읽을 가치가 있는 기사만, 짧고 또렷하게.

프로그래밍 언어 Odin이 2016년 첫 커밋 이후 10년간 성장하며 첫 정식 릴리스 버전을 Odin 2027이라는 이름으로 준비하고 있습니다. 이 버전은 Odin의 공식적인 출시를 의미하며 개발자 커뮤니티에서 큰 기대를 모으고 있습니다.

Odin 2027의 정식 릴리스에 있어 가장 핵심적인 기준은 컴파일러가 따라야 하는 완전한 언어 명세입니다. 개발자들은 이 명세가 Odin 2027에서 타협하지 않을 조건으로 설정되었다는 점에 주목해야 합니다. 이는 언어의 일관성과 명확성을 보장하기 위한 중요한 약속입니다.

따라서 Odin 2027은 단순한 버전 업데이트를 넘어, 컴파일러와 언어 명세 간의 완벽한 일치를 목표로 하는 중요한 이정표가 될 것입니다. 이로 인해 Odin 생태계는 더욱 견고하고 예측 가능한 기반 위에서 발전할 수 있게 됩니다.

코드 모드를 적용하여 시스템 비용을 99.2% 절감하는 실험 결과가 나왔습니다. 이는 에이전트 스웜 시스템에서 여러 도구 호출을 수행할 때, 개별 호출 대신 스크립트를 사용하여 단일 결과만 모델에 전달함으로써 토큰 사용량을 획기적으로 줄일 수 있음을 보여줍니다.

이 실험은 에이전트가 도구를 사용하는 방식에 대한 비용 효율성을 측정하기 위해 진행되었으며, 실제 운영 데이터(24개의 워크플로우와 60개의 스케줄)를 기반으로 측정되었습니다. 기존의 순차적인 도구 호출 방식은 126번의 호출을 통해 약 815,000 토큰을 소모하고 약 2~6.5분의 시간을 필요로 하며 약 2.44달러의 비용이 발생했습니다.

반면, 코드 모드(Code Mode)를 적용한 스크립트 방식은 단 26번의 호출로 13.12초 만에 작업을 완료했으며 비용은 0.02달러로 측정되었습니다. 이는 원본 데이터가 모델의 컨텍스트에 도달하는 양이 약 126배 줄어들어 99.2%의 비용 절감 효과를 가져왔습니다.

이 결과는 에이전트 시스템에서 중간 결과를 모델에 전달하지 않고 스크립트가 모든 작업을 처리하도록 하는 것이 토큰 경제성을 극대화하는 효과적인 방법임을 시사합니다. 이는 에이전트의 효율성과 비용 최적화를 위한 새로운 접근 방식을 제시합니다.

Wire가 Cloudflare Durable Objects에서 벗어나 자체 컨테이너 런타임을 구축한 배경에 대한 내용입니다. Wire는 AI 에이전트를 위한 컨텍스트 컨테이너를 제공하며, 기존에는 모든 컨테이너가 Cloudflare Durable Object를 사용했지만, Wire는 네 가지 구조적 한계 때문에 이 플랫폼을 떠나기로 결정했습니다.

주요 한계는 벡터 인덱스와 데이터의 분리, 컴퓨팅과 데이터의 근접성 부족, 그리고 컨테이너 배치 방식의 제약 등입니다. 기존 방식에서는 검색에 필수적인 벡터 인덱스가 별도의 서비스에 존재하여 네트워크 지연이 발생했고, 컨테이너가 호출자 근처에 배치되지 않아 성능 병목이 발생했습니다.

이에 Wire는 컨테이너 내부에 벡터 인덱스를 내장하고, 컴퓨팅 환경을 Fly Machines에서 실행하며, 리전별 라우터를 통해 컨테이너를 호출자 근처에 배치하는 새로운 아키텍처를 구축했습니다. 이 변화를 통해 검색 성능이 개선되었으며, 따뜻한 도구 호출(warm tool calls) 시간은 0.3초로 단축되었습니다.

