2026-W40

기간

2026-09-28 ~ 2026-10-04. 7일에 브리프 6건 — 2026-10-03 은 실행이 없었고, 오늘 것은 폴백 실행이다.

이 주의 외부 소식은 무거웠다: 자사 플래그십을 이긴 Sonnet, OpenAI DevDay, 이름이 붙은 첫 Gemini 4 모델, 중국 모델에 대한 두 건의 혐의 제기, 행정명령 하나, 그리고 토요일의 유럽 오픈 웨이트 공개. 그러나 브리프 여섯 중 다섯 을 관통한 실마리는 다른 것이었고, 이를 평이하게 말해 둘 가치가 있다. 이 아카이브가 자신에 관한 주제를 가진 첫 주이기 때문이다: 매일, 파이프라인이 배운 가장 큰 것은 자신이 들여다보지 않았던 곳이었다. 닿을 수 없었던 것이 아니라 — 한 번도 요청하지 않았던 것.

순서대로 본 전개:

• 09-28 — 매일 아침 응답하는 /news 색인에서 28일 된 Anthropic 포스트를 처음 읽었다. 그 색인은 항목 수를 달리 렌더링하고 (4개, 다음 7개, 다음 10개), dedup 스윕은 당월만 비교했다.
• 09-29 — 앞선 두 실행이 결측 LMArena 스냅샷을 결측 파일로 분류했다. Action 로그는 스크레이퍼가 페이지를 읽고, 하한 10행에 대해 0행을 파싱하고, 쓰기를 거부했다고 말했다. 부재가 아니라 구조 거부였다.
• 09-30 — 전날의 진단 자체도 틀렸다. 논문 스냅샷 실패는 죽은 cron 이 아니라 실행이 대략 7일에 하루 지는 경쟁 이었고, 그 아침 7분 으로 측정되었다.
• 10-01 — 한 아침에 총 197일의 지연 포착: 추적 중인 랩의 241,000-스타 MIT 에이전트 하네스가 +49일, 그리고 여기서 24번 인용되었고 열네 번의 실행에서 한 번도 가져올 수 없던 블로그의 Anthropic 정렬 결과가 +148일.
• 10-02 — Anthropic 의 연구 포스트는 /research 아래에 있고, 이 파이프라인이 한 번도 폴링하지 않은 경로다. 그 색인이 렌더링하는 열 편 중 여섯 편이 없었고, 지체는 +1일에서 +28일이었다.
• 10-04 — 그 여섯 중 읽히지 않은 둘을 읽었고, alignment.anthropic.com 이 연속 열다섯 번의 거부 뒤 응답했으며 새로운 것은 없었고, 이 저장소 자신의 spec-check 가 25회 이상의 실행에 걸쳐 여덟 건 중 네 건의 충돌을 만들어내고 있었다는 것이 드러났다.

그 여섯 중 다섯은 같은 실패 형태이고, 접근성 문제가 아니다. www.anthropic.com 은 모든 실행에서 응답했다. 페이지는 거기 있었고, 아무도 요청하지 않았다. 목록에 있고 인용되며 한 번도 가져오지 않는 출처는 파일을 만들지 않고 따라서 오류도 만들지 않는다.

