1. Google DeepMind, Gemini Robotics 2 출시
Google DeepMind의 Gemini Robotics 2 제품군은 Gemini Robotics 2(VLA), Gemini Robotics ER 2(체화된 추론), Gemini Robotics On-Device 2 등 세 가지 모델을 선보입니다. ER 2 모델은 로봇 카메라의 실시간 영상 피드를 처리하여 진행 상황을 추적하고 다중 로봇 작업을 조정하는 상위 수준의 플래너 역할을 합니다. 온디바이스 모델은 로컬 실행과 빠른 적응에 최적화되어 있습니다. 이 시스템은 Apptronik Apollo 2 휴머노이드에서 전신 제어 및 5지 손가락 조작 능력을 입증했습니다.
- • Gemini Robotics ER 2는 128k 컨텍스트 윈도우를 갖춘 Gemini 3.5 Flash 기반의 업그레이드된 체화된 추론 모델입니다.
- • ER 2 모델은 Gemini Live API와 통합되어 오늘부터 개발자가 사용할 수 있습니다.
- • Gemini Robotics On-Device 2는 Gemma 기술을 기반으로 하며 200개 미만의 예제로 몇 시간 내에 새로운 로봇 형태에 적응할 수 있습니다.
- • 이번 릴리스에는 CC-BY-4.0 라이선스 하에 Hugging Face에서 제공되는 ASIMOV-Agentic 안전 벤치마크가 포함되어 있습니다.
개발자는 이제 Gemini Live API를 통해 실시간 영상 피드와 다단계 추론을 사용하는 물리적 에이전트 워크플로우를 구축할 수 있습니다.
2. 연구진, DeepSeek V4 Flash를 GPT-OSS-120B로 증류
HINT-SD 기반의 진화된 증류 방식을 사용하여 연구진은 복잡한 금융 추론 능력을 오픈 소스 모델로 성공적으로 이전했습니다. 결과물인 120B 모델은 단일 H100 GPU에서 8k 토큰 예산 내에 문제의 98.7%를 완료하며, 쿼리당 약 0.00026달러의 비용이 발생합니다. 또한 연구팀은 개발자가 증류된 모델의 검열 이전 현상을 연구할 수 있도록 GitHub에 LineageEval 프레임워크를 공개했습니다.
- • 연구진은 DeepSeek V4 Flash의 금융 추론 능력을 GPT-OSS-120B 모델로 증류했습니다.
- • 120B 모델은 FinanceReasoning 벤치마크에서 83.61%를 기록하여 Kimi K3를 능가했습니다.
- • 단일 80GB GPU에서 실행되는 20B 금융 모델의 오픈 가중치가 공개되었습니다.
- • 152개의 일치하는 프롬프트 쌍을 연구한 결과, 교사 모델의 검열이 증류된 학생 모델로 이전되지 않았음을 확인했습니다.
개발자는 고도로 전문화된 저비용 금융 모델에 액세스하고 새로운 LineageEval 프레임워크를 활용하여 검열 이전 여부를 감사할 수 있습니다.
3. 1M 컨텍스트를 지원하는 Inkling-Small 276B MoE 모델 출시
Inkling-Small은 100만 토큰의 방대한 컨텍스트 윈도우를 갖춘 고용량 Mixture-of-Experts 아키텍처를 제공합니다. 토큰당 120억 개의 파라미터만 활성화함으로써 이 모델은 추론 깊이와 계산 효율성 사이의 균형을 맞춥니다. 개발자는 GGUF 양자화를 위한 CPU 오프로딩을 지원하는 특수 llama.cpp 빌드를 사용하여 이 모델의 로컬 배포를 실험할 수 있습니다.
- • Inkling-Small은 총 2,760억 개의 파라미터와 120억 개의 활성 파라미터를 특징으로 합니다.
- • 이 모델은 100만 토큰 컨텍스트 윈도우를 지원합니다.
