2026년 11월 22일 AI 뉴스 — 리만 가설 증명 주장, Inkling 2 Mini, 오픈AI 증류 방어
앤트로픽 모델의 일반화 리만 가설 증명 주장, 씽킹머신 Inkling 2 Mini, 오픈AI 증류 공격 방어, 시그널의 OS AI 에이전트 차단, GPT-6.2 심플벤치 결과 등 오늘의 AI 뉴스 8건.
오늘은 수학과 모델 보안 소식이 크게 나왔습니다. 수학자 레번트 알푀게가 앤트로픽 모델로 일반화 리만 가설을 증명했다고 주장했고, 오픈AI는 추론 과정을 빼 가는 증류 공격을 어떻게 막는지 공개했습니다. 모델 쪽에서는 노트북에서 도는 씽킹머신의 루프 모델 Inkling 2 Mini가 나왔고, GPT-6.2는 심플벤치에서 이전 버전보다 낮은 점수를 받았습니다. 시그널의 OS AI 에이전트 차단, 앤트로픽의 상시 작동 에이전트 설계 가이드, 새 코딩 하네스 DreamCoder, IBM PC XT에서 도는 코딩 에이전트 ClawDOS까지 8건을 정리했습니다.
앤트로픽 모델이 일반화 리만 가설을 증명했다는 주장
수학자 레번트 알푀게(Levent Alpöge)가 앤트로픽 모델로 일반화 리만 가설(GRH)을 증명했다고 발표했습니다. 증명은 Lean 코드 1,740만 줄 분량으로 공개됐습니다. 스콧 애런슨은 블로그에서 Lean 커널 버그 같은 위험은 있지만, 지금까지 Lean 인증서가 붙은 AI 수학 결과 중 철회된 것은 하나도 없었다며 "증명이 살아남는 쪽에 걸겠다"고 썼습니다.
다만 수학자들이 1,700만 줄을 그대로 받아들이지는 않을 것이라고 덧붙였습니다. 사람이 아이디어를 직접 설명하고 다시 세울 수 있어야 인정받는데, 그 작업에는 몇 년이 걸릴 수 있다는 얘기입니다. 애런슨은 이제 P 대 NP 문제가 수학의 '최종 보스' 자리로 올라섰다고 평가했습니다.
원문: https://scottaaronson.blog/?p=10344
씽킹머신, 노트북에서 도는 Inkling 2 Mini 공개
씽킹머신랩이 오픈웨이트 모델 Inkling 2 Mini를 공개했습니다. 토큰마다 중간 레이어를 세 번 반복해 돌리는 루프 트랜스포머입니다. 그래서 추론 과정을 길게 적지 않고도 더 깊이 생각할 수 있다고 합니다. 총 264억 파라미터, 활성 34억의 MoE이고, 대부분 NVFP4로 학습해 메모리는 약 20GB면 됩니다. 연구진은 비행기 모드의 맥북 프로에서 이 모델로 비행 시뮬레이터를 만들었습니다.
1,000억 파라미터 미만 오픈웨이트 모델 가운데 DeepSWE v1.1(48.2%), SWE-bench Pro v2 Hard(77.9%), MCP Atlas(82.7%) 등에서 1위를 기록했습니다. 루프는 추론력은 높이지만 지식량은 늘리지 못해서, 부족한 지식은 검색과 도구 사용으로 메운다고 설명했습니다. Tinker에서 추론과 파인튜닝을 바로 쓸 수 있습니다.
원문: https://thinkingmachines.ai/news/inkling-2-mini/
오픈AI, 증류 공격 방어책 공개
오픈AI가 자사 모델의 출력, 특히 추론 과정(CoT)을 무단으로 모아 다른 모델을 학습시키는 '적대적 증류'를 어떻게 막는지 공개했습니다. 사내 실험에서는 정확한 추론 기록으로 학습한 학생 모델이 요약본으로 학습한 모델보다 사이버 보안 능력을 더 많이 물려받았습니다. 허용된 작업의 출력이라도 추론 기록이 새면 공격 능력이 옮겨 갈 수 있다는 뜻입니다.
방어는 요청 단위와 캠페인 단위 두 층입니다. 모델이 추출 시도를 거절하도록 적대적으로 학습시키고, 입력·출력 분류기로 도구 호출 인자까지 검사합니다. GPT-6.2 Astra·Sol부터는 추론을 그것을 만든 대화 기록에 묶어서, 앞 메시지를 바꾸면 그 뒤 추론을 버립니다. 그 결과 이전 요청의 추론을 빼내는 공격 성공률이 GPT-6 Astra의 54.0%에서 0.2%로 떨어졌습니다.
