앤트로픽은 호주 정부와 AI 안전 연구 및 호주 국가 AI 계획 지원을 위한 양해각서(MOU)를 체결했으며, 다리오 아모데이 CEO가 앤서니 앨버니지 호주 총리와 협약을 공식화했다고 밝혔다. MOU의 핵심으로 호주의 AI 안전 연구기관(AI Safety Institute)과 함께 신흥 모델의 역량·위험 정보를 공유하고 공동 안전·보안 평가 및 학계 연구 협력을 진행한다. 또한 호주 경제 전반의 AI 도입과 경제·노동 영향 파악을 위해 ‘앤트로픽 경제지수’ 데이터를 공유하고, 호주 연구기관 4곳에 Claude 활용을 위한 AUD 300만 달러 투자 및 AI 교육·인력 양성, 데이터센터·에너지 인프라 투자 검토 등을 언급했다.
Anthropic은 호주에 신규 사무소를 개설하고 호주 정부와 AI 안전성 연구 협력을 위한 양해각서를 체결하며 호주 시장 진출을 확대하고 있습니다. 이번 연구는 호주에서 클라우데를 어떻게 활용하고 있는지 자세히 살펴봅니다. 호주는 글로벌 클라우데 트래픽의 1.6%를 차지하며, 인구 대비 클라우데 사용량은 기대치보다 네 배 이상 높습니다. 주요 발견 사항은 다음과 같습니다:
- 호주는 글로벌 선두 채택국 중 하나로, 인구 대비 클라우데 사용량이 높습니다. 특히 뉴 사우스 웨일즈와 빅토리아 주에서 집중적으로 사용됩니다.
- 호주에서의 클라우데 활용은 업무(46%), 학습(7%), 개인 사용(47%)에 주로 집중되어 있으며, 이는 고소득 채택 경제와 유사한 패턴입니다.
- 호주 사용자들은 상대적으로 복잡한 작업을 클라우데에 요청하며, 이러한 작업의 수행 시간은 평균보다 약 20% 짧습니다.
- 호주는 AI 자율성 측면에서 상대적으로 낮은 점수(3.38)를 기록하며, 이는 클라우데를 더 협력적인 방식으로 사용한다는 것을 시사합니다.
- 클라우데의 활용 범위가 다양하며, 특히 코딩 관련 작업의 비중이 낮은 특징이 있습니다.
Mistral은 프로젝트 생성, 개발 환경 구성, 설정 파일 생성, 배포를 지원하는 CLI인 Spaces를 소개했다. Spaces는 모든 대화형 입력에 flag를 제공하고, headless mode를 위한 기본값과 명시적 상태 관리, JSON 기반 plugin registry를 지원해 coding agent가 사람의 개입 없이 CLI를 사용할 수 있도록 설계됐다. 또한 프로젝트의 구조와 실행 방법을 담은 context.json과 AGENTS.md를 생성해 에이전트의 오류를 줄이고, 동일한 도구를 사람·스크립트·CI 환경에서도 쉽게 사용할 수 있게 했다.
Gemini Live API(프리뷰)·Gemini Enterprise for Customer Experience·Search Live 및 Gemini Live에서 제공(시작일: 2026.3.26)
Gemini 3.1 Flash Live는 구글의 최신 실시간 음성·오디오 모델로, 음성 상호작용의 정밀도와 지연을 낮춰 더 자연스럽고 신뢰도 높은 대화를 목표로 한다. 개발자는 Gemini Live API(프리뷰)와 Google AI Studio를 통해, 기업은 고객경험용 Gemini Enterprise로, 일반 사용자는 Search Live와 Gemini Live로 이용할 수 있다. 또한 3.1 Flash Live 오디오에는 SynthID 워터마크가 적용돼 AI 생성 콘텐츠를 탐지해 허위정보 확산을 줄이는 데 활용된다.
