2026년 6월 | Notion

Foundation Family: OpenAI는 높은 토큰 효율성과 비용 대비 성능을 바탕으로 코딩·디자인·지식 업무 전반에서 프런티어급 역량을 제공하는 차세대 AI 모델 제품군 출시
- 라인업 다변화 및 가성비 극대화: 플래그십 모델인 Sol, 성능과 비용의 균형을 맞춘 Terra, 고효율 모델인 Luna로 구성되어 기존 대비 대폭 적은 토큰과 비용으로 높은 연산 성과를 달성
- 디자인 판단력 및 컴퓨터 활용 역량: 정교한 시각적·기능적 판단력 및 Computer-use 기능을 바탕으로 렌더링된 결과를 직접 검토하고 수정하여 완성도 높은 UI/UX 및 대화형 시각화 자료를 제작 가능
- 엔드투엔드 지식 업무 및 멀티 에이전트: 문서·스프레드시트·SW 개발 워크플로를 독자적으로 완수하며, 병렬 멀티 에이전트 조율 기능(Ultra)을 통해 고난도 과제의 수행 시간과 정확도를 크게 개선

Frontier Model Safety Deployment: Anthropic에서는 Anthropic이 소프트웨어 엔지니어링, 사이버보안, 과학 연구 등에서 역대 최고 성능을 보이는 Mythos급 모델 Fable 5를 안전장치와 함께 일반 공개하고, 사이버 방어자를 위한 안전장치 완화 버전인 Mythos 5를 신뢰된 접근 프로그램으로 공개함
- Fable 5는 소프트웨어 엔지니어링, 지식 작업, 비전, 과학 연구 등 거의 모든 벤치마크에서 최고 성능을 기록하며 특히 길고 복잡한 작업일수록 다른 Claude 모델 대비 격차가 커짐
- 사이버보안 등 악용 위험이 큰 영역에서는 안전장치가 작동해 평균 5% 미만의 세션에서 응답을 Claude Opus 4.8로 전환하는 보수적 정책을 적용
- Mythos 5는 미국 정부와의 Project Glasswing을 통해 사이버 방어자에게 우선 배포되며, 세계 최고 수준의 사이버보안 역량을 갖췄고 Fable 5·Mythos 5 모두 이전 Mythos Preview 대비 절반 이하 가격(입력 $10/백만 토큰, 출력 $50/백만 토큰)으로 제공됨

Large Language Model Release: Zhipu AI (Z.ai)에서는 Z.ai가 차세대 대형언어모델 GLM-5.2를 공개하며 추론 능력과 멀티모달 처리 성능을 개선한 신규 버전을 발표.
- GLM 시리즈의 최신 업데이트 버전으로 이전 모델 대비 성능 향상을 목표로 설계
- Zhipu AI의 자체 LLM 생태계 확장을 위한 전략적 릴리스

Agentic Software Engineering Coding: Moonshot AI에서는 장기 호라이즌 소프트웨어 엔지니어링 작업에 최적화된 코딩 특화 오픈소스 에이전틱 모델 Kimi K2.7 Code를 공개하여 K2.6 대비 코딩 및 에이전트 성능을 향상시키고 사고 토큰 사용량을 약 30% 절감
- Kimi Code Bench v2(+21.8%), Program Bench(+11.0%), MLS Bench Lite(+31.5%) 등 코딩 벤치마크에서 K2.6 대비 큰 폭의 성능 향상을 달성
- MoE 아키텍처(총 1조 파라미터, 활성 320억 파라미터)와 256K 컨텍스트, Multi-head Latent Attention(MLA), 400M 파라미터 비전 인코더 MoonViT를 탑재
- Kimi Claw 24/7 Bench, MCP Atlas 등 자율 에이전트 작업 실행 벤치마크에서 약 10% 성능 개선을 보이며 Hugging Face를 통해 전체 가중치를 오픈소스로 공개

Parameter-Efficient Fine-Tuning Scaling: Mind Lab에서는 수조 개 파라미터 규모의 초대형 언어 모델에서 수백만 개의 개인화된 모델을 효율적으로 생성하기 위한 PEFT(Parameter-Efficient Fine-Tuning) 기법의 확장성을 체계적으로 분석하고 제안
- 트릴리언 파라미터 규모 모델에서 PEFT 방법의 스케일링 법칙을 실증적으로 규명하여 대규모 개인화 모델 구축의 이론적 기반을 제시
- 수백만 개의 개별 맞춤형 모델을 동시에 서빙하기 위한 효율적인 어댑터 구조 및 자원 활용 전략을 탐구
- 기존 풀 파인튜닝 대비 계산 및 저장 비용을 획기적으로 절감하면서도 개인화 성능을 유지하는 방법론을 제시

Speculative Decoding Drafting: Shanghai Jiao Tong University에서는 인과적 모델링과 자기회귀적 드래프팅을 분리하여 추론 속도를 향상시키는 새로운 speculative decoding 프레임워크 Domino를 제안
- causal modeling과 autoregressive drafting 과정을 구조적으로 분리하여 효율성을 개선
- 기존 speculative decoding 기법 대비 드래프트 생성 과정을 최적화하여 LLM 추론 지연을 감소

Omnimodal World Model Physical AI: NVIDIA에서는 물리적 AI를 위한 옴니모달 세계 모델로서 비전, 언어, 행동 등 다양한 모달리티를 통합하여 물리적 환경을 이해하고 시뮬레이션하는 파운데이션 모델을 제안
- 비전, 텍스트, 행동 등 다양한 입력 모달리티를 하나의 통합된 세계 모델 프레임워크로 결합하여 물리적 상호작용을 예측 및 생성
- 로보틱스, 자율주행 등 물리적 AI 응용 분야에서 활용 가능하도록 대규모 사전학습된 파운데이션 모델을 공개
- 실제 물리 법칙과 인과관계를 반영한 시뮬레이션 및 미래 상태 예측 능력을 갖춘 옴니모달 아키텍처를 제시