IT뉴스 - Astra 임박, 할라피뇨, Fable 5.1, 넥토리얼, GLM-5.3, 실시간 H3, Gemini Omni 1.1 등

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Astra·할라피뇨·Fable 5.1·GLM-5.3·실시간 H3·Gemini Omni 1.1로 이어지는 이번 IT 뉴스의 핵심은 AI 경쟁의 기준이 모델 점수에서 장기 업무 수행력, 추론 효율, 실시간 콘텐츠 생성, 실제 도구 연동으로 이동하고 있다는 점이다.

📌 핵심 요점

1. Astra는 코딩과 3D 게임 제작을 넘어 여러 에이전트가 수학 증명, 소프트웨어 조작, 데이터 분석을 며칠에서 몇 주 동안 이어가는 장기 실행 모델을 지향한다. 다만 현재 공개된 근거는 비공개 테스트와 데모 중심이어서 실제 성능과 비용은 검증이 필요하다.
2. OpenAI와 Anthropic의 경쟁은 모델 출시뿐 아니라 사용량 한도와 업무 자동화로 확장됐다. ChatGPT는 Slack·Gmail·GitHub 이벤트를 작업 트리거로 활용하고, OpenAI는 Codex 할당량을 늘린 반면 Claude Code는 공지상 인상에도 현재 사용량 대비 실질 한도가 줄어드는 변화가 나타났다.
3. GLM 5.3 Flash와 HY4 Preview 등 중국 오픈 웨이트 모델은 적은 활성 파라미터, 양자화, 자체 AI 칩 인프라를 결합해 폐쇄형 프론티어 모델을 추격하고 있다. OpenAI와 Broadcom의 할라피뇨 역시 Nvidia 의존도를 낮추려는 수직 통합 경쟁이 모델에서 추론 칩으로 번졌음을 보여준다.
4. MiniMax H3와 Gemini Omni 1.1은 생성형 영상의 경쟁 축을 품질에서 속도와 연속성으로 넓혔다. H3 기반 서비스는 시청 속도보다 빠른 생성을 통해 무한 스트리밍을 시도하고, Gemini Omni는 장면 연장·프레임 연결·4K 업스케일을 광고 제작 및 집행 흐름과 결합한다.
5. AI의 영향은 채용과 조직 운영에도 직접 반영되고 있다. 넥토리얼은 알고리즘 코딩 테스트를 폐지하고 AI 활용 문제 해결력을 평가하며, 기업의 AX 성과는 개인의 도구 사용보다 경영진의 지속적 관여, 예산, 데이터 통합, 업무 프로세스 변화에 좌우되는 것으로 제시됐다.

🧩 배경과 문제 정의

• 차세대 상용 모델이 코딩·3D 제작·장기 에이전트 작업으로 범위를 넓히면서, 단순 응답 성능보다 실제 업무 수행 능력이 중요한 경쟁 기준으로 떠오르고 있다.
• OpenAI와 Anthropic의 모델 출시 경쟁이 사용량 한도와 자동화 기능까지 확산되며, 개발자의 비용과 도구 선택에도 직접적인 영향을 주고 있다.
• 중국계 오픈 웨이트 모델은 작은 활성 파라미터와 양자화를 바탕으로 프론티어급 성능과 로컬 실행 가능성을 동시에 끌어올리고 있다.

🕒 시간순 섹션별 상세정리

1. 비공개 테스트에 들어간 OpenAI 아스트라

• 아스트라는 ‘울티마 알파’라는 코드명으로 특정 사용자와 파트너 대상 비공개 테스트를 진행 중이며, GPT Image 2 업데이트와 함께 다음 주에 배포 범위를 넓힐 가능성이 있다. [02:09]
• 원샷 프롬프트로 만든 GTA 1 클론에는 이동·차량·점수·경찰 시스템이 함께 구현돼, 차세대 모델이 게임 프로토타입 제작 시간을 크게 줄일 가능성을 보여준다. [03:17]

2. 3D 게임과 공간 제작 능력

• 아스트라로 생성한 3D 우주선에는 이동 장면과 시각 효과까지 포함돼, 고품질 3D 게임 요소를 짧은 명령으로 제작할 가능성이 커졌다. [04:17]
• ‘모자이크 알파 FDM’이라는 이름으로 노출된 결과물은 마인크래프트풍 3D 성과 게임 공간을 구현했지만, 정식 벤치마크 없이 데모 사례만 공개된 단계라 성능 평가는 아직 제한적이다. [05:26]

