‘모두의 AI’ 사업 수행자로 SK텔레콤·KT·카카오가 주도하는 3개 컨소시엄이 선정됐다. 이들은 정부가 제공하는 NVIDIA B200 GPU 총 512장을 기반으로 연내 무료 AI 챗봇과 에이전트를 개발할 예정이다.

한국전력이 삼성전자와 SK하이닉스 등 대규모 전력 수요 기업에 미래 전기요금을 미리 납부하는 방안을 제안했다. 선납금을 반도체와 AI 데이터센터용 전력망 건설에 투입한다는 구상이지만, 참여 여부와 요금 정산 방식 등 핵심 조건은 아직 확정되지 않았다.

AWS에 따르면 시드니와 멜버른 리전의 개발팀은 글로벌 교차 리전 추론을 통해 Amazon Bedrock에서 OpenAI GPT-5.6 Sol, Terra, Luna를 호출할 수 있다. 관련 가이드는 모델 호출뿐 아니라 프롬프트 캐싱, OIDC 기반 Codex 인증, CloudWatch 사용량 모니터링까지 함께 다룬다.

Meta가 Muse Spark에서 증류한 300억 매개변수 오픈 웨이트 모델 Muse Glimmer를 공개했다. 온디바이스 에이전틱 워크플로를 목표로 하지만, 현재 제공된 정보만으로는 지원 하드웨어와 메모리 요구량, 성능 또는 프로덕션 준비 수준을 판단하기 어렵다.

Google Cloud는 Dataflow 기반 데이터 처리에 생성형 AI를 결합할 때 비용 효율성을 함께 고려해야 한다는 문제를 제시한다. 개발팀은 모델 호출 단가만 비교하기보다 입력 선별, 중복 처리, 재시도, 결과 검증을 포함한 전체 워크플로를 측정해야 한다.

뱅크샐러드는 Salad Game DSL을 통해 Vibe Coding의 자유도와 엔지니어링 안정성을 함께 확보하는 방향을 제시했다. 핵심은 AI가 코드를 더 많이 생성하게 하는 것이 아니라, AI의 결과물이 움직일 수 있는 범위를 조직이 통제하는 데 있다.

뱅크샐러드는 LLM을 활용한 테스트 데이터 생성 방법을 기술 블로그 주제로 다뤘다. 제공된 출처 정보에는 구현 세부 사항이 없으므로, 확인된 사실과 팀이 실제 검증해야 할 도입 조건을 나눠 살펴본다.

Anthropic이 과학 연구실과 첨단 제조사를 대상으로 Model Hardware Standard 연구 프리뷰를 시작한다. AI 에이전트가 물리 장치를 안전하게 다루도록 공통 규격을 만들려는 시도지만, 구체적인 프로토콜과 권한·거버넌스 설계는 아직 확인이 필요하다.

Anthropic은 Claude Fable 5.1과 Claude Mythos 5.1을 코딩 및 지식 업무를 위한 자사의 고도화된 모델로 소개했다. 연구 역량과 과학 발전 가능성도 언급했지만, 제공된 자료에는 벤치마크와 가격, API, 두 모델의 역할 구분이 없어 실제 도입 전 별도 검증이 필요하다.

최근 LangSmith 업데이트는 AI 에이전트 엔지니어링의 중심이 모델 선택에서 평가, 이슈 탐지, 배포 전 테스트와 운영 제어로 이동하고 있음을 보여준다. 작업 환경, 에이전트 하네스, 교정 가능한 메모리 역시 프로덕션 스택의 중요한 요소로 부상하고 있다.

AI 인프라 투자는 이제 모델 개발을 넘어 GPU, 추론 용량, 네트워크, 데이터센터, 전력, 냉각으로 확장되고 있다. Groq, SoftBank, Cloverleaf, Relativity Networks 관련 움직임은 개발팀이 컴퓨팅 가용성을 단순한 클라우드 비용이 아니라 설계 제약으로 다뤄야 한다는 점을 보여준다.

AI를 메시지, 데스크톱, 캘린더 흐름에 넣으려면 모델 호출만으로는 부족하다. 팀은 도구 계약, 파라미터 검증, 상태 관리, 사용자가 중요한 작업을 확인할 수 있는 UI 연결을 마련해야 한다.