2026년 10월 8일 AI 트렌드: GPT-6·Claude Haiku 5.5와 Windows 로컬 AI

오늘 AI 트렌드의 결론부터 말씀드리겠습니다. AI는 이제 답변을 쓰는 도구를 넘어, 화면을 만들고 판단을 분류하며 컴퓨터 안에서 직접 일을 실행하는 운영 계층으로 이동하고 있습니다. OpenAI는 GPT-6와 대화 안에서 바로 작동하는 Intelligent UI를 공개했고, Anthropic은 고용량 업무용 소형 모델 Claude Haiku 5.5를 내놨습니다. Microsoft와 NVIDIA는 Windows 안에서 로컬 모델과 에이전트를 돌리는 개발·보안 기반을 발표했습니다. GitHub와 Liquid AI는 각각 유출 비밀 탐지와 엣지 의사결정에 특화된 모델을 공개했습니다.

이번 글은 10월 7일 18시부터 8일 9시까지 확인한 공식 원문을 바탕으로 작성했습니다. 발표일과 출시일, 기업 주장과 윤자동의 해석을 구분했습니다. 업무를 생성·판단·실행으로 나누고 각 단계의 비용·권한·검증 기준을 만드는 것이 먼저입니다.

오늘의 AI 트렌드 한눈에 보기

• GPT-6와 Intelligent UI: 답변이 글에 머물지 않고 차트, 버튼, 양식, 계산기 같은 대화형 화면으로 바뀝니다. 유료 요금제부터 순차 배포되고 있으며 Work와 Codex 모델은 이번 발표로 바뀌지 않습니다.
• Claude Haiku 5.5: 분류, 요약, 라우팅, 실시간 지원처럼 반복량이 큰 업무를 겨냥한 소형 모델입니다. 가격은 낮아졌지만 토큰 계산과 API 동작이 달라 기존 코드를 그대로 바꾸면 오류가 날 수 있습니다.
• Windows 로컬 AI와 Execution Containers: Microsoft는 에이전트를 운영체제 수준에서 격리하는 기반을 일반 제공하고, Windows ML에 GGUF와 llama.cpp 실험 지원을 넣었습니다. NVIDIA는 이를 돌릴 새 RTX Spark 장비를 발표했습니다.
• GitHub 유출 비밀 탐지 전용 모델: 정형 토큰 모양이 없는 비밀번호와 자격증명 후보를 주변 코드 문맥으로 찾습니다. 기존 알림과 새 유료 선택형 검사의 비용 구조가 다릅니다.
• Liquid AI open d1: 글을 생성하지 않고 참·거짓, 선택, 점수 같은 구조화 결정을 빠르게 반환하는 공개 가중치 모델입니다. 엣지 장비에서 분류·라우팅을 돌리는 새로운 선택지입니다.

1. GPT-6와 Intelligent UI: AI 답변이 곧 작은 앱이 됩니다

OpenAI는 10월 7일 GPT-6와 Intelligent UI를 발표했습니다. OpenAI 개발자 커뮤니티의 직원 공지는 10월 8일 4시 13분 KST에 게시됐습니다. GPT-6는 질문에 따라 글, 이미지 요소, 차트, 버튼, 양식, 대화형 도구를 한 답변 안에 조합합니다. 비교 질문에는 나란히 보는 표를, 설명에는 조작 가능한 그림을, 계산이 필요한 일에는 대화 안에서 바로 쓰는 계산기를 만들 수 있다는 설명입니다.

기존 챗봇의 답을 사용자가 다시 엑셀이나 업무 시스템으로 옮겼다면, Intelligent UI는 비교표·계산기 같은 임시 업무 화면을 대화 안에서 조립해 이 중간 단계를 줄입니다.

공식 발표에서 확인한 사실

OpenAI는 GPT-6가 답을 모두 완성하기 전에 읽을 수 있는 부분부터 보여주고, 생각이나 도구 사용이 계속되는 동안 추가 결과를 이어 붙일 수 있다고 설명했습니다. Intelligent UI도 완성된 화면을 한 번에 띄우는 대신 구성요소를 점진적으로 표시합니다.

배포는 단계적입니다. Plus, Pro, Business, Enterprise의 Chat 탭에 먼저 배포되고, Free와 Go는 10월 8일부터 확대됩니다. 유료 요금제는 GPT-6 Sol, Free와 Go는 GPT-6 Luna를 사용합니다. Enterprise는 작업공간 관리자 설정에 따라 제공 여부가 달라질 수 있습니다. 이번 발표는 Chat 경험에 관한 것으로, Work와 Codex를 구동하는 모델은 바뀌지 않습니다. 이름이 같다고 모든 제품의 모델이 동시에 교체됐다고 해석하면 안 됩니다.

