전체 뉴스

2026.10.03

Replacing vector databases with SQLite and SIMD hypervectors in under 1.2GB VRAM (Hillock)

전체 요약

AI 모델을 실행할 때 VRAM이 부족한 문제를 해결하기 위해, Hillock이라는 오픈소스 프로젝트가 출시되었습니다. 이 프로젝트는 벡터 데이터베이스 대신 SQLite와 SIMD 히퍼벡터를 사용하여 8B 모델을 실행할 때 필요한 VRAM을 줄입니다. 이를 통해 문서 분석과 질문에 대한 정확한 답변을 얻을 수 있습니다.

2026.10.03

[10월2일] "뜻밖의 주인공은 로그인과 플러그인"…알트먼이 보여준 챗GPT의 다음 무대

전체 요약

오픈AI가 챗GPT의 기능을 업데이트하여 로그인과 플러그인을 추가했습니다. 이는 사용자가 다른 서비스에 쉽게 접속할 수 있게 해줍니다. 샘 알트먼 CEO는 이러한 변화가 큰 잠재력을 가지고 있다고 말했습니다. 이 변경은 챗GPT를 새로운 도구로 만들어, 다양한 서비스와 더 잘 연결될 수 있게 하는 중요한 단계입니다.

2026.10.03

mlsubgen — subtitles in 45 languages for your videos, entirely on your own machine

전체 요약

mlsubgen은 45개 언어의 자막을 개인 컴퓨터에서 만들 수 있게 해주는 도구입니다. 저자가 태국에 살면서 처음에는 친구들의 요청으로 시작했지만, 지금은 다양한 언어를 지원하는 일반적인 도구로 발전했습니다. 이 도구는 여러 언어의 대화를 동시에 인식하고, 기존 인간 작업을 우선적으로 사용하며, Blu-ray 재mux 파일에서도 자막을 추출합니다. 하지만 Linux와 NVIDIA GPU만 지원하며, 성능은 메모리 크기에 따라 달라집니다.

2026.10.03

알리바바 인공지능 치엔원, 중국 우호 서사와 검열 내장

전체 요약

중국 알리바바가 만든 인공지능 치엔원은 중국에 우호적인 내용과 함께 검열을 하도록 프로그래밍 돼 있다는 연구 결과가 나왔습니다. 치엔원은 30억 회 이상 다운로드되어 미국 기업들도 사용하고 있으며, 톈안먼 사태와 파룬궁 등 민감한 주제에 대해 거짓 정보를 제공합니다. 이스라엘의 히룬도가 이러한 검열을 제거하는 방법을 찾았습니다.

2026.10.03

Unitree just dropped UnifoLM-WLA-1.0 — a single 6B model that does 64 whole-body + tabletop tasks on a real humanoid

전체 요약

유닛리트는 인형 로봇이 여러 가지 일들을 할 수 있는 UnifoLM-WLA-1.0이라는 모델을 내놨습니다. 이 모델은 실제로 움직이는 로봇 데이터로 학습했고, 베드를 정돈하거나 세탁기를 채우는 등의 64가지 일을 할 수 있어요. 이 모델은 손과 팔이 잘 움직일 수 있게 돼 있고, 공간을 이해하는 능력도 뛰어나다고 해요.

2026.10.03

Meta open sources code to let you make Muse AI gadgets

전체 요약

메타는 새로운 AI 에이전트를 탑재한 Muse 장치를 직접 만드는 데 필요한 코드를 공개했습니다. 이 정보는 창작자나 소상공인에게 큰 도움이 될 수 있지만, 구체적인 데이터가 부족하여 완전한 가치를 평가하기 어렵습니다.

2026.10.03

microsoft/FrogNano-4B-2609 · Hugging Face

전체 요약

마이크로소프트는 GPU가 부족한 사용자들을 위해 FrogNano-4B라는 모델을 내놨습니다. 이 모델은 Qwen/Qwen3.5-4B에서 유래했지만, 주로 소스 코드 작업에 특화된 후처리를 거쳤습니다. FrogNano는 1,500개의 합성 SWE 환경에서 강화학습을 통해 훈련받았고, 이로 인해 장기적인 소스 코드 관리와 수정 능력이 향상되었습니다. 하지만 Python과 영어에 치우쳐 있어 일부 문제를 일으킬 수 있습니다.

2026.10.03

TL - token-efficient language for LLMs

전체 요약

프로그래머가 자주 사용하는 LLM(대형 언어 모델)인 Claude Code에서 토큰이 부족해진 경험을 바탕으로, TL이라는 새로운 언어가 만들어졌습니다. 이 언어는 코드의 불필요한 부분을 줄여 토큰 효율성을 높였는데, 특정 프로젝트에서는 약 30%에서 60%까지 토큰이 줄었습니다. TL은 NodeJS용으로 현재 개발되어 있으며, 향후 다른 언어로 확장될 계획입니다. 이 아이디어가 실제로 도움이 될지 궁금합니다.