오늘의 한줄
오늘은 AI 경쟁이 모델 성능을 넘어 자본, 칩, 데이터셋, 그리고 지정학으로 확장되는 흐름이 두드러졌습니다. 한편 보안과 데이터 인프라 쪽에서는 ‘점수만 믿으면 놓친다’는 현실과 함께, SQLite 생태계의 실용적 진화도 눈에 띄었습니다.
🤖Artificial Intelligence4
DeepSeek v4, 100만 토큰 컨텍스트 지원 고효율 LLM 공개
DeepSeek가 Mixture-of-Experts(MoE) 기반의 DeepSeek v4를 공개했습니다. Pro는 1.6T 파라미터, Flash는 284B 파라미터 규모이며, CSA와 HCA를 결합한 하이브리드 어텐션으로 100만 토큰 컨텍스트를 지원하는 것이 핵심입니다. 긴 문서 처리와 코드베이스 분석, 에이전트형 워크로드가 중요해지는 상황에서 한국 기업 입장에서는 성능뿐 아니라 추론 비용과 배포 효율까지 함께 따져볼 만한 대안이 하나 더 생긴 셈입니다.
Claude Code 품질 이슈, 원인과 조치 업데이트
Anthropic은 최근 한 달간 제기된 Claude 품질 저하 체감이 Claude Code, Claude Agent SDK, Claude Cowork에서 각각 다른 세 가지 변경이 겹친 결과였다고 설명했습니다. 특히 기본 추론 강도를 medium으로 낮춘 조정 등이 영향을 줬지만, API 자체는 영향을 받지 않았다고 선을 그었습니다. AI 코딩 도구를 업무 핵심 경로에 넣은 팀이라면 모델 성능만이 아니라 제품 레이어별 설정 변화와 기본값 변경까지 모니터링해야 한다는 점을 보여주는 사례입니다.
미국, 중국의 ‘산업 규모 AI 절도’ 비난…중국은 ‘중상모략’ 반박
미국은 중국이 ‘산업 규모’로 AI 기술과 자산을 탈취하고 있다고 비난했고, 중국은 이를 ‘중상모략’이라고 반박했습니다. 트럼프-시진핑 회담을 앞두고 대규모 제재 가능성까지 거론되면서, AI가 무역과 안보 갈등의 핵심 의제로 올라선 모습입니다. 한국 기업에는 모델·반도체·클라우드·데이터 협력 전반이 지정학 리스크의 영향을 더 크게 받을 수 있다는 점에서 공급망과 파트너십 전략을 다시 보게 만드는 뉴스입니다.
MIT, 세계 최대 규모 올림피아드급 수학 문제 데이터셋 공개
MIT 연구진이 47개국의 경시대회 문제 3만 개 이상을 모은 세계 최대 규모의 올림피아드급 수학 데이터셋을 공개했습니다. 이 데이터셋은 기존 벤치마크보다 훨씬 어려운 추론 과제를 제공해 AI 연구자에게는 더 정교한 평가 환경을, 학생들에게는 더 나은 학습 자원을 제공합니다. 한국의 AI 연구와 에듀테크 업계에는 ‘쉬운 벤치마크 점수’보다 실제 추론 능력을 가르는 고난도 데이터셋 경쟁이 본격화된다는 의미가 있습니다.
🏢Big Tech2
구글, Anthropic에 최대 400억달러 현금·컴퓨트 투자 추진
구글이 Anthropic에 현금과 컴퓨트 자원을 포함해 최대 400억달러를 투자하는 방안을 추진 중입니다. 이는 강력한 사이버보안 특화 모델 Mythos의 제한 공개 직후 나온 소식으로, AI 경쟁이 이제 모델 출시를 넘어 대규모 연산 자원 선점전으로 옮겨갔음을 보여줍니다. 한국 기업과 스타트업에는 ‘좋은 모델’보다 ‘누가 컴퓨트를 안정적으로 확보하느냐’가 더 큰 진입장벽이 되고 있다는 신호로 읽힙니다.
메타, 아마존 AI CPU 수백만 개 확보 계약
메타가 에이전트형 AI 워크로드를 위해 아마존의 자체 설계 AI CPU 수백만 개를 확보하는 계약을 맺었습니다. 그동안 AI 칩 경쟁이 GPU 중심으로 흘렀다면, 이번 계약은 특정 워크로드에서는 CPU 계열 가속기가 새로운 대안이 될 수 있음을 보여줍니다. 한국 반도체와 클라우드 업계에는 ‘무조건 GPU’가 아니라, 추론·에이전트·비용 최적화 중심의 칩 아키텍처 경쟁이 본격화되고 있다는 신호입니다.
🚀Startups1
DeepMind 스핀오프의 AI 설계 신약, 인체 임상 단계로
DeepMind 스핀오프 Isomorphic Labs는 AI가 설계한 신약 후보들을 인체 임상 시험 단계로 진입시키고 있다고 밝혔습니다. 사장 Max Jaderberg는 런던 WIRED Health 행사에서 회사가 ‘폭넓고 유망한 신약 파이프라인’을 구축했다고 설명했습니다. 생성형 AI가 코드와 텍스트를 넘어 바이오 R&D의 실제 임상 가치로 연결되는 사례라는 점에서, 한국의 제약·바이오테크 업계에도 AI 도입의 기대치를 한 단계 끌어올리는 신호입니다.