OpenAI는 웹 검색이 필요한 질문에서 GPT-6 Instant가 GPT-5.6 Instant보다 평균 44% 빨리 답변을 시작한다고 발표했습니다. 이 수치는 OpenAI 내부 평가이며 전체 작업 완료 시간이 아니라 첫 답변이 시작되는 시간을 뜻합니다. 기업이 실제 체감 속도를 판단할 때는 첫 화면 표시 시간, 최종 완료 시간, 수정 횟수를 따로 측정해야 합니다.

왜 중요한가

AI가 그 순간 필요한 화면을 구성하면 매번 새 대시보드를 개발하지 않아도 임시 비교표와 검토 양식을 만들 수 있습니다. 다만 보기 좋은 그래프와 버튼이 결과의 신뢰성을 보장하지는 않습니다. 읽기 전용 계산기와 결제를 실행하는 버튼은 같은 권한으로 취급할 수 없습니다.

기업 실무 적용

교육 일정 비교나 견적 계산처럼 결과를 사람이 바로 확인할 수 있는 일부터 시험하세요. 앞으로는 프롬프트뿐 아니라 AI가 만든 화면의 입력값과 권한도 검수해야 합니다. 값이 어디에 저장되는지, 외부 호출 전에 확인하는지, 되돌릴 수 있는지를 점검해야 합니다.

2. Claude Haiku 5.5: 소형 모델 경쟁이 비용표에서 운영표로 이동합니다

Anthropic은 10월 7일 Claude Haiku 5.5를 공개했습니다. 공식 원문에는 발표 시각과 시간대가 없지만, Claude Platform 릴리스 노트와 제품 페이지에서 같은 날짜의 출시를 확인할 수 있습니다. Haiku 5.5는 요약, 분류, 요청 라우팅, 데이터베이스 질의, 실시간 고객지원, 브라우저·컴퓨터 작업처럼 반복량이 크고 지연시간이 중요한 업무를 겨냥합니다.

100K 토큰 이하 프롬프트의 공식 가격은 입력 100만 토큰당 0.10달러, 출력 100만 토큰당 0.50달러입니다. 100K를 넘으면 입력 0.50달러, 출력 2.50달러로 달라집니다. 1M 토큰 문맥과 최대 128K 출력, 적응형 사고와 effort 설정을 지원합니다. Claude API뿐 아니라 AWS, Google Cloud, Microsoft Foundry, Claude.ai, Claude Code에서도 제공됩니다.

발표 기업의 주장과 확인할 점

Anthropic은 Haiku 5.5를 자사 소형 모델 중 가장 빠르고 효율적인 모델로 설명하며, Haiku 4.5보다 평균 실행 비용이 약 75% 낮다고 주장합니다. 벤치마크와 비용 절감률은 Anthropic의 측정과 계산입니다. 실제 업무 비용은 입력 길이, 사고 수준, 출력 길이, 캐시 사용률, 재시도 횟수에 따라 달라집니다.

가격표만 보면 모델 ID를 바꾸고 바로 절감 효과를 얻을 것처럼 보입니다. 그러나 공식 마이그레이션 가이드는 그 반대를 경고합니다. 같은 문장이 Haiku 4.5보다 약 30% 더 많은 토큰으로 계산될 수 있습니다. 기존에 thinking과 budget_tokens를 직접 지정한 요청은 400 오류가 날 수 있고, 적응형 사고는 기본으로 켜질 수 있습니다. 응답의 첫 블록이 곧 최종 답이라고 가정한 코드도 깨질 수 있습니다.

샘플링 매개변수, assistant prefill, 컴퓨터 사용 도구 선언 방식도 달라졌습니다. 즉 단가는 내려갔지만 마이그레이션 비용은 0원이 아닙니다. 토큰 단가만 비교하면 운영 장애와 개발 수정비를 놓칠 수 있습니다.

왜 중요한가

문의 분류, 짧은 요약, 담당자 선택처럼 정답 형식이 분명한 일은 소형 모델에 맡기고 복잡한 판단만 큰 모델로 넘길 수 있습니다. 핵심은 모델 크기보다 어떤 조건에서 큰 모델이나 사람에게 승격할지입니다.

