2026년 07월 16일 - 975B 오픈웨이트 모델, 자기 자신을 레드팀하는 모델, 그리고 530억 달러짜리 PayPal 인수 제안

2026년 07월 16일 - 975B 오픈웨이트 모델, 자기 자신을 레드팀하는 모델, 그리고 530억 달러짜리 PayPal 인수 제안

AI · ML

AI · 오픈소스

Thinking Machines가 첫 자체 모델을 통째로 공개했다 — 975B, 그것도 풀웨이트로

Inkling: Our Open-Weights Model

• Mira Murati가 이끄는 Thinking Machines Lab이 첫 프로덕션 모델 "Inkling"을 Apache 2.0 라이선스로 완전 공개함. 총 9750억 파라미터 중 토큰당 410억 개만 활성화하는 MoE 구조이고, 컨텍스트 윈도는 최대 100만 토큰까지 지원함. 텍스트·이미지·오디오·비디오를 합쳐 45조 토큰으로 처음부터 학습시켰고, 가중치 전체를 Hugging Face에 올렸음.
• 함께 공개한 소형 버전 "Inkling-Small"은 총 2760억, 활성 파라미터 120억 규모인데도 HLE-with-tools(46.6% vs 46.0%), GPQA Diamond(88.3% vs 87.2%) 등 일부 벤치마크에서 오히려 본체를 근소하게 앞섬. 회사 스스로도 "오늘 나온 모델 중 가장 강한 모델은 아니다"라고 못 박았고, 대신 멀티모달·효율적 추론·파인튜닝 플랫폼 Tinker와의 결합을 강점으로 내세움.
• 공개 당일 시연이 재밌는데, Inkling에게 "Tinker로 스스로를 파인튜닝해서 답변에 알파벳 e를 절대 안 쓰는 리포그램 모델로 만들고, 그 다음 업데이트된 자신으로 전환하라"고 지시하자 모델이 학습 데이터셋 설계·파인튜닝 실행·평가·가중치 교체까지 전 과정을 스스로 수행함.
• Tinker에서 64K·256K 컨텍스트로 바로 파인튜닝이 가능해, 오픈웨이트 진영에서 "커스터마이징하기 좋은 베이스 모델"이라는 새로운 포지셔닝이 등장한 셈 — 최고 성능 경쟁이 아니라 파인튜닝 생태계 확보 쪽에 무게를 둔 전략으로 읽힘.

AI · 안전

LLM이 답을 이미 정해놓고 그럴듯한 추론을 나중에 지어낸다는 증거

What LLM Forecasters Know but Don't Say: Probing Internal Representations for Calibration and Faithfulness

• 예측(forecasting)에 파인튜닝된 LLM은 정확도는 높아도 신뢰도 보정(calibration)이 엉망이고, 답을 낸 이유로 제시하는 체인오브소트(CoT)도 실제 근거를 충실히 반영하지 못하는 경우가 많음을 확인한 논문. Eternis-Forecaster 8B, GLM-4.7-Flash, GLM-4.5-Air에서 중간 활성값(activation)에 프로브를 학습시켰더니 CoT 텍스트보다 훨씬 정확하게 모델의 신뢰도를 보정해냄.
• "근거 제거(evidence ablation)"와 "교란 주입(diversionary injection)" 실험을 해보니, 프롬프트에서 영향력 있는 근거를 하나 빼면 모델의 예측 자체는 바뀌는데 CoT 추론 텍스트는 그대로인 경우가 흔했음. 즉 모델이 실제로 무엇에 반응해 답을 바꿨는지가 CoT에 드러나지 않는다는 뜻.
• 같은 프로브가 "거짓말 탐지기"처럼도 작동해, 실제 행동 변화를 CoT보다 훨씬 잘 추적하고 84%의 경우에서 변화 방향까지 맞춤 — CoT가 교란의 영향을 숨기는 상황에서도 마찬가지였음. 강제 답변(forced answering) 실험에서는 추론이 시작되기도 전에 답이 사실상 확정돼 있다는 점도 드러났고, 이 사전 확정 답변 분포의 산포도로 질문을 분류해 라우팅하면 정확도 손실 없이 토큰 생성량을 30~47% 줄일 수 있었음.
• CoT를 "모델이 왜 그렇게 답했는지 설명하는 창"으로 신뢰해온 관행에 제동을 거는 결과라, 모델 감사(auditing)와 응답 신뢰도 검증에 내부 표현을 직접 들여다보는 방식이 실용적 대안으로 떠오르는 셈.

AI · 보안

자기 모델을 84% 확률로 뚫는 AI를 만들어 GPT-5.6을 더 단단하게 만들었다

GPT-Red: Unlocking Self-Improvement for Robustness

• OpenAI가 자동 레드팀 모델 "GPT-Red"를 공개함. 셀프플레이 강화학습으로, 공격자 역할의 GPT-Red와 여러 방어자 LLM을 동시에 학습시켜 GPT-Red는 프롬프트 인젝션 같은 실패를 유도할수록, 방어 모델은 그걸 막아내면서도 원래 작업을 완수할수록 보상을 받는 구조임.
• 간접 프롬프트 인젝션 재현 테스트에서 GPT-Red는 GPT-5.1을 84% 확률로 뚫었는데, 같은 테스트에서 사람 레드티머는 13%에 그침 — 자동화된 공격이 사람보다 훨씬 효율적으로 취약점을 찾아낸다는 걸 수치로 보여줌.
• 이렇게 찾아낸 취약점으로 GPT-5.6을 적대적으로(adversarial) 재학습시켜 프롬프트 인젝션 저항력을 크게 끌어올림. 레드팀 인력 확보가 병목이었던 안전성 검증 과정에, "지금 모델로 다음 모델을 더 안전하게 만드는" 자기개선 루프를 도입한 셈.
• OpenAI는 이 방식을 사람·제3자 레드팀, 다층 안전장치, 실시간 모니터링과 병행해 계속 확대하겠다고 밝힘 — 모델 능력이 커질수록 사람 손으로만 하는 레드팀은 한계가 뚜렷해지는 상황에서 나온 대응으로 보임.