원문: https://openai.com/index/combatting-adversarial-distillation
시그널, OS에 들어간 AI 에이전트의 화면 수집 차단
시그널이 모바일 OS에 들어간 AI 에이전트가 시그널 대화를 읽어 가지 못하게 막는다고 발표했습니다. 구글 제미나이 인텔리전스와 애플 시리의 화면 인식 기능처럼 화면을 스캔하는 에이전트를 겨냥한 조치입니다. iOS 27에서는 앱 화면 캡처를 막고, 안드로이드에서는 AI 비서가 화면 데이터를 가져가려 할 때 차단합니다. 작년 윈도우 Recall에 했던 대응과 같은 방식입니다.
시그널은 앱이 AI 데이터 접근을 쉽게 거부할 수 있는 공식 수단과, AI 에이전트가 데이터를 어떻게 다루는지 설명하는 문서를 애플·구글·마이크로소프트에 요구했습니다. 접근성 권한을 이용하는 메타 뮤즈 같은 서드파티 에이전트도 문제로 꼽았습니다.
원문: https://signal.org/blog/protecting-your-privacy/
GPT-6.2, 심플벤치에서 이전 버전보다 낮은 점수
상식 추론과 함정 문제로 구성된 심플벤치(SimpleBench) 순위표에 GPT-6.2가 올라왔습니다. GPT-6.2 Astra Pro는 79.2%로 16위, GPT-6.2 Astra는 77.3%로 17위였습니다. 이전 버전인 GPT-6 Astra Pro(86.5%)와 GPT-6 Astra(83.6%)보다 낮고, 사람 평균(83.7%)에도 못 미칩니다.
1위는 클로드 페이블 5.2(94.9%)로, 최고 인간 점수 95.4%에 거의 닿았습니다. 2~5위는 제미나이 4 계열이 차지했습니다. 새 모델이 코딩 벤치마크에서 앞서도 일상 추론 점수는 오히려 떨어질 수 있다는 점에서 모델 선택에 참고할 만한 결과입니다.
원문: https://simple-bench.com/
앤트로픽, 상시 작동 에이전트 설계 가이드
앤트로픽이 사람의 지시 없이도 상황을 기억하며 먼저 움직이는 '상시 작동(always-on)' 에이전트를 만드는 방법을 정리했습니다. 이런 에이전트도 실제로는 대부분 잠들어 있다가 이벤트가 오면 깨어나 한 번 일하고(run) 기록을 남기는 구조입니다.
핵심 구성 요소는 이벤트 인박스, 타이머, 메모리, 권한, 아웃박스 다섯 가지입니다. 웹훅·예약 작업 같은 이벤트를 에이전트에 바로 넘기지 말고 DB 인박스에 쌓은 뒤 워커 하나가 꺼내 처리하라고 권합니다. 인박스를 기준 정보로 삼아야 워커가 죽어도 재시도할 수 있고, 연달아 온 메시지는 한 번에 묶어 처리할 수 있습니다.
원문: https://claude.com/ko/resources/articles/building-always-on-agents
마스터링 이맥스 저자의 코딩 하네스 DreamCoder
『Mastering Emacs』 저자 미키 피터슨이 15개월 동안 만든 AI 코딩 하네스 DreamCoder를 공개했습니다. 터미널 화면에 갇힌 지금의 코딩 에이전트들이 불편하다는 문제의식에서 출발했습니다. 그래서 브라우저에서 도는 타일링 윈도우 매니저 형태로 만들었고, 세 운영체제를 모두 지원합니다.
발표 글은 LISP·이맥스와 AI의 역사를 함께 다룹니다. 1950년대 존 매카시의 Advice Taker부터 지금의 에이전트까지 이어지는 흐름 속에 이 도구를 놓았습니다.
원문: https://www.masteringemacs.org/article/announcing-dreamcoder
IBM PC XT에서 도는 코딩 에이전트 ClawDOS
8088 CPU(4.77MHz), 640KB 메모리, CGA 그래픽의 IBM PC XT에서 돌아가는 AI 코딩 에이전트 ClawDOS가 공개됐습니다. 제작자는 어릴 때 처음 쓴 컴퓨터에 최신 기술을 얹어 보고 싶어 이 프로젝트를 시작했습니다. 저장소 코드는 직접 쓴 소개 글 한 상자를 빼면 100% 클로드가 작성했다고 합니다.
현대 개발 환경과 거리가 먼 제약 속에서 AI 코딩 에이전트를 어디까지 밀어붙일 수 있는지, 그 에이전트가 만든 도구가 다시 다른 것을 만들 수 있는지 시험한 실험입니다.
원문: http://ricapar.net/ClawDOS/
나무숲(TreeSoop)은 매일 아침 개발자에게 필요한 AI 소식만 골라 정리합니다. AI 에이전트 도입이나 자동화 구축이 고민이라면 treesoop.com에서 문의해 주세요.