3. 며칠에서 몇 주간 작동하는 자율 에이전트

• 아스트라는 여러 에이전트를 조율해 수학 증명, 데스크톱 소프트웨어 조작, 복잡한 데이터 분석을 수행하고 새로운 결과물을 스스로 발명하는 장기 실행 모델을 지향한다. [06:17]
• 며칠 또는 몇 주 동안 작업을 지속하는 구조가 현실화되면 에이전트가 반복 루프 안에서 과제를 확장할 수 있어, 루프 설계와 실행 통제가 더 중요해진다. [06:49]

4. OpenAI가 제시한 연내 AGI 구축 시점

• 샘 올트먼은 2026년 말까지 내부적으로 AGI라 부를 수 있는 시스템을 구축한다는 시점을 제시했으며, 아스트라 이후 모델이 그 기준에 근접할 가능성이 있다. [09:04]
• OpenAI가 정의한 AGI는 경제적으로 가치 있는 작업 대부분에서 인간을 뛰어넘는 고도 자율 시스템이지만, 상장을 앞둔 과장된 홍보일 가능성도 함께 남아 있다. [10:26]

5. 블랙웰을 겨냥한 할라피뇨 추론 칩

• OpenAI와 Broadcom이 공동 설계한 ‘할라피뇨’ A0 실리콘은 여러 오픈 모델의 전력당 처리량에서 Nvidia Blackwell을 앞서고, 차세대 Rubin 공개 결과보다도 높은 성능을 기록한 것으로 알려졌다. [12:46]
• 칩 전문 기업이 아닌 OpenAI가 약 16개월 만에 경쟁력 있는 추론 칩을 개발하면서, 자체 모델을 활용한 연구·설계 가속과 Nvidia 의존도 축소 가능성이 커졌다. [13:40]

6. 시간 예약에서 이벤트 기반 자동화로

• ChatGPT의 예약 작업은 Plus·Pro 사용자가 Slack, Gmail, GitHub를 연결해 메시지나 이메일 같은 특정 이벤트가 발생할 때 작업을 실행하는 방식으로 확장됐다. [14:26]
• 동료가 Slack으로 데이터를 보내면 해당 내용을 바탕으로 슬라이드를 수정하고 Google Drive 파일을 갱신하는 흐름까지 구성할 수 있어, 기존 자동화 도구가 담당하던 트리거 작업을 ChatGPT 안에서 처리할 수 있다. [16:17]

7. 무료 사용자에게 열린 예약 작업

• 무료 사용자도 매일 특정 시각에 실행하는 예약 작업을 최대 3개까지 만들 수 있어, 정기 알림과 반복 정보 수집의 접근성이 높아졌다. [16:58]
• 주기적 실행뿐 아니라 이메일·Slack 도착 후 후속 작업을 처리하는 흐름까지 지원하면서, 개인 사용자의 경량 업무 자동화 범위가 넓어졌다. [17:27]

8. Claude Fable 5.1 출시 전 실험

• 일부 Claude Fable 5 사용자가 지식 컷오프가 갱신된 Fable 5.1로 간헐적으로 라우팅되고 있어, Anthropic이 정식 출시 전 A/B 테스트를 진행하는 정황이 나타났다. [18:05]
• Astra와 Fable 5.1이 비슷한 시기에 준비되면서 다음 주 전후로 차세대 상용 모델 경쟁이 다시 집중될 가능성이 있다. [18:36]

9. Claude Code 주간 한도의 실질적 감소

• Anthropic은 9월 14일부터 Claude Code의 표준 주간 한도를 25% 인상한다고 공지했지만, 기존 50% 한도 확대 이벤트가 종료되기 때문에 현재 사용량과 비교하면 약 17% 감소한다. [19:32]
• ‘인상’이라는 표현과 실제 사용량 감소가 충돌하면서 개발자 불만이 커졌고, 사용량을 빠르게 소진하는 Fable 계열의 높은 비용 부담도 다시 부각됐다. [20:49]