- • Hugging Face에서 NVFP4 및 GGUF 형식으로 제공됩니다.
- • llama.cpp의 개발 브랜치는 CUDA에서 Unsloth의 GGUF 양자화를 CPU 오프로딩과 함께 실행하는 것을 지원합니다.
개발자는 CUDA 및 CPU 오프로딩을 지원하는 llama.cpp의 개발 브랜치를 사용하여 긴 컨텍스트의 MoE 모델을 로컬에서 실행할 수 있습니다.
4. LG AI 연구원, K-EXAONE 2.0 750B 모델 출시
한국의 초거대 AI 파운데이션 모델 프로젝트 2단계의 일환으로 개발된 K-EXAONE 2.0은 이전 모델보다 3배 더 큽니다. 이 모델은 안전성 벤치마크에서 94.6점을 기록하며 강력한 안전성 정렬을 특징으로 하며, 코딩 및 에이전트 도구 사용 분야에서 경쟁력 있는 성능을 보여줍니다. Apache 2.0 라이선스 덕분에 접근성이 매우 높지만, 방대한 크기로 인해 상당한 호스팅 요구 사항이 발생합니다.
- • K-EXAONE 2.0은 Apache 2.0 라이선스로 출시된 7,500억 파라미터 모델입니다.
- • 이 모델은 10개 언어를 지원하며 OpenAI-MRCR 긴 컨텍스트 벤치마크에서 94.4점을 기록했습니다.
- • 에이전트 도구 사용을 위한 Tau3-Bench Banking 벤치마크에서 14.2점을 기록하여 Qwen 3.5를 능가했습니다.
- • 코딩 성능은 버전 1 대비 핵심 지표 전반에서 평균 30% 향상되었습니다.
이번 릴리스는 강력한 에이전트 도구 사용 및 긴 컨텍스트 기능을 갖춘 대규모 오픈 가중치 파운데이션 모델을 제공합니다.
5. Baseten, 새로운 병합 모델을 통해 GLM 5.2에 비전 기능 추가
GLM 5.2 API의 최근 성능 최적화에 이어, Baseten은 GLM-5.2-Vision-NVFP4를 출시하여 모델의 유용성을 확장했습니다. 이 병합 모델은 Kimi k2.6의 비전 인코더를 GLM 5.2 아키텍처에 통합하여 멀티모달 처리를 가능하게 합니다. 이번 릴리스는 OpenRouter에서 제공되며, 기존 GLM 5.2 릴리스에 기본 비전 지원이 부족하다는 개발자들의 피드백을 해결했습니다.
- • GLM-5.2-Vision-NVFP4는 현재 OpenRouter에서 추론용으로 사용할 수 있습니다.
- • 이 모델은 GLM 5.2 아키텍처와 Kimi k2.6 비전 인코더를 병합한 것입니다.
- • 이번 릴리스는 GLM 5.2 제품군에 멀티모달 기능을 추가하여 이전의 한계를 해결했습니다.
개발자는 이제 기존 GLM 5.2 인프라를 기반으로 멀티모달 애플리케이션을 구축하기 위해 비전이 지원되는 GLM 5.2 버전을 활용할 수 있습니다.
6. SpaceXAI, Grok Voice Think Fast 2.0 출시
SpaceXAI는 프로덕션 고객 워크플로우의 신뢰성을 높이기 위해 설계된 업데이트된 음성 모델인 Grok Voice Think Fast 2.0을 출시했습니다. 이 모델은 Agent Builder를 통해 오디오 분당 0.09달러에 제공됩니다. 현재 `grok-voice-latest` 모델을 통합 중인 개발자는 8월 5일에 이 새 버전으로 자동 전환될 준비를 해야 합니다.
- • Grok Voice Think Fast 2.0은 현재 SpaceXAI의 Agent Builder에서 사용할 수 있습니다.
- • 서비스 가격은 오디오 분당 0.09달러입니다.
