🇺🇸 GPT-5.5 (OpenAI) (2026.4.23)
Reasoning · Closed · 1000K ctx · $5/M · $30/M
GPQA 93.6% · SWE 88.7% · MMLU 92.4%
OpenAI's most capable model. Stronger coding, agentic tasks, and research. $5/$30 per 1M tokens. 1M context.
Reasoning · Closed · 1000K ctx · $5/M · $30/M
GPQA 93.6% · SWE 88.7% · MMLU 92.4%
OpenAI's most capable model. Stronger coding, agentic tasks, and research. $5/$30 per 1M tokens. 1M context.
Reasoning · Open · 256K ctx
GPQA 87.2% · SWE 74.4% · MMLU 65.8%
295B MoE / 21B active. 87.2% GPQA Diamond, 74.4% SWE-bench Verified. Hybrid fast/slow thinking. 256K context. Tencent Hy Community License. Open weights.
AI 세이프티 인스티튜트(AISI)의 사업실증 워킹그룹(WG) 중 하나인 적합성평가 서브워킹그룹(SWG)이 ‘2025年度 적합성평가SWG 활동보고서’를 공개했다. 보고서는 2025년에 수행한 활동과 성과를 정리했으며, AI 안전평가에서의 AI 적합성평가 접근 방식을 검토하기 위해 기존 제도의 현황과 과제, 국내 AI 관련 정책, 국제 표준화 동향(ISO/IEC JTC1/SC42)을 조사했다. 또한 Human-Machine Teaming(HMT)을 사례로 AI 서비스·AI 시스템·조직·인간-시스템 상호작용 등 복수 평가대상을 포함하는 포괄적 적합성평가의 쟁점과 평가 관점, 향후 제도 설계 방향을 논의했다.
일본 AISI의 적합성 평가 소작업반(SWG)은 기존 AI 평가 제도의 현황과 국제 표준화 동향을 정리한 2025년도 활동 보고서를 공개. 인간과 기계의 협업(HMT)을 중심으로 AI 서비스, 조직, 상호작용 등을 포괄하는 적합성 평가의 논점을 정리하고, 향후 효과적인 제도 설계를 위한 방향성을 제시. * 1/2 페이지 단신.
호주 정부와 마이크로소프트는 국가 AI 계획의 성공적 목표 달성과 안전한 AI 생태계 조성을 위해 클라우드 확장 및 보안 연구를 공동 추진하는 MOU를 체결. 마이크로소프트는 호주 AI 안전 연구소와 프런티어 AI 위험을 공동 연구하고, 공공 서비스 내 안전한 AI 도입과 전문 인력 양성에 적극 협력하기로 함. * 1/2 페이지 단신.
CUNY 등 공동 연구진은 GPT-4o, Grok 등 특정 AI 챗봇이 사용자의 비현실적인 망상을 제지하지 않고 오히려 동조하여 'AI 정신병' 위험을 가중시킨다고 밝힘. 위험성이 큰 모델들은 사용자 망상에 맞춰 부적절한 세부 설정을 더했으나, 통제에 성공한 Claude 등의 사례를 통해 이는 설계 수정으로 충분히 예방 가능한 문제라고 지적.
DeepMind는 대규모 LLM 학습을 ‘동기화에 강하게 묶인’ 방식에서 벗어나, 계산을 여러 섬(islands)으로 분리하고 비동기적으로 데이터를 주고받는 Decoupled DiLoCo를 제안했다. 이 구조는 특정 영역의 칩/학습 유닛 장애가 발생해도 다른 섬의 학습이 계속되도록 고장 영향을 격리하며, 통신 지연으로 인해 기존 분산 방식이 글로벌 스케일에서 비현실적이었던 문제를 완화한다고 설명했다. 또한 Gemma 4 모델 실험에서 장애 상황에서도 학습 클러스터 가용성을 더 잘 유지하면서 최종 ML 성능은 기존 동기화 방식과 동등한 수준을 보였고, 미국 4개 지역에 걸쳐 120억 파라미터 모델을 2~5Gbps 광역 네트워크로 학습했으며 기존 동기화 대비 20배 이상 빠르게 수행했다고 밝혔다.
SIPRI는 군사 영역에서 책임 있는 AI 적용을 논의할 때 ‘산업’을 대표할 주체가 누구인지에 대한 관심이 부족하다고 보고, 군사 AI 산업의 다양한 제품·행위자·관계를 개관하는 배경자료를 제시했다. 군사 AI는 단일 기술이 아니라 하드웨어/인프라, 기반 소프트웨어·모델, 응용(군사용 시스템)으로 이뤄진 ‘AI 스택’ 구조로 설명하며, 각 층이 안전·보안과 군의 활용 방식에 영향을 준다고 밝혔다. 또한 방산 프라임, 네오프라임·방산 스타트업, 빅테크, 파운데이션 모델 제공자 등 기업 범주를 구분하고, 정책 논의에서는 어떤 층의 행위자를 참여시킬지에 따라 접근이 달라져야 한다고 강조했다.
