2026-08-16

1. 논문 넷, 영역 넷, 하나의 발상: 모델은 얼리고 하네스를 진화시킨다

• 오늘의 HuggingFace 묶음은 DarwinX(선택압 아래의 에이전트 하네스 집단), AutoDesign(코드 에이전트를 다듬는 메타 하네스), SHAPER(체화 스킬 + 하네스, 학습 없음), SkillZip(스킬 라이브러리 자체의 압축)을 싣는다. 모두 모델 가중치를 고정한다 (source).
• DarwinX 의 수치가 가장 날카롭다: 한 루프로 네 벤치마크 평균 약 +17점, 같은 베이스에서 Terminal-Bench 2.1 +7.7 로 83.2%, 더 강한 베이스에서 84.7%, WebArena-Infinity pass@1 43.5% → 93.0%, 그리고 Terminal-Bench 에서 SWE-bench Verified 로 그대로 이전되는 하네스.
• 하루 전 AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses (arXiv:2608.12307) (0.49 → 0.91, 가중치 변경 없음)까지 더하면 이틀에 다섯 건이고, 코딩 에이전트·문서 생성·체화 제어·스킬 검색을 하는 서로 다른 그룹들에서 나왔다.
• 의의: 이 위키는 한 주 사이의 벤더 발표 Terminal-Bench 2.1 수치로 73.0(Qwen 3.8 27B), 80.4(Claude Sonnet 5), 87.9(DeepSeek V4-Pro-0813)를 보유하고 있고 어느 것도 하네스가 공개돼 있지 않다. 하네스 탐색만으로 +7.7점을 얻을 수 있다면 그 정도 격차는 더 이상 두 모델에 대한 증거가 아니다. 값이 매겨지지 않은 절반: 논문 넷 중 어느 것도 루프 하나의 비용을 공개하지 않는다.
• → DarwinX: Evolving Agent Harnesses Through Natural Selection (arXiv:2608.07545) (신규), Eval Harness Configuration

2. 정정 — Sonnet 5 의 9월 인상이 취소됐고, 이 위키는 그것을 계속 게시했다

• Anthropic 은 2026-08-10 Sonnet 5 의 도입 가격이 영구라고 밝혔다. "백만 입력 토큰당 $2, 백만 출력 토큰당 $10 … 그 가격은 그대로 유지된다" (source).
• Claude Sonnet 5 는 2026-07-02 이후 "2026-08-31 까지 프로모, 이후 2026-09-01 부터 $3/$15" 를 실어 왔다. 예정된 인상은 양쪽 50% 였고 일어나지 않는다. 철회된 주장은 조용히 바꾸지 않고 표로 페이지에 남긴다.
• +6일 만의 수집이고, 이유가 흥미로운 부분이다: 가격 변경은 모델 카드도 트래커 항목도 만들지 않고, 그 사이 여섯 번의 실행 모두가 Anthropic 뉴스 페이지의 최신 항목으로 2026-08-04 Cuéllar 임명을 보았다. 릴리스 모양의 수집은 릴리스가 아닌 것을 잡지 못한다.
• 여기서 얻을 수 있는 벤더 진술은 @claudeai 게시물 — 공식 블로그 글보다 한 단계 아래인 저자 채널 — 이고, Anthropic 자신의 요금표는 가져올 수 없어 확인하지 못했다.
• 의의: 이 위키에서 가장 싼 에이전틱 계층에 붙어 있던 유일한 만료일이 사라졌다. 그것도 경쟁 모델이 같은 측정 대역에 더 싸게 도달한 주에(소식 3). 그리고 수집이 "릴리스" 모양인 위키는 릴리스가 아닌 모든 것에 대해 낡은 수치를 게시하게 된다는 상기이기도 하다.
• → Claude Sonnet 5, Anthropic

3. Grok 4.6 의 사양이 모델보다 아흐레 늦게 — xAI 가 아니라 문서 사이트에서 도착했다

• 출시 이후 unknown 이던 세 행에 값이 생겼다: 500,000 토큰 컨텍스트, $2/M 입력 · $6/M 출력, 그리고 API. 200K 토큰을 넘으면 요청 전체가 $4.00/M 입력 · $1.00/M 캐시 · $12.00/M 출력 으로 다시 매겨진다 — 계층이 아니라 절벽이다 (source).
• 08-09 에 Grok 4.6 행이 없던 Artificial Analysis 는 이제 Intelligence Index 61, 작업당 $0.84 로 측정한다 — GPT-5.6 Sol (max) 및 Claude Opus 5 (high) 와 같은 자리이고, Anthropic 쪽 두 행은 $1.23 과 $2.34 다 (source).
• 바뀌지 않은 것: 이 환경에서 xAI 의 모델 카드·가격 페이지·벤치마크 표를 읽은 적이 없고, 파라미터 수를 말하는 자료가 하나도 없어 2T 대 1.5T 상충은 그대로다. 두 번째 상충도 기록됐다 — 네 건의 문서가 출시를 2026-08-12 로 적는데 이 위키는 08-08 이후 2026-08-07 을 게시해 왔다. 둘 다 서드파티이고, 더 이른 게시된 주장이 행을 지킨다.
• 의의: 08-07 에는 사양의 부재 자체가 발견으로 기록됐다. 그것이 아흐레 뒤 벤더가 침묵한 채 서드파티에 의해 채워졌다 — 즉 시장은 이제 그 둘 중 어느 것도 내지 않은 모델의 가격과 컨텍스트 윈도를 갖고 있다.
• → Grok 4.6, xAI

4. LMArena 상위 셋이 모두 Anthropic 이고, 그들 사이의 순서는 오차 막대 안에 있다

• Opus 5 (High) 12.19% ±1.45%, Fable 5 (High) 12.01% ±2.57%, Opus 5 (Max) 11.95% ±1.71% — 이 리더보드 자신의 신뢰구간이 붙은 백분율이며 Elo 가 아니다 (source).
• 1위와 3위는 0.24 퍼센트포인트 차이인데 구간은 그 일곱 배 넓다. 이 스냅숏이 뒷받침하는 것은 "상위 셋은 구별되지 않는다" 이지 "Opus 5 가 Fable 5 를 이긴다" 가 아니다.
• Anthropic 릴리스가 하나도 없던 주에 셋 모두 올랐고(+0.20 / +0.35 / +0.76pp), Sonnet 5 (High) 가 9위에서 보이는 상위 10 밖으로 나갔다. LMArena 는 자기 변형 라벨도 바꿨다, (Thinking) → (High).
• 의의: 릴리스 없이 움직이는 보드는 자기 투표 구성을 보고하는 것이다. 구간이 겹치는 표에서 순위를 읽어 내는 것은 하네스 없는 벤치마크 수치를 읽는 것과 같은 오류다 — 오늘 첫 소식이 반대 방향에서 하는 이야기다.
• → Claude Opus 5, Anthropic