- • grok-voice-latest API 엔드포인트는 8월 5일에 자동으로 새 버전으로 전환됩니다.
- • 이번 릴리스는 실제 고객 워크플로우에서의 신뢰성 향상에 중점을 둡니다.
Grok Voice를 사용하는 개발자는 프로덕션 워크플로우에서 향상된 신뢰성을 기대할 수 있으며, 다음 주에 예정된 API 전환이 있습니다.
7. Token Saver MCP 확장 프로그램, Claude PDF 토큰 비용 90-99% 절감
Token Saver는 Claude 3.5 Sonnet 및 Claude 3 Opus를 사용하여 로컬 PDF 문서를 쿼리할 수 있는 제로 구성의 안전한 방법을 제공합니다. 8단계 처리 파이프라인을 통해 작동하는 이 확장 프로그램은 표준 I/O를 통해 완전히 로컬에서 실행되므로 외부 서버로 파일이 업로드되지 않습니다. 사용자 구성 폴더 허용 목록 및 네트워크 격리 기능을 갖추고 있어 엔터프라이즈 환경에 매우 적합합니다.
- • Token Saver는 Claude Desktop(v1.0)을 위한 오픈 소스 Model Context Protocol(MCP) 확장 프로그램입니다.
- • 이 도구는 BM25 키워드 매칭(0.4)과 all-MiniLM-L6-v2 의미론적 검색(0.6)을 사용하는 로컬 하이브리드 RAG 시스템을 구현합니다.
- • 관련 문서 구절만 추출하여 전송함으로써 LLM 토큰 소비를 92%에서 99%까지 줄입니다.
- • 이 확장 프로그램은 .mcpb 번들로 배포되며 Python 환경이나 터미널 구성이 필요하지 않습니다.
개발자는 대규모 로컬 PDF 작업 시 관련성이 높은 구절만 모델에 전송함으로써 Claude API 비용을 대폭 절감할 수 있습니다.
8. Agent-Manager TUI, Tmux에서 다중 에이전트 실행 간소화
Agent-manager는 여러 AI 코딩 에이전트를 실행하는 개발자를 위한 강력한 터미널 기반 제어 평면을 제공합니다. 각 에이전트를 자체 tmux 세션에 격리함으로써 개발자는 실시간 시스템 지표를 모니터링하고, 에이전트를 프로젝트 트리로 그룹화하며, 검토 의견을 단일 프롬프트로 에이전트에 다시 보낼 수 있습니다. 또한 Claude Code에 대한 창 폴링 또는 후크 이벤트를 통한 자동 상태 감지 기능을 제공합니다.
- • Agent-manager는 Claude Code, Codex, OpenCode와 같은 코딩 에이전트를 개별 tmux 세션에서 실행합니다.
- • 이 도구는 세션에 연결하지 않고도 실시간 상태를 확인하고, 에이전트를 그룹화하며, 프롬프트를 보낼 수 있는 통합 TUI를 제공합니다.
- • 구문 강조 기능이 포함된 전체 파일 diff 검토를 지원하며 에이전트 기반 세션 관리를 위한 MCP 서버를 포함합니다.
- • Homebrew, 셸 스크립트, AUR, mise 또는 Go를 통한 설치를 지원합니다.
개발자는 단일 통합 터미널 인터페이스에서 여러 동시 코딩 에이전트에 걸쳐 오케스트레이션, 프롬프트 및 diff 검토를 수행할 수 있습니다.
9. Deep Agents v0.7, 기본 입력 토큰 65% 절감
Deep Agents v0.7 릴리스는 에이전트 워크플로우의 런타임 효율성을 최적화하는 데 중점을 둡니다. 기본 입력 처리 방식을 재구성함으로써 프레임워크는 입력 토큰 사용량을 65% 절감합니다. 이러한 최적화를 통해 개발자는 동일한 출력 품질을 유지하면서 이전 API 비용의 일부만으로 복잡한 에이전트 루프를 실행할 수 있습니다.
