2026년 07월 17일 - 게임 규칙도 안 알려주는데 99% 뚫은 하네스, 그리고 20토큰/파라미터 룰을 수백 배 넘긴 독일 모델

2026년 07월 17일 - 게임 규칙도 안 알려주는데 99% 뚫은 하네스, 그리고 20토큰/파라미터 룰을 수백 배 넘긴 독일 모델

AI · ML

AI · 벤치마크

규칙도 목표도 안 알려주는 게임에서 99% — 하네스 하나로 여기까지 왔다

Frontier Models with Our Harness Achieve ~99% on ARC-AGI-3 Public

• Impossible Research가 공개한 하네스 "Schema"가 ARC-AGI-3 Public 세트에서 Claude Opus 4.8과 Fable 5 조합으로 99%(정확히는 98.98% RHAE), GPT-5.6 Sol 조합으로 95.35%를 기록함. ARC-AGI-3는 에이전트에게 규칙도, 목표도, 보상 구조도 알려주지 않고 64×64 그리드와 가능한 행동 목록만 던져주는 벤치마크라 프론티어 모델도 고전해왔음 — 3월 출시 당시 Semi-private 세트 최고 점수가 0.51%에 불과했음.
• Schema는 모델 가중치를 바꾸지 않고 "관찰을 어떻게 작동하는 게임 모델로 바꾸는지, 예측을 상호작용 기록과 어떻게 대조하는지, 계획을 어떻게 세우고 수정하는지"의 프로세스만 바꿈. 물리학자가 법칙을 세우기 전에 "무엇이 대상이고 무엇이 상태인지"부터 정의하는 방식을 흉내 낸 셈 — 이를 "State grounding"이라 부름.
• Opus 4.8과 Sol이 먼저 xhigh 추론으로 시도하고, 80점 미만이면 Fable 5·Sol max로 재시도해 더 높은 점수를 채택하는 폴백 룰을 씀. Claude Code 스크래치 스냅샷만 썼을 때 42.83%였던 게 Schema를 얹자 98.98%로 뛰었다는 점이 하네스 설계의 효과를 보여줌.
• 다만 98.98%와 95.35% 두 점수 모두 ARC Prize의 공식 검증을 거치지 않은 자체 보고 수치임. 그럼에도 모델 자체보다 "모델을 어떻게 쓰는가"가 성능을 좌우한다는 걸 보여주는 사례로 업계 반응이 뜨거움.

AI · 오픈소스

독일이 낸 30B 오픈모델, Chinchilla 공식은 무시하고 만들었다

German AI consortium releases Soofi S, an open 30B model that tops benchmarks in both English and German

• 독일 KI Bundesverband(독일 AI 협회) 주도 컨소시엄이 도이치텔레콤 뮌헨 Industrial AI Cloud에서 전량 학습한 오픈 모델 "Soofi S 30B-A3B"를 공개함. 총 316억 파라미터 중 토큰당 32억 개만 활성화하는 하이브리드 Mamba-Transformer MoE 구조라 긴 컨텍스트에서도 처리 속도가 일정하게 유지됨. 영어·독일어·코딩 벤치마크에서 OLMo 3 32B, Apertus 70B 등 기존 완전 오픈모델을 앞섬.
• 학습 토큰 수가 약 27조 개인데, DeepMind가 2022년 제시한 Chinchilla 스케일링 법칙(파라미터당 약 20토큰)의 수백~수천 배에 달함(활성 파라미터 32억 기준으로는 수천 대 1). 이 때문에 출시 직후 "오버트레이닝" 논란이 붙음.
• 프로젝트 기술 리더 Michael Fromm은 "MoE 구조에는 dense 모델 기준의 옛 스케일링 법칙이 그대로 적용되지 않는다"고 반박함. MoE는 각 전문가(expert)가 같은 문서를 반복해서 봐도 손해가 적어 대용량 고품질 데이터 반복 학습에 유리하다는 논리이고, Nvidia가 자체 모델을 최대 25조 토큰으로 학습시킨 사례를 근거로 듦.
• 유럽 주권 AI 인프라 확보 흐름 속에서 나온 모델이라는 점도 주목할 만함 — 미국·중국 모델 의존도를 낮추려는 독일·EU의 시도가 벤치마크 성능으로 이어졌다는 점에서, MoE 스케일링 법칙 논쟁과 별개로 오픈소스 생태계에 실질적 대안이 하나 늘어난 셈.

