-
Google DeepMind가 Interactions API를 Gemini 모델·에이전트의 기본 인터페이스로 전환했다. 기존
generateContent는 계속 동작하지만, 앞으로의 새 에이전트 기능은 Interactions API로만 제공된다. Managed Agents, Linux sandbox, 백그라운드 실행, Google Search·Maps 툴 체이닝, 이미지·음악·음성 생성까지 포함되며, 비용을 낮추는 Flex 모드와 속도를 우선하는 Priority 모드도 제공된다. -
Anthropic과 Micron이 AI 메모리 아키텍처를 공동 설계하기로 했다. 양사는 AI 워크로드별 메모리 시스템 성능과 전력 효율을 함께 연구하고, Micron은 HBM·DRAM·SSD를 공급한다. 동시에 Micron이 Anthropic에 투자하고 Anthropic이 Micron 제품을 사는 구조라, 업계의 순환 거래·버블 우려도 같이 커지고 있다.
-
Getty Images가 OpenAI와 다년 라이선스 계약을 맺어 ChatGPT 검색·탐색 기능에 Getty 사진을 제공한다. 금액과 학습 데이터 사용 여부는 공개되지 않았다. Getty는 한때 AI 이미지 생성에 반대했지만, 자체 생성기를 만들고 Stability AI를 고소하는 등 라이선스 중심 전략으로 방향을 잡아가고 있다.
-
MosaicLeaks는 deep research 에이전트의 외부 검색 쿼리만으로도 사내 비밀이 조각조각 새어 나갈 수 있음을 보여준다. 연구용 에이전트가 내부 문서와 웹 검색을 함께 쓰면, 개별 검색어는 무해해 보여도 누적 로그에서 민감한 사실을 재구성할 수 있다. 단순히 “비밀을 누설하지 말라”고 프롬프트에 쓰는 방식은 효과가 제한적이었고, 성능만 높이는 학습은 오히려 누설을 키웠다. 제안된 PA-DR 방식은 엄격한 체인 성공률을 48.7%에서 58.7%로 높이면서 answer/full-information leakage를 34.0%에서 9.9%로 낮췄다.
-
Hugging Face는 오픈 모델이 실제 툴을 얼마나 에이전트답게 다루는지 평가하는 방법을 소개했다. 최종 답만 맞았는지가 아니라, 몇 번의 호출·토큰·시간·우회 경로가 필요했는지를 본다. 예시는
transformers라이브러리로, CLI·Skill·예제 문서가 있으면 에이전트가 긴 Python 스크립트 대신 한 줄 명령으로 작업을 끝낼 수 있는지 측정한다. -
PP-OCRv6가 Hugging Face에 공개됐다. PaddleOCR의 새 범용 OCR 계열로, 1.5M~34.5M 파라미터의 tiny·small·medium 세 단계가 있고 small·medium은 50개 언어를 지원한다. 공식 내부 벤치마크에서 medium 모델은 detection Hmean 86.2%, recognition accuracy 83.2%를 기록했으며, 문서 파싱·검색·RAG·에이전트 워크플로우의 구조화 텍스트 추출에 초점을 둔다.
-
Microsoft는 텍사스 Pecos에 약 2GW 규모 데이터센터 캠퍼스를 짓고, 자체 가스 발전으로 전력을 공급하려 한다. 전력망 연결을 기다리는 대신 자체 발전을 붙이는 흐름이 강해지는 신호다. Microsoft는 지역 전기요금과 물 사용 우려를 낮추겠다고 설명했지만, 데이터센터 인프라가 지역사회와 에너지 정책의 핵심 쟁점이 되고 있음을 보여준다.
한 줄 요약: 오늘의 흐름은 “모델 성능”보다도 에이전트 인터페이스, 메모리·전력 인프라, 라이선스 데이터, 프라이버시 평가처럼 AI를 실제 제품과 조직 안에서 굴리기 위한 운영 계층으로 무게가 옮겨간다는 점이다.