- • Deep Agents v0.7은 이전 버전에 비해 기본 입력 토큰을 65% 줄입니다.
- • 토큰 감소는 에이전트 성능 저하 없이 달성됩니다.
- • 이번 업데이트는 개발자의 비용 및 토큰 효율성을 직접적으로 개선하도록 설계되었습니다.
Deep Agents를 사용하는 개발자는 에이전트 성능을 희생하지 않고도 즉시 API 비용을 낮추고 토큰 효율성을 개선할 수 있습니다.
10. Perplexity, Numbat 에이전트 보안 제품군 오픈 소스화
Perplexity의 Numbat은 클라이언트 장치에서 자율 AI 에이전트를 실행할 때 발생하는 고유한 보안 문제를 해결합니다. 에이전트 실행 하네스와 직접 통합함으로써 이 오픈 소스 제품군은 개발자에게 에이전트 동작을 모니터링하고, 우발적인 멜트다운을 방지하며, 엔드포인트 수준에서 보안 위험을 완화할 수 있는 도구를 제공합니다.
- • Numbat은 Perplexity가 AI 에이전트를 위해 특별히 개발한 오픈 소스 보안 제품군입니다.
- • 이 제품군은 클라이언트 엔드포인트에 자율 에이전트를 배포할 때 발생하는 보안 위험을 대상으로 합니다.
- • Numbat은 에이전트 하네스와 직접 통합되어 런타임 보안 사고를 감지하고 완화합니다.
개발자는 Numbat을 에이전트 하네스에 통합하여 클라이언트 수준에서 우발적인 에이전트 멜트다운을 방지, 감지 및 완화할 수 있습니다.
11. Hush Security, 자율 AI 에이전트를 위한 Identity Gateway 출시
이스라엘 스타트업 Hush Security는 빠르게 성장하는 AI 에이전트 생태계의 보안 문제를 해결하고 있습니다. 자율 에이전트는 종종 광범위한 인간 자격 증명을 상속하거나 수명이 긴 API 키를 사용하기 때문에 상당한 보안 위험을 초래합니다. Hush Security의 Identity Gateway 플랫폼을 통해 조직은 에이전트에 고유한 ID를 할당하고 작업별로 세분화된 권한을 강제할 수 있습니다. 개발자가 런타임 가시성을 확보하고 액세스 제어를 구현할 수 있도록 무료 계층이 제공됩니다.
- • Hush Security는 자율 AI 에이전트를 관리하기 위해 플랫폼을 확장하고자 3,000만 달러의 시리즈 A 투자를 유치했습니다.
- • Identity Gateway 플랫폼은 AI 에이전트를 발견하고 작업별 권한을 중개하여 '최소 권한'을 강제합니다.
- • 런타임 가시성, 위험 분석 및 ID 기반 액세스 제어를 제공하는 무료 플랜을 사용할 수 있습니다.
- • 이 플랫폼은 상속된 인간 자격 증명이나 수명이 긴 API 키로 작동하는 에이전트의 보안 위험을 해결합니다.
개발자는 고유한 비인간 ID를 할당하고 작업별로 중개된 권한을 강제함으로써 에이전트 배포를 보호할 수 있습니다.
12. 오픈 소스 에이전트 기술, 간소화된 기술 영어 강제 적용
이 오픈 소스 에이전트 기술은 오류 메시지, 런북, 사고 보고서 및 릴리스 노트에 대한 특정 적응 기능을 제공합니다. 간소화된 기술 영어를 강제함으로써 이 기술은 문서 명확성을 향상시킬 뿐만 아니라 테스트된 모든 모델에서 출력 토큰 수를 일관되게 감소시킵니다. 개발자는 기존 에이전트 구성이나 시스템 프롬프트에 이 기술을 쉽게 추가할 수 있습니다.
- • 이 오픈 소스 기술은 LLM이 ASD-STE100 간소화된 기술 영어(STE)로 작성하도록 강제합니다.
