CHOI · 2026-09-10 (22편)
앤트로픽이 AI가 2030년 미국 경제를 어떻게 바꿀지 계산한 결과를 공개했습니다.
극단 시나리오에서는 GDP가 32.4% 늘지만 지식노동자 실업률은 17.9%, 임금은 11.5% 감소합니다.
그런데 이미 현실에서 비슷한 변화가 나타나고 있습니다. 🧵
앤트로픽 경제팀이 9월 9일 ‘2030 미국 경제 시나리오 탐색기’를 공개했습니다.
AI가 성장률과 고용, 임금에 어떤 영향을 줄지 계산하는 모델로, 사용자가 직접 가정을 넣으면 그 조건에서 2030년 미국 경제가 어떻게 달라지는지 볼 수 있습니다.
같은 날 앤톤 코리넥과 채드 존스가 공동 작성한 기술 리포트도 나왔고, 외부 경제학자 18명이 초고를 검토했습니다.
모델은 미국 노동부의 직업별 업무 분류를 바탕으로 각 직업을 세부 업무로 나눈 뒤, 2026년부터 2030년까지 AI 도입이 노동시장과 생산성에 미치는 영향을 시뮬레이션합니다.
제가 읽으면서 가장 많이 비교하게 된 것은 이 모델이 그리는 2030년의 모습과 지금 미국 경제 사이의 거리였습니다.
이 모델은 직업 전체가 아니라 그 안에서 하는 업무를 하나씩 나눠서 봅니다.
간호사라면 회진, 채혈, 응급 분류, 활력징후 기록이 각각 하나의 업무입니다.
환자를 씻기는 일은 그대로 남고, 퇴원 안내문 작성이나 원격 모니터링은 사람이 AI를 활용해 더 빠르게 처리합니다. 활력징후 기록은 자동화될 수 있고, 대신 AI가 제안한 치료 계획을 검토하는 새로운 업무도 생깁니다.
오픈AI도 지난 4월 비슷한 방식으로 미국 고용의 99.7%를 차지하는 921개 직업을 업무 단위로 분석했었는데요. 그 결과 자동화 위험이 높은 직업 18%, 업무 구성이 바뀌며 줄어들 직업 24%, AI로 성장할 직업 12%, 단기 변화가 적을 직업 46%로 분류했습니다.
결국 같은 직업 안에서도 사라지는 업무와 AI로 빨라지는 업무, 새로 생기는 업무가 동시에 나타납니다. 직업 전체를 하나의 대체 위험 점수로 보는 것보다 업무 단위로 나눠봐야 하는 이유입니다.
업무가 자동화와 증강으로 얼마나 빠르게 이동하는지에 따라 세 가지 시나리오로 나뉩니다.
‘소폭 변화’는 AI가 경제에 미치는 영향이 인터넷과 비슷한 수준에 머무는 경우입니다.
‘상당한 변화’는 2030년까지 AI가 지식노동 업무의 절반을 수행할 능력을 갖추지만, 실제 현장에서는 그중 일부에만 도입되는 경우입니다.
‘극단적 변화’에서는 AI가 대부분의 지식노동 업무에서 사람보다 생산적이고, 거의 모든 과정을 스스로 처리합니다. AI가 스스로 AI 연구를 가속하는 재귀적 자기개선과 빠른 사회 도입까지 전제로 합니다.
GDP는 세 시나리오 모두 2027년까지 비슷하게 움직이다 이후부터 차이가 커집니다. 2030년에는 각각 34.1조, 36.3조, 44.4조 달러까지 벌어집니다.
따라서 지금 고용 지표만 보고 어느 시나리오로 가고 있는지 판단하기는 이릅니다.
모델에서도 눈에 띄는 차이는 2027년 이후부터 나타납니다.
초파리야 인간이 미안해..
16만 6천 개 뉴런을 재현한 초파리 뇌를 Minecraft에 넣은 뒤 Doom 플레이부터 VTuber 조종, 방탈출 NPC까지 연결했습니다.
GPT-6 Astra까지 활용되면서 별별 실험이 쏟아지고 있습니다.
초파리 뇌로 만든 사례 15가지를 정리했습니다🧵
초파리 뇌를 Minecraft에 연결해 게임 속 초파리를 직접 움직이게 만든 사례가 공개됐습니다.
어떤 뉴런이 실시간으로 활성화되는지 보여주고, 초파리 뇌가 어떤 행동을 선택했는지도 확인할 수 있습니다.
x@BlendiByl
초파리 뇌를 NPC로 사용하는 방탈출 게임도 만들어졌습니다.