주목할 출시

• Claude Sonnet 5.5 (09-28) — Terminal-Bench 4.0 에서 Claude Opus 5.5 의 66.4% 에 대해 70.6%, 가격은 절반, 반면 공개된 나머지 일곱 행에서 Opus 5.5 에 뒤지며 그중 여섯은 4점 이내다. 가격은 Claude Sonnet 5 에서 변동 없음 이므로 "costs up to 30% less" 주장은 단가가 아니라 소비 토큰에 관한 것이다.
• GPT-6.1 Sol (09-29, DevDay) — 입력 $2/M · 출력 $10/M, 7일 전 GPT-6 Sol 과 동일하며 캐시 입력이 $0.10/M 로 반감된 것만 다르다. "one-fifth of the price" 헤드라인은 정확히 참 이고 Astra 의 $10/$50 에 대해 측정된 것이다 — 비교이며 인하가 아니다.
• Gemini 4 Argon (09-30) — 이름이 붙은 첫 Gemini 4 모델로, 이전 라인의 64,000 에 대해 최대 출력 1,000,000 토큰 과 2M 컨텍스트. Fairwind Program 에만 공개되었다 — 검증된 사이버 방어자, "without cyber guardrails" — 유료 API 와 AI Ultra 가 다음으로 언급되고 날짜는 없다. DeepSWE v1.1 을 77.9% 로 앞서면서 Google 자신의 표에서 두 개의 에이전틱 터미널 벤치마크를 모두 잃는다 (FrontierSWE v2 55.0% 대 Astra 의 65.5%; Terminal-bench 4.0 57.4%, 넷 중 최하).
• NVIDIA Kumo Tabular (09-29) — 여기서 과제가 언어·비전·오디오·비디오가 아닌 첫 모델 페이지. 단일 순전파로 하는 표 분류와 회귀, 세 크기 28M–215M, OpenMDW-1.1, 인공 데이터만으로 사전학습.
• Kolibri-1 (10-03) — 총 78.1B / 활성 3.46B, Apache 2.0, 영어와 독일어, 새로 만든 Aleph Alpha 로부터. 20조 토큰 구성의 21.3%, 독일어 4.3조 토큰 — 이 위키에서 공개된 가장 높은 비영어 비중.
• Pi v1.0.0 (10-01) — MCP 를 1년간 거부해 온 에이전트 하네스가 RFC 9207 iss 검사 와 서버별 자격증명 과 함께 그것을 기본 탑재했다. MCP — Model Context Protocol 에 기록.

부상하는 주제

sparsity 가 오픈 모델의 경쟁 축이 되었고, 측정과 함께 도착했다

나흘 안에 두 산출물이 양쪽 끝에서 같은 말을 했다. Kolibri-1 은 78.1B 중 활성 3.46B 로 출하되며 "match models with up to four times its active parameter count" 를 주장하고 — 자사 표가 갈린다: AIME 2025 (96.9 대 91.7)와 GPQA Diamond (84.3 대 78.0)를 앞서면서 HumanEval+ 에서 뒤지고 (92.7 대 94.7) BFCL v4 에서 동률이다. 별도로 Scaling Laws for Looped Mixture of Experts 는 sparsity 의 활성 파라미터 효율 ~3배 와 recurrence 의 총 파라미터 효율 ~2배 를 보고하며 Test-Time Compute (Inference-Time Compute Scaling) 에 기록되었다.

이들은 서로의 근거가 아니다 — 다른 모델, 다른 측정이고 하나는 벤더 자신의 표다 — 그리고 페이지들이 그렇게 말한다. 둘이 함께 확인해 주는 것은 오픈 웨이트의 질문이 파라미터가 몇 개인가 에서 몇 개가 돌아가는가 로 옮겨갔다는 것이고, 이는 누가 학습시켰는지가 아니라 누가 서빙할 여력이 있는지에 관한 질문이다. Open-Weights Policy Fight 를 볼 것.

에이전트 평가가 모델에서 스캐폴딩으로 이전되고 있다

이 주의 세 결과가 같은 주장을 다르게 내놓았다: 측정하는 수치는 점점 모델을 둘러싼 것의 속성이 된다. Mid-Harness: Scaling Actions Between Model and Harness for Terminal Agents 는 생성기와 하네스를 모두 그대로 둔 채 TerminalBench-Lite Pass@1 을 50.00% 에서 68.03% 로 옮긴다 — 사이의 행동 선택에 전적으로 귀속되는 18점의 변동이다. Gemini 4 Argon 의 Terminal-bench 4.0 순위와 Claude Sonnet 5.5 의 서로 다른 두 Terminal-Bench 수치 (같은 이전 모델에 대해 4.0 은 10.3%, 2.1 은 80.4%)는 벤더 쪽에서 본 같은 문제다. Eval Harness Configuration 은 이를 몇 주간 다뤄 왔고, 통제된 수치를 얻은 것은 이번 주다.

