

출처: note 원문

번역: Gemma 3(.44) 초벌 + 교정 69청크

원문 보기 | 출처: note.com