해외(미국) · 대규모 언어모델·에이전트 · 구글 딥마인드 · 2026년 11월 12일(현지시간) 출시
'가장 강한 모델'이 아니라 '매일 쓰는 모델'을 겨냥했다 — 구글, 제미나이 4 하이드로젠 출시: 100만 토큰 문맥·4단계 사고 수준, 터미널 벤치 4.1에서 57%(직전 3.8 플래시 18.2%)·속도 약 2.5배…입력 100만 토큰당 1.50달러, 검색 AI 모드 기본 모델로 탑재
구글 딥마인드는 12일 제미나이 4 제품군의 경량·고속 모델인 '제미나이 4 하이드로젠'을 공개하고, 이를 "에이전트 업무를 위한 일상 모델(daily driver)"로 규정하였다. 깊고 긴 추론은 상위 모델인 제미나이 4 카본과 아르곤이 맡고, 하이드로젠은 코딩·검색·스프레드시트 작업 같은 다단계 작업을 빠르고 저렴하게 실행하거나 상위 모델과 함께 '실행 담당'으로 쓰이도록 설계되었다. 사고 수준(추론에 투입하는 연산량)은 낮음·중간·높음(기본값)·매우 높음(xhigh, 신설)의 네 단계로 조절할 수 있으며, 입력·사고·출력을 합한 문맥 창은 1,048,576토큰, 요청당 기본 출력은 65,536토큰이다.
구글이 공개한 수치에 따르면 하이드로젠은 기본 설정에서 직전 세대 3.8 플래시보다 약 2.5배 빠르고, 터미널 환경에서 실제 작업을 수행하는 능력을 재는 터미널 벤치 4.1에서 57%(3.8 플래시 18.2%)를 기록하였다. 독립 평가 기관 아티피셜 애널리시스의 종합 지능 지수는 기본 설정 51, 최고 설정 54로, 상위 모델 아르곤(50)과 비슷하거나 높았다. 구글의 코딩 도구 안티그래비티에서 작업 분배를 맡는 '오케스트레이터'로 쓰였을 때는 카본에 근접한 성공률을 보이면서 사용량은 약 24% 적고 완료 속도는 평균 19% 빨랐다고 밝혔다. 가격은 입력 100만 토큰당 1.50달러, 출력(사고 포함) 7.50달러로 문맥 길이와 무관하게 동일하다. 하이드로젠은 구글 검색 AI 모드의 기본 모델로 탑재되고 제미나이 앱·구글 시트·기업용 제미나이에 순차 적용되며, 딥마인드 모델 카드는 자동 안전성 평가에서 개선이 있었던 반면 부당한 거절 비율은 다소 늘었다고 기록하였다. 모든 성능 수치는 구글 자체 발표 기준이다.
기술적 의미
첫째, 경량 모델이 직전 세대 대비 터미널 작업 성공률을 세 배 이상 끌어올린 것은, 에이전트 시대의 경쟁 축이 '최고 성능'에서 '단위 비용당 실행 성공률'로 옮겨 가고 있음을 보여 준다. 둘째, 상위 모델이 계획하고 경량 모델이 실행하는 다중 모델 분업은 추론 비용을 낮추는 표준 설계로 자리 잡아 가며, 사고 수준을 사용자가 조절하는 방식은 비용·지연·품질의 균형을 작업별로 최적화하게 한다. 셋째, 검색 기본 모델 교체는 수십억 명의 일상 검색 경험이 에이전트형 응답으로 바뀌는 계기로, 검색 유입에 의존하는 국내외 콘텐츠·커머스 사업자의 트래픽 구조에도 영향을 줄 수 있다.
