읽을 가치가 있는 기사만, 짧고 또렷하게.

지난 30년간 CPU의 발전 역사를 되돌아보는 기사입니다. 이 글은 펜티엄 II부터 라이젠 9 9950x3d2에 이르기까지 세대를 거치며 프로세서가 어떻게 진화해 왔는지 광범위하게 조명합니다. 이는 단순한 하드웨어의 변화를 넘어 컴퓨터 아키텍처와 성능 요구 사항이 어떻게 변화해 왔는지를 이해하는 데 중요한 맥락을 제공합니다.

이러한 역사를 살펴보는 것은 현대 개발자들이 현재의 프로세서 설계와 성능 최적화가 과거의 기술적 제약과 혁신 위에서 어떻게 구축되었는지 이해하는 데 도움을 줍니다. 특히 세대를 거치며 명령어 집합, 멀티코어 구조, 캐시 메모리 관리 방식 등이 어떻게 발전했는지 추적함으로써 현재의 기술적 트렌드가 어떤 기반 위에서 탄생했는지 파악할 수 있습니다.

결론적으로 이 기사는 CPU 기술의 장기적인 발전 궤적을 보여주며, 기술 혁신이 지속적인 개선과 새로운 아키텍처 도입을 통해 이루어졌음을 강조합니다. 개발자들은 이러한 역사적 맥락을 통해 현재의 기술적 한계와 미래의 발전 방향을 예측하고 더 효율적인 시스템을 설계하는 데 필요한 통찰력을 얻을 수 있습니다.

독일에서 풍력과 태양광 에너지가 화석 연료를 처음으로 추월하는 역사적인 사건이 발생했습니다. 이는 독일이 에너지 전환 목표를 달성하는 데 있어 재생 가능 에너지의 중요성이 크게 부각되었음을 의미합니다.

이러한 변화는 독일의 에너지 믹스에 중대한 영향을 미치며, 재생 에너지 발전이 국가 에너지 공급의 핵심 동력으로 자리 잡고 있음을 보여줍니다. 이는 에너지 시스템의 구조적 변화와 기술 발전이 실제 정책 목표 달성에 어떻게 기여하는지를 보여주는 사례입니다.

풍력과 태양광 발전의 성장은 독일의 에너지 정책과 인프라 구축에 있어 중요한 이정표가 됩니다. 개발자나 관련 산업 종사자들은 이러한 에너지 전환이 향후 에너지 저장 시스템, 스마트 그리드, 그리고 분산 에너지 자원 관리 기술의 발전에 어떤 기회를 제공할지 주목할 필요가 있습니다.

레노버가 올해 후반에 일부 구글북 모델을 출시할 예정이며, 유출된 이미지가 해당 제품들의 모습을 엿볼 수 있게 했습니다. 디지털 시티즌과 안드로이드 헤드라인에서 공유된 보도 이미지는 노트북과 2-인치 태블릿을 보여주며, 두 기기 모두 키보드에 구글북 브랜딩이 적용된 것을 확인할 수 있습니다.

이는 지난 5월에 안드로이드 기반 구글북 플랫폼이 발표된 이후 구글북의 모습을 볼 수 있는 가장 좋은 기회입니다. 구체적인 세부 사항은 여전히 부족하지만, 애서, 아수스, 델, HP, 레노버 등 여러 제조사가 2026년 가을에 첫 모델을 출시할 것으로 예상됩니다.

구글북은 크롬북의 후속작으로 주목받고 있으며, 이 정보는 구글의 새로운 운영체제와 하드웨어 전략에 대한 기대를 높입니다. 다만, 구글북 이니셔티브에 대한 세부 내용은 아직 공개되지 않았으므로 출시 시점과 기능에 대한 추가적인 정보는 향후 확인이 필요합니다.

