Soofi S 30B-A3B: 독일어·영어 특화 오픈소스 하이브리드 Mamba-Transformer MoE foundation model 분석
Soofi S 30B-A3B는 Mamba-Transformer 하이브리드 MoE 구조의 오픈소스 foundation model로, 총 31.6B 파라미터 중 추론 시 3.2B만 활성화하여 독일어와 영어에 특화된 효율적 성능을 제공한다. 핵심 쟁점과 실무 적용 포인트를 함께 정리합니다.
AI & 오픈소스
ai_opensource_automatic
부동산 금융을 바꾸는 AI 에이전트: Built Technologies의 AWS 문서 인텔리전스 솔루션 해부
Built Technologies가 AWS 위에 AI 문서 인텔리전스 솔루션을 구축해 부동산 금융 에이전트의 업무를 자동화한 사례를 분석한다. 기술 아키텍처와 비즈니스 임팩트, 생태계적 시사점을 함께 다룬다. 핵심 쟁점과 실무 적용 포인트를 함께 정리합니다. 핵심 쟁점과 실무 적용 포인
Physical AI 시대, 데이터는 새 광유다 – 머니볼로 읽는 학습데이터 경제학
Physical AI 학습데이터는 무료 채굴이 불가능한 희소자원이다. 달러당 한계 효용과 신선도 곡선, 멱법칙 손실 모델을 결합해 자본 효율과 ROI를 설계하는 데이터 경제학 프레임워크를 제안한다. 핵심 쟁점과 실무 적용 포인트를 함께 정리합니다. 핵심 쟁점과 실무 적용 포인트를 함께
Google LiteRT.js 살펴보기: 브라우저에서 .tflite를 WebGPU로 굴리는 법과 성능 함정
Google이 2026년 7월 9일 공개한 LiteRT.js는 .tflite 모델을 브라우저에서 직접 실행하는 자바스크립트 바인딩이다. WebAssembly, XNNPACK, WebGPU, WebNN 기반 가속 스택과 Google이 보고한 성능 수치, 텐서 수동 관리 같은 실무 포인트를
Bonsai 27B 완전 분석 – 27B 모델이 iPhone 안으로 들어오기까지, 1비트 양자화의 모든 것
Bonsai 27B는 PrismML이 Qwen3.6 27B에 가중치당 1~1.71비트 극단 양자화를 적용해 메모리 풋프린트를 1.58GB~5.9GB로 축소한 온디바이스 모델로, 추론·도구 호출·비전·컴퓨터 사용 네 기능을 한 휴대전화에서 동시에 수행해 엣지 AI 전환 신호탄으로 평가된다
PostHog, ANTLR C++ SQL 파서를 Claude Code로 재작성해 70배 속도와 무불일치를 달성하다
PostHog가 ANTLR 기반 C++ SQL 파서를 Claude Code로 16K줄 Rust 파서로 재작성해 노트북 기준 약 70배 속도 향상과 섀도 모드 무불일치를 달성한 사례와 차등 테스트 검증 방법론을 분석한다. 핵심 쟁점과 실무 적용 포인트를 함께 정리합니다.
27B 모델이 노트북과 스마트폰에 착지하다, PrismML Bonsai 27B와 1-bit·ternary 양자화의 의미
PrismML이 Qwen3-27B 기반 27B 모델을 1-bit과 ternary로 양자화한 Bonsai 27B 빌드를 2026년 7월 14일 공개했다. 노트북·스마트폰에서 구동 가능한 오픈웨이트 전략과 AWS Nova Act 기반 에이전틱 자동화 흐름까지 함께 조망한다.
Strands Agents와 Amazon Bedrock으로 구현하는 멀티에이전트 소셜 인텔리전스 : 분산된 잠재고객 신호를 영업 인텔리전스로 통합하는 아키텍처 분석
Amazon Bedrock과 Strands Agents 오픈소스 SDK로 구현하는 멀티에이전트 소셜 인텔리전스 아키텍처 분석. GitHub, Hacker News, Reddit, Stack Overflow 분산 신호를 교차 통합해 잠재고객 의도 신뢰도를 높이는 B2B 영업 인텔리전스 패
FOSS for All Microgrants 시작, 국내 오픈소스에 어떤 길을 여는가
FOSS for All Microgrants 지원 사업의 모집 주체, 기부금 흐름, 운영비 집행 구조와 Fiscal Sponsorship 구축을 위한 단계별 로드맵 및 국내 오픈소스 생태계 영향을 정리한 분석 글입니다. 핵심 쟁점과 실무 적용 포인트를 함께 정리합니다.
장기 실행 LLM 에이전트의 메모리 실패, 왜 디버깅이 어려운가 – Brain-AI Memory가 제시한 재분류 아키텍처 해부
Brain-AI Memory는 장기 실행 LLM 에이전트의 메모리 실패를 단일 retrieval 실패로 환원하지 않고, 메모리·규칙·상태·라우팅·입력 게이트 다섯 축과 lifecycle으로 분리해 진단하는 오픈 아키텍처를 제시한다. 핵심 쟁점과 실무 적용 포인트를 함께 정리합니다.