10. 사용량 경쟁에서 반격한 OpenAI

• Anthropic이 주간 사용량을 줄인 시점에 OpenAI는 Codex와 Work 유료 사용자의 할당량을 재설정해, 개발자가 더 오래 코딩 모델을 사용할 수 있도록 했다. [21:46]
• 버그 수정으로 동일 할당량이 10~50% 더 오래 지속될 수 있게 되면서, OpenAI는 비용 부담을 감수하더라도 고객 만족도와 개발자 유입을 우선하는 경쟁 구도를 만들었다. [22:17]

11. 프론티어급 성능에 접근한 GLM 5.3 Flash

• 정체불명의 고성능 모델로 화제가 됐던 OX Alpha는 GLM 5.3 Flash였으며, 총 320B 파라미터 중 18B만 활성화해 비교적 낮은 추론 비용으로 작동한다. [24:11]
• 작은 Flash 모델인데도 GLM 5.2를 크게 앞서고 일부 소프트웨어 엔지니어링 평가에서는 상용 프론티어 모델과 비슷하거나 더 높은 성능을 기록했다. [25:10]

12. 양자화를 통한 로컬 실행과 안전성 위험

• GLM 5.3 Flash 양자화 버전은 DGX Spark 한 대에서 실행할 수 있고, 1비트 양자화 시 약 100GB 메모리를 요구해 128GB MacBook에서도 구동 가능하다. [28:20]
• 1비트 양자화는 성능 손실이 크지만 2비트 수준에서는 활용 가능성이 있으며, 과거 OpenRouter에서 무료로 제공됐던 OX Alpha급 모델을 개인 장비에서 실행할 수 있게 됐다. [29:03]

13. 언센서드 모델의 활용 범위와 한계

• 보안상 필요한 요청처럼 일반 LLM이 응답하지 않는 작업이나 성인 콘텐츠 생성에 언센서드 모델을 활용할 수 있다. [30:00]
• 별도의 탈옥 프롬프트 없이 사용할 수 있고 거부 빈도도 크게 줄었지만, 모든 요청을 무조건 처리하는 수준은 아니다. [30:20]

14. 중국산 AI 칩으로 감당한 GLM 5.3 트래픽

• GLM 5.3 Flash는 무료 제공과 높은 성능을 바탕으로 OpenRouter 사용량 1위에 올랐다. [31:04]
• OpenRouter에서 발생한 모든 트래픽을 중국산 AI 칩으로 처리해, Zhipu가 대규모 자체 추론 인프라를 확보했음을 보여줬다. [31:33]

15. Tencent HY4 Preview의 오픈 웨이트 성능

• HY4 Preview는 전체 770B·활성 49B 파라미터를 사용하는 대형 오픈 웨이트 모델로 공개됐다. [32:41]
• 일부 평가에서 Opus 5와 동점을 기록할 만큼 성능이 올라오면서, 중국 오픈 웨이트 모델과 최상위 폐쇄형 모델의 격차가 크게 줄었다. [32:57]

16. Qwen 3.8 Flash Next와 차세대 아키텍처

• Qwen 3.8 Flash Next는 Qwen 4 출시 전 차세대 아키텍처를 시험하는 초기 프리뷰 모델이며, 가중치까지 함께 공개됐다. [34:06]
• 180B 파라미터 규모라 양자화 없이 소비자 장비에서 구동하기는 어렵지만, 700B급 모델보다 로컬 운용 가능성이 높다. [34:36]

17. DeepSeek API 사업의 매출과 수익성

• DeepSeek는 오픈 웨이트 배포와 별개로 API와 B2B 모델 공급에서 매출을 만들며, 약 7개월 사이 매출이 열 배 증가했다. [35:40]
• 1월부터 7월까지 약 970억 원의 매출을 기록했고, API 판매의 매출총이익률은 82.9%에 달했다. [36:05]

18. 엔비디아의 허깅페이스 인수와 추론 사업

• 엔비디아는 오픈 웨이트 모델의 핵심 배포 거점인 허깅페이스를 18조 원에 인수해 모델 유통망을 직접 확보했다. [38:15]
• 허깅페이스에서는 공개된 모델의 가중치를 내려받는 데 그치지 않고, GPU를 빌려 즉시 추론 엔드포인트로 배포할 수 있다. [39:21]

19. Gemini Omni 1.1의 영상 연속성과 고해상도 제작

• Omni 1.1 Flash는 이전 영상의 최대 10초를 분석해 캐릭터 정체성·조명·서사 맥락을 유지하며 중단 지점부터 장면을 연장한다. [42:47]
• 첫 프레임과 마지막 프레임을 지정해 두 장면 사이를 자연스럽게 연결하는 영상 생성도 지원한다. [43:40]

