하버드대 연구진이 개방형 프로토콜 Choir를 공개했다. 여러 기여자의 에이전트가 수학 형식화 프로젝트를 분담하는 방식이다. 기여자는 각자 자기 LLM 구독으로 증명을 쓰고, 조정은 프로젝트의 GitHub 저장소 하나에서 이뤄지며, 모든 제출은 결정론적 검증 게이트를 통과해야 병합된다. 시연에서는 MIT 강의 노트 한 권을 Lean 4 정리 285개로 형식화했다.
Ghidra는 NSA 연구국이 만들어 2019년에 공개한 소프트웨어 리버스 엔지니어링 프레임워크다. 현재 배포판은 12.1.4이고, 개발 중인 12.2는 모든 클라이언트와 서버 사이의 연결에 TLS 서버 인증을 강제한다. 2019년부터 2025년까지 7년 동안 4건이던 보안 권고가 2026년에는 한 해에만 29건 공개됐고, 그중 7건의 본문은 Claude나 LLM, AI 기반 취약점 탐지 시스템을 언급한다.
Wi-Fi와 블루투스를 갖춘 마이크로컨트롤러 ESP32로 만든 공개 프로젝트 28개를 사진과 시연 영상으로 소개한다. 대부분의 장치에서 ESP32는 센서와 모터, 화면, 스피커, 무선을 직접 다루고, 음성 인식이나 언어모델 같은 무거운 계산은 서버나 PC가 처리한다. 칩 세대에 따라 블루투스 Classic과 PSRAM 지원이 달라서, 따라 만들려면 프로젝트가 지정한 보드를 먼저 확인해야 한다.
라고스(Lagos)에 있는 연구소 Bad Theory Labs가 언어 모델의 한 줄짜리 추론 대신 명시적 상태 위에서 여러 분기를 한꺼번에 전개하고, 같은 상태는 병합하고, 작은 판정기로 막다른 분기를 제거하는 탐색 방식을 공개했다. 어려운 카운트다운 30문제에서 같은 판정기와 같은 예산으로 단일 사슬은 21문제, 이 방식은 30문제를 풀었고, 필요한 순차 단계는 23.7에서 3으로 줄었다. 코드 과제에서는 차이가 잡음 수준이었고, 언어 모델을 학습시키는 일은 다음 단계로 남았다.
Vectorize.io가 MIT 라이선스로 공개한 에이전트 메모리 시스템 Hindsight의 README와 문서를 정리했다. 저장한 사실을 근거가 딸린 관측과 멘털 모델로 통합해 에이전트가 경험에서 배우도록 설계했고, LongMemEval에서 94.6%를 보고한다.
Alexey Borsky가 공개한 mini-AGI는 8GB VRAM GPU 한 장에서 처음부터 학습하고, 배치 1의 데이터 스트림을 읽는 동안 학습을 멈추지 않는 바이트 단위 언어 모델이다. 전문가 가중치를 디스크 파일로 저장해 필요한 것만 GPU에 적재하며, 저자의 실험에서 망각을 억제한 핵심 요인은 전문가 풀보다 트렁크 학습률을 10분의 1로 낮춘 설정이었다.
Vercel Labs가 공개한 Generative UI 프레임워크. AI는 개발자가 카탈로그에 등록한 컴포넌트와 액션만으로 JSON 스펙을 만들고, 29개 패키지가 그 JSON을 React 화면부터 PDF, 영상, 터미널까지 각자의 형식으로 그린다.
샤오미가 2026년 9월 22일 네이티브 옴니모달 모델 MiMo-V2.6 Pro와 Flash를 공개하고 오픈소스로 풀었다. Pro는 Artificial Analysis Intelligence Index에서 46.32점을 받아 오픈소스 최고 기록을 세웠고 가격은 이전 세대 그대로다. 발표문은 30스텝 RL 학습의 비용과 곡선, 학습 환경과 RL 코드까지 함께 공개했다.
위키백과와 교육 과정, 오프라인 지도, 원하면 설치하는 로컬 AI를 인터넷 없이 돌아가는 컴퓨터 한 대에 담는 오픈소스 서버. 공개 반년 만에 깃허브 스타 3만 7천 개를 넘겼고, 릴리스 내역을 보면 이 프로젝트의 어려움은 지식 저장보다 소비자용 GPU에서 돌리는 로컬 추론 쪽에 있었다.
비자기회귀 결정 모델 Laya를 애플 Core ML과 Neural Engine으로 옮긴 독립 포팅 저장소다. M3 Max에서 짧은 결정 하나가 4.98ms, 컴파일한 MLX FP16 대비 속도 1.39배와 결정당 에너지 2.78배를 기록했다. 저자가 목표로 받았던 10배는 나오지 않았고, 문서는 그 미달을 첫 화면에 적은 뒤 왜 어려운지를 연산량과 대역폭으로 따로 계산해 두었다.