하우스 하우스(House House)가 개발한 다음 게임인 빅 워크(Big Walk)는 협동 플레이 경험을 제공하며 플레이어들에게 예상치 못한 변화를 선사합니다. 이전 게임인 언티틀 구스 게임(Untitled Goose Game)이 지각 있는 거위의 행동과 장난을 포착하는 경험을 제공했다면, 빅 워크는 거위를 조종하는 대신 넓은 섬을 탐험하고 퍼즐을 함께 해결해야 하는 협동 멀티플레이 게임으로 방향을 전환했습니다.

빅 워크는 플레이어들이 함께 섬을 탐험하며 퍼즐을 해결하는 방식으로 진행되어, 기존의 싱글 플레이 경험과는 다른 새로운 접근 방식을 제시합니다. 이 게임은 플레이어들이 협력하여 환경과 상호작용하는 데 중점을 두며, 이는 게임의 분위기와 목표를 완전히 변화시킵니다.

작성자는 배우자와 함께 빅 워크를 플레이하며 섬을 탐험하고 퍼즐을 푸는 데 13시간 이상을 보냈다고 언급했습니다. 이러한 긴 플레이 시간은 협동 플레이가 제공하는 몰입감과 탐험의 깊이를 보여주며, 게임이 단순한 행동 반복을 넘어선 협력적인 경험을 제공한다는 점을 시사합니다.

Cloudflare Workers의 RPC 시스템이 이제 Python과 JavaScript 간에 크로스 언어 통신을 지원하게 되었습니다. 이를 통해 개발자들은 별도의 API 정의나 직렬화 코드를 작성하지 않고도 서로 다른 언어로 작성된 Worker 간에 라이브 객체 참조를 교환하고 메서드를 호출할 수 있습니다.

이 기능은 기존의 RPC 시스템이 JavaScript와 Python 간의 타입 시스템 차이를 극복하기 위해 Pyodide의 FFI(Foreign Function Interface)와 사용자 정의 타입 변환 계층을 결합하여 구현함으로써 가능해졌습니다. 결과적으로 JavaScript Worker에서 Python Worker의 메서드를 호출하거나 그 반대의 작업이 언어 간의 번역 없이 자연스럽게 이루어집니다.

RPC 호출은 JavaScript/TypeScript에서는 Promise를, Python에서는 Future를 반환하는 일반 함수 호출처럼 작동하며, Structured Cloneable 타입을 전달하여 언어 간에 적절한 타입으로 변환하여 전달합니다. 이러한 자동 타입 변환 덕분에 개발자는 복잡한 번역 레이어를 신경 쓰지 않고 단일 언어 애플리케이션을 작성하는 것처럼 코드를 작성할 수 있습니다.

예를 들어, JavaScript Worker에서 Python 패키지인 Pygments를 사용하고 싶을 때, Python Worker에 해당 패키지의 메서드를 노출하여 호출할 수 있습니다. 이처럼 Python 패키지를 JavaScript 환경에서 활용하는 구체적인 예시를 통해 크로스 언어 환경에서의 협업이 얼마나 효율적으로 이루어질 수 있는지 보여줍니다.

에이전트가 확장하기 위해 컨테이너뿐만 아니라 자체 컴퓨터가 필요하다는 개념을 소개하는 @cloudflare/computer를 출시합니다. 이 새로운 에이전트 런타임은 빠르고 효율적인 격리 환경(isolate)과 전체 리눅스 컨테이너 사이에서 동적으로 조정하여 모든 에이전트에게 자체 컴퓨터를 제공합니다.

기존에는 에이전트 시스템의 증가하는 컴퓨팅 수요를 충족시키기 위해 컨테이너화에만 의존했지만, 이는 수억 또는 수십억 개의 동시 에이전트를 처리하는 데 한계가 있습니다. 클라우드플레어는 이러한 문제를 해결하기 위해 수년 동안 격리 환경인 이졸레이트(isolates)를 더 효율적인 컴퓨팅 기본 단위로 발전시켜 왔습니다. 이졸레이트는 매우 빠르게 시작하고 종료되며 유휴 상태일 때 에이전트의 상태를 저장하거나 자체 이졸레이트를 실행할 수 있어 수평적 확장성이 무한합니다.