개발 · 플랫폼

개발 · 인프라

"PlanetScale을 집에서 만든다" — 풀타임 잡 아니고 사이드 프로젝트로 시작한 DB 브랜칭 툴

Let's Build PlanetScale from Scratch: Infrastructure

• 개발자 Onat Mercan이 "Homescale"이라는 오픈소스 프로젝트를 시작함(github.com/homescale-dev/homescale). Ceph 경험을 요구하는 F1 팀 채용 인터뷰를 계기로 예전에 참여했던 DB 클로닝 툴 프로젝트가 떠올라, 농담 삼아 "집에서 만드는 PlanetScale"을 만들겠다고 한 게 시작임.
• 핵심은 전체 DB를 복사하지 않고도 쓰기 가능한 인스턴스와 특정 시점 브랜치를 만드는 것. Docker의 image·container 모델을 그대로 차용해 "image(불변 시작점) → container(쓰기 가능한 클론) → branch(기존 container에서 또 갈라져 나온 container)"의 3단 구조를 씀. Copy-on-write 방식이라 100GB DB를 브랜칭해도 초기 비용은 메타데이터 수준에 그침.
• CLI는 homescale image create, container create, branch create 형태로 Docker 명령어와 거의 동일한 문법을 지향함. 첫 지원 엔진은 Postgres이지만, 블록 디바이스 기반 파일시스템에 상태를 저장하고 스냅샷 가능한 엔진이면 어떤 DB든 같은 모델을 적용할 수 있도록 설계함.
• PlanetScale류 상용 서비스의 핵심 기능(브랜칭)을 개인 프로젝트로 재현하려는 시도라는 점에서, 로컬 개발 환경에서도 프로덕션급 DB 브랜칭 워크플로가 저비용으로 가능해질지 지켜볼 만함.

개발 · 프로그래밍언어

30만 줄 Rust를 1년 반 걸려 Zig로 다시 썼더니 빌드가 100배 빨라졌다

How Our Rust-to-Zig Rewrite Is Going

• 함수형 언어 Roc의 컴파일러 팀이 1년 반에 걸쳐 30만 줄 규모의 Rust 코드베이스를 Zig로 재작성해 최근 "기능 동등성(feature parity)" 마일스톤을 달성함. Rust 1.85가 최신 안정 버전이던 시점부터 시작해 487일 만에 도달한 결과이고, 정식 릴리스는 아니지만 올해 안에 v0.1.0을 목표로 함.
• 이 마일스톤 달성 직후 팀은 Brendan Hansknecht의 2024년 WASM-4 게임 "Rocci Bird"를 새 컴파일러로 다시 빌드했는데, roc build --opt=size 결과물이 31KB로 기존 컴파일러 대비 절반 이하로 줄어듦.
• 재작성 동기는 Rust의 느린 컴파일 속도였음 — 코드 줄 수는 Zig 버전이 Rust 버전보다 약 50% 더 많은데도 빌드 시간은 Zig 35ms 대 Rust 3.4초로 100배 가까이 차이가 남. 최근 Bun 프로젝트가 반대 방향(Zig→Rust) 재작성 경험을 공유한 것과 대비되는 사례로 언급됨.
• 대형 코드베이스를 다른 언어로 통째로 재작성하는 건 실패 사례가 훨씬 흔한데, Roc은 컴파일 속도라는 명확한 병목 하나를 기준으로 삼아 완주에 가까워진 셈. 언어 선택이 개발자 경험(피드백 루프)에 미치는 영향을 보여주는 참고 사례로 볼 만함.