기업 실무 적용

지난달 요청을 규칙이 분명한 일, 판단은 단순하지만 문맥이 긴 일, 잘못되면 손실이 큰 일로 나누세요. 앞의 두 그룹을 먼저 병렬 시험하고 성공률, 토큰, 응답시간, 사람 수정시간을 비교합니다. 손실이 큰 일은 사람 승인이나 상위 모델 검토를 남겨야 합니다.

3. Windows 로컬 AI와 Execution Containers: PC가 에이전트 실행 서버가 됩니다

Microsoft와 NVIDIA는 같은 행사에서 Windows를 로컬 AI와 에이전트 실행 환경으로 확장하는 발표를 내놨습니다. Microsoft Windows ML 개발자 글은 10월 8일 3시 KST, NVIDIA 공식 글은 같은 날 3시 45분 KST에 게시됐습니다. 핵심은 새 노트북 한 대가 아니라 모델 실행, 도구 사용, 보안 격리를 운영체제 안에서 연결하는 구조입니다.

Microsoft Execution Containers는 운영체제 통제 아래 에이전트를 격리하고, 실행을 관찰하며, 정책으로 관리하는 기반으로 일반 제공됐습니다. AI 에이전트가 백그라운드에서 오래 실행되고 파일·앱·네트워크를 다루기 시작하면 기존 앱 샌드박스보다 더 세밀한 통제가 필요하다는 문제를 겨냥합니다.

Windows ML의 변화

Windows ML은 GGUF 모델을 llama.cpp로 실행하는 실험적 통합을 추가했습니다. Text Generation API는 GGUF와 ONNX 모델을 하나의 단순한 인터페이스로 다루고, Windows ML이 모델에 맞는 실행 엔진을 선택하도록 설계됐습니다. Windows-native Runtime API도 미리보기로 공개됐습니다. 이미지, 영상 프레임, 오디오 버퍼, 텍스트를 Windows 데이터 형식으로 전달하고 여러 모델을 파이프라인으로 연결하는 방향입니다.

Microsoft는 로컬 추론의 장점으로 지연시간 단축, 데이터의 기기 내 처리, 토큰당 클라우드 비용 회피를 제시했습니다. 이 역시 조건이 붙습니다. 로컬 모델을 내려받는 경로, 모델 파일의 서명, 앱 로그, 기기 분실, 메모리 덤프, 사용자별 권한을 관리하지 않으면 데이터가 외부로 나가지 않는다는 사실만으로 안전하다고 말할 수 없습니다.

NVIDIA RTX Spark 발표

NVIDIA는 RTX Spark 노트북 사전 주문을 시작했고 10월 16일 출시 예정이라고 밝혔습니다. 발표 기준 최대 128GB 통합 메모리와 최대 1 petaFLOP FP4 AI 성능을 제공합니다. 소형 데스크톱은 11월 판매 예정입니다. DGX Station for Windows도 미리 공개했지만 정확한 출시일은 확정되지 않았습니다.

성능과 구동 가능한 모델 규모는 Microsoft와 NVIDIA가 제시한 수치입니다. 실제로 어떤 모델이 어느 속도로 동작하는지는 양자화, 문맥 길이, 배치 크기, 냉각, 전력, 드라이버, 모델 라이선스에 따라 달라집니다. “클라우드 모델을 PC에서 그대로 쓴다”는 식의 단정은 피해야 합니다.

왜 중요한가

로컬 AI는 공장, 매장, 연구실처럼 네트워크가 불안정하거나 자료 반출이 어려운 곳에 선택지를 줍니다. 그러나 에이전트는 여러 단계를 빠르게 이어가고 백그라운드에서 동작하므로 모델 성능보다 실행 격리, 허용 경로, 자격증명 접근, 중지 버튼과 감사 로그가 먼저입니다.

기업 실무 적용

데이터 민감도, 응답 속도, 오프라인 필요성, 처리량을 기준으로 업무별로 나누세요. 민감한 원본은 로컬에서 전처리하고 익명화한 요약만 클라우드로 보내는 혼합 구조도 가능합니다. 새 장비를 사기 전에는 기존 PC에서 처리시간, 메모리, 정확도와 실패 복구를 측정해야 합니다.