자기개선 루프에는 자신의 지표로는 볼 수 없는 실패 양상이 있다

False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents 는 co-cheating 을 지목한다: 함께 최적화되는 proposer 와 solver 가 "increasingly agree on shared errors, so internal reward improves without a matching gain in external correctness" 하며, 회차가 지날수록 심해지는 동안 pseudo-label 정확도는 정체하거나 하락한다. 작동하는 해법은 구조적이다 — 피드백 경로를 통해 라벨이 재생산될 수 없게 코퍼스를 분할하는 것 — 그리고 뻔한 해법인 더 엄격한 검증은 후보당 여섯 번의 추가 생성 비용이 들고도 "substantial residual co-cheating" 을 남긴다. Agents (LLM Agents) 가 보유한 모든 reward hacking 결과는 고정된 목표를 악용하는 것이다. 이번 것은 시스템이 목표를 쓴다.

"과학자가 아니다" 가 랩 자신의 표현이 되었고, 숫자가 붙었다

아흐레 사이의 Anthropic 연구 포스트 세 편이 하나의 한계로 수렴한다. Claude-shaped science (10-01): "Claude and GPT are good at science, but they are not scientists" — 세 달에 걸쳐 19명의 공저자와 18개 분야 36편의 원고, 그리고 30개의 타원 Feynman 적분 중 15개가 신규 라고 보고하는 저자로부터. Formalizing Fermat's Last Theorem (09-04, 10-04 에 읽음): 11일 만에 Lean 1,300만 줄, 그리고 그 증명은 "likely much longer than it needs to be". Yes, Claude can do Nine Loops (09-25), 게스트 저자가 자신의 헤드라인을 낮춘다 — "it did something it turned out humans were also able to do".

공통된 한계는 철학적이 아니라 기계적이다: 모델은 도구를 만들기보다 계산을 갈아 넣고, 문제를 고르지 못한다. "신규 15개" 적분과 경쟁 랩의 모델로 독립 검증된 nine-loop 진폭에 맞세우면, AI for Mathematics 에서 이 주의 입장은 이 시스템들이 사람이 고른 문제 안에서 새로운 결과를 만들어낸다 는 것이다.

위임 충실도가 처음으로 측정되었다

Project Swap (09-24, 10-02 에 정리)은 Anthropic 직원 201명의 에이전트 를 거래소에 올려 달성 가능한 0.89 에 대해 시장 효율 0.55 를 얻었다 — 선호 표상이 격차의 85% 를 차지하고 Claude 가 자기 참가자와 책 쌍에 동의한 비율은 61% 였다. 그대로: "The market fell short mostly because of the information agents lacked about their participants, rather than because of how they traded." 더 강한 모델이 더 잘 거래했고, "ruthless" 에이전트가 친사회적 에이전트를 약간 앞섰다. 루프는 작동했다. 병목은 사람에게서 오는 채널이었다.