20. Google Ads와 영상 생성의 결합

• Google Ads의 Asset Studio는 브랜드 이미지와 제품 자료를 바탕으로 광고 콘셉트와 영상을 생성해 제작 단계를 줄인다. [45:14]
• Gemini Omni로 만든 광고 소재를 유튜브나 구글 캠페인에 바로 내보낼 수 있어, 기획·생성·광고 집행이 하나의 생태계 안에서 계속된다. [45:41]

21. Gemini 3.8 출시설과 모델 경쟁 가속

• 일부 구글 직원이 Gemini 3.8 Flash 프리뷰를 사용하기 시작했다는 소식으로 가까운 시일 내 출시 가능성이 커졌다. [46:34]
• 구글은 OpenAI와 Anthropic을 따라잡기 위해 몇 주 간격으로 새 모델을 내놓는 빠른 출시 주기를 추진하는 것으로 알려졌다. [46:40]

22. Gemini Live와 Spark 에이전트의 결합

• Gemini Live에 Daily Brief·Spark·Personal Intelligence가 결합되면서 음성 인터페이스가 에이전트 작업 실행 수단으로 확장됐다. [47:36]
• 사용자는 음성으로 Spark에 작업을 지시하고 이메일 전송이나 Google Docs 문서 작성 같은 업무를 수행할 수 있다. [48:11]

23. 넥토리얼의 게임 프로그래머 채용과 처우

• 넥슨의 2026년 채용 연계형 인턴십 넥토리얼은 게임 프로그래머를 모집하며, 신규 입사자의 실무 적응을 돕는 주니어 채용 트랙이다. [50:04]
• 넥토리얼은 6년 연속 운영됐고, 참가자가 실제 업무를 경험하면서 정규직 전환을 준비하는 구조를 갖췄다. [50:43]

24. 코딩 테스트 폐지와 AI 활용 평가

• 게임 프로그래머 채용에서 기존 알고리즘 코딩 테스트를 폐지해 문제 풀이 중심의 개발자 선발 방식에서 벗어났다. [52:13]
• 모든 서류 지원자에게 AI 면접 기회를 제공하고, 합격자는 AI 도구를 활용한 문제 해결력을 평가받는다. [52:56]

25. 담당 업무와 지원 가능 범위

• 게임 프로그래머는 클라이언트·서버·엔진 개발에 참여하며 C·C++·C# 등으로 게임 콘텐츠와 시스템을 구현한다. [54:44]
• 게임을 직접 기획하고 완성한 경험은 직무 적합성을 보여주는 유리한 근거가 되며, 참가자는 정규직과 같은 사내 복지 시설을 이용할 수 있다. [55:03]

26. 넥토리얼 전형 일정과 마감

• 기졸업자 또는 2027년 2월 졸업 예정자 중 인턴십 풀타임 근무와 이후 정규직 전환 근무가 가능한 사람이 지원 대상이다. [57:17]
• 서류·AI 면접·AI 활용 역량 평가·직군 및 팀 면접을 거쳐 12월 입사로 계속된다. [57:28]

27. MiniMax H3 오픈 웨이트의 확산

• 영상 생성 분야의 경쟁이 치열해진 가운데 MiniMax H3가 주요 모델로 부상했다. [59:50]
• H3의 오픈 웨이트 공개 이후 여러 기업이 이를 기반으로 기능을 강화하면서 새로운 영상 서비스로 확장하고 있다. [59:59]

28. 재생 속도를 넘어선 H3 영상 생성

• Fast H3는 오픈 웨이트 모델을 최적화해 생성 속도를 14배 이상 높였고, 15초 영상을 13초 만에 만들어 실시간 재생보다 빠른 생성 구간에 진입했다. [1:00:23]
• 소비자용 GPU로 같은 성능을 내기는 어렵고, B200 GPU 4개를 사용해야 재생보다 빠른 생성과 연속 스트리밍이 가능하다. [1:00:54]

29. fal.ai H3 Max의 속도와 접근성

• fal.ai는 H3를 가공한 H3 Max를 API로 제공하며, 오픈 웨이트 기반 최적화로 실시간보다 빠른 영상 생성을 구현했다. [1:01:18]
• H3 Max는 종합 ELO 점수와 프롬프트 이해도에서 높은 성능을 기록했고, 평균 3.49초 만에 5초 영상을 생성한다. [1:01:39]