산업 · 비즈니스

산업 · 빅테크

Anthropic, 캐나다 연구기관 8곳에 1000만 캐나다달러 푼다

Canadian Ai Research

• Anthropic이 캐나다 AI 연구 지원에 1000만 캐나다달러를 투입한다고 발표함. Amii(에드먼턴), Mila(몬트리올), Vector Institute(토론토) 등 캐나다 3대 지역 AI 연구소를 비롯해 CHEO, CAMH, Université Laval, 토론토대, 서스캐처원대 등 8개 기관에 각 100만 달러 상당의 Claude 크레딧을 배분함.
• Mila는 책임 있는 AI, 헬스케어, 지속가능성, 멀티에이전트 시스템, 로보틱스 연구에 Claude를 활용하고, CHEO는 아동·청소년 건강 분야 AI 응용 연구에, CAMH는 정신건강 연구·임상에 각각 투입함. Amii와 Vector Institute는 신뢰·안전 연구와 캐나다 주요 산업 부문의 AI 도입 확대에 초점을 맞춤.
• 캐나다는 토론토대·몬트리올대가 신경망 연구가 비주류이던 시절부터 이 분야를 지켜온 곳이고 강화학습도 앨버타대가 선구적 역할을 한 곳임 — 이번 투자는 그 역사적 연고를 감안한 행보로 읽힘. 이와 함께 Anthropic Economic Index 기반의 첫 캐나다 국가 브리프도 공개해 캐나다인들의 Claude 활용 현황을 보여줌.
• 올여름 안에 Amii, Mila, Vector를 Anthropic for Startups 프로그램에도 포함시켜, 이 기관들과 연계된 수백 개 캐나다 스타트업이 각 최소 5,000달러 상당의 API 크레딧을 받게 됨 — 연구 지원을 스타트업 생태계 확장으로 이어가는 구도.

산업 · 규제

Anthropic이 자기 발등 찍는 규제를 계속 미는 이유

Here's Why Anthropic Is Pushing States to Regulate AI Faster

• Anthropic이 지난해 캘리포니아·뉴욕의 투명성 중심 AI 안전법을 지지한 데 이어, 이제는 더 강한 규제를 주별로 밀고 있음. 7월 6일 일리노이 주지사가 서명한 SB 315는 연매출 5억 달러 이상 프론티어 AI 개발사에 매년 독립 안전 감사를 의무화한 첫 사례이고, 주요 모델 배포 전 보고와 위급 사고 발생 시 24~72시간 내 신고 의무도 포함함. 6월 말에는 매사추세츠주의 경제개발 채권 법안에 들어간 조항도 지지했는데, 여기엔 생물무기 개발 지원 가능성 등 재앙적 리스크를 독립 평가기관이 6개월마다 점검하고 주 법무장관이 강제 이행을 요구할 수 있는 권한이 담김.
• Anthropic 미국 주·지방정부 관계 총괄 Cesar Fernandez는 WIRED와의 인터뷰에서 "2025년 투명성 중심 법안은 중요한 시작이었지만, AI 역량이 빠르게 발전하는 지금은 자율 신고만으론 부족하다"고 밝힘. 실리콘밸리 다수가 반대했던 법을 지지한 데 이어 한 단계 더 나아간 셈.
• 거의 1조 달러 가치로 평가받는 스타트업이 자사에 더 엄격한 규제를 요구하는 모습은 이례적으로 비칠 수 있음 — 다만 이는 "AI로의 안전한 전환을 보장한다"는 창립 미션과 맞닿아 있다는 게 회사 측 설명. David Sacks 등 실리콘밸리 일각에서는 이런 행보를 경쟁사 발목잡기용 "꼼수"로 해석하는 시각도 있음.
• OpenAI가 여러 주 법안이 하나의 연방 프레임워크로 수렴하길 원하는 것과 달리, Anthropic은 주마다 점점 더 강한 규제를 쌓아가는 "주별 경쟁적 강화" 전략을 취하는 중 — 연방 차원 AI 규제 입법이 정체된 상황에서 주정부가 규제의 최전선이 되는 흐름을 앞당기는 모습.