4. GitHub 유출 비밀 탐지 전용 모델: 생성 AI보다 탐지 AI가 먼저 돈을 아낍니다

GitHub는 10월 7일 유출 비밀 탐지에 특화된 모델을 공개했습니다. 이 모델은 코드를 생성하거나 설명문을 쓰는 범용 모델이 아닙니다. 주변 코드 문맥을 읽어 일반적인 토큰 형식이 없는 비밀번호와 자격증명 후보를 찾습니다. 기존 AI-detected Password alerts 사용자는 새 모델로 자동 전환됐습니다.

정형 탐지는 일정한 접두사나 길이를 가진 API 키를 찾는 데 강합니다. 그러나 개발자가 임시로 만든 비밀번호, 설정 파일 속 문자열, 사내 규칙으로 만든 자격증명은 모양만으로 알아내기 어렵습니다. 문맥형 탐지는 변수명, 주변 함수, 파일 위치를 함께 읽어 이런 후보를 찾으려는 접근입니다.

지금 제공되는 것과 아직 아닌 것

기존 AI 탐지 알림의 모델 교체는 시작됐고 GHSP·GHAS 고객에게 추가 비용 없이 포함됩니다. Push protection의 AI 탐지는 비공개 미리보기입니다. Copilot CLI와 Copilot 앱의 /security-review에 비밀 분류기를 붙이는 기능도 추후 비공개 미리보기 예정입니다. 발표와 일반 제공을 구분해야 합니다.

새 선택형 검사에는 AI Credits가 도입될 예정입니다. GitHub는 비용 정책을 넓은 공개 전에 알리는 것이라고 설명했습니다. 기존 알림은 포함 기능이지만, push 시점 검사와 security review의 추가 검사는 사용량에 따라 크레딧을 쓸 수 있습니다.

왜 중요한가

코딩 에이전트가 더 많은 코드를 만들수록 비밀정보가 들어갈 표면도 넓어집니다. 커밋이나 푸시 전에 문맥형 탐지를 붙이면 수정 비용을 줄일 수 있습니다. GitHub는 예산 경고만으로 사용이 멈추지 않을 수 있다고 안내하므로, 지원되는 경우 실제 중지 상한도 설정해야 합니다.

기업 실무 적용

어떤 저장소가 GHSP·GHAS 범위에 있는지, 비용이 어디에 귀속되는지, 발견된 비밀을 누가 폐기·재발급하는지 정하세요. 실제 비밀과 테스트 문자열을 구분해 오탐·미탐을 기록하고, 탐지부터 비밀 폐기까지 걸린 시간도 측정해야 합니다.

5. Liquid AI open d1: 생성하지 않고 결정하는 모델이 나왔습니다

Liquid AI는 10월 7일 d1-3B와 실험적 d1-omni-600M을 공개 가중치로 배포했습니다. 이 모델은 긴 문장을 생성하는 대신 주어진 입력에 대해 참·거짓 확률, 미리 정한 선택지, 단계별 점수를 반환합니다. d1-3B는 텍스트와 이미지, d1-omni-600M은 텍스트+이미지 또는 텍스트+오디오를 처리합니다.

예를 들어 고객 문의가 환불 요청인지 판단하고, 담당 부서를 고르고, 긴급도를 점수로 매기는 일을 한 번에 정의할 수 있습니다. 보고서를 쓰게 하는 것이 아니라 업무 흐름의 다음 분기를 고르게 하는 모델입니다.

발표 기업이 밝힌 성능

Liquid AI는 d1-3B가 자사 측정에서 Jetson AGX Thor에서 한 질문을 16ms, AGX Orin에서 26ms, Orin Nano에서 50ms에 처리했다고 발표했습니다. 공개 데이터셋과 자체 Decision Index 결과도 제시했습니다. 이 수치는 Liquid AI의 실행 환경과 측정 방식에 따른 값입니다. 우리 장비, 입력 길이, 동시 처리량에서 같은 결과를 보장하지 않습니다.

d1-omni-600M은 초기 연구 릴리스입니다. 공식 글도 비전·오디오 벤치마크를 공개하지 않았다고 명시합니다. 작다는 이유만으로 운영 제품에 바로 넣기보다 모달리티별 오류를 따로 확인해야 합니다.

왜 중요한가

환불 여부, 담당 부서, 위험 신호처럼 답의 형태가 정해졌다면 긴 문장 생성은 낭비일 수 있습니다. 다음 비용 절감은 더 싼 챗봇보다, 생성이 필요 없는 단계에서 생성을 제거하는 데서 나옵니다. 설명은 생성 모델로, 분류와 라우팅은 전용 모델이나 규칙으로 처리할 수 있습니다.

