AI

OpenAI, 우크라이나 정부에 사이버보안 프로그램 '데이브레이크' 제공… 민간 기반시설 방어 지원

OpenAI는 자사 뉴스 페이지를 통해 사이버보안 프로그램 '데이브레이크(Daybreak)'를 우크라이나 정부도 이용할 수 있도록 확대한다고 밝혔다. 우크라이나의 민간 기반시설을 사이버 공격으로부터 방어하는 데 도움을 주기 위한 조치라고 회사는 설명했다.OpenAI의 발표에 따르면 이번 결정으로 우크라이나 정부는 데이브레이크 프로그램을 이용할 수 있게 된다. 회사는 지원 목적을 '민간 방어(civilian defense)'라고 밝혀 군사 목적이 아닌 민간 기반시설 보호에 쓰인다는 점을 분명히 했다.다만 공개된 발표문에는 데이브레이크 프로그램의 구체적인 기능과 제공 방식이 나와 있지 않다. 우크라이나 정부의 어느 기관이 프로그램을 쓰는지, 지원 기간과 규모가 어떻게 되는지도 담기지 않았다. 보호 대상인 민간 기반시설이 어디까지인지도 확인되지 않았다.우크라이나 정부가 언제부터 이 프로그램을 쓰기 시작하는지도 아직 알려지지 않았다.

구글 딥마인드, 'Private AI Compute'에 암호화된 서버 측 메모리 도입

구글 딥마인드는 공식 블로그에서 클라우드 기반 AI 처리 플랫폼 'Private AI Compute'에 서버 측 영구 메모리 기능을 도입한다고 밝혔다. 여러 기기에서 AI 비서가 맥락을 이어가면서도 온디바이스 처리 수준의 개인정보 보호를 유지하는 것이 목표다.새 구조에서는 사용자 데이터를 클라우드의 전용 암호화 저장소에 보관하고, 이를 풀 수 있는 암호 키는 사용자 기기에만 둔다. AI가 정보를 써야 할 때는 기기와 클라우드의 격리 환경인 '보안 엔클레이브'를 종단간 암호화 채널로 연결한다. 엔클레이브는 데이터를 잠시 복호화해 요청을 처리하고, 새 맥락을 저장한 뒤 곧바로 다시 암호화한다. 구글은 이 방식이면 구글도 데이터에 접근할 수 없다고 설명했다.구글에 따르면 기존 Private AI Compute를 비롯한 업계의 비슷한 기술은 작업이 끝나면 맥락을 모두 지우는 '무상태' 방식이었다. 구글은 개정된 기술 백서와 함께 변조할 수 없는 서버 소프트웨어 공개 기록을 내놓았고, 기기가 개인정보를 보내기 전에 소프트웨어가 정품인지 검증할 수 있게 했다. 외부 보안업체의 독립 감사 결과도 공개했다. 기능을 언제부터 쓸 수 있는지는 확인되지 않았다.

오픈AI, 'ChatGPT 광고' 동남아·대만으로 확대… 60여 개국서 운영

오픈AI는 자사 뉴스 페이지 'OpenAI News'를 통해 ChatGPT 광고 서비스인 'ChatGPT Ads'를 동남아시아와 대만으로 확대한다고 발표했다. 이번 확대로 이 서비스를 이용할 수 있는 국가는 60개국을 넘는다.오픈AI는 이번 조치로 자격 요건을 갖춘 기업이 더 많은 국가의 이용자에게 다가갈 새로운 방법을 갖게 됐다고 설명했다. 광고주가 되기 위한 자격 요건이 무엇인지는 발표에 나오지 않았다.동남아시아에서 어느 나라가 대상인지, 서비스가 언제부터 적용되는지도 발표에서 확인되지 않았다. 광고 형식과 과금 방식 같은 운영 세부 사항 역시 이번 발표에는 담기지 않았다.이번 확대로 ChatGPT Ads를 운영하는 지역은 아시아 시장으로 넓어졌다. 이에 따라 해당 지역 기업들도 ChatGPT 이용자를 대상으로 광고를 집행할 수 있는 길이 열렸다.