@cloudflare/computer는 이졸레이트와 컨테이너라는 두 가지 컴퓨팅 기본 단위를 에이전트가 필요에 따라 선택하고 조합할 수 있도록 하는 단순한 추상화를 제공합니다. 예를 들어, 파일 조작이나 데이터 처리는 이졸레이트에서 수행하고 리눅스 환경이나 npm이 필요한 작업은 컨테이너에서 수행할 수 있습니다. 이를 통해 에이전트는 작업에 가장 적합한 실행 환경을 선택하여 성능과 비용을 최적화할 수 있습니다.

이 런타임은 에이전트가 컨테이너를 필요로 하는 작업의 비율을 10% 미만으로 줄이고, 코딩 작업이나 문서 생성 같은 복잡한 작업을 이졸레이트로 처리할 수 있도록 목표합니다. 개발자들은 이 기능을 통해 에이전트가 더 효율적이고 확장 가능하게 작동하도록 만들 수 있습니다.

클라우드플레어는 Kimi나 GLM 같은 최첨단 대규모 모델을 사용자에게 효율적으로 제공하기 위해 GPU 메모리 제약을 극복하는 세 가지 최적화 기법을 제시합니다. 이 기법들은 KV 캐시 양자화, 모델 가중치 압축, 그리고 공유 캐시 보호를 포함하며, 이를 통해 모델 정확도를 유지하면서 더 많은 고객을 더 낮은 비용으로 지원할 수 있습니다.

모델이 텍스트를 생성할 때 사용하는 KV 캐시를 16비트(BF16)에서 8비트 부동 소수점(FP8)으로 양자화하면 메모리 크기를 절반으로 줄일 수 있으며, 이는 Kimi K2.6 모델에서 메모리 용량을 약 두 배로 늘리는 효과를 가져옵니다. 또한 모델 가중치를 8비트에서 4비트 정수(INT4)로 압축하면 체크포인트 크기가 약 40% 감소하고, 디코딩 단계에서 메모리 대역폭이 병목이 되어 속도가 향상됩니다.

이러한 최적화는 각기 다른 장점을 제공하며, 예를 들어 KV 캐시 양자화는 처리량과 지연 시간 모두에서 BF16보다 높은 성능을 제공하고, 가중치 압축은 디코딩 속도를 높이는 데 기여합니다. 여기에 더해, 여러 요청이 공유하는 캐시 메모리를 보호하기 위해 무결성 검사 메커니즘을 추가하여 시스템 안정성을 확보했습니다.

이러한 안전장치 도입은 처리량과 지연 시간에 1% 미만의 비용만 발생시키며, GPU 스레드 그룹 간의 경쟁을 방지하여 계산 비용을 낮게 유지합니다. 클라우드플레어는 앞으로도 FP8 KV 캐시를 확장하고 무결성 검사를 보편화하여 최첨단 모델을 더욱 효율적으로 서비스하는 작업을 지속할 계획입니다.

Cloudflare는 모든 셀프서비스 제품에 대한 비용과 사용량을 프로그래밍 방식으로 확인할 수 있는 새로운 Billable Usage API를 출시했습니다. 이 API는 Workers, R2, D1, Workers AI 등 모든 사용량 기반 제품에 대한 데이터를 단일 엔드포인트로 제공하며 FOCUS 사양을 기반으로 구축되었습니다. 개발자와 FinOps 팀이 비용을 추적하고 관리할 수 있도록 하여, 자동화된 시스템이 클라우드 스택 전반의 지출을 실시간으로 파악할 수 있게 됩니다.