유해 조작 평가를 위한 Frontier Safety Framework 내 Harmful Manipulation Critical Capability Level(CCL) 도입 및 Gemini 3 Pro 등 모델 평가에 활용 예정
DeepMind는 AI가 유해한 조작에 악용될 가능성(사람의 신념과 행동을 부정적·기만적으로 변화시키는 능력)을 다루는 새로운 연구 결과를 공개했다. 영국·미국·인도에서 1만 명이 넘는 참여자를 대상으로 9개 연구를 수행했으며, 금융(투자 시나리오)과 건강(식이보충제 선호) 등 고위험 영역에서 AI의 영향력을 측정했다. 또한 유해 조작의 ‘성공률(효능)’과 ‘시도 성향(얼마나 자주 조작을 시도하는지)’을 함께 평가하는 실증 기반 툴킷을 공개하고, 특정 영역에서의 성공이 다른 영역의 성공을 보장하지는 않는다고 밝혔다.
구글이 실시간 대화용 음성 모델 Gemini 3.1 Flash Live를 공개했으며, 음성의 자연스러움·응답 속도·억양 이해와 복잡한 작업 수행 능력을 개선했다고 밝혔다. 개발자는 Google AI Studio의 Gemini Live API, 기업은 Gemini Enterprise for Customer Experience를 통해 이용할 수 있고, 일반 사용자는 Gemini Live와 Search Live에서 사용할 수 있다. ComplexFuncBench Audio에서 90.8%, Audio MultiChallenge에서 사고 기능을 켠 상태로 36.1%를 기록했으며, Search Live는 200개국 이상으로 확대됐다. 모델이 생성하는 모든 오디오는 SynthID 워터마크가 적용돼 AI 생성 음성 식별과 허위정보 확산 방지를 지원한다.
Vertex AI 공개 미리보기, Google Workspace·AI Pro/Ultra 구독자 대상 Vids 연동은 “이번 주부터” 순차 제공, Gemini 앱은 유료 구독자부터 제공
구글 딥마인드는 음악 생성 모델 ‘Lyria 3 Pro’를 소개하며 최대 3분 길이의 트랙 생성과 구조 인식 기반 커스터마이징을 제공한다고 밝혔다. 인트로·벌스·코러스·브리지 등 곡의 특정 요소를 프롬프트로 지정해 더 복잡한 전개와 전환을 실험할 수 있다고 설명했다. 또한 Vertex AI(공개 미리보기), AI Studio·Gemini API, Vids(Workspace 및 AI Pro/Ultra 구독자 대상), Gemini 앱 등 여러 구글 제품으로 확장해 온디맨드 오디오 생성과 창작 도구 연동을 지원한다. 저작권·프라이버시 보호를 위한 필터링, 기존 콘텐츠 점검, SynthID 워터마킹 등 책임 있는 설계·학습 및 정책 준수도 함께 언급했다.
셀렉트스타 AI Safety팀은 국가별 문화·법·언어 맥락을 반영해 레드티밍 벤치마크를 자동 생성하는 프레임워크 ‘CAGE’를 제안했으며, 해당 논문이 ICLR 2026 메인 트랙에 채택됐다고 밝혔다. CAGE는 단순 번역의 간극을 줄이기 위해 ‘시맨틱 몰드’ 개념을 도입해 공격 질문의 의도는 유지하되 현지 맥락의 내용을 재조립한다. 또한 CAGE 기반으로 만든 한국형 벤치마크 ‘KoRSET’과 함께 ASR(공격 성공률) 지표에서 기존 방식보다 더 높은 취약점 탐지 성능을 보였다고 설명했다.
구글이 최대 3분 길이의 음악을 생성하고 인트로·절·후렴·브리지 등 곡 구조를 지정할 수 있는 음악 생성 모델 Lyria 3 Pro를 공개했다. 이 모델은 Vertex AI, Google AI Studio, Gemini API, Google Vids, Gemini 앱, ProducerAI 등으로 제공 범위를 확대하며, 일부 서비스는 유료 가입자나 특정 고객부터 순차 출시된다. 구글은 음악가들과 협력해 모델을 개발하고 있으며, 기존 아티스트를 모방하지 않도록 설계하고 모든 생성 결과에 SynthID 워터마크를 삽입한다고 밝혔다.