공공 AI 발주 한 주 109건·492억원…석유공사 생성형 AI 120억, KOICA 개발협력 3건 172억

조달청 나라장터 입찰공고정보에 따르면 9월 17일부터 24일까지 한 주 동안 나라장터에 올라온 용역 입찰공고 가운데 인공지능(AI) 관련 공고는 109건이었다. 추정가격 합계는 492억 8,854만원이다. 109건 모두 추정가격이 공개돼 있으며, 한 건당 평균은 4억 5,219만원이다. 직전 같은 기간(113건, 497억 4,383만원)과 비교하면 건수는 3.5%, 금액은 0.9% 줄었다. 건수가 금액보다 더 많이 줄면서 평균 금액은 직전 기간 약 4억 4,021만원보다 2.7%가량 늘었다.가장 큰 사업은 한국석유공사의 '생성형 AI 플랫폼 구축 및 AX 개발 사업'이다. 추정가격은 120억 2,349만원으로 이번 주 전체 금액의 24% 수준이며, 입찰은 10월 20일 11시에 마감한다. 4위는 한국교육학술정보원의 '2026년 AI 사이버공격 대응 플랫폼 구축(3단계)'으로 55억 8,273만원 규모다. 사업명에 '3단계'가 붙은 만큼 앞 단계에 이어지는 사업이며, 마감은 10월 20일 10시다.이번 주에 눈에 띄는 기관은 한국국제협력단(KOICA)이다. 상위 5건 가운데 3건이 KOICA의 해외 개발협력 사업 관리(PMC) 용역이다. '방글라데시 AI 혁신기술 전문인력 양성사업(2026~2029년, 1,300만달러)' PMC 용역이 88억 2,223만원으로 2위, '우즈베키스탄 AI 기반 법률서비스 환경 구축 및 한-우 법센터 건립사업' PMC 용역이 69억 7,668만원으로 3위, '스리랑카 미래인재 양성을 위한 AI 기반 한국어 및 한국문화 프로젝트봉사단 사업(26~29)' PMC 용역이 14억 5,449만원으로 5위다. 세 건을 합하면 약 172억 5,340만원이다. 마감은 11월 3~4일이다. 공공 AI 발주가 국내 행정·공공기관 시스템 구축에 그치지 않고, 공적개발원조(ODA) 사업의 한 분야로도 쓰이고 있음을 보여준다.발주 금액은 큰 사업 몇 건에 몰려 있다. 상위 5건을 합하면 약 348억 6,000만원으로 전체의 70.7%에 이른다. 나머지 1

오픈AI, 정신건강 대화 평가용 벤치마크 'MentalHealthBench' 공개

오픈AI(OpenAI)가 정신건강 관련 대화에서 AI의 응답을 평가하는 벤치마크 'MentalHealthBench'를 공개했다고 OpenAI News를 통해 밝혔다. 발표 날짜는 자료에 나와 있지 않다.오픈AI는 MentalHealthBench를 '전문가 자문을 바탕으로 만든(expert-informed)' 벤치마크라고 소개했다. 현실에 가까운 정신건강 대화 상황에서 AI가 얼마나 도움이 되면서도 안전하게 답하는지를 평가하는 것이 목적이다. 오픈AI는 '도움이 되는 응답'과 '안전한 응답'을 함께 평가 기준으로 제시했다.다만 공개된 소개문에는 벤치마크의 세부 구성이 나와 있지 않다. 참여한 전문가가 누구이고 몇 명인지, 평가 대화가 몇 건인지, 채점은 어떻게 하는지는 확인되지 않았다. 어떤 AI 모델을 평가했고 결과가 어땠는지, 벤치마크를 외부에 공개하는지도 소개문만으로는 알 수 없다.