이러한 개선은 검색 정확도 향상으로 이어졌는데, 재현율(recall@5)이 78.1%에서 89.1%로 향상되었습니다. 현재 새로운 런타임은 베타 단계에 있으며, 향후 컨테이너 런타임 코드를 오픈소스로 공개할 계획입니다.

사용자가 업로드한 HTML과 JavaScript를 호스팅할 때 보안 취약점, 특히 코드 주입이나 세션 하이재킹을 어떻게 방지하는지에 대한 질문에 대해 설명합니다. 이 시스템은 업로드된 코드를 검사하여 제거하는 대신, 모든 페이지를 잠재적으로 적대적이라고 가정하고 실행 환경 자체를 안전하게 만드는 접근 방식을 채택합니다.

이러한 보안을 위해 페이지는 특정 출처(origin)가 없는 샌드박스 환경에서 실행되며, 공유된 페이지는 사이트 내에 직접 렌더링되지 않고 샌드박스 iframe 내에 로드됩니다. 이 샌드박스는 `allow-scripts`와 `allow-same-origin`을 함께 허용하지 않음으로써 프레임된 스크립트가 실제 출처를 갖지 못하게 하여 쿠키나 로컬 저장소에 접근하는 것을 차단합니다.

또한, 페이지는 별도의 쿠키가 없는 출처에서 제공되며, 로그인 세션 정보는 애플리케이션 출처에만 존재합니다. 따라서 스크립트 주입이나 세션 하이재킹 공격이 발생하더라도 공격자는 해당 출처에서 세션 쿠키나 토큰을 획득할 수 없게 됩니다.

결론적으로 보안은 개별적인 제어 기능이 아니라 이러한 격리된 샌드박스와 분리된 출처를 통해 구현되는 설계에 달려 있습니다. 이는 업로드된 콘텐츠의 안전성을 보장하며, 사용자가 접근할 수 있는 페이지의 출처를 통제하는 데 중점을 둡니다.

Grok 4.5가 GPT-5.5, Claude Opus 4.8, Claude Fable 5와 동일한 인터랙티브 앱을 구축하는 비교 실험에서 속도와 비용 면에서 가장 우수한 성능을 보였습니다. 이 실험은 각 모델이 코딩, 추론, 요약 등 다양한 작업을 처리할 때의 지연 시간과 비용을 측정하는 방식으로 진행되었습니다.

3차원 루빅스 큐브와 같은 상태 기반 작업에서는 Claude Opus 4.8과 Claude Fable 5가 첫 시도에서 가장 정확하고 완성도 높은 결과를 도출하며 승부를 가르는 데 기여했습니다. 반면 Grok 4.5는 첫 시도에서 실패를 겪었으나 재시도를 통해 성공했으며, GPT-5.5는 큐브 구현에서 색상과 형태가 불완전한 결과를 보였습니다.

전반적인 성능과 효율성을 종합적으로 평가했을 때 Grok 4.5는 가장 빠른 토큰 처리 속도와 가장 낮은 비용을 기록하며 '시간당 비용 대비 지능'이라는 측면에서 강점을 보였습니다. 이는 고부하 코딩 작업에서 지연 시간과 비용이 복합적으로 작용하는 환경에서 특히 중요한 지표입니다.

결론적으로 Grok 4.5는 속도와 가치 면에서 최고의 모델로 평가되지만, Claude Opus 4.8과 Fable 5는 가장 신뢰할 수 있는 빌더로 자리매김했습니다. 개발자는 작업의 종류와 요구되는 정확도에 따라 각 모델의 장단점과 비용 효율성을 고려하여 선택해야 합니다.

MIT 공개강좌에서 제공하는 '컴퓨터 프로그램의 구조와 해석(Structure and Interpretation of Computer Programs)' 강의 영상 자료를 소개합니다. 이 영상들은 1986년 7월에 휴렛 팩커드(Hewlett-Packard) 직원들을 위해 제작되었으며, Hal Abelson과 Gerald Jay Sussman이 진행한 과정 전체를 담고 있습니다.