- • Claude Code, Cursor, VS Code Copilot 및 기타 주요 에이전트 하네스와 호환됩니다.
- • 테스트 결과 STE 위반이 72.9% 감소했으며 평균 문장 길이가 11.2단어에서 9.7단어로 줄었습니다.
- • 이 기술은 MIT 라이선스 하에 있으며 `npx skills add AminBlg/SimpleEnglish`를 통해 설치할 수 있습니다.
개발자는 이 기술을 Claude Code, Cursor 또는 Copilot에 통합하여 더 명확하고 간결한 문서를 자동으로 생성하고 토큰을 절약할 수 있습니다.
13. Tencent, AngelSpec 추측 디코딩 프레임워크 오픈 소스화
Tencent의 AngelSpec은 추측 디코딩 초안 모델을 훈련하기 위한 통합 프레임워크를 제공합니다. 대화형 데이터를 위한 MTP 모델과 코드 및 수학에 최적화된 블록 확산 모델(DFly)이라는 두 가지 상호 보완적인 아키텍처를 제공합니다. AngelSpec은 긴 컨텍스트 훈련을 위한 Ulysses 시퀀스 병렬 처리 및 문서 인식 시퀀스 패킹과 같은 고급 기능을 포함하여 개발자가 고도로 최적화된 로컬 추론 파이프라인을 배포할 수 있도록 합니다.
- • AngelSpec은 추측 디코딩 초안 모델을 훈련하기 위해 TorchSpec을 기반으로 구축된 오픈 소스 torch 네이티브 프레임워크입니다.
- • 이 프레임워크는 자기회귀 다중 토큰 예측(MTP)과 블록 병렬 DFlash 제품군을 지원합니다.
- • HY3-295B-A21B 모델에서 DFly-8 초안 모델은 표준 자기회귀 디코딩보다 1.98배에서 2.40배의 속도 향상을 제공합니다.
- • AngelSpec은 vLLM, SGLang 및 Hugging Face Transformers와 통합되며 7개의 사전 훈련된 체크포인트를 포함합니다.
개발자는 대상 모델을 수정하지 않고도 로컬 LLM 추론에서 최대 2.4배의 속도 향상을 달성하기 위해 사용자 지정 초안 모델을 훈련할 수 있습니다.
14. Cisco, 무료 AI 공급망 출처 탐색기 출시
Cisco의 AI 공급망 출처 탐색기는 오픈 소스 모델의 최대 69%가 검증되지 않은 계보를 가지고 있는 오픈 소스 AI의 검증 부족 문제를 해결합니다. 임베딩 앵커 유사성과 같은 가중치 수준 신호를 분석함으로써 이 도구는 자체 보고된 메타데이터를 우회하여 진정한 모델 기원을 확립합니다. 유럽연합 집행위원회가 2026년 8월 2일부터 EU AI 법을 시행하기 시작함에 따라 이러한 검증은 점점 더 중요해지고 있으며, 검증되지 않은 오픈 모델 수정에 대해 막대한 벌금이 부과됩니다.
- • AI 공급망 출처 탐색기는 약 900개의 오픈 소스 모델을 다루는 무료 공개 데이터베이스입니다.
- • 이 도구는 정적 지문 기술과 행동 유사성 분석을 사용하여 96.4%의 정확도로 모델 계보를 검증합니다.
- • 제공업체 본사, 라이선스 제한 및 스캔된 파일에 대한 검색 가능한 데이터를 제공합니다.
- • 데이터베이스는 Cisco 계정 없이 provenance.aidefense.cisco.com에서 공개적으로 사용할 수 있습니다.
개발자는 오픈 소스 모델의 진정한 계보와 라이선스를 검증하여 EU AI 법과 같은 향후 규정을 준수할 수 있습니다.