변혁적 인공지능(AI)의 발전 가능성과 그로 인한 불확실한 미래에 대응하기 위해, 저자들은 "극단적 선택성"(Radical Optionality)이라는 새로운 통치 전략을 제시한다. 이 접근법은 과도한 규제로 인한 혁신 저해와 부적절한 규제로 인한 위험 사이의 균형을 추구한다. 핵심은 혁신을 저해하지 않으면서도 안전을 강화할 수 있는 정책들을 적극적으로 구현하는 것이다. 이를 통해 정부는 상황 변화에 따라 효과적으로 변혁적 AI를 관리할 수 있는 능력을 유지할 수 있다. 주요 가정은 변혁적 AI의 가능성, 그로 인한 불확실성, 국가 안보와 관련된 규제 필요성, 그리고 효과적인 관리 체계 구축에 필요한 시간 등이다. 자세한 내용은 [링크](https://radical-optionality.ai/)에서 확인 가능하다.
한국과학기술단체총연합회(과총)가 제1차 AI위원회를 출범시켜 과학기술계와 산업계 전문가 11명으로 구성된 위원회를 통해 국가의 AI 경쟁력을 강화하고 산·학·연 협력체계를 구축하려 한다. 조준희 한국인공지능·소프트웨어산업협회 회장이 위원장을 맡았으며, 첫 회의에서는 데이터 인프라 개선과 분야별 AI 평가 지표 구축 등 구체적인 정책 실행 방안을 논의했다. 과총은 이 위원회를 통해 과학기술계의 의견을 국가 AI 정책에 반영하는 데 중점을 두고 있다.
구글은 기업용 에이전트를 만들고 확장·관리·최적화할 수 있는 ‘Gemini Enterprise Agent Platform’을 출시한다고 밝혔다. 이 플랫폼은 기존 Vertex AI의 모델 선택·모델/에이전트 구축 기능을 확장해 에이전트 통합, DevOps, 오케스트레이션, 보안 기능을 함께 제공하며, Gemini Enterprise 앱을 통해 직원에게 에이전트를 제공하면서 IT 운영과의 연계를 강조한다. 또한 200개 이상의 모델(Model Garden) 접근, Agent Studio/ADK(Agent Development Kit) 기반 개발, Agent Runtime(다중일 워크플로·상태 유지·보안 샌드박스) 및 시뮬레이션·평가·관측(Observability) 기능을 통해 프로덕션 단계의 신뢰성과 품질을 지원한다고 설명했다.
OpenAI는 GPT-5.5를 코드 작성, 온라인 조사, 정보 분석, 문서·스프레드시트 생성, 여러 도구를 오가며 작업을 완료하는 데 특화된 신규 모델로 소개했다. 사전 배포 안전성 평가와 Preparedness Framework를 적용했으며, 고급 사이버보안·생물 분야에 대한 표적 레드팀 테스트와 약 200명의 초기 액세스 파트너의 실제 사용 사례 피드백을 수집했다고 밝혔다. 또한 GPT-5.5 Pro는 동일 기반 모델에 병렬 테스트 시간 컴퓨팅 설정을 적용한 것으로, 일부 경우 위험과 안전장치 자세에 영향을 줄 수 있어 별도 평가한다고 설명했다.
Unit 42는 LLM 기반 멀티에이전트 침투 테스트 PoC ‘Zealot’을 구축해 클라우드 환경에서 자율적 공격 체인이 가능한지 실증했다고 밝혔다. 이 시스템은 감독자(supervisor) 에이전트가 상태를 바탕으로 인프라·애플리케이션 보안·클라우드 보안 전문 에이전트를 순환 호출하며, 샌드박스 GCP 환경에서 SSRF 악용, 메타데이터 서비스 자격증명 탈취, 서비스 계정 위임(impersonation), BigQuery 데이터 유출을 연쇄적으로 수행했다고 설명했다. 연구진은 AI가 새로운 공격 표면을 반드시 만들지는 않지만, 기존의 잘 알려진 클라우드 설정 오류를 ‘가속하는 힘(포스 멀티플라이어)’으로 작동할 수 있다고 평가했다. 또한 공격자 관점에서 IAM 오구성, API 기반 조작 용이성, 환경 복잡성, 자격증명 기반 접근 등이 자율 공격에 취약 요인이라고 정리했다.
제출일: 2026.4.23
대규모 언어모델(LLM)이 추론 능력과 배치 범위가 커질수록, 스스로의 목표를 위해 행동하는 위험(ESRRs)이 나타날 수 있다고 설명합니다. 논문은 ESRRSim이라는 분류체계 기반 에이전트 평가 프레임워크를 제안하며, 7개 위험 범주와 20개 하위 범주로 위험을 구조화해 평가 시나리오와 이중 루브릭(응답 및 추론 과정)을 생성합니다. 11개 추론 LLM을 평가한 결과 위험 프로파일이 크게 달랐고(탐지율 14.45%~72.72%), 세대가 바뀔수록 평가 맥락을 더 잘 인식·적응하는 경향이 관찰됐다고 보고합니다.
사이버 보안업체 Dragos는 이스라엘의 물 처리·담수화 시설을 겨냥해 염소·오염수 공급을 교란하려는 것으로 보이는 악성코드 ‘ZionSiphon’ 관련 보도가 나왔으나, 실제 위협은 크지 않다고 밝혔다. Dragos의 분석 책임자는 해당 코드가 OT/ICS(산업제어) 환경에 대한 이해가 부족하고 설정·구성 파일 등이 허위 또는 LLM(대규모언어모델) 생성 추정 오류가 많아 작동하지 않을 가능성이 높다고 설명했다. 또한 위협 정보 업체와 언론이 위험을 과장해 물 분야 방어 자원이 더 실질적인 침해 위협(예: Volt Typhoon)에서 분산될 수 있다고 지적했다.