MiniMax가 새로운 어텐션 변체(MiniMax Sparse Attention)를 사용하고 최대 100만 토큰의 컨텍스트 창을 지원하는 MiniMax M3를 발표했습니다. 이번 발표는 네이티브 멀티모달 입력(이미지 및 비디오 포함)과 에이전틱 코딩/컴퓨터 사용 기능도 강조하고 있습니다.

• 01 100만 토큰 컨텍스트는 대규모 코드베이스, 다중 문서 합성, 긴 로그 등 장기적인 작업을 겨냥한 핵심 기능입니다.
• 02 희소 어텐션 스타일의 아키텍처는 도달 범위를 위해 연산을 트레이드오프하므로, 실제 가치는 광고된 최대 길이가 아니라 유용한 롱 컨텍스트 실행당 비용에 있습니다.
• 03 네이티브 멀티모달리티(이미지, 비디오, 컴퓨터 사용)는 이러한 모델을 단순한 채팅이 아닌 엔드투엔드 '태스크 수행' 워크플로우로 밀어붙입니다.
• 04 롱 컨텍스트는 새로운 리스크를 발생시킵니다. 숨겨진 프롬프트 인젝션이나 모순되는 지침이 컨텍스트 깊숙이 남아 예상치 못한 방식으로 행동을 조종할 수 있습니다.

The Verge는 사용자를 대신해 작업을 수행할 수 있는 24/7 에이전트로 포지셔닝된 Gemini Spark의 핸즈온 경험을 보도했습니다. 이 기사는 비용과 액세스 권한에 대한 의문과 함께 모델의 뛰어난 역량을 보여주는 순간들을 조명했습니다.

• 01 상시 가동 에이전트는 AI를 '쿼리'에서 '위임'으로 이동시키며, 이는 작업의 수와 함께 실수 발생 표면적을 배가시킵니다.
• 02 진정한 대가는 단순한 구독료가 아니라 지속적인 관심과 데이터 접근 권한(에이전트가 읽고 저장하고 사용하는 정보)에 있습니다.
• 03 품질은 간헐적입니다. 에이전트는 좁은 워크플로우에서는 훌륭할 수 있지만 그 밖에서는 취약할 수 있으므로 제품 프레임워크 설정이 중요합니다.
• 04 에이전트가 서비스를 넘나들며 읽고 쓸 수 있는 경우(메시지, 문서, 구매) 통합 범위가 넓어질수록 프라이버시 리스크가 기하급수적으로 커집니다.

구글은 Google I/O 2026 제작 과정에서 내부 팀들이 Gemini를 어떻게 활용했는지 설명하는 포스트를 게시했습니다. 구글은 AI를 기획, 제작, 생산 워크플로우 전반에 걸친 실질적인 코파일럿으로 규정했습니다.

• 01 내러티브가 'AI가 콘텐츠를 생성한다'에서 'AI가 프로세스의 일부를 실행한다'로 바뀌고 있으며, 이는 리뷰 루프와 도구 통합이 핵심입니다.
• 02 대규모 조직의 채택은 관행(템플릿, 승인, 도구 액세스)을 표준화하는 경향이 있으며, 이는 다시 벤더 제품의 기능으로 반영됩니다.
• 03 가장 큰 숨겨진 변수는 데이터입니다. 어떤 콘텐츠가 모델에 노출되었고, 무엇이 사람이 최종적으로 검토했는지가 신뢰도를 결정합니다.
• 04 운영 ROI는 단순히 텍스트를 더 빨리 초안하는 것이 아니라 부서 간 조정 및 반복 주기를 줄이는 데서 나옵니다.