NVIDIA Mid-Harness, TerminalBench-Lite Pass@1을 50.0%에서 68.0%로 높여
터미널 에이전트의 테스트 시점 계산에 관한 NVIDIA 논문은, GPT-5.6 Sol 검증기가 샘플링한 shell 명령 8개 가운데 고르면 TerminalBench-Lite Pass@1이 50.0%에서 68.0%로 오른다고 밝혔다. 검증기가 약할 때는 샘플을 늘려도 거의 효과가 없다.
AI 뉴스
ActiveSaddler는 에이전트 하네스를 최적화하면서 시나리오를 조정한다
DAIR.AI는 Microsoft와 공동 연구자들의 논문 ActiveSaddler를 소개한다. 이 논문은 에이전트 하네스를 최적화하는 데 사용되는 시나리오를 바꾼다. 동일한 최적화기에서 고정된 시나리오 순서와 비교해 테스트 Pass@1이 GAIA2에서 4.4점, Terminal-Bench 2.0에서 7.5점 향상된다.
GLM-5.3, ExploitBench 점수 12%…Claude Mythos 14%에 근접
DeepLearning.AI 주간 레터는 Anthropic 수치를 인용해, GLM-5.3이 ExploitBench 익스플로잇 과제의 12%를, Claude Mythos가 14%를 해결했다고 전했다. 또한 20.40달러어치 토큰으로 Google Chrome의 최근 보안 익스플로잇을 찾았다고 밝혔다.
Command Code, Ling 3.1 Flash를 하루 300회 무료 요청으로 등록
Command Code는 Space Bunny Alpha가 Max 추론과 함께 무료이며, Ling 3.1 Flash의 무료 허용량이 하루 300회 요청으로 늘었다고 밝혔다. Ling 3.0 Flash Sante와 Laguna S 2.1도 무료로 등록되어 있다.
DAIR.AI, Claude Code와 Codex를 결합한 Meta의 RankEvolve를 조명
DAIR.AI는 Meta 논문에서 나온 RankEvolve를 Claude Code와 Codex를 별도 노드로 실행해 서로의 변경을 검토하고 수정하는 프로토콜이라고 설명한다. 동일 예산에서 실행 정확도는 45.8%에서 62.5%로 오르고, 12회 반복으로 MovieLens-20M에서 HSTU의 NDCG@10이 4.48% 향상된다.
CMU 논문, 솔버를 바꾸지 않고 에이전트 하네스를 편집하는 4B 제안 모델 훈련
이 하네스 학습 논문은 강화 학습으로 제안 모델이 과제, 현재 하네스, 실행 보고서를 바탕으로 하네스 코드를 수정하도록 한다. 훈련된 4B 제안 모델은 Reasoning Gym 단일 단계 수정에서 35B 교사 모델을 능가하며, HotpotQA 훈련은 MuSiQue와 2WikiMultihopQA로 전이된다.
Step 5 Preview, Vals 오픈웨이트 모델 중 7위
Vals AI에 따르면 StepFun의 Step 5 Preview가 Vals 리더보드에 처음 등장해 오픈웨이트 모델 가운데 7위를 기록했으며, Qwen 3.8 Max를 근소하게 앞서고 작업당 2.54달러다.
Tavus, 끼어들고 웃으며 반응하는 AI 영상 모델 공개
Polymarket는 Tavus가 실제 사람처럼 말을 끊고 웃으며 반응할 수 있는 AI 영상 모델을 공개했다고 보도했다. ‘영상 튜링 테스트’에서 참가자 48%는 사람과 대화하고 있다고 믿었다.
Ling 3.1 Flash, Cline에서 10월 13일까지 무료
Cline은 Ling 3.1 Flash를 추가했고 10월 13일까지 무료로 제공한다. 이 전문가 혼합 모델은 총 파라미터 5600억 개, 활성 파라미터 250억 개를 갖췄으며, Cline은 Kimi K3, DeepSeek V4 Pro 같은 오픈 웨이트 모델과 대등하다고 밝혔다.
