10월 12일 AI 브리핑은 지난 24시간의 소식을 모았다. Google DeepMind의 AlphaProof Nexus가 오랫동안 풀리지 않던 Erdős 문제 9개를 독립적으로 풀고 동료 심사까지 통과했고, OpenAI는 GPT-6.1 Sol의 기본 컨텍스트를 272k에서 500k로 올렸다. 알리바바 Qwen의 장기 에이전트 훈련 프레임워크, 아마존의 Decart 인수 협상 보도, 미국 주니어 개발자 고용 데이터, Sakana AI의 자기 개선 연구도 함께 전한다. 무원신충의 시리즈 C 투자, StepFun Step 5 Preview의 WorkBuddy 탑재, Arena 41주차 순위는 오늘 이미 단독 기사로 나갔기 때문에 여기서는 반복하지 않는다.
AlphaProof Nexus, Erdős 문제 9개 해결 — 그중 2개는 56년째 난제
10월 12일 The Decoder는 Science에 실린 새 연구를 보도했다. Google DeepMind의 AlphaProof Nexus는 공개된 Erdős 문제 353개 중 9개를 독립적으로 풀었고, 그중 2개는 56년 동안 풀리지 않았던 문제다. 연구팀은 논문에 앞서 증명을 온라인에 공개했다. OEIS 정수 수열 데이터베이스의 추측 44개도 증명했고, 대수기하학의 열린 문제 1개를 풀었으며, min-max 최적화의 알려진 경계 하나를 개선했다. AlphaProof Nexus는 Gemini 3.1 Pro를 중심으로 형식 언어 Lean으로 증명을 작성하고 수정한다. Lean이 매 수정을 검사하고 오류 메시지가 다음 시도를 이끄는데, 어려운 하위 문제는 전용 증명 도구 AlphaProof를 호출할 수 있다. 주목할 점은 이 연구가 AI 증명을 공개 저장소에 대량으로 쏟아내는 대신 동료 심사를 거쳤다는 것이다. AI 증명의 발표 방식을 두고 학계 논쟁이 이어지는 시점에, 이 경로는 수학계가 받아들이기 훨씬 쉽다.
GPT-6.1 Sol 기본 컨텍스트 272k에서 500k로, 최대 1M 지원
10월 11일 저녁 OpenAI의 Thibault Sottiaux(Tibo)는 Codex와 ChatGPT Work에서 GPT-6.1 Sol의 기본 컨텍스트 길이를 272k에서 500k로 약 80% 올렸다고 발표했다. 사용자는 여전히 직접 높이거나 낮출 수 있고, 모델의 최대 컨텍스트는 1M이다. 이 수치는 충분히 테스트된 경험과 성능의 균형점으로, 긴 작업에서 컨텍스트가 압축되는 빈도를 크게 줄여준다는 설명이다. 함께, 구독 사용량 차감 시 GPT-6.1 Sol에 장문 컨텍스트 요금이 더 이상 부과되지 않는다. 매일 긴 코딩과 문서 작업을 돌리는 사람에게는 중간에 세부 사항이 사라지거나 배경을 반복해서 설명해야 하는 일이 줄어든다는 뜻이다.
알리바바 Qwen, QwenGyre 공개 — 몇 시간짜리 장기 에이전트 과제 훈련용
10월 12일 알리바바 Qwen 팀은 장기 에이전트 과제를 위한 온라인 강화학습 프레임워크 QwenGyre를 공개했다. 이런 과제는 한 번 실행에 몇 시간이 걸리고 서로 의존하는 수백 차례의 상호작용을 포함하며 누적 수백만 토큰을 처리하기 때문에, 그동안 훈련 데이터로 바꾸기가 어려웠다. QwenGyre는 탄력적 스케줄링으로 GPU를 연산 단위로 나누어, 먼저 끝난 과제의 단위는 즉시 훈련에 투입하고, 아직 실행 중인 과제는 진행 상황과 상태, 캐시를 그대로 유지한다. 또 궤적을 공유 접두사 기준으로 트리로 정리해 선택된 경로만 훈련 샘플로 펼치고, 시간 초과로 부분 완료된 과제도 부분 점수 피드백을 제공한다. 공식 실험에서는 NL2RepoBench에서 회당 약 70만 토큰 규모의 과제로 48스텝을 훈련해 모델 통과율이 52.5%에서 58.5%로 올랐고, 같은 GPU 예산에서 비동기 구현 대비 약 1.78배의 엔드투엔드 속도 향상을 기록했다.