해외(미국) · AI 보안·데이터 거버넌스 · 노션·파이어웍스 AI · 2026년 11월 공지(본지 제314호 후속)
'데이터 무보존(ZDR)' 계약에도 데이터는 남아 있었다 — 노션, 추론 공급사 파이어웍스 AI 침해로 작업 공간 1% 미만의 AI 대화 기록 노출 공지…공급사 연결 차단·데이터 삭제·학습 중단·'인사이트' 기능 비활성화, 핵심 공급사 전면 감사 착수
오픈 가중치 모델 추론 서비스를 제공하는 파이어웍스 AI의 연쇄 침해(본지 제314호 보도)가 고객사 피해로 구체화되었다. 생산성 소프트웨어 기업 노션은 공지를 통해 파이어웍스 침해의 영향으로 전체 작업 공간의 1% 미만에서 노션 AI 대화 기록, 즉 해당 기간 채팅에 입력되거나 출력된 내용이 노출되었다고 밝혔다. 회의록 기능 데이터는 AI 채팅의 입력으로 사용된 경우에만 영향을 받았고, 이용자가 자발적으로 제공한 데이터는 파이어웍스에서 특정 작업용 모델을 학습시키는 실험에 쓰이고 있었다. 파이어웍스 측은 앞서 제3자 클라우드 사업자가 10월 23일 침해된 뒤 이튿날 자사 개발 장비에 무단 접근이 있었고, 리소스 메타데이터·청구 정보와 일부 고객의 미완성 모델 가중치·데이터셋이 접근되었다고 공개한 바 있다.
특히 노션은 파이어웍스가 계약상 데이터 무보존(zero data retention)을 약속했음에도, 이후 자사가 사용한 엔드포인트에서 데이터가 보존되고 있었다는 사실을 확인했다고 밝혔다. 노션은 11월 3일부로 파이어웍스와의 연결을 끊고 해당 시스템의 데이터를 모두 삭제했으며, 트래픽 전송과 모든 학습 작업, 파이어웍스를 통한 오픈 가중치 모델 제공을 중단하고 '인사이트' 기능을 조사 기간 동안 비활성화하였다. 아울러 추론 공급사·데이터 처리자 등 핵심 공급사를 대상으로 데이터 최소화와 무보존 이행 여부를 점검하는 감사에 착수하였다. 노션은 기업 고객에 대한 무보존 약속이 모델 공급사로의 API 요청에 적용되며, 대화 기록처럼 저장이 필요한 기능에는 적용되지 않는다고 설명하였다.
기술적 의미
첫째, 생성형 AI 서비스는 '앱 기업–추론 공급사–클라우드 사업자'로 이어지는 다단계 공급망 위에서 운영되며, 가장 약한 고리 하나가 최종 이용자의 대화 내용까지 노출시킬 수 있음이 확인되었다. 둘째, 계약 문구로서의 데이터 무보존과 실제 시스템 동작 사이의 괴리는 기술적 검증(로그 감사, 보존 정책 자동 점검)과 제3자 인증 없이는 약속만으로 보안을 담보할 수 없음을 보여 준다. 셋째, 국내에서도 외부 모델 API를 활용한 서비스가 급증하는 만큼, 개인정보 처리 위탁 관계의 명확화와 공급사 보안 감사 의무가 제도적 과제로 부상할 것으로 보인다.
해외(미국) · AI 평가 방법론·인간 피드백 · 지한 천·레이 니코 정·디 주 연구진 · 아카이브(arXiv:2611.14333) · 2026년 11월 10일 공개
"AI가 멍청해진 게 아니라 우리가 까다로워졌다" — 챗봇 아레나 블라인드 투표 126만 건 분석, 버전이 고정된 동일 모델 쌍에서도 '둘 다 나쁨' 응답이 매월 1.71%포인트씩 증가…모델 간 상대 순위는 안정적, 평가자의 기준 상승이 '체감 성능 저하'를 설명
대규모 언어모델 이용자들 사이에서는 "모델이 출시 직후보다 나빠졌다"는 인식이 반복적으로 제기되어 왔다. 연구진은 이 현상을 검증하기 위해 2023년 5월부터 2024년 8월까지 공개 평가 플랫폼 챗봇 아레나(Chatbot Arena)에서 수집된 블라인드 쌍대 비교 투표 1,260,967건을 분석하였다. 핵심 설계는 가중치가 바뀌지 않은 '버전 고정' 모델 쌍만 골라 비교한 것으로, 모델 자체는 변하지 않았으므로 평가 결과의 변화는 평가하는 사람 쪽의 변화로 해석할 수 있다.
