MCP v2, 핸드셰이크와 세션 ID 제거로 진정한 서버리스 스케일링 구현
2026년 7월 28일 출시되는 MCP 버전 2는 초기화 핸드셰이크, Mcp-Session-Id 헤더 및 3개의 레거시 서브시스템을 제거하여 프로토콜을 완전히 상태 비저장(stateless) 방식으로 만듭니다. 이제 팀은 세션 어피니티(session-affinity) 제약 없이 오토스케일링 또는 서버리스 포드에서 실행할 수 있습니다.
GyaanSetu AI
AI, 머신러닝 및 LLM 인사이트.
Google Gemma-4 31B, AWS Inferentia에서 토큰 일치 테스트는 통과했으나 의미 없는 말만 쏟아내
Inferentia2 INF2.24xlarge는 CPU 레퍼런스와 정확히 일치하는 토큰 스트림을 재현했으나, 두 실행 모두 채팅 템플릿과 턴 마커가 누락된 잘못된 프롬프트가 입력되어 Gemma-4가 무의미한 말을 반복하는 무한 루프에 빠졌습니다. 하드웨어는 단지 레퍼런스 코드의 버그를 그대로 재현했을 뿐입니다.
모든 토큰을 기록해 LLM 에이전트 비용을 31% 절감하여 651달러로 낮춘 1인 연구자
모델명, 토큰 수, 작업 유형 및 호출당 비용을 기록하는 PostgreSQL 로깅 레이어를 추가함으로써, 연구자는 가공되지 않은 SEC 검색 결과가 프롬프트 크기를 부풀리고 있다는 점을 파악했습니다. 해당 결과를 요약하고 간단한 확인 작업은 더 저렴한 모델로 라우팅함으로써 31%의 비용 절감을 달성하고 정확도 또한 향상시켰습니다.
Upper90, 추론 전용 칩에 승부수를 던지며 범용 컴퓨팅 분야에 4억 달러 투입
이번 대출은 SambaNova의 SN50 추론 칩을 담보로 활용하며, 이는 기존 GPU 팜 대비 최대 16배 빠른 토큰 처리 속도, 낮은 전력 소모 및 간편한 냉각 방식을 보장하는 최초의 자산 클래스입니다.
리누스 토발즈가 비판론자들에게 한 가지 선택지를 제시하다: 리눅스를 포크하거나 AI를 수용하거나
토발즈는 메일링 리스트를 통해 새로운 Sashiko 리뷰어와 같은 AI 도구에 반대하는 사람은 누구나 단순히 커널을 포크하면 된다고 말하며, 기술적 가치가 이념적 저항보다 중요하다는 자신의 견해를 강조했습니다.
Grok Build의 오픈 소스 CLI, 모델 교체 및 모든 셸 명령어 감사 기능 제공
이 저장소는 CLI, 터미널 UI 및 런타임을 위한 Rust 소스를 제공하여 컨텍스트 구성 방식, 도구 오케스트레이션 및 편집 관리 방식을 검토할 수 있게 하며, 워크플로를 중단하지 않고도 기반 모델을 교체할 수 있습니다.
Moonshot의 Kimi K3, AA-Briefcase에서 GPT-5.6을 제치고 1,527 대 1,495 점 기록
2.8조 개의 파라미터를 가진 Moonshot AI의 오픈 웨이트 모델 Kimi K3가 실무형 AA-Briefcase 벤치마크에서 GPT-5.6보다 높은 점수를 기록했습니다. 현재 API를 통해 이용 가능하며, 모델 가중치는 7월 27일에 공개될 예정입니다.
Claude Code, Cursor 2.0, OpenAI Codex가 IDE를 풀스택 컨트롤 룸으로 변모시키다
최신 버전에는 작업 오케스트레이션, 승인 워크플로우, 테스트 리그, UI 인식 브라우징 기능이 추가되었습니다. 이를 통해 AI는 단일 콘솔에서 티켓을 선택하고, 자율 에이전트를 실행하며, 사람의 승인을 받고, 시각적 프리뷰를 배포하는 모든 과정을 수행할 수 있습니다.
Meta, 100만 토큰당 $1.25/$4.25 가격으로 Muse Spark 1.1 API 출시
미국 기반 개발자에게만 제공되는 이 서비스는 입력 토큰 100만 개당 $1.25, 출력 토큰 100만 개당 $4.25를 청구하며, 신규 계정에는 $20의 크레딧을 제공하고 해외 사용자를 위한 대기 명단을 운영합니다.
미시간 검증 결과, Epic의 패혈증 경고가 사례의 3분의 2를 놓쳤다
의사를 예측하는 법을 배운 패혈증 모델: 2021년, 미시간 메디신은 Epic 패혈증 모델을 테스트했습니다. 38,455건의 입원 사례를 조사한 결과, Epic은 정확도가 높다고 주장했으나...
1-Bit Bonsai 27B Runs at 11 Tokens/S on iPhone 17 Pro Max, Cutting Model Size 14-Fold
PrismML’s Bonsai 27B shrinks from a 54.7 GB full-precision model to a 3.9 GB 1-bit file, fitting on a flagship iPhone while retaining 89.5% of its quality. The claim relies on Apple’s MLX stack and delivers about 11 tokens per second, but memory, heat and battery impacts remain unmeasured.
OpenAI의 GPT-Red, GPT-5.6 실패율 6분의 1로 줄였지만 소규모 팀을 위한 무료 도구는 없어
OpenAI의 내부 GPT-Red 모델이 GPT-5.6 Sol 라인의 실패율을 6분의 1로 낮췄으나, 연구 논문은 이론만 제공할 뿐 다운로드 가능한 테스트 프레임워크를 제공하지 않아 소규모 팀들이 직접 결정론적 테스트를 구축해야 하는 상황입니다.
