고든의 블로그 구글 분점

  ( The 250-kW equipment for co-production of hydrogen and fresh water from seawater. Credit: Nature Energy (2026). DOI: 10.1038/s41560-026-02130-6 ) ​ ( The simplified process and material flow of the STHW system. WHRD stands for waste heat recovery and distillation. Credit: Nature Energy (2026). DOI: 10.1038/s41560-026-02130-6 ) ​ 해수 담수화 기술은 물이 부족한 사막 국가나 혹은 담수를 구하기 힘든 해안 도서 지역에서 이미 널리 쓰이고 있습니다. 하지만 결과물로 나오는 고농도의 염수와 함께 많은 에너지를 소모한다는 문제가 있습니다. ​ 물을 분해해서 수소를 얻는 기술은 이와 독립적으로 많은 에너지를 소모하고 생각보다 많은 비용으로 인해 널리 상용화되지 못하고 있습니다. 더구나 지구상의 물의 대부분인 바닷물을 이용하지 못하고 수요가 많은 담수만 사용해 수소를 얻고 있습니다. ​ 중국과학원(CAS) 다롄화학물리연구소(DICP)의 덩더후이(邓德会) 교수, 류옌팅(刘艳廷) 부교수 팀은 해수에서 수소와 담수를 동시에 생산하는 250kW 시험 생산 시스템을 개발해 네이처 에너지 (Nature Energy)에 발표했습니다. ​ 연구팀의 핵심 아이디어는 "STHW(Seawater to Hydrogen and fresh Water)" 공정으로, 알칼리수전해(AWE)와 저온진공증류 담수를 결합하여 해수로부터 수소와 담수를 동시에 생산하는 것입니다. ​ 물론 바닷물을 바로 분해해서 수소를 만들려는 시도는 이전에도 있었습니다. 하지만 양극에서 Cl⁻가 산화되어 염소 기체(CER, Chlorine Evolution Reaction)를 생성하고 이로 인해 전극 부식 및 선택성 저하가 발생합니다. 또...

  (출처: 딥시크) ​ ​ 딥시크가 프로 모델을 이긴 플래시 모델인 V4.1 플래시 공개 한 달 만에 다시 V4.1-Flash-1017를 선보였습니다. V4.1 플래시는 백본 552B + Engram 196B = 총 748B 파라미터를 가지지만, 토큰당 활성 파라미터는 prefill 시 8B, decode 시 16B에 불과합니다. 하지만 V4 Pro(총 1.6T / 활성 49B) 대비 총 파라미터의 1/3, 활성 파라미터의 1/6으로 모든 벤치마크에서 우위를 보이며 강력한 가성비를 선보인 모델입니다. ​ 이 모델의은 긴 컨텍스트 에이전트 워크로드의 병목인 KV 캐시 문제를 다층적으로 해결해 메모리 소모량을 대폭 줄인 것이 특징입니다. 덕분에 딥시크의 제한적인 하드웨어로도 서비스가 가능하고 로컬에서 돌릴 때도 하드웨어 사양을 크게 낮출 수 있습니다. ​ 이전 포스트: https://blog.naver.com/jjy0501/224408164001 ​ 그후 한달 만에 내놓은 1017 모델은 RLSF (Reinforcement Learning with Self-Feedback) 기술을 적극 사용해 성능을 더 높였습니다. 모델이 사후 훈련을 하는 과정에서 인간의 개입 없이 스스로 모델 자신이 스스로 평가해서 성능을 높였기 때문에 빠른 성능 향상이 가능합니다. ​ 특히 딥시크가 공개한 오픈소스 AI 코딩 에이전트 프레임워크이자 작업 환경(에이전트 런타임)인 하네스 (Harness) 최적화를 통해 에이전틱 코딩 환경에서 자기 코드 테스트→실패→수정→재시도 루프에서 이전 버전보다 현저히 향상된 모습을 보이고 있습니다. ​ 여기에 불필요한 설명을 제거하는 결과 압축에 초점을 맞춰 토큰 수를 줄여 속도는 높이고 비용은 줄인 것이 특징입니다. 결과적으로 모델이 자신의 출력 품질을 스스로 평가하고 최적화하는 순환 과정을 형성해 "인간이 원하는 것을 말하면 코드가 된다"(wish-driven coding)는 목적을 쉽게 달성할 수 있습니다. ​ ...