분석 결과, 같은 모델 쌍에 대해 두 답변을 모두 거부하는 '둘 다 나쁨' 투표 비율이 평균 17.1%에서 출발해 매월 1.71%포인트씩 증가했고, 2024년에는 증가 속도가 월 1.91%포인트로 더 빨라졌다. 2023년과 2024년 모두 자주 관측된 14개 모델 쌍에서는 예외 없이 이 비율이 15.5%에서 23.3%로 상승하였다. 반면 결정적 투표에서 더 강한 모델이 이기는 비율은 2024년 내내 평탄해, 모델 간 상대 순위는 유지되었다. 이 경향은 동일 투표자 내부, 가입 시기별 집단, 질문 내용 통제, 주요 언어별, 인터페이스 변경 전후에서도 일관되게 나타났다. 연구진은 분야 전체의 발전에 따라 평가자의 기대 수준이 올라가면서 변하지 않은 제품이 절대적으로는 '나빠진 것'처럼 판단된다고 결론지었다.
기술적 의미
첫째, 인간 선호 평가는 시간에 따라 기준이 이동하는 '비정상(non-stationary)' 측정 도구이므로, 서로 다른 시점의 순위표 점수를 절대 비교하는 관행에 보정이 필요하다. 둘째, 인간 피드백 기반 강화학습(RLHF)에 쓰이는 선호 데이터 역시 수집 시점에 따라 기준이 달라질 수 있어, 학습 데이터의 시간 정보를 함께 관리해야 한다는 시사점을 준다. 셋째, '성능 저하' 민원에 대응할 때 모델 변경 여부와 평가자 기준 변화를 분리해 진단하는 고정 기준점(앵커) 평가의 필요성을 뒷받침한다.
국내 · 로봇 AI·에이전트 평가 · 한국전자통신연구원(ETRI) · EMNLP 2026 Findings 발표, 2026년 11월 13일 보도
'물건을 정확히 옮겼다'만으로는 성공이 아니다 — ETRI, 서비스 받는 사람에게 적절한 행동인지를 함께 평가하는 가정용 로봇 에이전트 벤치마크 '트리니티' 개발…식습관·알레르기·종교적 식이·취미를 조합한 151가지 사용자 조건, 코드·데이터 공개
대규모 언어모델을 두뇌로 삼는 로봇 에이전트 평가는 그동안 지시한 물체를 정확한 위치로 옮겼는지 같은 '과업 완수' 중심으로 이루어져 왔다. 한국전자통신연구원(ETRI)이 개발한 벤치마크 '트리니티'는 여기에 서비스를 받는 사람의 조건을 평가 기준으로 추가하였다. 식습관, 알레르기, 종교적 식이 조건, 취미 등을 조합한 151가지 사용자 조건과 가상 가정 환경으로 구성되며, 로봇이 물체를 정확히 옮기더라도 그 행동이 사용자에게 맞지 않으면(예: 알레르기 유발 식품 제공) 성공으로 인정하지 않는다. 또한 실패했을 때 그 원인이 환경 인식 오류인지, 사용자 요구 반영 실패인지를 구분해 진단한다.
연구진이 대표적인 언어모델 기반 에이전트를 평가한 결과, 주변 환경을 이해하는 능력과 사용자의 요구를 실제 행동에 반영하는 능력 사이에 뚜렷한 격차가 나타났다. 즉 에이전트가 물체와 공간을 잘 파악하더라도 그 정보를 개인별 제약 조건과 결합해 올바른 결정을 내리는 단계에서 오류가 집중되었다. 연구 결과는 지난달 자연어처리 분야 국제 학술대회 'EMNLP 2026 Findings'에서 발표되었으며, 코드와 데이터는 공개되었다.
기술적 의미
첫째, 피지컬 AI가 가정·돌봄 환경으로 들어오기 위해서는 과업 정확도뿐 아니라 개인화된 안전·윤리 제약을 지키는 능력이 핵심 성능 지표가 되어야 하며, 트리니티는 이를 정량화한 국내 평가 체계라는 의미가 있다. 둘째, 인식 능력과 의사결정 능력 사이의 격차를 실패 원인별로 분리 진단한 점은 모델 개선의 우선순위를 정하는 데 실용적인 근거를 제공한다. 셋째, 공개된 벤치마크는 국내 로봇·AI 기업이 글로벌 모델과 동일한 기준에서 자사 에이전트를 검증할 수 있는 공공 인프라로 활용될 수 있다.