먹이와 물체를 배치한 뒤 시뮬레이션을 돌려 초파리들이 탈출하도록 유도하는 방식이며, GPT-6 Astra로 3일간 개발했습니다.
x@dzhng
초파리 뇌를 미세 조정해 특정 소리를 들으면 YMCA 동작을 취하도록 만든 사례도 공개됐습니다.
4가지 음을 각각 다른 자세와 연결해, 소리에 따라 초파리의 움직임이 달라지도록 학습시켰습니다.
x@dhruvbhatia0
안드로이드 앱 자동화도 이제 말로 시키는 시대가 왔습니다.
구글이 ARTEMIS를 공개했습니다.
자연어로 “앱을 열고 계정을 만든 뒤 설정을 바꾸고 결과까지 확인해줘”라고 지시하면 실제 안드로이드 화면을 조작해 작업을 수행합니다.
테스트 자동화, 로그 수집, 오류 분석까지 지원하며 Codex, Claude Code, Antigravity 같은 AI 코딩 도구와도 연동할 수 있습니다.
앱 개발 과정에서 사람이 직접 눌러가며 확인하던 작업이 크게 줄어들 것 같습니다.
깃허브 :
auk-project.github.io
오디오계의 나노바나나가 등장했습니다.
Tencent Hunyuan이 음성 생성·편집 모델 AuK를 오픈소스로 공개했습니다.
텍스트 한 줄로 음성을 만들고, 특정 단어만 바꾸거나 화자 목소리·감정·속도·음높이를 수정할 수 있습니다.
노이즈 제거와 여러 화자 분리까지 하나의 1.5B 모델에서 처리하며, AuK-Flash는 4단계 추론으로 기존 버전보다 약 4.5배 빠르게 동작합니다.
음성 편집도 이미지 편집처럼 “말로 수정하는” 방향으로 가는 것 같네요.
🚨 딥시크가 V4.1-Flash를 MIT 라이선스 오픈웨이트로 공개했습니다.
한 달 전 정식판을 낸 1.6조 파라미터 V4-Pro는 서비스를 단계적으로 끝내기로 했습니다.
V4.1-Flash는 코딩 에이전트 평가에서 Claude Opus 5와 GPT-5.6 Sol을 앞섰고, 출력 가격은 Opus 5의 20분의 1입니다.
이번 발표를 정리했습니다 🧵
딥시크가 9월 10일 오후 DeepSeek-V4.1-Flash를 공개했습니다.
총 5,520억 개(552B) 파라미터를 가진 MoE 모델로, 입력을 처리할 때는 약 80억 개, 답을 생성할 때는 약 160억 개만 활성화하는 새 구조를 적용했습니다. 이미지 입력도 처음으로 직접 지원합니다.
가중치는 허깅페이스에 MIT 라이선스로 공개됐고, 51쪽 분량의 기술 리포트도 함께 나왔습니다. API 모델명은 deepseek-flash이며 새 요금은 한국시간 오후 1시부터 적용됐습니다.
딥시크는 여러 평가에서 V4.1-Flash가 V4-Pro보다 성능과 속도는 높이고 비용은 낮췄다고 밝혔습니다.
이에 따라 9월 14일부터 V4.1-Pro가 출시되기 전까지 기존 V4-Pro 요청도 V4.1-Flash로 처리하고, 요금은 Flash 기준으로 받습니다.
코딩 에이전트 평가인 DeepSWE v1.1에서 V4.1-Flash는 74.2%를 기록해 Claude Opus 5의 74.0%, GPT-5.6 Sol의 73.0%, 자사 V4-Pro의 62.7%를 모두 앞섰습니다.
6주 전 공개된 V4-Flash 정식판의 54.4%와 비교하면 약 20%p 오른 점수입니다.
업무 자동화 평가인 Automation-Bench에서도 54.8%로 Opus 5의 50.3%, Sol의 45.8%보다 높았습니다.
보안 취약점을 직접 재현하는 CyberGym에서는 88.1%를 기록해 Sol의 84.5%를 넘어섰습니다.
세 평가에는 공통점이 있습니다. 모델이 직접 명령을 실행하고 결과를 확인한 뒤 다음 행동을 결정해야 합니다.
딥시크가 이번 리포트에서 강화학습용 실행 환경을 집중적으로 구축했다고 밝힌 코딩 에이전트와 업무 에이전트 분야가 실제 평가 결과에서도 크게 개선된 모습입니다.
반대로 에이전트 평가라고 해서 모두 앞선 것은 아닙니다.
특히, 소프트웨어 개발과 머신러닝, 과학, 시스템 운영 등 여러 단계의 터미널 작업을 수행하는 Terminal-Bench 4.0에서는 V4.1-Flash는 31.2%로 Opus 5의 51.8%보다 20%p 이상 낮았습니다.
