구글 클라우드 AI 리서치가 워싱턴대 세인트루이스, UNC 채플힐과 함께 에이전트 벤치마크를 훈련 정책에 맞춰 적응시키는 오픈소스(Apache-2.0) 레이어 'EnvHarness'를 공개했습니다. 기존 환경을 reset()/step() 인터페이스로 감싸 태스크와 검증기를 그대로 유지하면서, LLM 설계자 'EnvRigger'가 에이전트 롤아웃에서 발견된 결함에 맞춰 래퍼를 자동 작성합니다. 5개 벤치마크에서 미지의 태스크 성능이 최대 9.0점 향상되고 실행 단계는 9.8% 감소했습니다.
구글이 연구 및 학습 보조 도구인 'NotebookLM'을 'Gemini Notebook'으로 변경하고 광범위한 기능 업데이트를 단행했습니다. 핵심 변경점으로는 각 노트북에 보안 클라우드 컴퓨터를 할당하여 사용자가 직접 코드를 작성하고 실행할 수 있게 된 점, 그리고 제미나이 앱 및 구글 검색과 노트북 데이터를 동기화하여 구글 생태계 전반과 깊게 통합된 점입니다.
2026년 6월, 구글은 로컬 환경에서 구동되는 오픈 모델 Gemma 4 12B와 새로운 안드로이드 17, 그리고 PC 및 모바일에서 작동하는 Gemini 3.5 Flash 등 다양한 AI 업데이트를 발표했습니다. 특히 개발자와 일반 사용자를 위한 멀티태스킹, 자동화, 그리고 향상된 보안 기능들이 대거 추가되었습니다. 이번 업데이트는 일상과 업무 환경 전반에 걸쳐 AI가 직관적인 파트너로 자연스럽게 통합되는 것을 목표로 합니다.
구글 리서치가 컨텍스트 내 학습(In-context learning)을 통해 제로샷(Zero-shot) 분류 및 회귀가 가능한 표 형식 데이터용 파운데이션 모델 'TabFM'을 발표했습니다. 이 모델은 별도의 학습이나 하이퍼파라미터 튜닝, 특성 공학(Feature engineering) 과정 없이 단 한 번의 순전파(Forward pass)만으로 즉각적인 예측을 수행할 수 있어 데이터 분석 실무의 효율을 크게 높일 수 있습니다.
구글 AI가 Gemma 4 모델 패밀리를 위해 다중 토큰 예측(MTP) 초안화기(Drafter)를 새롭게 공개했습니다. 이 도구는 추측적 디코딩(Speculative Decoding) 기술을 활용하여 모델의 품질 저하 없이 최대 3배 빠른 추론 속도를 달성합니다. 이는 실시간 애플리케이션이나 대규모 데이터 처리를 다루는 개발자들에게 AI 모델의 지연 시간을 획기적으로 줄여줄 매우 중요한 성능 개선입니다.
구글 AI 연구팀은 표준화된 시험으로 평가하기 어려운 협력, 창의성, 비판적 사고 등 소위 '내구성 있는 기술(Durable skills)'을 평가하기 위해 대규모 언어 모델(LLM) 기반의 새로운 프로토콜인 'Vantage'를 제안했습니다. 이 프로토콜은 팀원 간의 갈등 해소나 압박 상황에서의 참신한 아이디어 도출, 논리적 허점 파악과 같은 복합적인 인간 능력을 체계적으로 측정하는 데 중점을 둡니다. 이는 AI를 활용해 단순 지식 평가를 넘어 인간의 고차원적인 소프트 스킬을 정량화한다는 점에서 큰 의의가 있습니다.