구글 딥마인드, 목소리 설계·복제 기능 갖춘 TTS 모델 '제미나이 3.8' 2종 공개

구글 딥마인드는 공식 블로그를 통해 텍스트를 음성으로 바꾸는(TTS) 신규 모델 '제미나이 3.8 플래시 TTS'와 '제미나이 3.8 플래시-라이트 TTS'를 공개했다고 밝혔다. 회사는 두 모델을 지금까지 내놓은 오디오 생성 모델 가운데 표현력이 가장 뛰어난 모델로 소개했다.새 모델을 쓰면 기존의 음성 프리셋 30종에서 벗어나, 자연어 프롬프트만으로 억양과 감정 톤을 지정해 새로운 캐릭터 목소리를 만들 수 있다. 대사를 한 줄씩 연출할 수 있고 두 화자가 나누는 대화 장면도 제어할 수 있으며, 지원 언어는 100개가 넘는다. 구글 딥마인드는 플래시 TTS가 Hume AI의 보이스 디자인 벤치마크에서 71.4점으로 종합 1위에 올랐다고 밝혔다.목소리 복제는 본인 동의를 확인한 경우에만 쓸 수 있다. 목소리 주인이 직접 녹음한 동의 음성을 제출해야 하고, 이 음성이 참조 화자와 일치해야 한다. 생성된 모든 오디오에는 AI 생성물임을 식별할 수 있는 워터마크 'SynthID'가 삽입된다. 두 모델은 발표 당일부터 구글 AI 스튜디오와 제미나이 API 등을 통해 순차적으로 제공된다.

샘 올트먼 오픈AI CEO, 유엔 안보리서 AI 안전·국제협력 강조

사진 Steve Jurvetson / CC BY 2.0 (위키미디어 커먼즈)오픈AI는 자사 공식 뉴스 채널인 OpenAI News를 통해 샘 올트먼 최고경영자(CEO)가 유엔 안전보장이사회(안보리)에서 발언했다고 밝혔다. 오픈AI가 공개한 날짜는 제공된 자료에서 확인되지 않았다.OpenAI News에 따르면 올트먼 CEO는 이번 발언에서 인공지능(AI) 안전, 인간의 통제, 국제협력을 주요 주제로 다뤘다. 국제 평화와 안보를 다루는 안보리에서 AI 기업 최고경영자가 이 세 가지를 직접 거론했다는 점이 이번 발표의 핵심이다.다만 공개된 요약에는 올트먼 CEO가 구체적으로 어떤 제안을 내놓았는지, 국제협력의 방식이나 인간 통제를 보장할 방안을 어떻게 설명했는지는 담기지 않았다. 안보리 회의의 성격과 다른 참석자들이 어떤 반응을 보였는지도 확인되지 않았다.오픈AI는 이번 발언을 AI 안전과 국제협력을 다룬 CEO 연설로 소개했다.

NVIDIA, AI 에이전트와 함께 로봇 만드는 'Isaac ROS 5.0' 공개

NVIDIA는 공식 블로그(NVIDIA Blog)에서 캐나다 토론토 ROS 개발자 콘퍼런스 'ROSCon'에서 로봇 개발용 GPU 가속 패키지 모음 'Isaac ROS 5.0'을 공개했다고 밝혔다. 오픈소스 로봇 프레임워크 ROS를 기반으로 한 이번 버전은 AI 에이전트가 개발자와 함께 로봇 애플리케이션을 만들 수 있게 하는 에이전트형 워크플로를 새로 도입했다.Isaac ROS 5.0은 ROS Lyrical과 우분투 24.04를 지원한다. 로봇의 초기 설정과 물체 조작(매니퓰레이션)에 쓸 수 있는 'Isaac 스킬'도 새로 나왔다. 개발자와 AI 에이전트가 모두 반복해서 쓸 수 있는 작업 흐름이다. AI 에이전트가 읽고 이해하기 쉽게 만든 문서도 함께 제공된다. 물체의 자세를 추정하는 모델 FoundationPose에는 에이전트용 추론 라이브러리가 추가됐다. NVIDIA는 이를 통해 로봇이 물체의 위치와 방향을 최대 5.5배 빠르게 추적할 수 있다고 설명했다.NVIDIA에 따르면 리얼센스, 인트린직, 유니버설 로봇, 로보티즈, 마그나 등 여러 기업이 Isaac ROS를 자사 로봇과 개발 도구에 통합하고 있다. Isaac ROS 5.0은 보급형 젯슨 오린 나노부터 고성능 젯슨 토르까지 지원하며, 무료 오픈소스로 깃허브에서 바로 받을 수 있다.