전문가 수준의 문제를 모은 Humanity's Last Exam에서도 36.8%로 Opus 5의 56.3%에 크게 못 미쳤습니다.
다만 딥시크의 비교표에는 9월 첫째 주에 공개된 GPT-6 Astra와 Claude Fable 5.1이 포함되지 않았는데요.
오픈AI가 Astra 발표 당시 공개한 Terminal-Bench 4.0 점수는 Astra 57.9%, Fable 5.1 55.8%였습니다.
딥시크 역시 리포트에서 일상적인 업무에서는 미국 최상위 모델과 비슷한 사용 경험을 제공하지만, 고난도 추론이나 예외적인 상황에서는 여전히 격차가 남아 있다고 설명했습니다.
발표내용 :
blog.google/produ…
구글이 Nano Banana를 아예 이미지 편집 도구로 만들었습니다.
Google Pics가 Google AI Pro·Ultra와 대부분의 Workspace 비즈니스 고객에게 순차 제공됩니다. 포스터나 SNS 이미지를 만들고, 이미지 속 특정 부분만 골라 수정하거나 글자를 그대로 편집·번역할 수 있습니다.
Docs와 Slides에서는 바로 사용할 수 있고 Drive 연동도 곧 추가됩니다. 이미지 작업도 점점 Workspace 안으로 들어오는 것 같습니다.
블로그 :
magic.dev/blog…
이게 사실이라면 AI 모델 학습 비용이 크게 달라질 수 있습니다.
Magic이 DeepSeek V4 Pro의 사전학습 성능을 50배 적은 연산량으로 재현했다고 발표했습니다. GB200 기준 약 50만 달러, GPT-3 학습에 사용된 연산량의 절반 정도라고 합니다.
여기서 10배 더 확장한 약 400만 달러 규모의 학습에서는 공개된 모든 베이스 모델을 넘어섰다고 주장했습니다. 기존 방식이라면 1억 달러 이상 필요한 수준이라고 합니다.
방법은 모델 구조, 옵티마이저, 학습 목표, 데이터 정제 등 수십 가지 개선을 함께 적용하는 방식입니다. 변경할 때마다 서로 다른 규모의 모델 3개를 학습하고, 스케일링 법칙으로 대형 모델에서도 효과가 있을지 확인했습니다.
작은 모델에서만 잘 되는 기법은 버리고, 필요 없는 구조는 제거하고, 학습 버그까지 계속 잡았다고 하는데요.
같은 연산으로 얼마나 잘 학습시킬 수 있는지도 오픈소스 생태계에서는 중요한 것 같습니다.
누군가는 ChatGPT로 사진을 만들고, 누군가는 신약 후보를 만들고 있습니다.
Douglas Yao가 ChatGPT를 활용해 조현병 치료 후보물질 PAC-3310을 설계하고, 차고에 만든 화학실험실에서 직접 합성했다고 밝혔습니다.
PAC-3310은 M4 수용체만 선택적으로 자극하도록 설계됐으며, 세포실험과 생쥐 실험에서 효과를 확인했다고 합니다.
아직 사람에게 쓰는 약이 된 것은 아니지만, AI가 신약 설계 과정에 어디까지 들어올 수 있는지를 보여주는 사례인 것 같습니다.
주소 :
chatgpt.com/plugi…
소상공인은 꼭 확인해보세요.
오픈AI가 소상공인을 위한 ChatGPT 플러그인 16개를 묶어서 공개했습니다. QuickBooks 같은 업무 도구를 ChatGPT에 연결해 회계부터 각종 사업 운영 업무를 AI에게 맡길 수 있습니다.
중요한 건 AI가 답변만 해주는 게 아니라 기존에 사용하던 서비스와 연결돼 실제 업무를 처리하기 시작했다는 겁니다.
예전에는 업무마다 프로그램을 찾고 각각 설정해야 했다면, 이제 필요한 플러그인을 한 번에 설치해 ChatGPT 하나에서 누구나 사업 업무를 자동화할 수 있는 시대가 열리는 것 같습니다.
GPT-6 Astra xhigh가 사용량이 더 낮은 이유.
ARC AGI때도 나왔지만 추론 레벨이 올렸는데 가격이 줄어드는 양상.
똑똑해지면 비용 절감까지 간다.
난 대가리가 깨져서 이건 꼭 사야겠다.
초파리로 도대체 어디까지 하려는 걸까요 ㅋㅋ..
이번에는 초파리 뇌 회로로 인간의 감정을 구분하는 실험까지 나왔습니다.
실제 초파리를 훈련한 건 아닙니다. 공개된 수컷 초파리 커넥톰에서 499개 뉴런 회로를 가져와 소프트웨어로 구현하고, 사람의 음성을 입력해 감정을 분류하도록 학습했습니다.