30. 무한 스트리밍과 실시간 참여형 콘텐츠

• 생성 속도가 시청 속도보다 빨라지면서 Twitch에서 만화를 계속 생성해 송출하는 무한 라이브 스트리밍이 가능해졌다. [1:02:26]
• API 호출을 연속으로 이어 붙이면 별도 생성 대기 없이 영상을 계속 공급할 수 있어, 고성능 GPU를 직접 보유하지 않아도 상시 방송을 운영할 수 있다. [1:03:15]

31. 무료 H3 Max 데모와 느슨한 필터링

• fal.ai 무료 데모는 로그인 없이 사용할 수 있으며, 간단한 인물 프롬프트로 5초 영상을 약 2.5초 만에 생성했다. [1:05:30]
• 일론 머스크와 트럼프의 복싱 장면도 약 2.6초 만에 생성돼 인물과 동작 표현까지 빠르게 처리했다. [1:06:32]

32. Grok 컴패니언 기능의 외부 분리

• Grok의 애니메이션형 AI 연인 기능은 9월 1일 이후 종료되고, 기존 캐릭터들은 Animates라는 별도 서비스로 이동한다. [1:08:38]
• Grok은 컴패니언 사업을 직접 운영하지 않고 외부 서비스로 넘기며, 성인 콘텐츠와 사용자 중독 같은 위험을 핵심 제품에서 분리하려는 의도일 가능성이 있다. [1:09:02]

33. 애니의 서비스 이전과 기억 단절 문제

• 애니 캐릭터는 짐을 싸서 Grok을 떠나 Animates에 합류하는 서사를 X 계정의 영상으로 구현해 서비스 이전을 캐릭터 세계관과 연결했다. [1:09:57]
• Animates는 xAI와 직접 관련이 없는 별도 회사로 보이며, 기존 캐릭터들과 함께 채팅형 컴패니언 서비스를 운영한다. [1:10:20]

34. Cursor와 OpenAI의 파트너십 종료

• SpaceX에 인수된 Cursor는 11월 12일부터 OpenAI 모델의 공식 제공을 중단하며, 사용자는 별도 API 연동 없이는 해당 모델을 사용할 수 없게 된다. [1:12:51]
• xAI가 OpenAI 데이터를 증류해 자체 모델 훈련에 활용했다는 계약 위반 문제가 파트너십 종료의 배경일 가능성이 있다. [1:13:33]

35. GrokBot의 결제와 음성 통화 확장

• GrokBot은 Stripe Link와 연결해 인터넷 쇼핑의 결제 단계까지 완료하며, 카드 번호를 에이전트에 직접 넘기지 않고도 구매를 위임할 수 있다. [1:15:16]
• 사용자 승인 후 일회용 카드를 발급받아 결제하는 방식이며, 우선 미국 사용자를 대상으로 제공된다. [1:16:09]

36. 소스맵 실수로 드러난 AI 서비스 보안 위험

• GrokBot의 구현 코드가 GitHub에 노출돼 외부에서 소스를 확인할 수 있게 됐고, 배포 과정에서 소스맵을 잘못 포함한 것이 원인으로 보인다. [1:17:37]
• 소스맵 설정 실수는 Anthropic이나 xAI 같은 대형 기업에서도 발생할 수 있어, 프런트엔드 배포물에 원본 코드와 내부 구조가 포함되지 않는지 점검해야 한다. [1:18:08]

37. VoiceMap의 뇌 구조형 장기 기억

• 오픈소스 VoiceMap은 감정, 선호도, 관계 같은 사용자 정보를 뇌의 영역처럼 분리해 저장하고, 음성 에이전트가 대화 중 필요한 기억을 빠르게 조회하도록 구성한다. [1:19:53]
• 단순 대화 기록 검색이 아니라 여러 기억 영역을 종합하므로, 사용자의 성향과 관계 맥락을 반영한 개인화 응답이 가능하다. [1:20:08]