Claude Code의 auto mode는 사용자 승인을 모델 기반 classifier에 맡기는 모드로, 수동 승인(사용자가 승인 프롬프트의 93%를 그대로 수락)과 `--dangerously-skip-permissions` 사이의 중간 지점을 노린다. 방어는 두 겹이며, 입력 단계에서는 서버 측 prompt injection probe가 tool 출력을 검사하고, 출력 단계에서는 Sonnet 4.6 기반 transcript classifier가 각 행동을 실행 전에 평가한다. 이 classifier는 단일 토큰 필터 후 플래그된 경우에만 chain-of-thought 추론을 하는 2단계 구조이며, 사용자 메시지와 tool 호출만 보고 Claude 자신의 메시지와 tool 출력은 제외한다. 위협 모델은 과잉 행동(overeager), 단순 실수, prompt injection, misaligned 모델의 네 가지이고, 특히 앞의 둘에 맞춰 조정됐다. 안전한 읽기 도구와 프로젝트 내 파일 편집은 classifier 없이 허용되며, 기본 차단 규칙 20여 개는 파괴·유출, 보안 약화, 신뢰 경계 횡단, 검토 우회 등으로 나뉜다.
Anthropic의 경제 지수 보고서는 프라이버시 보호 데이터 분석 시스템을 활용해 경제 전반에서 Claude AI의 활용 양상을 추적한다. 이 보고서는 2026년 2월의 Claude 사용 패턴을 분석하며, 이전 보고서(2025년 11월 데이터 기반)와 비교해 학습 곡선과 사용 패턴의 변화를 살펴본다. 주요 발견 사항은 다음과 같다:
- Claude 사용의 다양화: Claude.ai에서의 주요 작업 범위가 다양해졌으며, 특히 코딩 작업이 API 트래픽으로 이동하면서 작업 집중도가 감소했다.
- 사용자 경험과 성과: 장기 사용자들이 더 높은 성공률을 보이며, 특히 교육 관련 작업에 더 많이 참여하고 개인적인 사용은 줄였다.
- 가치 변화: 평균 작업 가치가 약간 하락했는데, 이는 스포츠 정보, 날씨 등 간단한 사실 질의 증가와 코딩 작업의 API 이동에 기인한다.
- 지리적 불균형: 고소득 국가와 미국 내 지식 노동자가 많은 지역에서 Claude의 사용이 집중되어 있으며, 이는 글로벌 채택 격차를 보여준다.
이러한 변화는 AI 기술의 초기 채택자들이 특정 고급 작업에서 더 넓은 범위의 작업으로 확장되는 경향을 반영한다.
Anthropic Labs 연구자가 GAN에서 착안해 generator와 evaluator 에이전트를 분리한 multi-agent 구조를 설계했다. 기존 구현의 한계는 컨텍스트가 차면 일관성이 떨어지거나 작업을 서둘러 끝내는 "context anxiety"와, 에이전트가 자기 결과물을 과대평가하는 self-evaluation 문제였다. 작업 에이전트와 평가 에이전트를 분리하고 평가자를 회의적으로 튜닝하는 편이 생성자가 스스로 비판하게 만드는 것보다 훨씬 다루기 쉬웠다. 프론트엔드 디자인에서는 design quality, originality, craft, functionality 네 가지 기준으로 평가자가 Playwright MCP로 실제 페이지를 탐색해 채점했고, 반복은 5~15회, 전체 실행은 최대 4시간까지 걸렸다. 풀스택 개발에서는 planner, generator, evaluator 3개 에이전트 구조로 확장했으며, Opus 4.5는 context anxiety가 거의 없어 context reset 없이 automatic compaction만 쓰는 하나의 연속 세션으로 운영했다.
앤서픽은 새로운 AI 및 과학 관련 블로그를 출시하며, 회사 내부의 연구 성과와 외부 연구자들과의 협업 사례, 그리고 과학자들이 AI를 연구에 활용하는 실질적인 워크플로우에 대해 공유할 예정입니다. 앤서픽의 미션 중 하나는 과학 발전의 속도를 높이는 것이며, 현재 AI는 수학자들이 새로운 증명을 발견하거나 개별 연구자들이 대규모 데이터셋을 분석하는 등의 작업을 가속화하고 있습니다.