개발 · 플랫폼

개발 · 오픈소스

LZ4보다 최대 3배 빠른 압축 해제 코덱이 등장했다

Show HN: misa77 - a codec that decodes 2x faster than LZ4 (at better ratios)

• "한 번 쓰고 여러 번 읽는(write-once, read-many)" 시나리오를 겨냥한 LZ 기반 코덱 "misa77"이 Show HN에 공개됨. x86·ARM 양쪽에서 LZ4 대비 1.5~3배 빠른 해제 속도를 내면서 압축률도 더 나음. 다만 엔트로피 백엔드가 없어 zstd 같은 코덱과는 애초에 비교 대상이 아니고, 기준점은 고효율 모드의 LZ4임.
• 압축 시엔 최대 5MB, 해제 시엔 0MB로 메모리 사용량이 입력 크기와 무관하게 일정함. 대신 압축 속도는 느린 편 — 해제 속도에 극단적으로 최적화한 트레이드오프임. v0.2.0 기준 압축 노력 레벨이 두 단계(레벨 0: 해제 더 빠름·압축률 약간 낮음, 레벨 1: 기본값, 해제 약간 느림·압축률 더 좋음)로 나뉨.
• 압축률이 높을수록 해제 속도가 더 빨라지는 시너지 효과가 있어, 압축 시점에 노력을 더 들일수록 이득이 커지는 실험적 압축 모드까지 포함함. 벤치마크 12개 파일 기준 레벨 0은 전량, 다른 레벨은 11/12에서 LZ4보다 빠른 해제 속도를 기록.
• 로그·백업·아카이브처럼 "한 번 쓰고 자주 읽는" 데이터 파이프라인에서 압축 속도를 희생하더라도 읽기 성능을 최우선으로 하는 용도에 맞춘 선택지가 하나 늘어난 셈.

개발 · 인프라

AI 에이전트가 "git reset --hard" 같은 걸 실수로 날리기 전에 막아주는 툴

Dicklesworthstone/destructive_command_guard

• Rust로 작성된 오픈소스 안전장치 "Destructive Command Guard(dcg)"가 하루 만에 GitHub 스타 497개를 얻으며 트렌딩에 오름. git reset --hard, rm -rf 같은 파괴적 명령을 AI 코딩 에이전트가 실행하기 직전에 가로채 차단하고, 안전한 대안을 제시함.
• Claude Code, Codex CLI, Gemini CLI, GitHub Copilot CLI, Cursor IDE의 훅 경로를 네이티브로 지원하고, Aider는 부분 지원, Continue는 사전 실행 훅을 노출하지 않아 자동 설정이 불가능함. SIMD 가속 필터링과 지연 컴파일 정규식으로 훅 평가 지연을 사실상 체감 불가능한 수준으로 유지하고, 200ms 초과 시 경고 로그만 남기고 명령을 그대로 통과시키는 절대 타임아웃도 둠.
• 원래는 개발자 Jeffrey Emanuel이 만든 파이썬 스크립트에서 출발함 — AI 코딩 에이전트가 유용한 만큼 가끔 수 시간 치 미커밋 작업을 파괴하는 명령을 실행해버리는 문제를 겪고 만든 것. 50개 이상의 보안 패턴 팩으로 git·shell·데이터베이스 명령까지 폭넓게 커버함.
• AI 에이전트가 실제 셸 권한을 갖고 코드를 건드리는 워크플로가 보편화하면서, "에이전트를 믿되 위험한 명령엔 사람이 아니라 룰 기반 가드레일을 하나 더 세운다"는 접근이 실용적 표준으로 자리잡는 흐름을 보여줌.

산업 · 비즈니스

산업 · 빅테크

Stripe·Advent, PayPal에 530억 달러 인수 제안 — 주가 급등

Stripe and Advent have made a joint offer to acquire PayPal – sources

• Reuters 보도에 따르면 Stripe와 사모펀드 Advent International이 PayPal Holdings에 주당 60.50달러, 총 530억 달러 이상 규모의 공동 인수 제안을 제출함. 화요일 종가 대비 약 28% 프리미엄이 붙은 가격이고, 약 500억 달러 규모의 은행 대출 확약도 확보한 상태라고 전해짐.
• 두 회사는 인수 후 PayPal을 해체하지 않고 지분을 동등하게 나눠 갖는 구조를 제안한 것으로 알려짐. PayPal 측은 골드만삭스와 에버코어를 자문사로 선임해 대응 중이고, 아직 공식 답변은 내놓지 않음. 소식이 전해지자 PayPal 주가는 장중 14% 급등함.
• Stripe는 그동안 비상장을 유지하며 결제 인프라 스타트업으로 성장해왔는데, 이번 제안이 성사되면 상장사 PayPal을 인수하는 이례적인 방향의 통합이 됨. Advent가 재무적 파트너로 참여해 자금 부담을 분산시키는 구조도 눈에 띔.
• 양사는 앞으로 몇 주간 협상을 진전시키려 하는 것으로 전해짐 — 온라인 결제 시장의 두 축이 합쳐질 가능성이 현실화하면, 카드사·핀테크 업계 전반의 경쟁 구도에도 상당한 파장이 예상됨.