FEEDON
AI NEWS
-
FLUX 3와 공개 코드 데이터가 함께 커진 이유
latent.space 2026-07-24 호를 바탕으로 FLUX 3, The Stack v3, Qwen-Audio-3.0-TTS, Etched, 오스트리아 정부 플랫폼을 정리합니다. The Stack v3의 114 TB 원시 데이터와 5T 토큰이 왜 중요한지도 봅니다.
-
AgentCore Identity에 Private Key JWT가 붙었습니다
AWS AgentCore Identity의 Private Key JWT 지원을 정리합니다. KMS 비대칭 키, RS256·PS256·ES256, 3가지 grant flow, 공개 키 형식 차이와 실무 점검 항목까지 함께 확인할 수 있습니다.
-
자연어로 Grafana 장애 원인을 좁히는 SRELens
LY Corporation Home SRE 팀이 Grafana용 SRELens를 만든 이유와 구조를 정리합니다. 메트릭·로그·트레이스를 자연어로 묶고, 라벨 분리와 프롬프트 레이어로 운영 제어를 강화했습니다. 원문은 한도 초과 시 HTTP 429를 반환합니다.
OPEN SOURCE
-
Kimi K3를 AWS에 배포할 때 먼저 확인할 조건
AWS의 Deploying Kimi K3 on AWS를 바탕으로 Kimi K3의 2.8 trillion 파라미터 MoE 구조, 104 billion 활성 파라미터, ml.p6-b300.48xlarge 예약 용량 요구와 SageMaker HyperPod·Amazon EKS 경로를 정리합니다.
-
FLUX-dev 메모리를 줄인 Diffusers 양자화 비교
Diffusers가 FLUX-dev에서 bitsandbytes 4-bit·8-bit와 BF16을 비교한 수치를 정리합니다. BF16은 31.447 GB였고, 4-bit는 12.584 GB, 8-bit는 19.273 GB였습니다. 측정은 1x NVIDIA H100 80GB GPU에서 이뤄졌습니다.
-
pkgxray는 설치 전을 검사합니다
GitHub의 pkgxray가 npm 패키지와 MCP 서버를 설치 전 정적 분석하는 방식, [email protected]의 SAFE A+ 99/100 판정, 15/16 파일 일치, 그리고 실무에서 설치와 연결 앞단에 둘 점검 지점을 정리합니다.
RESEARCH
-
PipelineRL이 대규모 RL의 지연을 줄인 방식
PipelineRL이 추론 처리량과 정책 일치 데이터 수집의 충돌을 실행 중 가중치 갱신으로 줄인 방식을 정리합니다. 7B 실험은 2개 노드에서 ~3.5일이었고, 배치 크기 4096·학습률 1e-6·최대 생성 토큰 수 8192를 같은 설정으로 썼습니다.
-
하네스 설정 두 개가 ARC-AGI-3 점수를 바꿨다
OpenAI가 공개한 ARC-AGI-3 분석을 바탕으로, GPT-5.6 Sol의 점수가 7.8%에서 38.3%로 달라진 이유를 정리합니다. 하네스 설정, 유지된 추론, 175,000 문맥 한계, 출력 토큰 6x 감소, 공개 집합 수치도 함께 읽습니다.
-
Lean 증명에서 92.2%를 만든 TTRL 검색
huggingface.co의 Kimina-Prover 글을 바탕으로 miniF2F-test에서 pass@1 63.9, pass@32 84.0, 최종 92.2%가 나온 구조와 오류 수정·lemma 재사용의 실무 포인트를 정리합니다.
AUTOMATION
-
Amazon Quick로 이탈 고객 대응을 분 단위로 바꾼 흐름
aws.amazon.com 글을 바탕으로 Amazon Quick가 five days 걸리던 이탈 대응을 minutes로 줄이는 흐름을 정리합니다. CSAT 1–5 점수, 12% 손실, 2 이하 기준과 S3 자동화까지 확인할 수 있습니다.
-
사내 GPU에서 검증된 코드 보조기를 운영하는 구조
developer.nvidia.com의 「How to Self-Host a Validated AI Coding Assistant with NVIDIA NeMo Guardrails」를 바탕으로, 24 GB GPU 요건과 9101 포트 지표 수집, H100/H200 파일럿 조건, CI 검증의 의미를 정리합니다.
