이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.
연관 태그
총 873건 중 841-864건
OpenAI Codex 팀은 Codex 앱과 O3 Codex를 통해 전문 개발 생산성을 밀어붙이는 동시에, 멀티태스킹과 장기 실행이 가능한 에이전트 경험을 더 넓은 기술 사용자층에 열고 있다고 설명한다.
이 글은 2026년 에이전트형 AI의 핵심 흐름으로 CLI 에이전트, MCP 재부상, 멀티에이전트 시스템을 중심으로 개발 방식과 기업 도입 방식이 어떻게 바뀌고 있는지 설명한다.
Google Research는 180개 에이전트 구성의 통제 평가를 통해 다중 에이전트가 병렬화 가능한 과제에서는 성능을 크게 높이지만, 순차적 추론 과제에서는 오히려 성능을 떨어뜨릴 수 있다는 정량적 스케일링 원칙을 제시했다.
Dan Shipper는 Claude Code와 Opus 4.5가 스타트업 개발자·창업자 사이에서 빠르게 일상 도구가 된 이유를 분석하며, OpenAI의 Codex가 성능은 뛰어나지만 ‘일하는 방식’을 장악하는 경쟁에서는 따라잡아야 할 부분이 있다고 주장한다.
Firecrawl은 /agent 엔드포인트를 위해 비용 효율형 Spark 1 Mini와 고정확도형 Spark 1 Pro를 출시하며, 웹 데이터 추출 작업의 비용·정확도 선택지를 넓혔다.
이 글은 추론 모델의 사고 사슬을 감시해 행동의 이유와 잠재적 문제를 파악할 수 있는지를 체계적으로 평가하고, 현재 모델에서는 사고 사슬 감시가 출력 감시보다 대체로 더 효과적이지만 규모 확장과 학습 방식 변화에 따른 취약성은 계속 측정해야 한다고 주장한다.
llama.cpp 서버의 라우터 모드는 재시작 없이 여러 GGUF 모델을 검색·적재·전환·해제하고, 요청의 모델 지정에 따라 독립 프로세스로 실행되는 모델에 트래픽을 전달합니다.
OpenAI는 Anthropic, Block 등과 함께 Linux Foundation 산하에 Agentic AI Foundation을 공동 설립하고, 에이전트형 AI 인프라의 개방형 상호운용 표준과 중립적 거버넌스를 추진한다.
이 글은 폴 포드와 댄 시퍼의 대화를 통해 클로드 오퍼스 4.5가 코딩 경험을 크게 바꾸는 동시에, 프롬프트 편향·훈련 데이터 공개·직업 정체성의 흔들림 같은 불편한 질문을 드러냈다고 정리한다.
AnyLanguageModel은 Apple 플랫폼에서 로컬 모델과 클라우드 LLM을 하나의 Swift API로 다루게 해 통합 부담을 줄이려는 패키지다.
Every의 두 엔지니어는 AI 에이전트 기반 워크플로를 설계해 한 주 동안 기능 6개, 버그 수정 5개, 인프라 업데이트 3개를 처리한 사례를 소개한다.
Judge Arena는 LLM 평가자들을 익명·무작위 대결 방식으로 비교하고, 사람들의 투표를 Elo 리더보드로 집계해 어떤 모델이 더 나은 ‘판사’인지 벤치마킹하려는 플랫폼이다.
OpenAI와 Anthropic은 서로의 공개 모델에 내부 안전성·미스얼라인먼트 평가를 적용한 첫 공동 파일럿 결과를 공개하며, 모델별 강점과 취약점, 평가 협력의 필요성을 정리했다.
Claude에 Hugging Face MCP 서버와 이미지 생성용 Gradio Space를 연결하면 프롬프트 작성, 결과 확인, 반복 개선을 대화 안에서 수행하며 Krea와 Qwen Image 같은 최신 모델을 활용할 수 있다.
ScreenEnv는 Docker 기반의 격리된 우분투 데스크톱과 직접 제어 API·MCP 연동을 제공해 GUI 에이전트의 개발, 테스트, 배포를 단순화하는 Python 라이브러리다.
김이나 프로버는 중간 보조정리를 재귀적으로 생성·선별·결합하는 테스트 시점 강화학습 탐색과 린 오류 기반 교정 기능을 통해 미니에프투에프에서 92.2%의 최고 통과율을 기록한 형식 정리 증명 모델이다.
Open Researcher는 정해진 워크플로를 늘리는 대신 Anthropic의 interleaved thinking과 Firecrawl 웹 데이터 도구를 결합해 연구 과정에서 AI가 스스로 다음 행동을 판단하도록 만든 오픈소스 연구 에이전트다.
이 글은 CodeAgent의 유연한 코드 실행 방식에 구조화된 JSON 출력을 결합하면, 충분히 강한 모델에서 파싱 안정성과 추론 명시성이 높아져 여러 벤치마크 성능이 개선된다고 설명한다.
Microsoft는 Build에서 에이전트가 컴퓨터, 앱, 다른 에이전트, 인터넷과 연결될 수 있도록 개방형 ‘에이전틱 웹’ 인프라를 구축하겠다는 비전을 제시했다.
OpenAI는 비영리법인의 통제와 기존 사명을 유지하면서 영리 유한책임회사를 공익기업으로 전환해 대규모 자본 조달, 인공지능의 보편적 이용, 안전한 범용인공지능 개발을 함께 추진하겠다고 밝혔다.
제공된 source body는 ‘에이전트 프레임워크를 어떻게 생각할 것인가’라는 본문이 아니라, Webflow 기반 페이지의 전역 CSS·반응형 레이아웃·표·블로그 카드·리치 텍스트 스타일을 정의한 스타일 코드입니다.
HELMET은 장문맥 언어 모델을 실제 응용 과제에서 다양성·통제 가능성·신뢰성을 기준으로 종합 평가하며, 단순 합성 과제만으로는 드러나지 않는 모델별 강점과 장문 입력에서의 성능 저하를 밝히는 벤치마크다.
Open R1은 DeepSeek R1에서 공개되지 않은 데이터셋과 학습 코드를 재구성해, 추론 모델의 증류·순수 강화학습·다단계 학습 과정을 누구나 검증하고 재현할 수 있도록 만들려는 오픈 프로젝트다.
DeepSeek R1의 공개는 중국 생성 AI의 추격, 오픈 웨이트 모델의 공급망 중요성, 기반 모델 가격 하락, 그리고 강화학습 기반 추론 모델·컴퓨터 사용 에이전트의 부상을 동시에 부각시켰다.
