Qwen3.8-27B를 기반으로 한 삼진법 가중치 모델 Ternary Bonsai 2 27B가 공개됐습니다. 각 가중치를 세 가지 값으로만 표현해 FP16보다 9배 작은 6GB 미만 크기로 줄였고, 지능의 98.2%를 유지하며 브라우저에서 WebGPU로 실행할 수 있다고 제시됐습니다①②.

같은 기반 모델의 파생판인 Swift Qwen 3.8 27B는 모델이 필요 이상으로 길게 생각하는 오버씽킹 패턴을 억제해 토큰 사용량을 58.3% 줄이고 속도를 1.95배 높였다고 제시됐으며, 허깅페이스 트렌딩 9위와 파인튜닝 1위에 오르고 10만 다운로드를 넘었습니다③.

하드웨어별 측정 결과도 함께 공유됐습니다. AMD Radeon R9700 한 장에서는 단일 요청 153 tok/s, 동시 8개 요청 470 tok/s, 프리필 3,619 tok/s가 제시됐고④, 애플 M5 Ultra에서는 모델 용량을 줄이는 q4 양자화 기준으로 50 tok/s가 확인됐습니다⑤.

Cactus Needle 3는 121M 파라미터에 8~29MB 크기로 압축된 온디바이스 자동화 전용 모델로, 대화 기능을 빼고 함수 호출과 구조화 추출에만 범위를 좁혔습니다. Monarch Hadamard MLP와 해시 기반 엔그램 구조를 사용해 연산량을 100 MFLOPs로 줄였고, 모바일 명령어 벤치마크에서 86.0점을 기록해 LFM2.5 1.2B의 82.4점과 Qwen3.5 0.8B의 76.0점을 앞섰습니다①.

텐센트의 WeVisDoc은 Qwen3-VL을 파인튜닝한 문서 파싱 전용 모델로, 문서 처리 평가인 OmniDocBench v1.6에서 95.38점을 기록해 비교 모델 중 1위로 제시됐습니다②.

스마트폰에서 60개 작업을 수행하는 AndroidLife 벤치마크에서는 Qwen 계열 모델이 56.7%의 성공률로 텍스트 모델 중 최고 점수를 기록했습니다③.

Anthropic은 프론티어 랩 내부에서 AI 개발 속도를 측정한 결과를 블로그로 공개하며, 6개월 전 거의 0%에 가까웠던 Claude 주도 R&D 비중이 현재 26%까지 올랐다고 밝혔습니다. 이는 조직 내부의 연구 업무를 기준으로 집계된 비중입니다①.

같은 날 Anthropic은 Claude가 직접 작성한 GPU 최적화 코드를 오픈소스로 공개했고, 30개 이상의 생물분자 모델에 적용한 결과 평균 약 4배의 속도 향상을 얻었다고 밝혔습니다②.

중국 AI 기업 GLM은 자사 모델을 활용해 자체 추론 인프라, 즉 모델을 실제로 서비스하는 시스템을 직접 구축한 과정을 공개했습니다③.

최소 6~7개의 중국 AI 연구소가 향후 2년 내에 10조에서 40조 파라미터에 이르는 초대형 모델을 훈련하려는 계획을 세우고 있는 것으로 전해졌습니다. 이는 계획 단계로 알려진 내용이며, 실제 훈련 착수 여부는 공개된 자료만으로 확인하기 어렵습니다①.

화웨이는 자사 AI 칩에 대한 수요가 공급을 초과하고 있다고 밝히며 엔비디아에 대한 도전을 가속화하겠다는 입장을 드러냈습니다②.

Figure의 창업자 브렛 애드콕이 자사 로봇이 30개의 임대 주택에서 제로샷으로 작업을 수행하는 4시간 분량의 영상을 공개했습니다. 제로샷은 해당 가정의 환경을 따로 학습하지 않고 처음 방문한 공간에서 바로 작업하는 것을 뜻하며, 로봇은 구조와 가구 배치가 서로 다른 주택에서 물건 정리와 이동 등의 작업을 처리했습니다①②.

중국의 AGIBOT은 A3 Ultra 로봇을 대량 생산 단계에서 실제 현장 배치 단계로 전환하고 있다는 소식이 전해졌습니다③.