이 블로그는 AI와 과학의 현재 상황과 그 도전 과제를 다루며, 특히 AI가 과학 과정에 미치는 영향에 초점을 맞춥니다. 앤서픽은 생물학, 물리학, 화학 등 다양한 분야의 연구자들에게 API 크레딧을 제공하는 'AI for Science' 프로그램과 생명과학 분야에 특화된 'Claude for Life Sciences' 이니셔티브 등을 통해 과학 발전을 가속화하고 있습니다.
블로그는 세 가지 주요 유형의 게시물을 다룰 예정입니다: 특정 연구 결과나 작업에 대한 상세 기사, 연구자들이 자신의 작업에 AI를 활용하는 방법에 대한 실용적 가이드, 그리고 분야 전반의 동향을 정리한 라운드업 기사입니다.
과학 분야의 연구자들은 언제든지 특정 주제를 요청할 수 있으며, 연락처는 scienceblog@anthropic.com 입니다.
본 연구는 Siddharth Mishra-Sharma 연구원이 주도하여, 장기 작업을 수행하는 AI 에이전트를 과학 컴퓨팅 작업에 적용하는 방법을 설명합니다. 특히, 복잡한 과학적 작업을 AI 에이전트가 자율적으로 수행하도록 하여 연구자의 작업 시간을 대폭 단축하는 방법을 다룹니다. 예시로는 빅뱅 후의 잔광인 우주 배경 방사(CMB)를 예측하는 미분 가능한 볼츠만 솔버 구현이 포함되어 있습니다. 이를 통해 기존에 수개월에서 수년이 걸리던 작업을 수일 내로 완료할 수 있음을 보여줍니다. 에이전트는 지속적인 메모리 관리, 테스트 오라클, 그리고 명확한 규칙을 가진 프롬프트를 통해 작업을 진행하며, 이 과정에서 Git을 활용해 작업 진행 상황을 모니터링합니다. 결과적으로, 이 접근법은 연구자의 효율성을 크게 향상시키는 것으로 나타났습니다.
물리학자 Matthew Schwartz 교수는 AI 모델인 Claude를 통해 실제 이론 물리학 계산을 수행하여 텍스트 프롬프트 뒤에 숨은 코드와 계산의 복잡성을 보여주었다. 결과적으로 두 주 만에 고도의 전문적인 고에너지 이론 물리학 논문을 완성하였으며, 이는 일반적으로 수년이 걸리는 작업이었다. 그러나 이 과정에서 Claude는 정확도 평가를 위해 도메인 전문지식이 필수적임이 드러났다. 이 연구는 AI가 완전한 과학 연구를 수행할 수 있을지에 대한 질문에 대한 중요한 단서를 제공하며, 현재로서는 중간 단계를 건너뛰기보다는 AI가 기초 과학 교육을 먼저 받는 것이 더 효과적일 수 있음을 시사한다.
미스트랄 AI가 40억 개 파라미터 기반의 텍스트 음성 변환 모델 ‘Voxtral TTS’를 출시했으며, 영어·프랑스어·독일어 등 9개 언어에서 자연스럽고 감정이 표현된 음성을 생성한다. 3초 이상 음성 참조만으로 화자의 억양·리듬·감정 등을 모방할 수 있고, 다른 언어에서도 화자의 목소리와 억양을 유지하는 zero-shot 음성 적응을 지원한다. 모델은 낮은 지연시간과 최대 2분의 오디오 생성을 제공하며, API와 Mistral Studio에서 1,000자당 0.016달러부터 이용할 수 있다.