이 강의들은 컴퓨터 과학의 근본적인 이론과 프로그램 구조에 대한 핵심 개념을 다루고 있습니다. 특히 Lisp, 치환 모델, 패턴 매칭, 그리고 계산 객체와 같은 주제를 통해 프로그래밍의 기초가 되는 추상적인 사고방식과 알고리즘의 구조를 이해하는 데 도움을 줍니다.

비록 이 강의들은 1985년 제1판을 기반으로 하지만, 이후 1996년 제2판으로 재작성된 많은 프로그램들이 포함되어 있어 전체적인 주제와 순서는 그대로 유지됩니다. 따라서 이 영상들은 현대 프로그래밍에 필요한 근본적인 개념을 이해하는 데 여전히 유용합니다.

이 자료는 에릭 그림슨, 피터 숄로비츠, 트레버 대렐 교수 등이 지도한 과정의 내용을 담고 있으며, 상업적 사용이 가능한 크리에이티브 커먼스 라이선스로 제공됩니다. 개발자들이 컴퓨터 프로그램의 작동 방식을 깊이 있게 이해하고 추상적인 문제 해결 능력을 기르는 데 중요한 참고 자료가 될 것입니다.

메타는 스마트 글래스에 대한 대중의 반발에 대응하여 새로운 기능을 업데이트한다고 발표했습니다. 이 업데이트는 누군가가 글래스의 개인 정보 표시 LED를 조작하거나 파괴했을 경우 카메라를 비활성화하는 기능을 추가합니다. 이는 물리적으로 LED에 구멍을 뚫는 등의 행위를 하는 모더들을 방지하기 위한 조치입니다.

메타는 이전에 LED 조작을 막기 위해 시도한 바가 있습니다. 예를 들어, 두 번째 세대 글래스부터는 테이프 등으로 빛을 가리면 녹화 표시등을 해제하라는 프롬프트가 나타나도록 했습니다. 하지만 많은 모더들이 이러한 조치를 우회할 수 있는 다양한 해결책을 찾아냈습니다.

따라서 이번 업데이트는 기존의 경고 시스템을 넘어 물리적 조작에 대한 보안을 강화하는 데 중점을 둡니다. 이는 스마트 글래스 하드웨어와 소프트웨어 간의 상호작용에서 발생하는 보안 취약점을 해결하고 사용자 프라이버시를 보호하기 위한 시도입니다.

Startup Battlefield Australia 지원 마감일이 7월 20일로 최종 연장되었습니다. 관심이 폭발적으로 증가함에 따라 신청 마감일이 연장되었으니, 야심찬 스타트업을 운영하고 있다면 이 기회를 놓치지 말고 지금 바로 지원해야 합니다.

2017년 첫 대회 이후 스타트업 배틀필드 호주 프로그램은 이미 상당한 성과를 보였습니다. 26개의 졸업 기업이 총 1억 4,700만 달러 이상을 모금했으며 세 건의 성공적인 인수합병을 달성했습니다. 이들은 Y Combinator, Microsoft, 블랙버드 벤처스 등 세계적인 투자자들로부터 지원을 받았습니다.

선발된 창업자들은 이 대회를 통해 상위 투자자, 글로벌 미디어, 호주의 주요 창업자 및 운영자들과 직접 만날 기회를 얻습니다. 특히 상위 세 팀은 스트라이프 투어 시드니에서 라이브로 발표하며 최대 15,000달러의 스트라이프 수수료 크레딧을 받을 수 있습니다. 또한 최종 우승팀은 10월 샌프란시스코에서 열리는 테크크런치 디스럽트의 스타트업 배틀필드 200에 자동 진출하게 됩니다.

지원 자격은 호주와 뉴질랜드의 초기 단계 스타트업으로, 현재 제품을 구축하거나 강력한 성과를 보이며 확장 준비가 된 기업이어야 합니다. 지원 마감일은 7월 20일이며, 이 기회는 추가 연장 없이 최종 기회임을 명심해야 합니다.

미시간주에서 설사를 유발하는 장내 기생충의 발병 사례가 지난 2주 동안 급증하여 폭발적인 발생을 보이고 있습니다. 미시간 주 보건복지부(MDHSS)에 따르면, 6월 22일 이후 7월 6일 현재까지 700건 이상의 사례가 보고되었으며 36건의 입원 사례도 발생했습니다.

