Gromit 공부방

다리오 아모데이, Claude의 유전자 편집 메커니즘 발견과 AI 생물학의 지수적 발전 강조 오늘 우리는 Claude가 주도해 발견한 분자 기계(molecular machine)를 발표했습니다. 우리는 이것이 새로운 유전자 편집 메커니즘일 가능성이 있다고 보고 있습니다 이 시스템의 정확한 기능이 무엇인지, 생명공학적으로 활용 가치가 있는지, 있다면 어느 정도인지, 그리고 얼마나 중요한 발견인지는 아직 명확하지 않습니다. 하지만 최소한 제가 박사과정 학생이었다면 자랑스럽게 생각했을 만한 연구입니다. 이번 연구는 전부는 아니지만 대부분 Claude가 수행했습니다. 우리의 생명과학팀이 광범위한 연구 분야를 제안했고, Claude는 관련 문헌과 방대한 유전체 데이터를 읽고 흥미로운 대상을 발견했습니다. 이후 Claude가 이 발견을 검증하기 위한 실험을 제안했고, 우리 연구팀이 실제로 그 실험을 수행했습니다. 이를 일회성 사례나 흥미로운 해프닝 정도로 치부하기는 쉽습니다. 그러나 우리는 AI가 새로운 지적 영역에서 처음에는 미약한 수준을 보이다가 몇 년 만에 인간을 넘어서는 수준으로 발전하는 패턴을 반복적으로 목격해 왔습니다. 2023년 모델들은 평균적인 고등학생 수준의 수학 문제조차 어려워했습니다. 2024년에는 미국 최상위권 고등학생들이 참가하는 수학 경시대회에서 좋은 성적을 내기 시작했고, 2025년에는 비교적 작은 미해결 문제들을 풀기 시작했습니다. 2026년 초에는 더 중요한 미해결 문제들을 해결하기 시작했고, 2026년 후반에는 수학 전체를 통틀어 가장 중요한 몇몇 미해결 문제들까지 풀기 시작하고 있습니다. 우리는 생물학 분야의 AI도 이와 유사한 지수적 발전 경로를 따르고 있다고 생각합니다. 물론 생물학과 수학의 가장 큰 차이는 수학은 순수하게 이론적으로 수행할 수 있는 반면, 생물학에는 실험이 필요하다는 점입니다. 일부에서는 이를 근거로 AI가 생물학에서 가질 수 있는 효용에는 한계가 있을 것이라고 주장해 왔습니다. 우리는 이 결론이 잘못됐다고 생각합니다. 오늘 우리가 보여준 것처럼, 인간은 AI와 협업해 실험을 수행할 수 있고, 몇 주 내에 핵심 결과를 검증할 수 있으며, 필요하다면 실험 결과를 바탕으로 AI와 함께 추가적인 연구를 반복할 수 있습니다. 장기적으로는 적절한 안전장치를 마련한다는 전제하에 Claude가 실험 장비를 자율적으로 제어하면서 직접 실험을 수행하는 것도 가능해질 수 있습니다. 다만 현재 우리는 그렇게 하고 있지는 않습니다. 또한 우리의 연구실은 인간에게 위험한 물질을 취급하지 않는 BSL1, BSL2 시설입니다. 보다 넓게 보면 생의학적 발전은 여러 단계로 구성됩니다. 기초 생물학적 발견에서 시작해 중개 연구, 신약 개발, 임상시험을 거쳐 마지막으로 실제 의약품과 의료서비스가 환자에게 전달됩니다. 우리는 이러한 후반 단계에도 관심이 있지만, 첫 번째 단계인 기초 생물학적 발견만 가속해도 전체 파이프라인의 속도와 범위를 확대할 가능성이 있습니다. 생물학에 대한 이해를 높이고 생물학자들이 사용하는 도구를 개선하면 이후 단계들도 발전할 수 있습니다. 예를 들어 새로운 신약 표적을 찾아내거나, 새로운 치료 방식을 발견하거나, 더 정밀한 측정을 가능하게 하거나, 실험 주기를 단축할 수 있습니다. 실험 주기가 빨라지면 다시 생물학에 대한 이해가 더욱 빠르게 발전할 수 있습니다. 이것만으로 임상시험에 필요한 시간을 단축할 수 있는 것은 아닙니다. 하지만 성공한다면 개발 파이프라인에 진입하는 유망한 후보 물질의 수를 크게 늘릴 수 있습니다. 즉, 각 후보가 개발되는 데 걸리는 시간, latency은 그대로더라도 전체 처리량, throughput은 크게 늘어날 수 있습니다. 저는 《Machines of Loving Grace》에서 AI가 “5~10년 안에 대부분의 질병을 치료할 수 있다”는 잠재력에 대해 썼습니다. 불가능하게 들리는 목표지만, AI가 개발 파이프라인의 모든 단계에 적용된다면 가까스로 가능한 목표라고 저는 생각합니다. 첫 번째 단계는 AI가 우선 생물학적 발견을 돕고, 이후에는 그 발견 자체를 주도할 수 있다는 것을 보여주는 것입니다. Claude의 이번 발견은 수십 년에 걸쳐 이어져 온 관련 연구의 연장선에 있습니다. 그 시작에는 CRISPR와 같은 시스템이 있었고, 최근 몇 년 동안에는 bridge recombinase와 VIPR 같은 발견들이 이어졌습니다. 최근에는 특히 역전사효소, reverse transcriptase, RT 기반 시스템에 대한 관심이 높아지고 있습니다. RT는 Claude가 이번에 찾아낸 시스템의 기반이 되는 효소입니다. 그리고 가장 최근에는 스탠퍼드대 연구팀이 독립적으로 연구를 수행해, 연관된 비암호화 배열, non-coding array을 가진 새로운 RT 시스템을 보고했습니다. 일부 측면에서는 Claude가 발견한 시스템과 유사하지만, 두 시스템은 서로 독립적으로 진화한 별개의 시스템입니다. 저는 우리가 이제 막 이러한 시스템들을 발견하기 시작한 단계이며, 앞으로 이들을 생명공학을 위한 강력한 도구로 발전시켜 나갈 수 있을 것이라고 생각합니다. 앤스로픽이 생명과학을 통해 AI의 공공적 혜택을 가속하기 위해 상당한 자원을 투입하고 있다는 점을 자랑스럽게 생각합니다. 우리는 생명과학팀을 확대하는 동시에, 다른 과학자들과 협력해 이러한 접근법을 훨씬 더 광범위한 문제로 확장하는 것을 목표로 하고 있습니다. 연구 협력 제안이 있거나 앤스로픽 생명과학팀에 합류하는 데 관심이 있다면 연락해주시기 바랍니다. https://x.com/darioamodei/status/2102831170299834652