38. 과거 기억을 결합하는 음성 응답

• “내가 어떤 사람이야?”라는 질문에 이름, 인간관계, 업무 정보를 종합해 낮은 지연 시간으로 답하며, 분산된 사용자 정보를 하나의 응답으로 결합한다. [1:21:01]
• “너무 피곤하다”는 말에는 알고리즘 중간고사와 관련된 이전 기억과 성격 정보를 불러와 현재 감정의 원인을 연결했다. [1:21:47]

39. Gemini 3.5 Transcribe의 다국어 실시간 전사

• Gemini 3.5 Transcribe는 음성을 텍스트로 바꾸는 전사 모델로, 이전 버전보다 정확도를 높이고 여러 언어가 섞인 발화도 처리한다. [1:23:23]
• 영어·스페인어·중국어를 오가는 발화를 빠르게 구분해 전사했으며, 다국어 회의록이나 실시간 노트 앱에 적용할 수 있다. [1:24:27]

40. 발화 수정을 반영하는 스마트 모드

• 스마트 모드는 주문 도중 “헤이즐넛을 캐러멜로 바꿔 달라”거나 크기를 수정하는 발화를 해석해, 중간 실수와 정정 내용을 제거한 최종 문장만 남긴다. [1:25:20]
• 회의나 받아쓰기 중 발생하는 “잠깐”, “다시 말하겠다” 같은 자기 수정을 반영하므로 원문 전사보다 의미가 명확한 기록을 만들 수 있다. [1:25:47]

41. 애플 M6·M5 Ultra와 대용량 통합 메모리

• 애플은 최초의 2나노 칩인 M6와 M5 Ultra를 함께 공개하며 차세대 고성능 하드웨어 구성을 확대했다. [1:26:47]
• M5 Ultra 기반 Mac Studio는 최대 512GB 통합 메모리를 제공해, 대규모 AI 모델을 GPU 메모리 한계 없이 로컬에 올릴 수 있다. [1:27:17]

42. 로컬 AI 비용과 애플 신제품 일정

• Mac Studio 가격은 M5 Max 모델 429만 원, M5 Ultra 모델 949만 원부터 시작하며, 512GB 통합 메모리가 필요한 환경에서는 여러 대의 128GB 장비보다 비용 효율적일 수 있다. [1:28:23]
• 초대형 로컬 모델을 실행하려는 사용자에게는 높은 초기 가격보다 단일 시스템의 메모리 용량과 운영 편의성이 선택 기준이 된다. [1:28:42]

43. 모티프 탈락으로 드러난 독파모 평가 기준 논란

• 모티프는 독파모 2차 평가 벤치마크에서 1위를 차지했지만 최종 탈락했고, 심사 기준을 납득하기 어렵다는 공식 이의를 제기한 뒤 전체 평가 점수가 공개됐다. [1:30:07]
• 벤치마크 점수 차이는 1위와 최하위 사이에도 약 4점에 불과했으며, 모티프는 전문가·사용자 평가에서 낮은 점수를 받아 최종 65.8점으로 밀려났다. [1:30:48]

44. 중학생이 구축한 한국어 LLM 학습 파이프라인

• 중학교 2학년 학생이 파이썬 문법과 머신러닝 기초를 공부한 뒤 LLM 구조·최적화에 관심을 넓혀, 개인 컴퓨터에서 구동할 수 있는 한국어 모델 학습 파이프라인을 구현했다. [1:32:13]
• Llama 3 계열 구조를 활용해 약 1.9B 파라미터 규모의 한국어 모델을 만들었으며, 개인도 제한된 환경에서 모델 개발에 도전할 수 있다는 사례가 됐다. [1:32:47]

45. AI가 낮춘 개발 장벽과 공개 기록의 가치

• 공개 강의와 풍부한 학습 자료에 생성형 AI의 코드 작성·질의응답을 결합하면, 작은 GPU와 명확한 목표만으로도 비전문가가 모델 개발 과정을 따라갈 수 있다. [1:33:13]
• 직접 만든 결과물을 GitHub에 공개하고 개발기를 알리는 과정은 기술 구현을 검증 가능한 기록으로 바꾸며, 진학이나 경력 포트폴리오에도 활용할 수 있다. [1:33:54]

46. 로봇이 발견한 새로운 달리기 자세

• 로봇 올림픽의 우승 로봇은 몸을 크게 숙인 독특한 자세로 달렸으며, 강화학습 과정에서 속도나 에너지 효율에 유리한 동작을 찾았을 가능성이 있다. [1:36:20]
• 높은 성적을 낸 로봇의 자세를 사람이 세계 기록 도전 동작처럼 따라 하면서, 로봇 최적화가 인간에게 새로운 움직임을 제안할 수 있다는 흥미로운 가능성이 생겼다. [1:37:00]