이러한 사례는 6월 30일에 170건으로 보고된 것에서 7월 4일에는 572건으로 크게 증가하며 빠르게 확산되었습니다. 현재까지 공식적으로 명확한 원인이 밝혀지지 않았기 때문에 당국은 공통된 발생 원인을 파악하기 위해 조사에 집중하고 있습니다.

당국은 현재 이 질병의 공통된 원인을 식별하기 위해 노력하고 있으며, 식품 매개 질병 예방에 대한 권고안을 발표하기도 했습니다. 따라서 해당 지역 주민들은 식중독 예방에 대한 주의를 기울여야 하며, 공식적인 원인 규명 결과에 따라 추가적인 지침이 제공될 예정입니다.

미국 에너지부(DOE)가 대규모 핵 폐기물 정화 프로젝트를 계획할 때 비용 효율적인 대안들을 부적절하게 배제하고 있다는 것이 정부회계감사국(GAO)의 보고를 통해 밝혀졌습니다. 이는 법적 및 규제 제약과 계약업체의 개입으로 인해 최적의 해결책이 아닌 덜 효율적인 해결책이 선택되는 결과를 낳고 있습니다.

GAO는 에너지부 환경관리국(EM)이 일부 대규모 프로젝트에 대해 임무 필요성(mission need)을 정의하는 기준을 준수하지 않았다고 지적했습니다. 임무 필요성 문서는 특정 해결책을 명시해서는 안 되지만, 실제 보고서에서는 '새로운 수은 처리 시설'과 같이 특정 해결책을 명시하는 경우가 많았습니다. 이러한 특정 해결책이 임무 필요성 단계에서 미리 결정되면서, 프로젝트 계획이 진행되는 동안 비용 절감 가능한 다른 대안들을 고려하지 못하게 되었습니다.

이에 GAO는 향후 대규모 프로젝트에서 DOE가 특정 해결책을 포함하는 임무 필요성을 승인하기 전에 이를 재검토하도록 하고, 규제 당국과 합의하기 전에 독립적인 전문가를 임무 필요성 검토 단계에 포함할 것을 권고했습니다. 에너지부는 이 두 가지 권고 사항에 동의했습니다.

결론적으로, DOE는 향후 프로젝트에서 광범위한 잠재적 해결책을 열어두기 위해 임무 필요성 정의 시 특정 해결책을 피하고, 법적 제약이나 계약업체의 영향으로부터 자유로운 독립적인 전문가의 검토를 반드시 포함해야 합니다.

메타가 자체 AI 연구 부서인 메타 슈퍼인텔리전스 랩스에서 개발한 새로운 AI 이미지 생성 모델인 뮤즈(Muse)를 출시했습니다. 이 모델은 내부적으로 맹고(Mango)라는 코드명을 가지고 있으며, 메타 AI 앱, 인스타그램 스토리, WhatsApp을 통해 무료로 제공됩니다.

뮤즈는 사용자가 아이디어를 구상할 수 있도록 미리 설정된 이미지 프롬프트인 '프리셋'을 제공하는 것이 특징입니다. 이를 통해 사용자는 광고 제작이나 인테리어 아이디어 구상 등 다양한 목적으로 이미지를 만들 수 있습니다. 특히 뮤즈는 프롬프트 기반 이미지 편집 기능을 지원하여 사진에서 불필요한 요소를 제거하거나 특정 배경을 추가하는 등 정교한 편집이 가능합니다.

이러한 기능은 페이스북 마켓플레이스와 연동하여 중고 가구 이미지를 생성하는 등 실제 상업적 활용 가능성을 높입니다. 또한 뮤즈를 기반으로 인스타그램 스토리에 적용할 수 있는 다양한 AI 효과와 필터도 함께 출시되었습니다.