허깅페이스 트랜스포머스, llama.cpp GGUF 양자화 모델 직접 실행 지원

허깅페이스(Hugging Face)는 자사 블로그를 통해 오픈소스 AI 라이브러리 '트랜스포머스(transformers)'가 llama.cpp의 GGUF 양자화 모델을 직접 실행하도록 지원한다고 밝혔다. 사용자는 허깅페이스 허브에서 GGUF 파일을 골라 기존 from_pretrained 함수로 불러오기만 하면 된다. 이렇게 하면 노트북 메모리에 맞는 크기의 모델을 로컬에서 돌릴 수 있다.허깅페이스는 속도를 llama.cpp 수준에 가깝게 맞추려고 llama.cpp의 기반인 ggml 커널을 kernels 라이브러리로 가져와 재사용했다. 텍스트 생성 과정에서 CPU와 GPU가 서로 기다리는 동기화 부담도 줄였다. 첫 지원 대상은 애플 실리콘에서의 로컬 추론이며, Qwen3.5 아키텍처부터 적용된다. 회사에 따르면 M2 맥스 칩을 탑재한 맥북 프로에서 GGUF 모델 세 종을 측정한 결과 모두 llama.cpp에 가까운 속도가 나왔다. 다만 트랜스포머스 측정에는 입력 처리(프리필) 시간이 포함됐고 llama.cpp 측정에는 포함되지 않아 조건이 같지는 않다.허깅페이스는 효율적인 로컬 추론이 우선이라면 여전히 llama.cpp를 권장한다고 밝혔다. 회사는 이번 작업의 더 큰 의미로 llama.cpp가 지원하지 않는 새 모델과 연구용 모델에도 ggml의 성능을 적용할 길이 열렸다는 점을 꼽았다.

딥시크, 이미지·텍스트 입력 모델 'DeepSeek-V4.1-Flash' 허깅페이스에 공개…내려받기 54만 회 넘어

딥시크(deepseek-ai)가 이미지와 텍스트를 함께 입력받아 텍스트를 생성하는 AI 모델 'DeepSeek-V4.1-Flash'를 공개했다. 허깅페이스(Hugging Face) 모델 정보에 따르면 이 모델은 2026년 9월 10일 AI 모델 공유 플랫폼 허깅페이스에 등록됐다. 공개 이후 내려받기는 54만2014회, 즐겨찾기는 3608회를 기록했다. 라이선스는 MIT다.허깅페이스에 등록된 모델 유형은 '이미지·텍스트 입력 텍스트 생성'이다. 글만 처리하는 언어 모델과 달리 이미지와 텍스트를 함께 입력받아 텍스트로 답을 내는 이른바 멀티모달 모델이다. 이런 유형의 모델은 보통 사진이나 문서 이미지를 넣고 질문하면 그 내용을 바탕으로 답을 쓰는 방식으로 쓰인다.모델 이름에 붙은 'V4.1'과 'Flash'도 눈에 띈다. 이름으로 보면 V4 계열의 후속 버전이다. AI 업계에서 'Flash'라는 이름은 흔히 가볍고 빠른 응답에 초점을 맞춘 모델에 붙는다. 다만 이번에 정리한 허깅페이스 모델 정보에는 매개변수 규모, 성능 평가 결과, 이전 버전과 무엇이 다른지가 나와 있지 않다. 이 모델이 실제로 경량화 모델인지, 성능이 어느 정도인지는 확인되지 않았다.초기 반응은 수치로 나타난다. 공개일부터 이 기사를 쓴 9월 23일까지는 약 2주다. 그 사이 내려받기가 54만 회를 넘었다. 허깅페이스는 공개 AI 모델이 가장 많이 모이는 곳이어서 이 수치가 개발자 관심을 가늠하는 지표로 쓰인다. 다만 내려받기 횟수는 사용자 수와 같지 않다. 한 사람이 여러 번 받거나 서버가 자동으로 받은 횟수도 함께 집계되기 때문이다. 이용자가 직접 눌러야 하는 즐겨찾기 3608회는 개발자들이 따로 표시해 둘 만큼 관심을 보였다는 뜻으로 볼 수 있다.라이선스도 주목할 부분이다. MIT 라이선스는 오픈소스 라이선스 가운데 제약이 적은 편에 속한다. 저작권·라이선스 고지만 유지하면 상업적 이용과 수정, 재배포를 폭넓게 허용한다. 공개 모델 중에는 상업적 이용을 막거나 일정 규모 이상의 서비스에 별

