Axonnic, EMG袖套로 로봇 학습 데이터를 수집한다
YC F26 스타트업 Axonnic은 전완부 EMG 신호로 손가락 동작과指尖 힘을 추정해 기 dexterous 로봇의 학습 데이터를 만드는 데 집중하고 있다. 영상 모션 캡처가 포착하지 못하는 힘 exertion 정보를 보완하는 방식이다.
dettato는 약 21M 파라미터로 오디오를 MIDI로 변환하며, muscriptor 1.3b 대비 약 1/60 크기의 경량 모델이다. 프로젝트 측 테스트에서는 성능 우위를 주장하지만, 데이터 구성과 효율성 측정 방식은 독립 검증이 남아 있다.
YC F26 스타트업 Axonnic은 전완부 EMG 신호로 손가락 동작과指尖 힘을 추정해 기 dexterous 로봇의 학습 데이터를 만드는 데 집중하고 있다. 영상 모션 캡처가 포착하지 못하는 힘 exertion 정보를 보완하는 방식이다.
145B 모델을 개인용 PC에 설치할 수 있다는 사실만으로 실용적인 AI Agent가 되지는 않는다. 하드웨어 요구 사항, 처리량, 도구 호출 성능과 재현 비용을 기준으로 Edge0-145B의 실제 활용 범위를 살펴본다.
Apple이 로컬 AI 모델 실행의 진입장벽을 낮추는 Mac 앱을 출시할 소식이 전해졌다. 앱의 이름과 기능은 아직 공개되지 않았지만, 모델 배포부터 디버깅, 단일 환경과 클라우드 간 라우팅, 보안 경계까지 시스템 차원의 통합이 관건이다.
DeepX는 최대 100B 모델을 5W 미만의 소비 전력으로 추론할 수 있다고 주장하는 2세대 LPDDR5X PIM 칩을 탭아웃했다. 그러나 메모리 용량, 대역폭, 지연 시간,功耗 측정 조건과 소프트웨어 지원 여부는 독립적인 검증이 남아 있다.
Maple은 Sub-2-BPW Moe Pruning으로 Gemma 4 26B를 압축해 6GB GPU에서 45 TPS를 달성했다고omir. 그러나 속도 수치의 재현 가능성과剪枝에 따른 성능 저하 여부는 별도로 검증해야 한다.
두 사람 규모의 연구팀이 약 2만 달러로 PJIT-21K를 처음부터 학습하고 Apache 2.0 라이선스로 가중치를 공개했다. 이 글에서는 학습·추론·라이선스·배포 비용을 분리해 AI Agent와 멀티모달 팀이 모델을 평가할 때 확인할 항목을 정리한다.
Cloud AI 100 Ultra는 128GB 메모리와 548GB/s 대역폭, 150W 전력으로 클라우드 LLM 추론에 접근한다. 하드웨어 방향은 명확하지만, 실제 도입 판단에 필요한 처리량·지연 시간·호환성·이전 비용 데이터는 아직 부족하다.
Simon Willison은 개인 노트북에서 Qwen 3.8 27B를 실행해 다른 모델의 가중치를 분석했다. 로컬 LLM을 통계 처리, 가설 생성, 검증 과정에 연결한 실험을 살펴보며, 모델이 제시한 설명이 곧 인과적 진실은 아니라는 점도 짚는다.
에어갭 환경에 있는 컴퓨터의 RAM이 생성하는 전자기파를 수집해 메모리 속 비밀 데이터를 복원하는 공격이 2024년 논문으로 제시됐다. 논문은 실험 조건과 적용 한계를 분석하고, 물리 계층 보안과机密 컴퓨팅 환경의 보완책을 제시한다.
Cerebras가 조 매개변수급 모델의 배포 사례를 공개했습니다. 메모리 용량과 통신, batch 처리의 병목을 분석하고 전용 칩과 GPU를 비교할 때 필요한 엔지니어링 지표를 짚습니다.
EPFL의 전용 신경 칩은 개별 뉴런 신호에 그치지 않고 뇌 영역 사이의 정보 교환을 해독한다. 이 접근은 AI Agent의 모듈 간 관계와 시간 순서를 보존하는 인터페이스 설계에도 시사점을 준다.