메타는 뮤즈의 일상적인 사용은 무료로 제공하지만, 특정 사용량 제한을 넘어서는 경우 구독 플랜을 이용해야 한다고 밝혔습니다. 더 나아가 메타는 AI 비디오 생성 모델인 뮤즈 비디오를 개발 중이며, 이는 향후 콘텐츠 제작 환경에 큰 변화를 가져올 것으로 예상됩니다.

메타는 Muse Image 모델을 출시하면서 인스타그램 사용자들에게 콘텐츠에 대한 AI 생성을 차단하기 위해 선택 사항을 제공하고 있습니다. 공개 계정을 사용하는 인스타그램 사용자는 자신의 사진이 AI 이미지 생성에 사용되는 것을 막기 위해 옵트아웃을 해야 합니다.

이 변경 사항은 메타의 Muse Image 모델이 적용됨에 따라 발생했으며, 공개 계정 사용자가 자신의 콘텐츠가 AI를 통해 생성되는 것을 통제할 수 있도록 하는 데 중점을 둡니다. 사용자가 옵트아웃을 선택하지 않으면 다른 사용자가 자신의 사진을 AI 이미지에 사용할 수 있게 됩니다.

따라서 인스타그램 사용자는 자신의 사진이 AI로 생성되는 것을 원하지 않는 경우 반드시 이 옵션을 설정해야 합니다. 이는 사용자가 자신의 디지털 콘텐츠에 대한 통제권을 유지하도록 하기 위한 조치입니다.

넷플릭스가 세계에서 가장 인기 있는 유료 스트리밍 서비스임에도 불구하고 시청자들이 시즌이 끝난 후 시리즈를 계속 시청하는 데 어려움을 겪고 있습니다. 예를 들어, 출연자들의 갈등을 다룬 안티올로지 시리즈인 피프(Beef)는 올해 초 복귀했을 때 시청률의 70퍼센트를 잃었습니다.

이러한 현상은 시청자들이 이미 인기를 얻었던 프로젝트에 다시 몰입하지 않는 이유에 대한 혼란을 야기하고 있습니다. 시청자들이 아바타: 더 라스트 에어벤더(Avatar: The Last Airbender)나 원피스(One Piece)와 같은 인기작의 실사 각색물에 다시 몰입하지 않는 이유에 대해 많은 사람들이 궁금해하고 있습니다.

넷플릭스는 구독자들이 이탈하는 정확한 원인이 무엇인지 파악하기 위해 노력하고 있는 것으로 보입니다. 이는 스트리밍 서비스가 콘텐츠 제작과 시청자 유지 전략에 있어 중요한 변화를 겪고 있음을 시사합니다.

넷플릭스는 8월 3일부터 버즈페스트(BuzzFeed), 콘데나스트(Condé Nast), 허스트 매거진(Hearst Magazines), 피플 인크(People Inc), 타스테메이드(Tastemade) 등 수십 개의 디지털 미디어 브랜드의 영상 콘텐츠를 스트리밍 라이브러리에 추가합니다. 이번 계약에는 유튜브나 다른 온라인 플랫폼에서 일반적으로 공개되었던 과거 영상과 새로운 시리즈가 포함되어 있습니다.

이 새로운 콘텐츠는 건축 잡지인 아키텍처 다이제스트(Architectural Digest)의 "Open Door"나 버니티 페어(Vanity Fair)의 "Lie Detector Test"와 같은 콘텐츠를 포함하며, 시청자들이 넷플릭스를 떠나지 않고 인터넷 전반의 콘텐츠를 시청할 수 있도록 제공하는 것을 목표로 합니다.

넷플릭스는 이번 계약을 통해 구독자들이 "넷플릭스를 벗어나지 않고 인터넷 전반의 콘텐츠를 시청할 수 있게 되었다"고 설명했습니다. 이는 기존의 오리지널 콘텐츠 외에 다양한 외부 출처의 짧은 영상 콘텐츠를 제공함으로써 스트리밍 서비스의 콘텐츠 다양성을 확장하는 중요한 변화입니다.