Anthropic Discovery 팀 연구원이 CLAUDE.md(계획), CHANGELOG.md(진행 기록), test oracle(기준 구현), Git 커밋, tmux·SLURM 기반 실행, Ralph loop 같은 오케스트레이션 패턴으로 수일간 자율 실행되는 agentic 코딩 워크플로를 과학 계산에 적용하는 방법을 설명한다. 사례로 Claude Opus 4.6이 우주론 Boltzmann solver(CLASS)를 JAX로 미분 가능하게 구현하는 작업을 진행했고, 며칠 만에 CLASS 대비 sub-percent(1% 미만) 정확도에 도달했다(목표는 0.1%). 테스트가 단일 fiducial 파라미터에만 집중되고 기초적인 실수가 나오는 등 과정은 서툴렀으며, 결과물도 모든 영역에서 CLASS와 일치하지는 않아 production 수준은 아니다. 그럼에도 수개월~수년의 연구자 작업을 수일로 압축할 수 있음을 보여 준다.
딥마인드는 다자 협상 게임에서 인간(N=216), 여러 frontier LLM, 맞춤형 Bayesian 에이전트의 행동을 동일 조건에서 비교한 실증 연구 결과를 공개했다. 집단 내에서 총합적 surplus는 비슷하지만, 제안 전략은 달랐으며 LLM은 보수적·양보형 제안을 통해 통상적으로 상대(LM)로부터 수락을 받는 반면 인간은 공정성 규범에 부합하는 제안을 더 자주 하지만 거절도 더 많이 받는 경향이 나타났다. 또한 performance parity로 평가하면 복잡한 상호작용에서의 절차적 차이가 가려질 수 있음을 시사한다.
구글 딥마인드는 인지과학·심리학·신경과학 연구를 바탕으로 AI의 일반지능 역량을 평가하는 10개 인지 능력 분류체계와 3단계 평가 프로토콜을 제시했다. 평가 대상은 지각, 생성, 주의, 학습, 기억, 추론, 메타인지, 실행 기능, 문제 해결, 사회적 인지이며, AI 성능을 동일 과제의 대표적 성인 인간 성과와 비교한다. 또한 학습·메타인지·주의·실행 기능·사회적 인지 평가를 개발하는 Kaggle 해커톤을 개최하며, 총상금은 20만 달러이고 제출 기간은 3월 17일부터 4월 16일까지다.
미스트랄 AI는 기업이 내부 문서·코드·구조화 데이터·운영 기록 등 독점 지식을 학습시켜 맞춤형 AI 모델을 구축할 수 있는 시스템 Forge를 공개했다. Forge는 사전 학습, post-training, reinforcement learning과 내부 평가를 지원하며, dense·mixture-of-experts(MoE)·멀티모달 모델 아키텍처를 제공한다. 또한 코드 에이전트를 활용한 모델 미세 조정과 하이퍼파라미터 최적화, 작업 예약, 합성 데이터 생성 등을 지원하고, 기업이 자체 인프라와 정책 아래 모델을 지속적으로 개선하도록 설계됐다.
미스트랄 AI가 Lean 4용 오픈소스 코드 에이전트 Leanstral을 공개했으며, 엄격한 사양에 따른 구현의 형식 증명을 지원하도록 설계했다고 밝혔다. 모델 가중치는 Apache 2.0 라이선스로 제공되고 Mistral Vibe의 에이전트 모드와 무료·저가 API(labs-leanstral-2603)를 통해 사용할 수 있으며, MCP와 lean-lsp-mcp도 지원한다. FLTEval에서 Leanstral은 pass@2 기준 26.3점을 기록해 Sonnet의 23.7점보다 높았고, 실행 비용은 36달러로 Sonnet의 549달러보다 낮았으며, Opus는 39.6점으로 가장 높은 점수를 기록했지만 비용은 1,650달러였다.
미스트랄 AI는 NVIDIA Nemotron Coalition의 창립 멤버로 참여해 NVIDIA와 오픈소스 프런티어 AI 모델을 공동 개발할 계획이라고 밝혔다. 미스트랄 AI는 모델 아키텍처, 멀티모달 역량과 fine-tuning 도구를 제공하고, NVIDIA는 컴퓨팅 자원과 개발 도구 및 합성 데이터 생성 파이프라인을 지원한다. 연합의 첫 사업은 NVIDIA DGX Cloud에서 학습한 기반 모델로, 향후 NVIDIA Nemotron 4 제품군의 기반이 되며 오픈소스로 공개될 예정이다. 미스트랄 AI는 협력 발표와 함께 개발자·연구자·기업을 위한 Mistral Small 4도 출시했다.