기업 실무 적용과 주의점

모델 카드 예시는 trust_remote_code=True를 사용하므로 코드 검토, 커밋 고정, 해시 검증과 네트워크 제한이 필요합니다. 시험에서는 전체 정확도보다 분류별 오탐·미탐 비용과 사람이 다시 볼 확신도 기준을 정하세요.

오늘 발표 5건이 기업에 주는 공통 신호

1. 생성·판단·실행을 한 모델에 몰아주지 마세요

GPT-6는 화면과 설명을 생성합니다. Haiku 5.5는 반복 작업을 처리합니다. open d1은 정해진 선택을 빠르게 반환합니다. Windows는 에이전트가 실행될 자리를 만들고, GitHub는 실행 전 보안 문제를 찾습니다. 역할이 다릅니다.

하나의 모델로 모든 단계를 처리하면 개발은 단순해 보이지만 비용, 권한, 장애 원인이 한곳에 몰립니다. 생성, 판단, 실행을 분리하면 각 단계에 맞는 모델과 통제를 붙일 수 있습니다.

2. 로컬 실행과 보안은 같은 말이 아닙니다

데이터를 외부 API로 보내지 않는 것은 중요한 장점입니다. 그러나 로컬 모델 파일, 브라우저 세션, 자격증명, 임시 파일, 로그가 보호되지 않으면 위험은 PC 안에 그대로 남습니다. 로컬 AI에는 기기 암호화, 사용자 권한, 모델 출처 검증, 업데이트 정책이 함께 필요합니다.

3. 가장 싼 단가보다 마이그레이션 비용을 보세요

Haiku 5.5는 낮은 가격을 내세우지만 토큰 계산과 API 호환성이 바뀝니다. GitHub의 새 보안 검사는 일부 기능에 AI Credits를 씁니다. 새 하드웨어는 초기 구매비뿐 아니라 전력, 관리, 드라이버, 교체 주기를 포함합니다. 총비용은 가격표 밖에 있습니다.

4. 미리보기와 일반 제공을 정책에서 구분하세요

Microsoft Execution Containers는 일반 제공이지만 일부 Windows ML API는 실험 또는 미리보기입니다. GitHub push protection과 security review 결합은 아직 비공개 미리보기입니다. Liquid d1-omni-600M은 초기 연구 릴리스입니다. 운영 정책에는 실험, 내부 시험, 제한 운영, 일반 운영 단계를 따로 두는 편이 안전합니다.

기업 AI 실행 체크리스트

이번 주에 할 일

• ☐ 현재 AI 업무를 생성, 판단, 실행 세 종류로 분류한다.
• ☐ 각 업무의 원본 데이터 위치와 외부 전송 여부를 표시한다.
• ☐ 소형 모델로 내려도 되는 반복 작업 세 가지를 고른다.
• ☐ AI가 만든 화면에서 읽기 전용 기능과 상태 변경 기능을 나눈다.
• ☐ 코딩 에이전트가 접근할 수 있는 비밀정보와 저장소 범위를 확인한다.
• ☐ 미리보기 기능이 운영 환경에 들어가 있는지 점검한다.

모델을 교체할 때

• ☐ 같은 입력을 기존 모델과 새 모델에 병렬 실행한다.
• ☐ 정확도뿐 아니라 사람 수정시간과 재시도율을 기록한다.
• ☐ 토큰 계산기와 최대 출력 길이를 새 모델 기준으로 다시 측정한다.
• ☐ 사고 설정, 도구 호출, 응답 블록 순서, 오류 코드를 확인한다.
• ☐ 실패하면 이전 모델로 되돌릴 경로를 준비한다.

로컬 AI와 에이전트를 연결할 때

• ☐ 모델 파일의 출처, 버전, 해시를 고정한다.
• ☐ 파일·네트워크·자격증명 접근을 최소 권한으로 제한한다.
• ☐ 외부 상태 변경 전 사람 확인 단계를 둔다.
• ☐ 감사 로그와 즉시 중지 방법을 마련한다.
• ☐ 기기 분실, 계정 퇴사, 모델 업데이트 상황을 시험한다.

도입 전에 주의할 점

첫째, 발표 기업의 벤치마크를 구매 결정으로 바로 연결하지 마세요. 발표 수치는 후보를 고르는 자료입니다. 최종 판단은 우리 데이터와 우리 장비에서 해야 합니다.