Cloudflare AI Gateway, Machine Payments 베타 추가
Cloudflare AI Gateway가 Machine Payments 베타를 제공하며, 추론 비용은 선불 잔액 대신 스테이블코인 지갑에서 x402 프로토콜로 결제할 수 있다.
GitHub Copilot 앱이 diff, 터미널, 브라우저를 나란히 배치한다
GitHub Copilot 앱에서는 diff, 터미널, 브라우저가 함께 배치되어 리뷰어가 탭을 전환하지 않고 에이전트 코드를 확인하고 실행하고 미리 볼 수 있다. 초보자 가이드가 이 레이아웃 사용법을 다룬다.
Databricks, Genie One 업데이트…온톨로지 기본 활성화와 파일 업로드, 예약 작업 추가
Genie Ontology가 이제 기본적으로 활성화된다. 이번 업데이트에는 워크스페이스 지침, 문서와 데이터 파일의 직접 업로드, Genie 안의 Unity Catalog 쿼리, 과거 실행을 참조할 수 있는 예약 작업도 추가됐다.
Cohere, 모델 생성 후 공개된 WMT26로 North Small Translate를 벤치마크
Cohere는 North Small Translate에 사용한 WMT26 벤치마크가 모델 생성 이후에 공개됐기 때문에, 해당 측정값에 맞춰 모델을 학습시킬 수 없었다고 밝혔다.
Cohere, 오픈 기계 번역 모델 North Small Translate 발표
Cohere는 최근 North Small Translate를 발표했으며, 파라미터 1조 개 미만 모델 가운데 세계 최고인 새로운 최첨단 오픈 기계 번역 모델이라고 설명했다. 회사는 또한 모델의 가중치와 프로세스를 공개하고 싶다고 밝혔다.
Meta Superintelligence Labs 논문이 RL 후학습의 Sharpening Tax(샤프닝 세금)를 설명
42쌍의 베이스 모델과 후학습 모델에서, 가벼운 하네스를 갖춘 베이스 모델은 샘플 수가 많을 때 RL 후학습 버전보다 더 많은 에이전트 작업을 해결하는 경우가 많다. 후학습 버전은 여전히 pass@1에서 앞선다. 저자들의 PTGS 방법은 RL 중 추정 난이도를 바탕으로 각 프롬프트의 샘플링 온도를 설정해 더 작은 세금을 내고 pass@1도 높인다.
AutoCompact, 코딩 에이전트가 언제 컨텍스트를 압축할지 결정하도록 훈련
AutoCompact는 판정자를 사용해 압축 결정을 수정한 뒤, 지도 미세 조정과 작업 성공 보상을 사용한 강화 학습을 적용한다. 보고된 통과율은 SWE-bench Verified에서 9.2포인트, SWE-PolyBench Verified에서 5.0포인트 상승하며, 256K 창이 전혀 넘치지 않는 경우도 포함한다.
Workers AI, 오픈소스 의사결정 모델 Clef 추가
Clef는 텍스트 대신 구조화된 확률을 반환한다. Cloudflare는 Clef-flash가 Jev보다 13배 빠르며 라우팅과 분류에 사용할 수 있다고 밝혔다.
Cloudflare workers-oauth-provider, 분리 API와 함께 v1 도달
버전 1은 인증과 토큰 검사를 분리한다. Worker 하나가 인증을 처리하고, 다른 하나는 Service Bindings를 통해 MCP 서버용 토큰을 검증한다. MCP 2026-07-28 사양을 지원한다.
elvis, Cartesia Sonic 3.6으로 자신의 목소리를 복제해 일본어를 말하게 해
elvis는 약 15초 분량의 클립으로 Cartesia playground에서 만든 복제 음성이 몇 초 만에 준비됐고, 이어 일본어를 말했다고 밝혔다. 그는 이 데모가 Cartesia의 최신 음성 모델인 Sonic 3.6을 사용하며 44개 언어를 지원한다고 말했다.
Polymarket, 미국 AI 안전 법안 제정 확률을 15%로 제시
Polymarket은 미국이 AI 안전 법안을 제정할 확률을 15%라고 밝혔다. 이 수치는 자사 시장 https://poly.market/iYP6GOD 에 연결되어 있다.