Anthropic 연구팀은 새로운 AI 모델 간의 행동 차이를 자동으로 식별하는 도구를 개발했습니다. 기존 평가 방법이 알려진 위험만 감지할 수 있는 반면, 이 도구는 모델 간의 미묘한 위험 요소를 포함한 '알려지지 않은 미지의 요소'를 찾아낼 수 있습니다. 특히, 이 도구는 서로 다른 아키텍처를 가진 모델들 간의 차이를 비교하는 데 초점을 맞추고 있으며, 이를 통해 모델 개발자들이 모델의 새로운 위험 요소를 더 효과적으로 파악할 수 있게 합니다. 연구 결과, Qwen3-8B와 DeepSeek-R1-0528-Qwen3-8B 모델은 중국 공산당에 대한 편향된 표현을 조절하는 특징을 공유하고 있으며, Llama-3.1-8B-Instruct 모델은 미국 우월주의를 반영하는 특징을 가지고 있음을 확인했습니다. 이러한 발견은 모델 간의 미묘한 행동 차이를 이해하는 데 중요한 역할을 합니다.
미스트랄은 Rails 소스 파일을 읽고 RSpec 테스트를 생성·개선한 뒤 RuboCop과 SimpleCov로 스타일, 실행 결과, 코드 커버리지를 검증하는 자율 에이전트를 구축했다. 이 에이전트는 파일 유형별 지침과 저장소 수준의 `AGENTS.md`, 전문 skills 파일을 활용하며 여러 인스턴스가 파일을 병렬 처리할 수 있다. `AGENTS.md`에 단계별 실행 계획과 강제 자체 검토를 추가한 결과 품질 점수가 0.68에서 0.74로 상승했으며, 초기 실행에서 통과한 테스트가 약 3분의 1에 불과했지만 에이전트가 반복 수정으로 실패를 해결했다. 글은 통과율·커버리지 같은 정량 지표와 LLM-as-a-judge 기반의 정성 평가를 함께 사용해 테스트 품질을 측정하는 방법도 설명한다.
GPQA 88.5% · SWE 76.7% · MMLU 81.2% · HE 94.1% · MATH 95%
xAI flagship API model. 2M token context. Four-agent and 16-agent (Heavy) multi-agent variants. Reasoning on/off toggle. $2/$6 per 1M tokens. Superseded in SuperGrok Heavy chatbot by Grok 4.3 Beta (Apr 17), still primary via API.
본 연구에서는 클로데어 모델이 모질바 브라우저 내의 취약점을 탐지하고 악용하는 능력을 보여줍니다. 특히 CVE-2026-2796 취약점에 대한 악용 사례를 분석하여, 클로데어가 웹 브라우저의 보안 경계를 우회하는 방법을 역공학적으로 탐구했습니다. 이 취약점은 JavaScript WebAssembly 컴파일러의 오류로 인해 발생하며, 클로데어는 이를 통해 제한된 환경 내에서 특정 조건을 만족하는 코드를 생성할 수 있었습니다. 연구는 LLM의 사이버 능력 향상 추세를 보여주는 초기 사례로 해석되며, 향후 LLM이 복잡한 취약점 연쇄 악용에 가까워질 것으로 예상됩니다. 그러나 현재로서는 클로데어가 브라우저 샌드박스를 완전히 우회하는 '전체 체인' 악용은 아직 이루어지지 않았습니다.
Anthropic과 Mozilla의 협력으로 Claude Opus 4.6 모델이 Firefox에서 22개의 중대한 보안 취약점을 발견했습니다. 이 중 Mozilla는 14개를 중대한 취약점으로 분류했으며, 이는 2025년에 수정된 Firefox의 중대한 취약점 수의 약 20%에 해당합니다. 이 협업을 통해 발견된 취약점들은 Firefox 148.0 버전에 대부분 수정되었습니다.