-
Yorishiro는 AI 에이전트를 터미널에 들인다
github.com의 Yorishiro가 터미널 안에 AI 에이전트를 들이는 방식과, React 19와 TypeScript 5.8, macOS 대상, Homebrew cask 설치, API 키 미사용, 서명 검증 업데이트까지 원문 수치로 정리합니다.
전체 글
-
FLUX 3와 공개 코드 데이터가 함께 커진 이유
latent.space 2026-07-24 호를 바탕으로 FLUX 3, The Stack v3, Qwen-Audio-3.0-TTS, Etched, 오스트리아 정부 플랫폼을 정리합니다. The Stack v3의 114 TB 원시 데이터와 5T 토큰이 왜 중요한지도 봅니다.
-
AgentCore Identity에 Private Key JWT가 붙었습니다
AWS AgentCore Identity의 Private Key JWT 지원을 정리합니다. KMS 비대칭 키, RS256·PS256·ES256, 3가지 grant flow, 공개 키 형식 차이와 실무 점검 항목까지 함께 확인할 수 있습니다.
-
자연어로 Grafana 장애 원인을 좁히는 SRELens
LY Corporation Home SRE 팀이 Grafana용 SRELens를 만든 이유와 구조를 정리합니다. 메트릭·로그·트레이스를 자연어로 묶고, 라벨 분리와 프롬프트 레이어로 운영 제어를 강화했습니다. 원문은 한도 초과 시 HTTP 429를 반환합니다.
-
PipelineRL이 대규모 RL의 지연을 줄인 방식
PipelineRL이 추론 처리량과 정책 일치 데이터 수집의 충돌을 실행 중 가중치 갱신으로 줄인 방식을 정리합니다. 7B 실험은 2개 노드에서 ~3.5일이었고, 배치 크기 4096·학습률 1e-6·최대 생성 토큰 수 8192를 같은 설정으로 썼습니다.
-
Kimi K3를 AWS에 배포할 때 먼저 확인할 조건
AWS의 Deploying Kimi K3 on AWS를 바탕으로 Kimi K3의 2.8 trillion 파라미터 MoE 구조, 104 billion 활성 파라미터, ml.p6-b300.48xlarge 예약 용량 요구와 SageMaker HyperPod·Amazon EKS 경로를 정리합니다.
-
하네스 설정 두 개가 ARC-AGI-3 점수를 바꿨다
OpenAI가 공개한 ARC-AGI-3 분석을 바탕으로, GPT-5.6 Sol의 점수가 7.8%에서 38.3%로 달라진 이유를 정리합니다. 하네스 설정, 유지된 추론, 175,000 문맥 한계, 출력 토큰 6x 감소, 공개 집합 수치도 함께 읽습니다.
-
Amazon Quick로 이탈 고객 대응을 분 단위로 바꾼 흐름
aws.amazon.com 글을 바탕으로 Amazon Quick가 five days 걸리던 이탈 대응을 minutes로 줄이는 흐름을 정리합니다. CSAT 1–5 점수, 12% 손실, 2 이하 기준과 S3 자동화까지 확인할 수 있습니다.
-
공장 질문을 한 번에 묶는 AWS 에이전트 분석
AWS의 「Generate Autonomous Business Insights with AI Agent and MCP Servers」를 바탕으로, 12개 조립 라인과 2,000대 기계 사례, 130% 정격 용량과 94%→87% 가용성 변화를 통해 에이전트 BI 구조와 실무 함의를 정리합니다.
-
FLUX-dev 메모리를 줄인 Diffusers 양자화 비교
Diffusers가 FLUX-dev에서 bitsandbytes 4-bit·8-bit와 BF16을 비교한 수치를 정리합니다. BF16은 31.447 GB였고, 4-bit는 12.584 GB, 8-bit는 19.273 GB였습니다. 측정은 1x NVIDIA H100 80GB GPU에서 이뤄졌습니다.
-
사내 GPU에서 검증된 코드 보조기를 운영하는 구조
developer.nvidia.com의 「How to Self-Host a Validated AI Coding Assistant with NVIDIA NeMo Guardrails」를 바탕으로, 24 GB GPU 요건과 9101 포트 지표 수집, H100/H200 파일럿 조건, CI 검증의 의미를 정리합니다.