LiquidAI가 텍스트를 생성하는 대신 질문에 대한 답을 바로 반환하는 결정 모델 d1-3B와 d1-omni-600M을 출시했습니다. 텍스트·JSON·이미지·음성 형태의 상태와 질문 목록을 입력받고, 생성 토큰 없이 모델의 분포에서 답을 직접 읽어내는 방식입니다①.

d1-3B는 Decision Index 0.2.1 기준 48.57점으로 10B 이하 모델 중 가장 높은 점수를 기록했고, 35B 규모 Decider 모델(47.11점)보다도 높았습니다. 추론 시간은 RTX 4090에서 8ms, Apple M5 Pro에서 30ms로 제시됐습니다②.

커뮤니티에서는 d1-omni-600M을 WebGPU 기반으로 브라우저에서 실행해, 댓글에 대한 4개 질문(독성, 스팸, 질문 여부, 어조)을 평균 180ms에 처리한 데모가 공유됐습니다③.

OpenAI가 공개한 수학 결과 중 바넷 추측(Barnette's Conjecture) 관련 풀이에서는 그래프의 변에 복소수 값을 갖는 지수 합을 적용하고 복소근과 소멸항을 활용하는 방식이 쓰였습니다. 이를 두고 한 수학 전문가는 그 기법이 어디서 나왔는지 이해하기 어렵다는 반응과 함께, 양자물리학에서 쓰이는 기호 조작 기법에 가깝다고 평가했습니다①.

Prinz의 트윗에서는 이번 결과가 단순한 문제 풀이 능력을 넘어, 수학자들이 말하는 '리서치 테이스트(research taste)', 즉 어떤 연구 방향이 유망한지 알아보는 감각을 보여준다는 분석이 나왔습니다②.

Anthropic이 경량·고속 모델 라인업 Claude Haiku의 최신 버전 5.5를 공개했습니다①. 실제 작업 흐름에 써본 사용자 게시글에서는 이전 버전보다 크게 나아졌다며 'major upgrade'로 평가했고, 응답 속도와 코딩, 일상 업무 보조에서의 향상이 언급됐습니다②.

다른 게시글에서는 'Lava Lamp Test'로 불리는 특정 창의적·시각적 추론 과제에서 Haiku 5.5가 기대에 미치지 못했다는 결과가 공유됐습니다③.

한 사용자는 CMP 170HX 64GB 2장으로 GLM-5.3-Flash(총 320B 파라미터 중 18B가 활성화되는 MoE 구조)를 EXL3 3.05bpw로 양자화해 384K 컨텍스트에서 약 90 tok/s를 냈다고 공유했습니다. 약 125GB의 가중치를 두 GPU의 HBM 메모리에 모두 올려, 생성 중 시스템 RAM에서 전문가 가중치를 불러오지 않는 구성이었습니다①.

llama.cpp에는 호스트 메모리에 둔 MoE 전문가 가중치를 위해 GPU 캐시를 추가하는 PR이 올라왔습니다. VRAM이 부족해 일부 전문가를 CPU 메모리에 두는 환경에서, 자주 쓰이는 전문가를 GPU에 캐싱해 추론 속도를 높이는 방식입니다②.

한 사용자는 Ternary Bonsai 2 27B 모델에 맞춰 DFlash2 드래프터를 다시 학습시켰고, L4 GPU에서 최대 2.2배, 코드 편집 작업에서는 3.15배의 추론 속도 향상을 공유했습니다①.

llama.cpp에는 GLM5Next 모델에 한 번에 여러 토큰을 예측하는 MTP(Multi-Token Prediction)를 추가하고 최적화하는 PR이 올라왔습니다②.

4GB 램의 저가 스마트폰 Galaxy A04e에서 별도 수정 없는 GLM-Edge-1.5B-Chat 모델이 아마존 장바구니에 배터리와 고무오리를 담는 작업을 완수했습니다. 스크린샷이나 HTML 대신 구조화된 '브라우저 인지 레이어'만으로 판단했으며, 약 8.5분이 걸렸고 갤럭시 S21에서는 3분이 걸렸습니다①.

19,969개 파라미터, 용량 81KB인 MacroStories 모델이 100~300단어 분량의 완결된 이야기를 생성했습니다. 기존 TinyStories 모델보다 약 50배, AlexNet보다 약 3000배 작은 규모로 소개됐습니다②.