아마존, Decart 인수 협상 보도 — 기업가치 약 70억 달러
10월 12일 월스트리트저널은 아마존이 AI 스타트업 Decart 인수를 놓고 협상 중이며 잠재 기업가치가 약 70억 달러라고 보도했다. 샌프란시스코에 본사를 둔 Decart는 개발자가 서로 다른 AI 칩 사이를 매끄럽게 오갈 수 있게 해주는 소프트웨어를 만든다. 모두가 연산 자원을 확보하려 경쟁하면서도 특정 칩에 묶이기는 싫어하는 상황이라, 이 어댑터 계층의 가치는 크다. 사정을 아는 이들은 새로운 경쟁 입찰자가 나타나지 않으면 거래가 빠르게 성사될 수 있다고 전했다. PitchBook 데이터에 따르면 Decart는 지금까지 4억 달러 넘게 조달했고, 올해 5월 투자 라운드에서는 기업가치가 40억 달러에 가까웠다. 블룸버그는 앞서 Anthropic이 약 60억 달러에 Decart 인수를 협상하다 9월에 철회했다고 보도한 바 있다. 아마존이 지금 협상을 이어받는 것은 칩 종속을 피하게 해주는 도구 계층을 둘러싼 경쟁이 여전히 뜨겁다는 신호다. 협상은 아직 확정되지 않았고, 최종 가격과 성사 여부 모두 변수가 남아 있다.
미국 주니어 개발자 고용 약 20% 감소, 시니어 채용은 오히려 증가
10월 12일 CNBC가 보도한 데이터는 AI가 프로그래머 일자리에 미치는 영향을 둘로 나눠 보여준다. Indeed Hiring Lab 데이터에 따르면 2025년 2월 Claude Code 출시 이후 미국 소프트웨어 개발자 채용 공고는 약 15% 늘었고, 그 증가분의 71%는 시니어 직급, 37%는 이름에 AI가 들어간 직종에서 나왔다. 반면 스탠퍼드대학교 2026 AI 지수는 생성형 AI 확산 이후 AI 관련 분야에서 22~25세 고용이 16% 줄었고, 경력 초기 소프트웨어 개발자는 약 20% 감소했다고 밝혔다. Indeed 전문가들은 기업이 지금 입문 단계 인재 파이프라인을 만들지 않으면 10년 뒤 시니어 인재 부족에 직면할 수 있다고 경고한다. 미국 노동통계국은 여전히 2025년부터 2035년까지 소프트웨어 개발자 고용이 10% 늘 것으로 전망한다. 신입에게 신호는 분명하다. 기초 코딩만 요구하는 자리는 줄고, AI 산출물을 감독하고 통합과 소통을 맡는 경험의 가치는 커지고 있다.
Sakana AI, MASS 제안 — 멀티에이전트 자기 감독으로 재귀적 자기 개선
10월 11일 저녁 Sakana AI는 연구 MASS를 공개했다. 개선 대상 모델이 스스로 최적화자이자 평가자가 되어, 멀티에이전트 협업의 집단 산출물을 자기 감독 신호로 증류하고 멀티에이전트 워크플로를 반복 최적화하는 방식이다. 연구팀은 Sakana AI와 UC 버클리 연구진으로 구성됐고, 공식 페이지는 연구용 벤치마크에서 출력 토큰당 점수가 향상됐다고 보고한다. 이 접근법이 겨냥하는 것은 현실적인 문제다. 최전선 답변의 생성 속도는 빨라지는데 이를 검토할 전문가와 근거는 따라가지 못해, 모델이 자신의 집단 산출물로 스스로를 가르쳐야 할 수 있다는 것이다. 신뢰할 수 있는 자율적 자기 개선까지는 아직 거리가 있지만, '최적화 대상이 곧 평가자'라는 설정은 검증 불가능한 과제에서 앞으로 어떤 결과를 낼지 지켜볼 가치가 있다.