이 API를 통해 사용자는 특정 서비스 기간별로 제품별 사용량, 소비 단위, 계약된 비용, 누적 비용 등의 상세 데이터를 JSON 형태로 얻을 수 있습니다. 이는 기존의 수동 보고나 내보내기 방식 대신 HTTP 호출을 통해 비용 데이터를 시스템에 통합할 수 있게 하여, 에이전트나 자동화된 프로세스가 비용을 직접 인식하고 처리할 수 있는 기반을 마련합니다.

또한 Cloudflare는 인프라 비용 관리 플랫폼인 Vantage와 파트너십을 맺어 이 데이터를 확장했습니다. Vantage를 통해 사용자는 Cloudflare 지출을 AWS, Azure 등 다른 공급업체의 비용과 함께 통합하여 크로스-프로바이더 할당, 이상 징후 감지, 그리고 FinOps 에이전트의 질의와 같은 고급 비용 관리 워크플로우를 수행할 수 있습니다.

이 API는 현재 셀프서비스 계정에 대해 즉시 사용 가능하며, API 토큰을 발급받아 비용 데이터를 확인하고 Vantage 콘솔에서 다른 클라우드 지출과 비교할 수 있습니다. Cloudflare는 개발자들이 자신들이 사용하는 인프라의 비용을 명확하게 이해하고 관리할 수 있도록 지원하는 데 중점을 두고 있습니다.

Cloudflare Workers와 Containers가 인바운드 TCP 연결과 gRPC를 지원하기 시작했습니다. 이는 Spectrum을 통해 비-HTTP 트래픽을 처리하는 인그레스 프록시를 활용하여 Workers가 직접 TCP 소켓을 수신할 수 있게 하며, Durable Objects 및 Containers와 소켓을 연결하는 기능을 제공합니다. 개발자는 이를 통해 클라이언트와 서버 간에 양방향 통신이 가능한 TCP 기반 프로토콜을 모든 언어로 구현할 수 있게 됩니다.

새롭게 추가된 connect(socket) 핸들러를 사용하면 Worker가 Spectrum으로부터 받은 소켓을 직접 수신하고, 이 소켓을 다른 Worker나 Durable Object의 Container로 전달할 수 있습니다. 이는 클라이언트에서 서버를 거쳐 컨테이너 내의 서버까지의 전체 경로를 제어하여 완전한 양방향 통신을 가능하게 합니다.

또한 Cloudflare Containers에서는 gRPC를 통해 양방향 스트리밍 통신을 지원하며, Workers는 gRPC-web을 사용하여 요청을 처리하고 자동으로 gRPC 요청을 변환합니다. 이는 실시간 AI나 음성 애플리케이션에 필수적인 저지연 통신 인프라를 제공합니다.

이러한 기능을 통해 개발자는 기존의 gRPC 백엔드를 Workers 앞에 배치하거나, Workers 내에서 gRPC 서버를 구동하여 성능이 중요한 작업을 사용자에게 더 가깝게 처리할 수 있습니다. Cloudflare는 현재 gRPC 대신 Cap’n Proto와 Cap’n Web을 내부적으로 사용하며 UDP 기반 프로토콜로 확장하는 등 플랫폼의 경계를 계속 넓혀가고 있습니다.

사이버 보안 스타트업 호라이즌3가 2500만 달러의 시리즈 E 투자를 유치하며 20억 달러의 기업 가치를 기록했습니다. 이는 인공지능(AI) 위협이 증가함에 따라 기업들이 연간 침투 테스트 대신 지속적이고 AI 기반의 보안 검증을 요구하면서 발생한 현상입니다. 호라이즌3는 6년간 네트워크 취약점을 탐지하기 위해 AI를 구축해 왔으며, 이 자금으로 자동화된 시스템을 개발하여 AI 시스템의 예측 가능성과 통제 가능성을 확보하는 데 집중했습니다.