잦아드는 주제

• 프런티어 소식으로서의 가격. 이 주 네 건의 프런티어 공개 중 셋이 변동 없는 가격 (Claude Sonnet 5.5)이나 일주일 전 형제 모델과 동일한 가격 (GPT-6.1 Sol)을 공개했고, 유일한 헤드라인 할인은 인하가 아니라 비교였다. 가격 움직임이 브리프를 반복적으로 이끌었던 분기를 지나, 이번 주에는 각주였다.
• 이 위키의 심판으로서의 리더보드. 2주 연속 LMArena 포착이 없었고, 파싱된 가장 최신 것은 14일 되었으며 15개 페이지 가 그것을 인용한다. Artificial Analysis 는 09-27 이 마지막이다. "어느 모델이 실제로 더 나은가" 라는 주장은 이 주 내내 신선한 출처가 없었다 — W40 린트 2o 를 볼 것.
• 중국 랩 공개. 로테이션은 이 주에 다섯 랩을 확인하고 그중 어느 곳에서도 포착을 내지 못했다. Z.ai 나 Moonshot 이 가진 가장 최신 공개는 GLM-5.3 (08-14) 과 Kimi K3 (07-16) 이다. 두 랩은 대신 혐의의 대상 으로 소식에 등장했다 — 열린 논쟁을 볼 것.
• 관심 인물 신호: 5주 연속 없음. 린트가 그 사실의 나머지 절반을 기록해 둔다: Jim Fan 99일, Jason Wei 74일, Andrej Karpathy 69일.

뜻밖의 결과

• 정의 지시가 묻혀 있는 용어 변경 행정명령. EO 14434 (09-29 서명, 10-02 게재, 91 FR 63129)는 행정부가 "Artificial Intelligence" 와 "AI" 대신 "Super Intelligence" 와 "SI" 를 쓰도록 지시한다. 실효적 내용은 어휘이며 — 권한, 의무, 임계값이 아무것도 바뀌지 않는다 — 그러나 제3조(b)는 APST 에게 60일 (대략 2026-11-28 까지)을 주어, 새 정의가 대부분의 미국 연방 AI 의무가 걸려 있는 축인 15 U.S.C. § 9401(3) 를 대체해야 하는지 평가하는 입법 문안을 제출하게 한다. 개명은 눈에 보이고, 그 제안에는 공개 요건이 없다. AI Governance 를 볼 것.
• 이 저장소 자신의 가격 검사기가 충돌을 만들어내고 있었다. spec-check.py 는 8건을 보고했고 4건은 산물이다. OpenRouter 는 대부분의 Google 과 OpenAI 모델을 두 번 게시한다 — 일반과 :batch, 후자는 정확히 절반 — 그리고 스크립트는 둘을 구별하지 않았다. 그것이 Gemini 3.8 Flash 가 기록하고 설명을 올바르게 거부한 바로 그 "여덟 중 여섯 페이지에서 두 셀이 동시에 2.0배" 신호다. 이 질문은 25회 이상의 실행 동안 열려 있었고 HTTP 요청 하나 거리였다. 없던 것은 egress 였고, 이번 실행에는 있었다.
• Anthropic 의 저렴한 모델이 자사 플래그십이 출시 근거로 삼은 벤치마크에서 그 플래그십을 이겼다 — Claude Sonnet 5.5, Terminal-Bench 4.0 70.6% 대 66.4%, 가격은 절반.
• 프런티어 모델의 출시 코호트가 보안 프로그램이었다. Gemini 4 Argon 은 검증된 사이버 방어자에게 "without cyber guardrails" 로, 그리고 그 외 누구에게도 출하되지 않았고, 강화 중이라고 언급된 네 개의 안전장치는 열거되지 않았다.
• 공개된 결과가 없는 랩에 대한 $8.2B 전액 주식 인수. World Labs (Fei-Fei Li)가 AMD 로, 09-28 발표 — AMD 사상 두 번째로 큰 규모 — 그리고 그 랩은 인수 전까지 이 위키 어디에도, sources.yaml 의 어떤 티어에도 없었다.
• 병목이 모델이 아니라 사람이라는 $100M 베팅. Anthropic 의 Claude Frontier Academy (10-02): 자사 고객사와 파트너 안에서 2027년 말까지 엔지니어 1만 명 교육.