OpenAI의 최고 미래학자였던 조슈아 아치암이 회사를 떠납니다. 그는 OpenAI에서 거의 9년 동안 AI 안전을 연구해 왔으며, 이 과정에서 뮤스크 대 알트만 소송에서 주목할 만한 역할을 수행했습니다.

아치암은 OpenAI에서 AI 안전 분야의 연구를 이끌면서 중요한 역할을 담당했습니다. 그의 퇴사는 AI 안전 연구와 같은 핵심 분야에서 경험을 쌓은 인재가 주요 AI 연구 기관을 떠난다는 점에서 주목받고 있습니다.

그는 AI 안전에 대한 깊은 이해와 법적 논쟁에 대한 경험을 보유하고 있어, 향후 AI 개발 및 안전 정책에 대한 논의에 중요한 시사점을 제공할 수 있습니다. 이러한 배경은 AI 시스템의 안전성과 윤리적 측면을 고려하는 개발자들에게 중요한 맥락을 제공합니다.

인공지능 데이터 센터의 에너지 수요 증가가 미국 전역의 전력망에 부담을 주면서 러스트 벨트 지역의 제조업체들이 전기 요금 상승으로 어려움을 겪고 있습니다. 이러한 에너지 비용 압박은 철강 및 벽돌 공장과 같은 산업체의 수익 마진을 위협하여 도널드 트럼프 대통령의 미국 제조업 부흥 계획인 “Made in America” 정책을 약화시킬 수 있습니다.

실제로 공장의 전기 요금은 다른 비즈니스 고객이나 주거 고객보다 더 빠르게 상승하고 있으며, 이는 PJM 인터커넥션이 관리하는 전력망 지역에서 더욱 두드러집니다. 예를 들어, 오하이오주의 벽돌 제조업체인 벨덴 벽돌 회사는 월별 용량 요금 증가로 인해 전기 요금이 월 1,600달러에서 12,000달러로 급증했습니다.

러스트 벨트 지역의 철강 제조업체들은 PJM 인터커넥션 지역에서 연간 수천만 달러에 달하는 더 높은 전력 비용을 지불하고 있습니다. 철강 생산 비용에서 전기는 전체 생산 비용의 20~40%를 차지하기 때문에 이러한 비용 증가는 제조업체에 심각한 영향을 미칩니다.

이는 AI 데이터 센터 붐을 지지해 온 트럼프 행정부의 정책과 상반되는 상황으로, 첨단 기술 산업의 성장이 미국 제조업 기반에 미치는 에너지 비용의 영향을 고려해야 합니다.

유럽 연합(EU)에서 판매되는 모든 차량에 운전자의 얼굴을 향한 카메라가 의무화되었습니다. 이는 운전 중 주의 산만 행위를 방지하기 위한 새로운 시스템 도입을 의미합니다.

이 규정은 운전자가 주의를 분산시키는 행위를 감지하고 이를 제어하기 위해 차량 내에 특정 기술이 설치되어야 함을 요구합니다. 따라서 차량 제조사와 소프트웨어 개발자는 운전자의 시선과 행동을 정확하게 인식하고 안전 기준을 충족시키는 시스템을 설계해야 합니다.

이러한 의무화는 운전 안전을 향상시키는 데 중점을 두고 있으며, 관련 시스템 개발자들은 카메라 기반의 시선 추적 및 상황 인지 기술에 대한 새로운 요구사항을 고려해야 합니다. 구체적인 기술 구현 방식과 시스템 통합에 대한 세부 사항은 관련 규정 및 기술 표준을 통해 확인해야 합니다.

AI가 생성한 코드베이스는 기능은 작동하지만 유지보수가 매우 어려운 문제가 발생합니다. 특히 특정 규모 이상의 프로젝트에서는 에이전트가 전체 그림을 파악하지 못하고 코드를 중복 생성하는 경향이 있어 새로운 기능을 추가하는 데 많은 시간이 걸리고 기존 기능이 손상될 수 있습니다.