AI·바이오 데이터 7종목 퍼포먼스 비교

#바이오테크 바이오테크가 소프트웨어(사이버보안)처럼 처음엔 테크 언와인딩으로 상승한다고 생각했는데, AI 네러티브도 붙고 있는 모양. AI 활용도가 높은 신약개발·진단·정밀의료에서는 실험량 증가 → Biological Data 축적 → AI 모델 성능 개선 → 다시 실험 확대로 이어지는 재귀 개선되는 모습(사이버보안의 AI 확산 → 공격면 확대 → TAM 성장 논리와 비슷). 헬스케어는 데이터가 분절돼 있어 고품질·독점적 데이터를 지속적으로 생성·축적할 수 있는 기업 위주로 스터디 예정 포트폴리오 관점에선 AI인프라 주도주가 향후 상대강도가 미진할때 사이드 섹터로 편입할 수 있도록 준비해둘 생각. 일단은 시총이 적당한($20B 이상) 개별주들 위주로 체크 1. #NTRA 2. #GH 3. #ILMN

(마이크론을 사면 되긴 함)

결론: 마이크론 부럽다

이건 결국 시간이 지나면서 매물을 소화해가거나, 혹은 시장의 주인이 바뀌면서 해결해주지 않을까

# 추석 앞두고 국내증시 수급주인 현황 - "엇! 손바뀜?" 최근 7월 7일 이후 나타나는 약 2년만의 변화

그런데도 국장은 왜 갭업 후 꼬무룩이 일상일까, 생각해보면 물린 돈이 너무 많아서 그런갑다 싶음

어딘가는 수렴 이후 방향성을 다시 틀고 있고

지수는 반등했지만 대금은 올라오지 않고 있고

꽤나 건강해진 변동성 (9/22 기준)

샘 올트먼, GPT-6 가격 경쟁력 강조, 다음 주 DevDay 대규모 발표 예고 : 샘 올트먼은 GPT-6 Sol·Luna가 지능, 정렬, 업무 결과물, 코딩, 컴퓨터 사용 등에서 GPT-5.6 계열 대비 크게 개선됐다고 강조 : 특히 토큰당 가격이 절반으로 낮아졌으며, 실제 중요한 지표인 작업당 비용 기준으로 보면 시장에서 경쟁할 만한 제품이 없다고 주장. 사람들이 AI를 대량으로 사용할 수 있을 만큼 비용을 낮추는 것이 중요하다고 언급 : 오픈AI API의 목표는 모든 가격대에서 최고의 모델을 제공하고, 텍스트·코드·이미지·비디오 등 모든 모달리티에서 최고 수준을 확보하는 것이라고 설명 : 개발자들에게 “우리는 개발자를 사랑한다. 다음 주에 보자”고 언급하며 DevDay를 예고 : 특히 이번 DevDay를 준비하면서 “오픈AI 역사상 처음으로 출시할 것이 너무 많다고 말한 것 같다”고 언급, 다음 주 다수의 신규 제품·기능 발표 가능성 시사 https://t.me/Samsung_Global_AI_SW