이 회사의 핵심 플랫폼인 NodeZero는 기존 보안 솔루션이 제공하기 어려웠던 실시간 시스템 테스트 및 전체 인프라에 대한 지속적인 스캔 능력을 제공합니다. 기존 방식이 연간 1회 5%의 인프레션만 검사하는 것과 달리, 호라이즌3는 운영을 중단하지 않고 라이브 시스템을 테스트하며 전체 네트워크를 지속적으로 검사하여 실제 위협에 대응할 수 있는 능력을 제공합니다.

AI 공격이 가속화되면서 보안 팀은 위협을 더 빠르게 처리해야 하는 상황에 직면했으며, 호라이즌3는 무중단으로 31만 건의 보안 테스트를 수행하며 'AI 해커'를 자동화하는 방식으로 경쟁 우위를 확보했습니다. 이러한 변화는 고객들이 연간 샘플링 방식에서 벗어나 월별 또는 주별로 인프라를 스캔하고 보안 상태를 추적하는 지속적인 검증을 요구하는 시장의 변화를 반영합니다.

호라이즌3는 현재 암스테르담, 호주, 싱가포르에 사무소를 확장하고 있으며 싱가포르 EDBI, SAIC, 퀄컴 등 전략적 투자자들의 지원을 받고 있습니다. 이들은 호라이즌3가 단일 부문을 넘어 광범위한 보안 문제를 해결하고 있음을 인정하며, 향후 수십조 달러 규모의 시장에서 중요한 역할을 할 것으로 기대됩니다.

Figma와 FigJam을 사용하여 팀원 간의 발표 순서나 점심 메뉴 선정 등 간단한 추첨이 필요할 때가 종종 발생합니다. 이러한 상황에서 외부 사이트를 이용하는 것은 번거롭기 때문에 Figma 내에서 바로 사용할 수 있는 레트로 스타일의 사다리타기 플러그인을 직접 만들어보았습니다.

이 플러그인은 Figma 환경 내에서 팀원들이 쉽게 참여할 수 있도록 설계되었으며, 참가자는 최소 2명에서 최대 8명까지 설정할 수 있습니다. 개발자는 Figma의 기능을 활용하여 사용자 편의성을 높이는 플러그인을 제작하는 방법을 경험할 수 있습니다.

이 사례는 디자인 툴을 활용하여 단순한 기능적 요구사항을 충족시키는 맞춤형 플러그인을 구현하는 과정을 보여줍니다. 이는 Figma 환경에서 팀 협업 시 발생하는 비효율적인 과정을 개선하는 데 도움이 될 수 있습니다.

삼성은 사용자 인터넷 연결을 낯선 사람들과 공유하는 스마트 TV 앱에 대해 금지 조치를 시행하고 있습니다. 이는 이러한 앱들이 리지던셜 프록시 네트워크(resproxy)를 사용하여 외부 웹 트래픽을 가정 및 사무실 인터넷 연결을 통해 우회시키기 때문에 수백만 대의 삼성 스마트 TV가 해킹 위험에 노출될 수 있다는 보안 연구 결과에 따른 것입니다.

이러한 앱들은 종종 최소한의 코드만으로 구성된 껍데기(barebone shells) 형태로, 다른 웹사이트의 콘텐츠를 로드하는 목적으로 설계되어 있습니다. 보안 연구에 따르면, 이러한 앱들은 사용자가 동의할 때 백그라운드에서 프록시 기능을 활성화하며, 심지어 웹 서버의 간단한 코드 변경만으로 수억 대의 스마트 TV를 악성 봇넷으로 전환시킬 수 있는 잠재력을 가지고 있습니다.

연구 결과는 리지던셜 프록시 네트워크가 AI 모델 학습이나 대규모 데이터 스크래핑에 사용되는 등 악의적인 활동을 숨기는 데 활용되고 있음을 보여줍니다. 프록시 네트워크는 일반 가정집의 트래픽처럼 보이게 하여 해커와 스파이가 사이버 공격과 데이터 유출을 은폐하는 데 유리하며, 데이터는 암호화되어 있어 검사가 어렵다는 점이 보안 당국의 대응을 더욱 복잡하게 만듭니다.