이런 방식이 발전하면 실제 뇌의 연결 구조를 컴퓨터에서 재현해 특정 신경회로가 어떤 정보를 처리하는지 실험할 수 있습니다. 회로 일부를 바꾸거나 학습시키면서 행동과 학습이 어떻게 달라지는지도 비교할 수 있고요.
다만 이번에는 초파리의 원래 연결을 무작위로 섞어도 성능이 비슷해, 초파리 뇌 구조 자체가 감정 인식에 유리하다는 결과는 아니었습니다.
어제 소개해드린 AlphaGenome Atlas를 이제 구글 Antigravity에서도 사용할 수 있다고 합니다.
AlphaGenome Atlas Skill을 통해 AI 에이전트가 유전자 변이를 빠르게 우선순위로 정리하고, 구조 그래프를 만들고, 검증 가능한 가설까지 생성할 수 있습니다.
90억 개의 DNA 변이 데이터를 연구자가 직접 뒤지는 대신, 에이전트와 함께 분석하는 방식으로 바뀌고 있습니다.
미래의 컴퓨터는 이런 모습일까요?
Pamir가 AI 에이전트 시대를 겨냥한 소형 Linux 컴퓨터 Lapis One을 공개했습니다.
노트북이나 데스크톱처럼 사람이 계속 화면 앞에서 작업하는 컴퓨터가 아니라, 집에 두고 AI 에이전트가 계속 실행되며 필요한 작업을 대신 처리하는 개인용 컴퓨터를 목표로 합니다.
최근 AI 에이전트가 이메일, 문서, 브라우저까지 직접 다루기 시작하면서 컴퓨터도 사람이 직접 사용하는 기기에서 AI가 대신 사용하는 기기로 바뀌고 있는데요.
앞으로는 노트북을 들고 다니는 대신 집에 개인 AI 컴퓨터 한 대를 두고, 어디서든 일을 맡기는 방식이 자연스러워질지도 모르겠습니다.
AI 에이전트가 회사 시스템을 망가뜨리지 않고 마음껏 연습할 수 있는 공간이 생겼습니다.
State Machines는 Salesforce, Zendesk, SAP 같은 기업용 서비스를 실제와 비슷하게 복제해 AI 에이전트가 작업할 수 있도록 합니다.
각 환경은 데이터를 따로 기억하고 초기화할 수 있으며, 수천 개를 동시에 실행할 수도 있습니다. 예를 들어 에이전트가 고객 정보를 수정하거나 티켓을 처리하는 작업을 실제 회사 데이터에 접근시키기 전에 반복해서 테스트할 수 있습니다.
AI 에이전트가 실제 업무에 투입될수록 모델 성능뿐 아니라, 실수해도 문제가 없는 연습 환경이 점점 더 중요해질 것 같습니다.
내용 :
extropic.ai/writi…
Extropic이 GPU보다 최대 140배 적은 에너지로 Transformer 계열 모델을 돌리는 Z1T를 공개했습니다.
Z1은 일반 GPU처럼 모든 값을 촘촘하게 계산하는 대신, 확률형 비트(pbit)를 희소하게 연결해 필요한 연산만 처리합니다. Z1T도 여기에 맞춰 attention과 신경망 구조를 다시 설계했습니다.
현재 실험에서는 H100 대비 토큰당 에너지 사용량이 최대 약 139배 낮았고, Z1에서 처리되는 연산만 보면 차이는 수천 배까지 벌어졌습니다.
향후 FPGA 병목까지 줄이면 GPU 대비 최대 1,000배 수준의 효율도 가능하다고 보고 있습니다.
Z1T의 모델 가중치와 학습 방법도 공개됐습니다.
초파리 이미 매트릭스에서 DOOM을 하고 있다.
Google Research 등이 공개한 수컷 초파리의 뇌·중추신경계 연결 지도를 이용해 만든 초파리 뇌로 DOOM까지 돌렸습니다. 게임 화면의 픽셀 밝기를 초파리의 감각 뉴런에 자극으로 전달하고, 발생한 신경 활동을 게임 조작으로 연결했습니다.
즉 DOOM을 AI에게 보여주는 게 아니라, 디지털로 재현한 초파리 신경회로에 화면을 보여주고 그 반응으로 게임을 움직이는 겁니다.
이런 실험을 통해 실제 뇌의 신경회로가 시각 정보를 어떻게 행동으로 바꾸는지 컴퓨터 안에서 테스트할 수 있습니다.
뇌 전체 연결 지도가 공개되자마자 정말 별걸 다 해보고 있네요 ㅋㅋ..