Slopfix는 이러한 문제를 해결하기 위해 세 명의 시니어 엔지니어가 AI 생성 코드베이스를 유지보수하기 쉬운 형태로 리팩터링하는 서비스를 제공합니다. 이들은 코드베이스를 분석하고, 사용자 요구사항을 화면별, 엔드포인트별로 상세히 확인하는 체크리스트를 통해 안전망을 구축한 후 코드를 정리합니다. 예를 들어, 여러 날짜 포맷터를 하나로 통합하고 수작업으로 작성된 프레임워크를 라이브러리로 변경하여 중복 로직을 제거합니다.

서비스 비용은 주당 10,000달러이며, 고객은 리팩터링 목표치 달성 여부에 따라 비용을 지불합니다. 예를 들어, 10만 줄에서 3만 5천 줄로 줄이는 것을 목표로 할 경우, 목표 달성 비율에 따라 비용이 책정됩니다. 또한, 리팩터링 후 발생한 오류에 대해 2주의 보증 기간을 제공하여 무료로 수정해 줍니다.

Slopfix는 단순히 코드를 삭제하거나 압축하는 것이 아니라, 코드베이스에 CLAUDE.md와 같은 가이드라인, 린트 규칙, CI 체크 등을 추가하여 향후 개발 속도를 늦추는 안전장치를 마련합니다. 이는 30년간 축적된 경험을 바탕으로 유지보수 가능한 코드의 형태를 제시하며, 실제 개발자들이 원하는 유지보수 가능한 코드에 초점을 맞춥니다.

미국 일부 지역에서 최대 30퍼센트의 사람들이 진드기 물림으로 유발되는 붉은 고기 알레르기 항체를 보유하고 있는 것으로 연구 결과가 나왔습니다. 이는 실제로 알레르기가 있는 것으로 추정되는 인원보다 훨씬 많은 수치로, 햄버거를 먹는 것이 생명을 위협할 수 있는 선택이 될 수 있음을 시사합니다.

질병통제예방센터(CDC)는 미국 인구의 0.14퍼센트(최대 45만 명)만이 이 알레르기를 가지고 있다고 추정했지만, 이번 연구는 이 질병에 대해 우리가 얼마나 이해하지 못하고 있으며 정확한 진단에 어떤 어려움이 있는지 강조합니다.

이 알레르기는 IgE라는 항체에 의해 발생하며, 이 항체는 갈락토스-α-1,3-갈락토스, 즉 알파-갈이라는 이당류를 공격하여 발생합니다. 이 알파-갈은 소나 돼지와 같은 비영장류 세포에 존재하며, 특히 로인스타 스타 진드기(*Amblyomma americanum*)의 침에서 방출됩니다.

진드기에 물린 사람들은 알파-갈에 대한 IgE 항체를 발달시켜 붉은 고기뿐만 아니라 유제품이나 젤라틴과 같은 다른 동물성 제품에 대한 알레르기 반응을 경험할 수 있습니다.

메타는 슈퍼인텔리전스 랩스 부서에서 개발한 최초의 AI 이미지 생성 모델인 뮤즈 이미지(Muse Image)를 출시했습니다. 이 모델은 현재 메타 AI 앱, 인스타그램, 왓츠앱 전반의 이미지 생성 도구를 구동하고 있으며, 화요일 발표에 따라 곧 페이스북과 메신저에도 도입될 예정입니다.

뮤즈 이미지는 메타의 라마(Llama) 제품군을 대체하는 성장하는 뮤즈 AI 모델 가족의 일부입니다. 슈퍼인텔리전스 랩스를 이끌었던 알렉산드르 왕(Alexandr Wang)은 뮤즈 이미지가 "에이전트적(agentic)"이라고 설명했습니다. 이는 뮤즈 스파크(Muse Spark) 대규모 언어 모델을 사용하여 프롬프트를 추론하고, 웹을 검색하며, 생성 전에 계획을 세우는 방식으로 작동한다는 의미입니다.

이러한 에이전트적 기능은 단순한 이미지 생성을 넘어 AI가 복잡한 작업을 계획하고 실행하는 능력을 보여줍니다. 이는 기존의 이미지 생성 모델을 넘어선 차세대 AI 기능의 발전을 예고하며 개발자들에게 중요한 맥락을 제공합니다.