이에 따라 삼성은 리지던셜 프록시 SDK를 포함하는 앱 등록을 제한하고 해당 기능을 제거하는 플랫폼 전반의 개발자 정책을 시행하고 있습니다. 이는 LG 등 다른 제조사들도 유사한 프록시 소프트웨어에 대한 앱 금지 조치를 발표한 이후 이루어진 조치로, 스마트 TV 플랫폼 내에서 이러한 위험한 기능을 근본적으로 차단하려는 움직임입니다.

2026년 5월에 유타주는 다른 어떤 에너지원보다 태양광에서 전력을 생산하여 새로운 기록을 세웠습니다. 이는 유타주의 전력 혼합에서 풍력과 태양광 발전이 급증하고 있음을 보여주는 중요한 지표입니다.

이러한 추세는 연방 정부의 청정 에너지 인센티브가 축소되었음에도 불구하고 계속될 것으로 전문가들은 예상하고 있습니다. 이는 재생 에너지 분야의 시장 동향이 정책 변화에도 불구하고 강력하게 지속되고 있음을 시사합니다.

태양광 발전의 성장은 토지 이용과 에너지 생산에 대한 새로운 기회를 제공합니다. 실제로 2026년 3월 26일에는 홀든의 케슬러 목장에서 태양광 패널이 설치된 사례가 보고되었습니다.

이러한 에너지 전환은 개발자들에게 재생 에너지 프로젝트와 관련된 토지 소유권 및 에너지 정책 변화를 고려할 때 중요한 맥락을 제공합니다.

포토맥 강 상공에서의 항공기 충돌 사건에 대한 논의가 올라왔습니다. 이 기사는 포토맥 강 상공에서 발생한 중공중 충돌 사건에 초점을 맞추고 있습니다.

해당 기사는 사건 자체에 대한 구체적인 세부 정보나 공식적인 보고보다는 관련 커뮤니티에서 논의되는 맥락을 다루고 있습니다. 이는 항공 안전, 공역 관리, 또는 관련 기술적 측면에서 발생한 사고에 대한 개발자 및 기술 커뮤니티의 관점을 제공할 수 있습니다.

현재 제공된 자료는 사건의 상세한 내용보다는 해당 주제에 대한 커뮤니티의 반응과 논의가 주를 이루고 있음을 보여줍니다. 따라서 실제 사고의 원인이나 구체적인 결과에 대한 정보는 해당 기사 본문을 통해 확인해야 합니다.

최신 로봇 잔디 깎기 기계는 전통적인 야외 작업을 대체하는 비싼 대안이지만, 이제 충분히 고려해 볼 만한 수준이 되었다는 내용입니다. 이 기사에서는 3년간의 테스트를 바탕으로 2026년 최고의 로봇 잔디 깎기 기계를 선정하여 소개하고 있습니다.

작성자는 로봇 잔디 깎기 기계가 비록 비용이 많이 들지만, 사용자가 아이스 티를 마시며 로봇이 잔디를 관리하는 것을 지켜보는 것을 선호한다면 고려할 가치가 있다고 평가합니다. 이는 스마트 잔디 깎기 기계가 단순한 도구를 넘어 야외 관리 방식에 대한 새로운 선택지를 제공하고 있음을 시사합니다.

본 기사는 여러 로봇 잔디 깎기 기계 중 어떤 모델이 가장 우수한 성능과 가치를 제공하는지 구체적인 추천을 제공합니다. 따라서 독자들은 비용과 성능 사이의 균형을 고려하여 자신에게 맞는 최적의 기계를 선택하는 데 필요한 정보를 얻을 수 있습니다.