OpenAI, GPT-6 'Sol'·'Luna' 공개…프롬프트 캐싱도 개편해 비용·지연 줄인다

OpenAI가 공식 뉴스 채널 OpenAI News에 올린 두 편의 글을 종합하면, 회사는 차세대 모델군 GPT-6의 두 모델 'Sol(솔)'과 'Luna(루나)'를 공개했다. 이와 함께 GPT-6에서 달라진 프롬프트 캐싱 기능도 별도 글로 안내했다. 모델 소개 글 'Introducing GPT-6 Sol and Luna'는 두 모델이 최상위급(frontier) 지능을 일상 업무에 쓸 수 있게 하되, 성능과 비용의 균형을 서로 다르게 맞췄다고 설명한다. 캐싱 안내 글 'Better prompt caching for GPT-6'는 캐시 적중률 향상, 새 진단 기능, 명시적 브레이크포인트, 지연 시간과 비용을 줄이는 제어 기능을 주요 개선점으로 내세웠다. 두 글이 게시된 날짜는 제공된 자료에 나와 있지 않다.모델 소개 글의 요지는 GPT-6를 모델 하나가 아니라 두 가지 선택지로 내놓았다는 점이다. OpenAI는 Sol과 Luna를 '일상 업무'를 위한 모델로 소개했고, 두 모델의 차이는 성능과 비용의 배분에 있다고 밝혔다. 다만 어느 모델이 더 높은 성능을 내는지, 요금이 얼마인지, 벤치마크 결과가 어떤지는 제공된 자료로는 확인되지 않았다. 모델 이름이 각각 태양과 달을 뜻하는 단어라는 점은 눈에 띄지만, 이름을 어떻게 지었는지에 대한 회사 설명도 자료에는 없다. ChatGPT와 API 중 어디에 먼저 적용되는지, 어떤 순서로 제공되는지도 아직 확인되지 않았다.캐싱 안내 글은 개발자와 기업 고객이 모델을 운영할 때 드는 부담을 다룬다. 프롬프트 캐싱은 요청마다 반복되는 입력의 앞부분을 매번 새로 처리하지 않고, 이전 계산 결과를 다시 쓰는 기술이다. 긴 시스템 지시문이나 공통 문서를 여러 번 보내는 서비스일수록 응답이 빨라지고 비용이 줄어든다. OpenAI는 GPT-6에서 캐시 적중률을 높였다고 밝혔다. 또 캐시가 제대로 작동하는지 확인할 수 있는 진단 기능과, 캐시로 저장할 구간을 명시하는 브레이크포인트를 새로 넣었다고 설명했다. 다만 각 기능이 구체적으로 어

멀티버스 컴퓨팅, LLM 블록 제거를 '이징 모형' 최적화로 푼다

허깅페이스에 공개된 멀티버스 컴퓨팅 연구팀의 블로그 글에 따르면, 이 팀은 대형언어모델(LLM)에서 트랜스포머 블록을 통째로 삭제하는 '깊이 가지치기'를 물리학의 이징(Ising) 모형 최적화 문제로 바꿔 푸는 방법을 논문 'LLM Compression by Block Removal with Constrained Binary Optimization'에서 제시했다.방법의 핵심은 각 블록에 '유지=0, 제거=1'의 이진 변수를 붙이고 손실 함수를 2차 테일러 전개해 헤세 행렬을 구하는 것이다. 대각 성분은 블록 하나의 중요도, 비대각 성분은 블록 간 상호작용(결합)에 해당한다. 기존 기법이 블록을 개별 평가해 순위를 매기는 것과 달리, 연구팀은 이 상호작용까지 반영한 에너지를 최소화하는 조합을 찾는다. 헤세 행렬은 소규모 교정 데이터로 한 번만 계산하면 되고 이후에는 실제 모델을 돌리지 않고도 후보 조합을 값싸게 평가할 수 있으며, 어려운 사례는 QUBO 형태로 바꿔 타부 탐색 등 기존 솔버에 넘길 수 있다고 설명했다.성능 차이는 압축률이 높을 때 두드러졌다. 라마-3.3-70B-인스트럭트의 블록 80개 중 40개를 제거한 50% 압축 조건에서 MMLU 점수가 약 77로, 50점대 중반에 머문 기존 최고 기법보다 23%포인트가량 높았다. 큐원3-14B는 40개 중 12개 제거 시 MMLU에서 약 10점 앞섰다. 또 최저 에너지 상태가 항상 최선은 아니어서, 라마-3.1-8B에서는 모델 앞부분 블록을 제거하는 17번째 들뜬 상태가 가벼운 재학습 후 여러 벤치마크에서 바닥상태를 앞섰다. 코드는 깃허브에 공개됐다.