둘째, AI가 만든 대화형 화면을 일반 웹앱과 같은 수준으로 검토하세요. 계산식, 기본값, 외부 호출, 개인정보 표시, 되돌리기를 확인해야 합니다.

셋째, 소형 모델은 싸지만 잘못된 분류를 대량으로 만들 수도 있습니다. 확신도가 낮거나 손실이 큰 건은 사람 또는 상위 모델로 넘기는 승격 규칙이 필요합니다.

넷째, 로컬 실행은 인터넷 차단만으로 완성되지 않습니다. 모델 공급망과 도구 코드, 로그, 로컬 저장소까지 통제해야 합니다.

다섯째, 비공개 미리보기와 실험 기능은 계약, 지원, 장애 대응 조건이 일반 제공과 다를 수 있습니다. 고객 데이터와 핵심 업무는 별도 검토 없이 올리지 않는 편이 안전합니다.

FAQ

GPT-6 Intelligent UI는 모든 ChatGPT 사용자가 바로 쓸 수 있나요?

순차 배포입니다. Plus, Pro, Business, Enterprise의 Chat 탭에서 먼저 시작되고 Free와 Go는 10월 8일부터 확대됩니다. Enterprise는 관리자 설정에 따라 다를 수 있습니다. Work와 Codex의 모델은 이번 발표로 바뀌지 않습니다.

Intelligent UI가 기존 사내 앱을 바로 대체하나요?

아닙니다. 임시 계산기, 비교 화면, 설명 도구에는 유용할 수 있지만 권한, 저장, 감사, 오류 복구가 필요한 핵심 업무 앱은 별도 설계가 필요합니다. 먼저 읽기 전용 보조 화면부터 시험하는 편이 안전합니다.

Claude Haiku 5.5는 모델 이름만 바꾸면 마이그레이션되나요?

그렇지 않습니다. 토큰 계산, 사고 설정, 응답 블록, 샘플링 매개변수, assistant prefill, 컴퓨터 사용 도구 선언이 달라질 수 있습니다. 공식 마이그레이션 가이드에 따라 회귀 시험을 해야 합니다.

로컬 AI를 쓰면 회사 데이터가 안전해지나요?

외부 전송을 줄일 수는 있지만 자동으로 안전해지지는 않습니다. 기기 암호화, 사용자 권한, 모델 출처, 로그, 네트워크 목적지, 업데이트와 분실 대응을 함께 관리해야 합니다.

GitHub의 새 비밀 탐지 기능은 무료인가요?

기존 AI 탐지 알림의 새 모델은 GHSP·GHAS에 추가 비용 없이 포함됩니다. 새 push protection 검사와 /security-review 결합 검사는 AI Credits를 사용할 예정입니다. 기능별 포함 여부와 예산 상한을 따로 확인해야 합니다.

Liquid AI open d1은 생성형 AI를 대체하나요?

역할이 다릅니다. d1은 분류, 선택, 점수 같은 구조화 결정에 맞고 긴 설명이나 초안 작성에는 생성 모델이 필요합니다. 두 유형을 업무 단계별로 조합하는 편이 현실적입니다.

공식 출처

• OpenAI, GPT-6 and Intelligent UI for everyone: https://openai.com/index/gpt-6-for-everyone/
• OpenAI, ChatGPT release notes: https://help.openai.com/en/articles/6825453-chatgpt-release-notes
• Anthropic, Introducing Claude Haiku 5.5: https://www.anthropic.com/claude-haiku-5-5
• Anthropic, Claude Platform release notes: https://platform.claude.com/docs/en/release-notes/overview
• Anthropic, Haiku 5.5 migration guide: https://platform.claude.com/docs/en/models/haiku-5-5/migration-guide
• Microsoft, Windows and Surface October 2026 news: https://news.microsoft.com/windows-surface-october-2026-news/
• Microsoft, AI Development on Windows: https://devblogs.microsoft.com/foundry-on-windows/build-on-winml-oct-7-26/
• NVIDIA, Windows PCs with RTX Spark and AI Agents: https://blogs.nvidia.com/blog/local-ai-rtx-spark-microsoft-windows-event/
• GitHub, Purpose-built model for leaked secret detection: https://github.blog/changelog/2026-10-07-purpose-built-model-for-leaked-secret-detection/
• Liquid AI, Multimodal open d1 decision models for the edge: https://huggingface.co/blog/LiquidAI/open-d1