최근 공개된 SQLite 취약점 CVE들이 인공지능(LLM)에 의해 생성된 허위 정보, 즉 LLM 슬롭(slop)일 가능성이 높다는 보안 연구 결과가 나왔습니다. JFrog 보안 연구원들은 특정 GitHub 저장소에서 발표된 SQLite 취약점 경고들을 검증하는 과정에서 대부분의 CVE들이 실제 코드에 기반하지 않거나 존재하지 않는 함수를 언급하고 있음을 발견했습니다.

연구팀은 CVE-2026-51302와 같은 여러 취약점들에 대해 PoC 페이로드를 테스트했으나 실제 충돌을 유발하지 못했으며, 관련 코드가 해당 버전의 SQLite 소스 코드에 존재하지 않는다는 사실을 확인했습니다. 예를 들어, 일부 CVE들은 존재하지 않는 함수나 관련 없는 라인 번호를 인용하고 있어 메타데이터에 모순이 발견되었습니다.

이러한 발견은 자동화된 취약점 수집 파이프라인에 심각한 문제가 있음을 시사하며, 허위 정보가 NVD나 GHSA와 같은 데이터베이스에 유입되어 조직이 실제 위험이 없는 취약점을 조사하고 패치하는 데 시간을 낭비하게 만들 수 있습니다. 특히 AI 에이전트가 이러한 허위 CVE 정보를 기반으로 취약점을 처리할 경우, 잘못된 방향으로 리소스를 낭비하거나 불필요한 변경을 유발할 위험이 있습니다.

따라서 보안팀은 출처가 불분명한 CVE에 대해 맹목적으로 신뢰하지 말고, 공식 벤더의 확인 여부, 커밋 기록, 코드 참조 등을 반드시 검토해야 합니다. 실제 취약점을 해결하기 위해서는 제공된 PoC를 안전한 환경에서 재현하여 해당 취약점이 실제로 존재하는지 확인하는 것이 중요합니다.

9FRONT 프로젝트의 "THIS WAS SUPPOSED TO BE FUN" 버전이 공개되었습니다. 이번 릴리스에서는 affinewarp API가 수정되었으며, 여러 프로그램에서 스케일링 및 줌 기능을 위해 이 API를 사용하도록 변경되었습니다.

주요 변경 사항으로는 원격 gdb를 마운트할 수 있는 gdbfs(4) 도구가 추가되었고, Synaptics 드라이버와 UPS용 nusb/battery 드라이버가 새롭게 포함되었습니다. 또한 USB 디스크 설명서를 덤프하는 nusb/dump 도구가 추가되었으며, libsec에서 SHA3 지원이 추가되었습니다.

커널 및 드라이버 레벨에서는 *x2apic 지원이 추가되었고, ether8169, ether82557, i82563 등 다양한 네트워크 및 PCI 관련 드라이버에 대한 버그 수정 및 기능 개선이 이루어졌습니다. 특히 devether, devip, devkbd, devmouse 등 다양한 장치 드라이버에서 패킷 처리 및 링크 상태 관리 관련 수정이 포함되어 시스템 안정성이 향상되었습니다.

사용자는 PC, Raspberry Pi, MNT Reform, QEMU 등 다양한 플랫폼을 위한 여러 설치 미디어를 제공받을 수 있습니다. PC의 경우 .iso 파일을 CD에 굽거나 USB 미디어에 직접 복사할 수 있으며, Raspberry Pi나 MNT Reform의 경우 .img 파일을 sdcard에 직접 복사할 수 있습니다.

ICE는 작년에 거의 1백만 명의 사람들의 DNA를 수집했으며, 여기에는 어린 아이들도 포함되었습니다. 이 수집된 DNA는 연방 수사 기관의 데이터베이스와 관련이 있으며, 이는 법 집행 및 범죄 수사에 사용될 수 있습니다.

이러한 대규모 DNA 수집은 이민 및 세관 집행국(ICE)이 수사 목적으로 개인의 생물학적 정보를 어떻게 활용하는지에 대한 논란을 불러일으키고 있습니다. 특히 어린 아이들의 DNA가 포함되었다는 점은 민감한 개인 정보 보호 및 법적 쟁점과 관련하여 중요한 맥락을 제공합니다.