47. 포스베리 플롭과 최적 동작의 표준 변화

• 딕 포스베리는 앞으로 넘던 기존 높이뛰기 방식 대신 등을 바 쪽으로 향해 넘는 동작을 시도했고, 기록이 향상되면서 포스베리 플롭이 새로운 표준으로 자리 잡았다. [1:37:39]
• 기존 상식과 오랜 경험이 최적해를 보장하지 않으며, 더 나은 성능을 내는 방법이 발견되면 스포츠 기술이나 AI 방법론의 표준도 빠르게 교체될 수 있다. [1:38:21]

48. 공개 전부터 기대를 높인 테슬라 옵티머스

• 일론 머스크가 보낸 옵티머스 최신 영상을 본 팟캐스트 출연자는 CGI인지 실제 영상인지 되물을 만큼 발전 수준에 놀랐고, 실제 로봇이라는 답을 들은 뒤 베스트셀러 제품이 될 것으로 전망했다. [1:40:42]
• 최신 영상은 아직 일반에 공개되지 않았지만 큰 기술적 진척이 있었다는 평가가 나왔으며, 공개 결과가 옵티머스의 제품성과 시장 기대를 가늠할 계기가 된다. [1:41:06]

49. 한 번의 시연으로 작업을 배우는 Skilled AI S1

• Skilled AI의 S1은 단 하나의 비디오 예시로 처음 보는 최대 10분 길이의 작업을 학습하며, 별도의 파인튜닝 없이 실시간으로 수행하는 원샷 로봇 기초 모델이다. [1:41:41]
• 반죽을 팬에 올려 뒤집거나 원두와 뜨거운 물로 커피를 만드는 과정을 한 번 본 뒤 재현했으며, 일부를 흘리는 오류가 있어도 작업 순서와 핵심 동작은 수행했다. [1:42:29]

50. 개인보다 느린 기업의 AI 전환

• 다양한 조직 규모와 직급을 대상으로 한 AX 설문에서는 개인이 업무와 프로젝트에 AI를 적극 활용하는 동안 기업의 제도와 업무 방식은 그 속도를 따라가지 못하는 격차가 나타났다. [1:45:18]
• 기업은 연령·직급·업무 환경이 다양해 공통된 활용 방식을 정착시키기 어렵고, 실무자의 개별 사용이 조직 차원의 변화로 연결되지 않는 문제가 크다. [1:46:10]

51. AI 활용의 성과와 전 직무 확산

• 기업의 AI 에이전트 활용이 업무 성과를 세 배 높였다는 조사 결과가 나왔으며, 생산성 개선 가능성이 개발 직군을 넘어 조직 전체의 도입 필요성을 키운다. [1:47:16]
• AI는 개발자만의 도구가 아니라 비개발자까지 사용하는 범용 업무 도구가 됐지만, 실제 기업 도입에는 기술뿐 아니라 조직 문화와 운영 체계의 장벽이 남아 있다. [1:47:33]

52. AX 정착을 좌우하는 경영진·예산·데이터

• 경영진이 AX를 선언하는 것만으로는 변화가 실무자까지 도달하지 않으며, 구호와 단기 교육에 머물면 현업의 지속적인 사용으로 이어지기 어렵다. [1:47:53]
• AX 정착에 성공했다고 응답한 조직의 93.9%는 경영진이 도입 과정을 직접 챙기고 끝까지 이끌었으며, 최고 의사결정권자의 지속적인 관여가 핵심 차이를 만들었다. [1:48:15]

53. 과거의 다른 선택을 체험하는 ‘만약 사주’

• 조코헌트 주간 1위인 ‘만약 사주’는 과거의 특정 시점으로 돌아가 다른 선택을 했다는 가정 아래, 그 이후의 미래를 사주 형식으로 살펴보는 엔터테인먼트 서비스다. [1:50:08]
• 취업·진로·관계처럼 후회가 남은 선택을 다른 경로로 바꿔보며 대안적 삶을 상상할 수 있고, 실제 예측보다 선택에 대한 회고와 재미가 주요 가치가 된다. [1:50:36]