🛠️Developer Tools6
syntaqlite, SQLite 문법을 그대로 쓰는 SQL 파서·포매터·검증기
syntaqlite는 SQLite의 Lemon 문법과 토크나이저를 직접 C로 컴파일해 활용함으로써, 범용 SQL 파서가 SQLite를 ‘비슷하게’ 흉내 내며 생기는 오차를 줄인 도구입니다. sqlite3_prepare가 잡아내는 오류를 실제 DB 연결 없이도 스키마 기준으로 검증할 수 있고, 포매팅·검증·언어 서버 기능까지 한 번에 제공합니다. SQLite를 프로덕션이나 로컬 우선 앱, 임베디드 서비스에 적극 쓰는 팀이라면 개발자 경험과 정적 검증 정확도를 동시에 끌어올릴 수 있는 실용적인 선택지입니다.
정교한 통신 감시 캠페인 2건, 전화망 취약점 악용 정황 확인
조사 결과, 글로벌 전화망의 구조적 취약점을 악용해 휴대전화 위치 데이터를 추적한 서로 다른 두 감시 캠페인이 드러났습니다. 이들은 합법적 이동통신 사업자인 것처럼 위장한 유령 회사를 통해 네트워크 접근 권한을 확보하고, SS7과 Diameter 같은 오래된 통신 프로토콜을 악용한 것으로 보입니다. 통신 인프라의 신뢰가 국가안보와 개인정보 보호에 직결되는 만큼, 한국의 통신·보안 업계에도 레거시 프로토콜에 대한 재점검 압박이 커질 수 있습니다.
Palo Alto 취약점 2개, 따로 보면 관리 가능했지만 연결되자 1만3천 대 루트 장악
2024년 11월 Operation Lunar Peek에서 공격자들은 Palo Alto Networks 관리 인터페이스 1만3천여 대를 노려 인증 없이 원격 관리자 권한을 얻고, 최종적으로 루트 권한까지 확보했습니다. 문제는 CVE-2024-0012와 CVE-2024-9474가 각각 CVSS 체계에 따라 9.3·6.9 또는 9.8·7.2로 다르게 평가됐고, 상대적으로 낮은 점수가 패치 우선순위에서 밀렸다는 점입니다. 보안팀에게 이 사건은 CVSS 숫자만으로 위험을 판단하면 안 되고, 취약점 체이닝과 실제 노출 면을 기준으로 재분류해야 한다는 강한 교훈을 줍니다.
Spinel, Ruby용 AOT 네이티브 컴파일러
Ruby 창시자 마츠가 공개한 Spinel은 Ruby 코드를 Ahead-of-Time 방식으로 네이티브 바이너리로 컴파일하려는 프로젝트입니다. 아직 초기 단계이지만, 인터프리터 기반 실행의 한계를 줄이고 배포 단순화와 성능 개선 가능성을 동시에 보여주며 개발자 커뮤니티의 큰 관심을 받았습니다. 인프라 효율과 스타트업 운영비가 중요한 팀이라면, 생산성 언어도 이제는 런타임 비용을 줄이는 방향으로 진화하고 있다는 흐름을 눈여겨볼 만합니다.
Honker, SQLite에 Postgres식 NOTIFY/LISTEN을 더하는 확장
Honker는 SQLite 확장과 여러 언어 바인딩을 통해 같은 .db 파일 안에서 durable pub/sub, 작업 큐, 이벤트 스트림을 함께 처리할 수 있게 해줍니다. notify(), stream(), queue() 같은 기능을 별도 데몬이나 브로커, 클라이언트 폴링 없이 제공해 SQLite를 단순 저장소에서 경량 이벤트 플랫폼으로 확장합니다. 소규모 서비스나 엣지 환경, 단일 바이너리 배포를 선호하는 팀에는 운영 복잡도를 크게 줄여주는 흥미로운 접근입니다.
새로 해독된 파괴형 악성코드, 이란 핵 프로그램 겨냥 가능성…스턱스넷보다 앞섰다
연구자들이 2005년에 제작된 것으로 보이는 Fast16 악성코드를 새롭게 해독했는데, 이 코드는 계산·시뮬레이션 소프트웨어를 조용히 조작할 수 있는 파괴형 기능을 갖고 있었습니다. 분석에 따르면 이란 핵 프로그램을 겨냥했을 가능성이 있으며, 스턱스넷보다 앞선 초기 형태의 국가급 사이버 무기일 수 있습니다. 산업 제어 시스템과 연구용 소프트웨어까지 공격 표면이 넓어질 수 있다는 점에서, 제조·에너지·국방 관련 한국 조직에도 중요한 경고입니다.
🇰🇷Korea Tech1
삼성, 스마트폰 사업 첫 연간 적자 가능성 우려
보도에 따르면 삼성 내부에서는 스마트폰 사업이 사상 처음으로 연간 적자를 낼 가능성을 우려하고 있습니다. 핵심 배경으로는 AI 수요가 촉발한 메모리 부족과 그에 따른 비용 압박이 지목되며, AI 붐이 오히려 전통 하드웨어 사업의 수익성을 흔드는 역설이 나타나고 있습니다. 한국 tech 업계에는 AI 호황이 모든 사업부에 자동으로 이익이 되는 것이 아니라, 공급망과 원가 구조에 따라 손익이 크게 갈릴 수 있다는 경고로 보입니다.