수집된 DNA는 FBI 및 CODIS와 같은 시스템에 통합되어 잠재적인 범죄 수사 및 신원 확인에 활용될 수 있습니다. 따라서 개인의 생물학적 정보가 정부 기관에 의해 어떻게 관리되고 사용되는지에 대한 프라이버시와 보안 문제는 지속적으로 논의되어야 합니다.

AirLLM은 양자화, 증류, 가지치기 없이도 70B 규모의 대규모 언어 모델을 단일 4GB GPU에서 추론할 수 있게 하여 추론 메모리 사용량을 획기적으로 줄이는 기술을 제시합니다. 이는 희소 MoE(Mixture of Experts) 모델을 사용하여 전체 레이어가 아닌 전문가(expert)를 한 번에 스트리밍함으로써 메모리 효율성을 극대화합니다.

이 기술을 통해 사용자는 4GB GPU 환경에서도 70B 모델을 구동할 수 있으며, 더 나아가 405B Llama 3.1이나 Kimi K3(2.8T)과 같은 초대형 오픈소스 모델도 4GB 미만의 VRAM에서 실행할 수 있습니다. 이는 제한된 하드웨어 자원으로 대규모 AI 모델을 배포하고 실행해야 하는 개발자들에게 큰 이점을 제공합니다.

AirLLM은 Llama3 모델을 네이티브로 지원하며 AutoModel 기능을 통해 모델 유형을 자동으로 감지하고, Qwen, ChatGLM, Gemma 등 다양한 모델을 지원합니다. 다만, 이 기술을 사용하기 위해서는 특정 환경 설정이 필요하며, 예를 들어 `flash-attn` 및 `compressed-tensors` 설치, CUDA 12 빌드의 torch, transformers 4.56.x 등의 종속성이 요구됩니다. 또한, 모델 로딩 시 발생하는 디스크 공간 문제나 토크나이저 패딩 관련 오류 등 실제 구현 시 고려해야 할 기술적 제약 사항들이 존재합니다.

Nightcrawler는 스마트폰에서 완전히 구동되는 자율적인 침투 테스트 에이전트로, 클라우드 연결 없이도 네트워크 보안 테스트를 수행할 수 있게 합니다. 이 도구는 소형 AI 모델인 LFM2.5-1.2B-Instruct-Heretic을 스마트폰의 GPU에서 로컬로 실행하여 다음 행동을 결정하고 호스트를 탐색하며 취약점을 발견하는 과정을 자동화합니다.

이 에이전트는 실제 인간 침투 테스터처럼 여러 호스트를 순환하며 점진적으로 지식을 구축하는 방식으로 작동하기 때문에 기존의 대규모 스캐너보다 탐지하기 어렵습니다. WiFi 침해 기능은 선택 사항이며, 네트워크에 대한 정찰, 서비스 열거, 취약점 테스트, 보고서 생성 등 전체적인 침투 테스트 프로세스를 자동화합니다.

실제 테스트 결과, 여러 네트워크에서 72시간 동안 자율적으로 운영했을 때 30개 이상의 호스트를 발견하고 2,000개 이상의 명령을 실행했으며 여러 서비스에서 10개 이상의 취약점을 발견했습니다. 이 에이전트는 실시간 모니터링과 제어를 위한 대시보드를 제공하여 네트워크 맵과 취약점 세부 정보를 시각적으로 확인할 수 있게 합니다.

다만 이 도구는 반드시 네트워크 소유자의 명시적인 허가(Rules of Engagement)를 받은 범위 내에서만 사용해야 하며, 무단 사용은 불법입니다. Nightcrawler는 권한 있는 침투 테스트 목적으로만 사용되어야 하며, 사용자는 모델 미세 조정이나 새로운 익스플로잇 체인 추가 등을 통해 기능을 확장할 수 있습니다.