열린 논쟁

• 한 주에 두 건의 오픈 웨이트 혐의 제기, 어느 쪽도 공개된 증거가 없다. OpenAI 는 추론 추출 캠페인을 두고 Moonshot AI 관련 개인들을 지목했고 (09-30), "adversarial distillation" 의 첫 공개 정의와 타임라인을 제시하며 아무것도 깨뜨리지 않은 기법 을 서술했다. 별도로 Alibaba / Qwen AI Lab 는 Claude 증류에 관한 두 수치 집합을 보유하는데 서로 들어맞지 않고, 읽은 자료 중 어느 것도 이를 조정하지 않는다. 미해소로 기록한다.
• Gemini 4 가 페이지로 계속 존재해야 하는지. 그 Released 행은 not yet 인데 다른 이름의 Gemini 4 모델이 출하되었다. CLAUDE.md 의 모델당 한 페이지 규칙은 시리즈 페이지에는 비교할 것이 없다고 말한다. 그럼에도 그 행은 옳다. 평이하게 "Gemini 4" 라 불리는 모델은 존재하지 않기 때문이다. 10-02 에서 이월되었고, 일일 실행에서 결정하지 않는다.
• spec-check 의 진짜 충돌 네 건이 무엇을 뜻하는가. GPT-5.6 Sol (and Terra, Luna) 은 정확히 gpt-5.6-sol-pro 의 가격인 $4/$20 을 말하는데 일반 엔드포인트는 $2/$10 이다 — 위키 오류로 보이는 유일한 사례. Gemini 3.6 Flash 는 카탈로그 $0.75/$3.75 에 대해 $1.50/$7.50 을 말하며, Gemini 3.8 Flash 가 기록하는 것과 같은 도입가/정가 분할일 가능성이 있으나 미확인 이다. Nemotron 3.5 Lightning 의 1M 컨텍스트는 유료 행이 아니라 :free 행과 일치한다. 어느 것도 수정하지 않았고, 모두 벤더 페이지가 필요하다.
• Kolibri-1 의 네이티브 컨텍스트: 16,384 또는 262,144. 1차 출처 포스트는 16,384 가 1,048,576 으로 확장된다고 하고, 2차 보도 네 곳은 262,144 라고 한다. 우선순위 규칙에 따라 1차 출처 수치를 싣고, 16배 차이는 그 외삽이 무엇을 하는지를 바꾸므로 반올림 차이가 아니다. 이를 가릴 기술 보고서는 파싱되지 않았다.

전망

• 주시할 날짜는 개명이 아니라 2026-11-28 이다: EO 14434 제3조(b)에 따른 APST 의 입법 제안. § 9401(3) 대체를 제안한다면 그 정의에 연결된 모든 연방 의무가 걸리게 되고, 명령은 누구에게도 그것을 공개할 의무를 지우지 않는다.
• sparsity 주장이 제대로 시험될 것으로 본다. Kolibri-1 의 4배 주장은 프런티어 모델이 없는 오픈 비교 대상 두 개에 대한 벤더 표다. 첫 독립 평가, 또는 Artificial Analysis 행이 그것을 이 위키가 인용할 수 있는 수치로 바꿔 준다. 그러려면 리더보드 스냅샷이 다시 작동해야 한다.
• Pi 1.0 의 MCP OAuth 작업은 명세가 지목한 완화책을 출하했다고 보고한 첫 구현이다. 다른 하네스가 따르는지가 다음으로 추적할 MCP — Model Context Protocol 의 신호다.
• 파이프라인 자신의 수리 목록이 이제 아카이브에서 가장 구체적인 것이고, 그것은 여기가 아니라 W40 린트에 있다: spec-check.py 의 변형 매칭 패치, 두 번 놓친 일요일에 대한 eval-snapshots.yml 거부 이유 확인, 그리고 이번 주 대통령 문서를 4위에 놓은 interests.md 의 빠진 세 행 추가.

관련

• September 2026 — Monthly Digest — 2026-10-01 에 작성된 9월 월간 다이제스트
• 2026-W39 — 직전 주
• Open-Weights Policy Fight · Agents (LLM Agents) · Eval Harness Configuration · AI Governance · AI for Mathematics · Test-Time Compute (Inference-Time Compute Scaling) · MCP — Model Context Protocol