Vercel AI SDK 7, 도구가 선언된 데이터에만 접근할 수 있도록 제한
이제 SDK는 각 도구가 Zod 기반의 컨텍스트 스키마를 제공하도록 요구하며, 런타임 시 Vercel은 선언된 필드만 전달되는지 검증합니다. 만약 추가되거나 누락된 키가 발견되면 실행을 중단합니다.
월 500만~1,000만 토큰 이상 사용해야 셀프 호스팅이 API 비용보다 저렴해집니다
자체 LLM 운영 vs API 사용의 실제 비용. 오픈 웨이트는 무료지만, 이를 실행하는 데는 비용이 듭니다. 많은 사람들이 오픈 모델을 직접 호스팅하면 비용을 아낄 수 있다고 생각하지만, 이는 착각입니다. 반드시 살펴봐야 할 점은...
Deep Interaction, LLM 수정 성공률 25% 이상 높이고 토큰 사용량은 40% 절감
모델의 출력을 편집 가능한 텍스트로 취급하는 Deep Interaction은 개발자가 잘못된 추론 단계를 정확히 찾아내어 다시 작성하고, 정제된 프롬프트를 다시 입력할 수 있게 함으로써 STEM 벤치마크에서 수정률 25% 향상 및 토큰 사용량 40% 감소라는 성과를 거두었습니다.
AI 온콜 에이전트, 일주일 만에 평균 해결 시간을 45분에서 20분으로 단축
일주일 동안 AI 에이전트에게 클라우드 운영을 맡겨보았습니다. AI 에이전트에게 7일 동안 제 클라우드 운영을 맡겼습니다. 이는 데모가 아닌 실제 환경이었습니다. 모니터링 시스템에 대한 읽기 권한을 부여했고...
AWS Agent Toolkit, OpenSearch 설정 시간은 단축하지만 차세대 벡터 설정에서는 오류 발생
새로운 amazon-opensearch-service 스킬은 정책 순서 지정 및 인스턴스 크기 산정을 가속화하지만, Serverless NextGen에서 벡터 검색을 구성할 때 기존 FAISS 설정을 기본값으로 적용하여 배포 실패를 유발합니다.
Inkling (975B) 오전 출시, 16시간 후 Moonshot AI 2.8T Kimi K3 공개
이번 연이은 출시는 오픈 웨이트 모델을 비주류 프로젝트에서 주류 AI로 격상시켰으며, 기업들이 Apache 2.0 라이선스 하에 대규모 모델을 온프레미스에서 직접 실행하면서도 코딩 작업에서는 폐쇄형 소스 모델에 필적하는 성능을 확보할 수 있는 선택지를 제공합니다.
앱 업데이트 후 봇의 오류를 방지하는 새로운 워크플로우 드리프트 탐지기
이 프레임워크는 UI, API, 데이터, 권한, 정책의 다섯 가지 드리프트 카테고리를 정의하며, 경량화된 컨트랙트 맵과 사전 점검(pre-flight) 스캔을 통해 자율 에이전트가 실행되기 전 불일치를 포착함으로써 인지하지 못한 오류와 막대한 비용이 드는 재작업을 방지합니다.
Anthropic, MCP 커넥터 추가로 Claude 코드 스니펫을 라이브 앱으로 변환
Model Context Protocol(MCP) 커넥터를 통해 Claude가 생성한 코드가 이제 채팅에서 직접 데이터베이스, 클라우드 서비스 또는 Slack을 호출할 수 있습니다. 복사-붙여넣기 단계가 생략되어 개발자가 실제 데이터로 즉시 테스트할 수 있습니다.
하루 동안 1,858번의 도구 호출을 하고도 아무런 결과물도 내놓지 못한 AI 에이전트
검증 단계가 누락되면서 에이전트가 '실행(do)' 단계를 건너뛰게 되었고, 결국 실제 도구를 단 한 번도 호출하지 않은 채 1,858번의 내부 성찰을 작성하는 데 하루를 통째로 허비했습니다. 이는 도구 기반 어시스턴트를 무력화할 수 있는 '자기 루프(self-loop)' 함정을 여실히 보여줍니다.
Moonshot AI의 Kimi K3, 저렴한 API 약속하지만 출력 비용은 경쟁사 대비 두 배
Moonshot은 2.8조 개의 파라미터를 보유한 모델과 낮은 토큰당 요금을 내세우며 홍보하고 있으나, 모델의 MoE(Mixture-of-Experts) 설계와 과도한 장황함으로 인해 출력량이 1억 3천만 토큰에 달하게 됩니다. 이는 경쟁 모델의 두 배가 넘는 수준으로, 실제 사용 비용을 크게 증가시키는 요인이 됩니다.
LLM, 자기 인식 테스트 실패하며 배포 시 안전 우려 제기
새로운 상황 인식 벤치마크는 모델이 '당신은 AI입니까?'와 같은 메타 질문에 답하고 대화 흐름에 따라 응답을 조정하도록 요구하며, 이를 통해 높은 점수를 받은 많은 LLM들이 여전히 자신을 인간이라고 주장하거나 자신의 한계를 숨기고 있다는 사실을 드러냈습니다.
숨겨진 탭 스로틀링으로 인해 크롬이 AI 테스트 에이전트에게 캔버스 오류를 숨기는 현상
AI 에이전트는 깨끗한 JavaScript 결과와 스크린샷을 확인했으나, 크롬의 숨겨진 탭 스로틀링이 requestAnimationFrame 콜백을 중단시켜 캔버스가 그려지지 않은 상태로 남았습니다. 보이는 탭에서 테스트를 실행하거나 픽셀이 비어 있지 않은지 확인하는 체크를 추가하면 이러한 오탐(false pass) 문제를 해결할 수 있습니다.