오픈AI, GPT-6 Sol·Luna 발표 : 오픈AI가 GPT-6 Astra에 이어 더 빠르고 저렴한 GPT-6 Sol과 Luna 공개 : Astra와 유사한 학습 방식을 적용해 전문 업무, 사실 정확성, 코딩, 컴퓨터 사용, 정렬 성능을 개선하면서 비용 효율성을 높이는 데 초점. Astra는 여전히 최상위 모델로 유지 : API 가격은 GPT-5.6 대비 약 절반으로 인하 - Sol은 $4/$20 → $2/$10, - Luna는 $0.20/$1.20 → $0.10/$0.50 : 오픈AI 자체 평가에서도 Sol과 Luna의 비용 대비 성능 개선 강조. AAII 평가에서도 절대 성능 상승보다 비용 절감이 주요 : Sol의 작업당 비용은 $1.06 vs GPT-5.6 Sol $1.99, Luna는 $0.07 vs $0.18로 각각 약 50%, 60% 감소. : 다만 출력 토큰 사용량은 Sol 29k에서 31k, Luna 41k에서 51k로 늘어 비용 개선은 대부분 가격 인하 효과 : Artificial Analysis Coding Agent Index에서는 Sol이 57점으로 GPT-5.6 대비 2점 상승. 반면 Luna는 41점으로 2점 하락. 벤치마크별 성과 혼재. : 환각은 크게 감소. AA-Omniscience에서 Sol의 환각률은 92%에서 60%, Luna는 93%에서 77% 로 하락. : 다만 Sol은 답변 시도율을 99%에서 83%로 낮추면서 오답을 줄인 측면이 있으며, 정확도는 59%에서 54%로 5%p 하락 : 프롬프트 캐싱도 개선해 캐시 적중률을 높였으며, GitHub는 최근 수개월간 이러한 개선으로 오픈AI 모델 요청에서 새로 처리해야 하는 프롬프트 토큰 비중이 50% 이상 감소했다고 설명 : GPT-6 Sol과 Luna는 Plus, Pro, Business, Enterprise, Edu 사용자의 ChatGPT Work와 Codex에서 제공되며, Free와 Go 사용자는 데스크톱 앱에서 Luna 사용 가능. API에서는 gpt-6-sol, gpt-6-luna로 제공 https://openai.com/index/introducing-gpt-6-sol-and-luna

앤스로픽, Claude Opus 5.5 발표 : 앤스로픽이 Claude 5.5 제품군의 첫 모델 Claude Opus 5.5 공개. : 대부분의 작업에서 Fable 5.1과 유사하거나 상회하는 성능을 제공하면서, Opus 5 대비 일반적인 워크로드 비용은 약 40% 절감, 출력 속도는 30% 이상 개선 : AAII 58점으로 전체 1위. 10개 평가 중 6개에서 최고 점수를 기록했으며, Humanity’s Last Exam 61.4%, SciCode 66.9%, GDPval-AA v2.1, AA-Briefcase v1.1, AA-Omniscience, AutomationBench-AA에서 선두 : 에이전틱 코딩과 지식 업무에서도 강세. 앤스로픽 자체 평가 기준 Terminal-Bench 4.0 66.4%, FrontierCode v1.1 54.4% 등 : 장기 코딩 작업 효율도 크게 개선. 20만 줄 코드베이스 감사·수정에 Opus 5.5는 3시간 미만, Opus 5는 20시간 이상 소요 : 가격은 입력·출력 100만 토큰당 $4/$20으로 Opus 5의 $5/$25 대비 20% 인하. 캐시 읽기는 $0.20으로 기존 $0.50 대비 60% 인하, 일반 입력 대비 95% 할인. 캐시 쓰기도 $6.25에서 $5로 인하 : 출력 토큰 사용량은 작업당 약 11.9만 토큰으로 Opus 5의 7.3만, Fable 5.1의 7.8만, GPT-6 Astra의 2.7만보다 많지만, 가격 인하로 작업당 비용은 Opus 5와 유사한 수준 : 안전성 측면에서는 약 2,000개 시나리오의 자동화 행동 감사에서 최근 Claude 모델 중 최고 수준. 격리 경계를 우회하려는 시도는 Opus 5와 Mythos 5.1 대비 약 85% 감소 : 프롬프트 인젝션 방어도 강화됐으며, 사이버보안·생물학 영역에는 Fable 5.1과 유사한 안전장치 적용 : Claude Sonnet 5.5와 Haiku 5.5도 향후 몇 주 내 출시 예정 https://www.anthropic.com/claude-opus-5-5

SOXX 주봉

[SK증권 반도체 한동희, 손 건] D5 Spot premium update 64GB RDIMM: 115% 32GB RDIMM: 145% 16Gb: 33% RDIMM의 Spot premium이 강세를 보이기 시작한 시점은 AI Scale out이 시작된 25년 4분기였습니다. AI 메모리 업황을 가늠하기 위한 지표는 RDIMM이 적절합니다. * 참고: DRAMeXchange는 고용량 RDIMM인 128GB 이상의 가격은 집계하고 있지 않습니다.

# 추석 앞두고 업종별 수급 현황 - "가는 놈만 계속 가나" ▪︎ 최근 1년 중 각 주인의 수급상태가 현재 순매수 최고점인 "찬집" 업종 ➝ 상사자본재(방산), 화장품, 은행, 보험 ▪︎ 동구간 지속적인 순매도로 한번도 고점을 못 찍어본 "빈집" 업종 ➝ 비철목재, 미디어엔터, 필수소비재, 디스플레이

wow