54. 1인 창업 콘텐츠와 후속 참여 안내

• AI 서비스를 직접 구현하려는 사람을 대상으로 바이브 코딩 1인 창업 자료와 33시간 분량의 무료 부트캠프 통합 영상이 연결돼, 아이디어를 실제 서비스로 만드는 학습 경로를 제공한다. [1:52:16]
• 넥슨 채용과 1인 창업 부트캠프 참여 경로가 함께 안내됐으며, 취업과 제품 창업이라는 서로 다른 후속 행동으로 확장된다. [1:53:02]

🧾 결론

• 차세대 모델의 차별점은 질문에 잘 답하는 능력보다 코드를 만들고, 도구를 조작하고, 여러 단계의 작업을 안정적으로 끝내는 실행력에 가까워지고 있다.
• 오픈 웨이트 모델의 효율 개선과 양자화 확산은 로컬 AI의 진입 장벽을 낮추지만, 검열 해제 모델의 위해 정보 생성과 서비스 오용 위험도 함께 확대한다.
• 영상 생성이 재생 속도를 추월하면 제작 도구를 넘어 실시간 방송, 참여형 콘텐츠, 광고 자동화처럼 지속적으로 작동하는 미디어 시스템이 가능해진다.
• 개인과 기업의 AI 활용 격차를 줄이려면 단기 교육보다 도구 접근권, 데이터 연결, 비용 정책, 검증 절차를 포함한 운영 체계가 필요하다.

📈 투자·시사 포인트

• 모델 성능이 빠르게 평준화될수록 지속적인 수익은 추론 칩, 클라우드 배포, 모델 유통망, API 사용량처럼 반복 과금이 가능한 인프라 계층에서 나올 가능성이 크다.
• OpenAI의 자체 추론 칩, Nvidia의 허깅페이스 인수, Zhipu의 중국산 칩 기반 대규모 트래픽 처리는 모델·반도체·유통을 한데 묶는 수직 통합이 핵심 경쟁 전략이 됐음을 시사한다.
• 실시간 영상 생성은 광고, 라이브 스트리밍, 게임, 참여형 콘텐츠 시장을 넓힐 수 있지만 높은 GPU 요구량과 약한 필터링은 비용 및 규제 리스크로 남는다.
• 채용 시장에서는 알고리즘 문제 풀이만큼 AI 도구로 결과물을 완성하고 과정을 검증 가능한 포트폴리오로 남기는 역량의 가치가 커질 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• Astra, Fable 5.1, Gemini 3.8 Flash, 최신 옵티머스 등은 비공개 테스트, 제한적 라우팅, 관계자 발언 또는 출시설에 근거하므로 정식 사양과 출시 여부가 달라질 수 있다.
• 아스트라의 3D 제작 능력과 할라피뇨의 전력당 처리량은 정식 벤치마크와 독립 검증이 충분히 제시되지 않아 데모나 알려진 수치만으로 우위를 단정하기 어렵다.
• GLM 5.3 Flash의 로컬 실행 가능성은 양자화 수준, 메모리 용량, 성능 손실에 따라 달라지며 1비트 결과를 원본 모델과 동등하게 볼 수 없다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• Astra와 Fable 5.1의 정식 발표 후 공개 벤치마크, 가격, 컨텍스트 한도, 장기 작업 실패율을 비교한다.
• 코딩 모델을 선택할 때 명목상 할당량이 아니라 실제 작업 시간당 비용, 한도 소진 속도, 도구 연동 범위를 기록한다.
• GLM 5.3 Flash 같은 로컬 모델은 2비트 이상 양자화판의 메모리 요구량과 품질 손실을 실제 업무 샘플로 시험한다.
• 이벤트 기반 에이전트에는 승인 단계, 지출 한도, 실행 로그, 반복 루프 중단 조건을 먼저 설계한다.

❓ 열린 질문

• 며칠에서 몇 주 동안 작동하는 에이전트가 오류 누적과 비용 폭증을 통제하면서 실제 업무를 안정적으로 완료할 수 있을까?
• 오픈 웨이트 모델과 자체 추론 칩의 결합이 Nvidia 중심의 AI 인프라 시장을 실질적으로 분산시킬 수 있을까?
• 시청 속도보다 빠른 영상 생성이 콘텐츠 품질을 높이기보다 저품질 무한 스트리밍과 오용을 확대하지는 않을까?