AI 5건 · 일반 2건
Cogent는 Godot용 자율 AI 에이전트로, 다양한 LLM을 실행할 수 있다. 이 에이전트는 단순한 코드 완성 기능을 넘어 프로젝트를 읽고, 작업을 계획하고, 툴을 호출하며, 작업을 검증하고, 결과물을 생성한다. 예를 들어, 2D 플랫폼 게임을 만들 때 Cogent는 폴더 구조를 읽고, 구현을 계획하고, 스크립트를 작성하고, 씬을 생성하며, 충돌 형상을 추가하고, 입력 맵 액션을 추가한다. 이는 개발자에게 큰 도움을 주며, 코드 작성과 테스트 시간을 줄여준다. Cogent는 게임 개발에 혁신을 가져올 수 있는 기술이다.
멀티모달 AI 모델은 하나의 아키텍처 내에서 여러 가지 데이터 형식, 즉 텍스트, 이미지, 오디오, 비디오를 처리하고 생성할 수 있다. 이러한 모델은 텍스트만 처리하는 기존의 LLM보다 더 발전된 형태로, 다양한 데이터를 통합하여 처리할 수 있다. 멀티모달 모델은 서로 다른 모달리티를 하나의 공유된 표현 공간으로 인코딩한다. 비전 인코더, 오디오 인코더, 텍스트 토크나이저가 각 데이터를 처리하여 공유된 표현 공간에서 LLM이 처리할 수 있도록 한다. 이를 통해 이미지와 텍스트를 함께 처리하거나, 오디오와 텍스트를 함께 처리하는 등 다양한 멀티모달 작업을 수행할 수 있다.
최근 수개월간 오픈소스 커뮤니티에서 출시된 도구나 MCP 기능이 몇 주 내로 Anthropic의 Claude 기능으로 재현되는 사례가 반복되고 있다. 대표적으로 Openclaw의 코워킹, 채팅 간 영속 메모리, 'goal' 기능 등이 있으며, 해당 아이디어를 개발한 개인은 credit을 받지 못한 채 대기업에 흡수되는 구조다. 이는 AI 생태계에서 대기업이 오픈소스 혁신을 무비판적으로 흡수하며 생기는 윤리적 갈등을 드러낸다. 아이디어 창시자는 상업화 기회를 잃고, 기여는 묻히며, 결국 생태계의 균형이 무너진다.
기존 FinOps 모델은 비용이 리소스 활용에 비례한다고 가정한다. 그러나 AI 워크로드는 GPU 클러스터처럼 실제 운영 전 아키텍처 설계 단계에서 이미 주요 비용이 발생한다. 이처럼 워크로드 실행 전 결정된 사항이 비용을 유발하므로, 전통적인 FinOps는 AI 비용의 발생 원인을 추적하고 최적화하기 어렵다. AI 인프라의 독특한 비용 구조에 맞춰 새로운 FinOps 접근이 필요하다.
모델 양자화는 LLM의 가중치 정밀도를 낮춰 크기와 지연을 줄인다. INT4 수준에서도 원본 모델 성능의 95% 이상을 유지하며, 소비자 기기나 엣지에서의 실행이 가능해진다. GPTQ, AWQ 등 후학습 양자화 기법이 실제 서비스 배포에 핵심 기술로 자리잡고 있다.
Anthropic과 xAI의 협력 소식은 충격적이지만 예상 가능한 흐름이다. 머스크는 하드웨어와 우주 기술에 집중하고, AI 분야에서는 Anthropic 같은 전문 기업과 협력하는 전략을 택할 가능성이 크다. 이는 AI 인프라와 애플리케이션의 분리 추세를 반영한다. 머스크의 생태계가 소프트웨어에서 하드웨어로, 하드웨어에서 우주로 확장되는 구도다.
안드로이드 16 버전에서 발견된 버그로 인해 VPN 연결을 사용하더라도 특정 트래픽이 VPN 터널 밖으로 누출될 수 있다. 이 버그는 "항상 켜진 VPN"과 "VPN 없이 연결 차단"을 활성화한 경우에도 발생한다. 이로 인해 실제 IP 주소가 인터넷에서 노출되어 추적이나 감시를 받을 수 있다. 안드로이드 보안 팀에 보고되었지만 수정되지 않은 상태다. 그래프노OS는 이 문제를 코드베이스에서 빠르게 패치했다. 이 문제를 완화하는 방법은 USB 디버깅을 활성화하고 Android Debug Bridge를 통해 특정 명령어를 실행하는 것이다. 이 버그는 QUIC 연결을 종료하는 데 사용되는 registerQuicConnectionClosePayload 메서드의 문제로 인해 발생한다.