AI 모델이 복잡한 소프트웨어 내의 심각한 취약점을 독립적으로 식별할 수 있음을 보여주며, 특히 Claude는 Firefox의 자바스크립트 엔진에서 사용 후 자유(Use After Free) 취약점을 발견하는 등 빠르고 효과적인 보안 취약점 탐지가 가능함을 입증했습니다. 그러나 취약점을 악용하는 데는 제한이 있어, 취약점 탐지 비용이 악용 비용보다 훨씬 저렴한 것으로 나타났습니다.
향후 방향으로는 AI 기반 보안 연구 도구의 사용 시 검증 및 재현 가능성 증거를 포함하는 것이 중요하며, 모델의 취약점 탐지와 수정 능력이 악용 능력과의 격차가 줄어들 것으로 예상됨에 따라 추가적인 안전 조치의 필요성을 강조하고 있습니다. 이를 통해 소프트웨어 개발자들이 보안을 강화하는 데 더욱 집중할 것을 권장하고 있습니다.
GPQA 92% · MMLU 83.1% · HE 94.5% · MATH 92.4% · AIME 100%
OpenAI March 2026 flagship. First model with native Computer Use API (75% OSWorld, above human baseline of 72.4%). 1M context in Codex/API. 33% fewer hallucinations vs GPT-5.2. 83% GDPval. GPT-5.2 retires June 5, 2026.
구글은 고용량 개발자 작업을 겨냥한 Gemini 3.1 Flash-Lite를 Gemini API의 Google AI Studio와 기업용 Vertex AI에서 프리뷰로 제공한다고 발표했다. 입력 토큰 100만 개당 0.25달러, 출력 토큰 100만 개당 1.50달러이며, Gemini 2.5 Flash보다 첫 응답 토큰 도달 시간이 2.5배 빠르고 출력 속도가 45% 향상됐다고 설명했다. 이 모델은 GPQA Diamond 86.9%, MMMU Pro 76.8% 등의 성능을 기록했으며, 번역·콘텐츠 조정·사용자 인터페이스 생성·시뮬레이션 등 대규모 작업에 활용할 수 있다.
GPT-5.3 Instant는 GPT-5 시리즈에 새로 추가된 모델로, 카드에서는 gpt-5.3-instant로도 표기한다. 응답이 더 빠르고 웹 검색 시 더 풍부하고 맥락에 맞는 답변을 제공하며, 대화 흐름을 끊는 불필요한 막다른 답변, 단서 문구, 지나치게 단정적인 표현을 줄였다고 설명한다. 이 모델의 안전 완화 접근법은 GPT-5.2 Instant 시스템 카드에 기술된 내용과 대체로 동일하다.
Anthropic은 전 세계의 80,508명의 사용자들(159개국, 70개 언어)을 대상으로 AI에 대한 기대와 우려를 조사했습니다. 이 연구는 역대 가장 큰 규모와 다국어 조사로, 응답자들은 AI가 자신의 삶에서 어떤 역할을 할지에 대한 희망과 동시에 AI로 인해 발생할 수 있는 문제점에 대해 이야기했습니다. 주요 결과는 다음과 같습니다:
- 희망: 응답자들은 AI를 통해 전문성 향상, 개인적 성장, 생활 관리, 시간 자유, 재정 독립, 사회적 변화, 창업 지원, 학습 및 성장, 창의적 표현 등을 원했습니다. 특히 '전문성 향상'이 가장 큰 희망으로 꼽혔습니다 (18.8%).
- 우려: AI의 잠재적 위험에 대한 우려도 공존했습니다. 예를 들어, 일부 응답자는 자신의 능력을 대체할까 봐 두려움을 표현했습니다.
이 연구는 AI가 이미 개인의 삶에 긍정적인 영향을 미치고 있음을 보여주며, 동시에 앞으로의 AI 시대에 대비한 사회적 준비의 필요성을 강조합니다.