15. 로컬 GPU용 Escha-W2 양자화 Qwen MoE 모델 출시
Escha-W2는 소비자급 하드웨어에서 256개 전문가 Mixture-of-Experts 모델을 호스팅할 수 있게 합니다. Qwen3.6-35B-A3B 모델을 2비트 양자화로 압축함으로써 이 빌드는 12.3GB의 디스크 공간 내에 들어갑니다. OpenAI 호환 HTTP API를 즉시 노출하기 위한 필요한 서빙 인프라가 사전 패키징되어 제공됩니다.
- • Escha-W2는 256명의 전문가를 특징으로 하는 Qwen3.6-35B-A3B MoE 모델의 2비트 양자화 빌드입니다.
- • 이 모델은 OpenAI 호환 HTTP API를 통해 로컬에서 서비스하기 위한 도구와 함께 패키징됩니다.
- • 12.3GB의 디스크 공간을 차지하며 16GB 또는 24GB VRAM을 갖춘 단일 소비자 GPU에서 실행됩니다.
개발자는 OpenAI 호환 API를 사용하여 16GB 또는 24GB VRAM 하드웨어에서 256개 전문가 Mixture-of-Experts 모델을 로컬로 호스팅할 수 있습니다.
16. MindControl 벤치마크, 코딩 작업에서 토큰 50% 절감 확인
MindControl llama.cpp 포크의 초기 릴리스 이후, 개발자 Laurence Hardman은 성능을 정량화하는 벤치마크 결과를 발표했습니다. 하드 절단(hard-truncation)을 샘플러 수준의 가이드 추론 예산으로 대체함으로써, 이 도구는 Qwen3.6-27B와 같은 모델이 코딩 벤치마크에서 높은 정확도를 유지하면서 LiveCodeBench에서 토큰 사용량을 50% 이상 줄일 수 있도록 합니다.
- • Qwen3.6-27B에 대한 MindControl 벤치마크는 LiveCodeBench에서 토큰 소비가 50% 감소했음을 보여줍니다.
- • 가장 제한적인 구성은 HumanEval+에서 95.7%의 점수를 달성했습니다.
- • 이 기술은 토큰 예산을 최적화하면서 높은 정확도를 유지하지만, 가장 어려운 문제 하위 집합에서는 성능 비용이 확인되었습니다.
이 결과는 이전에 출시된 MindControl 포크가 전체 정확도 저하 없이 코딩 작업을 위한 로컬 모델 추론의 효율성을 크게 향상시킬 수 있음을 확인시켜 줍니다.
17. OpenAI, GPT-5.6 가격 조정 및 고처리량 'Fast mode' 추가
이달 초 출시된 GPT-5.6 모델 제품군의 일반 가용성을 바탕으로, OpenAI는 경쟁력을 유지하기 위해 상당한 가격 조정을 시행했습니다. 회사는 비용 최적화된 Luna 모델의 API 가격을 80%, 균형 잡힌 Terra 모델의 가격을 20% 인하했습니다. 또한 플래그십 Sol 모델을 위한 새로운 'Fast mode'를 도입하여 지연 시간에 민감한 프로덕션 워크플로우를 위해 프리미엄 가격으로 2.5배 더 높은 처리량을 제공합니다.
- • GPT-5.6 Luna 가격이 80% 인하되어 합산 100만 토큰당 1.40달러가 되었습니다.
- • GPT-5.6 Terra 가격이 20% 인하되어 합산 100만 토큰당 14.00달러가 되었습니다.
- • GPT-5.6 Sol을 위한 새로운 'Fast mode'는 합산 100만 토큰당 70달러에 2.5배의 처리량을 제공합니다.
- • GPT-5.6 Sol의 표준 가격은 변경되지 않았습니다.
이러한 업데이트는 개발자에게 GPT-5.6 시리즈에 대한 더 유연한 비용 및 성능 옵션을 제공하여 더 저렴한 경량 추론 또는 더 높은 처리량의 프로덕션 기능을 가능하게 합니다.