OpenAI는 Codex로 Git 백엔드 Pando 구축, Anthropic은 FlashProve 공개, Cohere는 Model Vault를 개방형 모델에 개방

OpenAI가 Codex로 10주 만에 구축한 모노레포용 Git 백엔드 Pando를 상세히 소개했다. Pando는 하루에 거의 1페타바이트(1 Po)의 데이터를 제공한다. Claude Code 2.1.317은 이제 계정 이메일 주소를 전송하기 전에 동의를 요청하며, GitHub Copilot은 JetBrains Air에 도입됐다. Anthropic은 추론에 대한 암호학적 증명 프로토타입 FlashProve를 공개했고, OpenAI는 취약점 보상금 중앙값을 네 배 넘게 인상했으며, Cohere는 다른 개발사의 개방형 모델도 Model Vault에서 사용할 수 있도록 했다. Google은 어떤 에이전트도 50 %를 넘지 못한 엔지니어링 벤치마크 PLE를 공개했으며, 12월 1일부터 Gemini 2.5 Pro와 2.5 Flash로 들어오는 요청을 더 최신 모델로 전환할 예정이다.

코딩 에이전트: OpenAI의 Codex 기반 Pando 구축, Claude Code 2.1.317, JetBrains Air에 도입된 GitHub Copilot

OpenAI, 모노레포의 Git 백엔드를 Codex로 10주 만에 구축한 Pando로 교체

11월 2일 — OpenAI가 이제 모노레포(단일 저장소)의 모든 개발을 지원하는 새로운 Git 백엔드 Pando를 상세히 소개했다. Git 프로토콜 및 클라이언트와 호환된다. 교체의 배경은 Codex다. 브랜치, 푸시, 병합, 가져오기가 급증하면서 2025년 말에는 기존 시스템의 신뢰성이 때때로 90 % 아래로 떨어졌다. 게시물의 그래프에 따르면 2026년 3분기에 주 브랜치에 통합된 커밋 수는 2024년 1분기보다 1 378 % 증가했다.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇰🇷 엔지니어와 에이전트가 Git을 사용하는 방식을 바꾸지 않고도 더 많은 푸시와 가져오기를 처리할 수 있도록 모노레포용 새 Git 백엔드 Pando를 만들었습니다. Pando는 푸시 지연 시간을 약 80 % 줄였으며, 이제 하루에 거의 1페타바이트의 Git 데이터를 제공합니다. 에이전트 사용량이 늘어나는 속도에 맞춰 Git의 처리 용량을 확장할 수 있습니다. — X의 @OpenAIDevs

이 부하를 감당하기 위해 Pando는 특정 시점의 모든 참조를 일관된 상태로 보여주는 방식을 포기했다. 각 브랜치는 독립적으로 갱신되며, 수신한 팩 파일은 지역별 캐시에서 다른 클라이언트에 그대로 다시 제공된다.

OpenAI가 측정한 지표	발표된 수치
푸시 지연 시간 중앙값	거의 5분의 1로 감소(약 -80 %)
제공하는 Git 데이터	하루에 거의 1페타바이트(1 Po)
시간당 최대 처리량	한 시간에 57 To 초과, 99 % 이상을 캐시에서 제공
복제 및 가져오기	표준 VM에서 10 Gbit/s 연결 대역폭을 모두 활용
구축 기간	Codex로 10주, 2026년 4월부터 운영 환경에서 사용

핵심 부분은 엔지니어 한 명이 설계하고 에이전트 팀들이 구현했다. 에이전트들은 GPT-6 Astra와 함께 Lean 및 TLA+ 코드도 작성해 Pando를 형식화하고 버그를 찾아냈다. OpenAI는 여러 수정 사항을 Git 프로젝트에 기여했으며, 제품이나 일정은 제시하지 않은 채 이 기술을 공유할 방법을 검토하고 있다고 밝혔다.

🔗 OpenAI의 Pando 소개 글

Claude Code 2.1.317, 계정 이메일 전송 전 동의 요청 및 Claude apps 게이트웨이 비용 보고서 추가

11월 3일 — Claude Code 2.1.317이 전날 저녁 npm에 배포된 데 이어 UTC 01시 25분에 GitHub에 공개됐다. 변경 사항 87개 중 62개는 수정 사항이지만, 이번 버전에는 개인정보 보호 장치도 추가됐다. 이제 웹 또는 셸 도구 호출이 계정 이메일 주소를 네트워크로 전송하기 전에 Claude Code가 동의를 요청한다. 같은 취지로 /schedule은 클라우드에 새로 예약한 작업에 요청하지 않은 커넥터가 부여되면 경고하고 제거 방법을 안내한다.

2.1.317의 새 기능	변경 내용
Claude apps 게이트웨이	`GET /v1/organizations/analytics/cost` 비용 보고서: 개발자별, 일별 또는 IdP 그룹별 지출
SDK Agent	`onFailure: "block"`: 훅 콜백이 실패하면 작업을 통과시키지 않고 차단
하위 에이전트 및 팀원	대화와 다른 모델을 사용할 경우 해당 모델에 저장된 추론 노력 수준을 적용
Read 도구	변경되지 않은 파일을 다시 읽으면 간단한 안내 대신 파일 내용을 반환
OpenTelemetry	`anthropic.plan` 및 `anthropic.seat_type` 등의 새 속성 추가

수정 사항으로는 자동 모드가 안전성 검사에 403 또는 422를 반환하는 LLM 게이트웨이 뒤에서 매 차례 막히는 문제가 해결됐다. Grep과 Glob은 검색이 제한 시간에 도달했을 때 부분 결과를 전체 결과처럼 표시하지 않으며, claude auth status도 토큰 갱신이 느리다는 이유로 사용자의 연결을 끊을 위험이 없어졌다. npm의 안정 채널은 여전히 2.1.311이다.

🔗 Claude Code 2.1.317 릴리스 노트

GitHub Copilot, Copilot 구독으로 JetBrains Air의 로컬 및 클라우드 작업 지원

11월 3일 — GitHub Copilot이 JetBrains Air의 에이전트 중 하나로 추가됐다. Air는 에이전트와 함께 개발하도록 설계된 JetBrains 환경으로, Agent Client Protocol(ACP)과 호환되는 모든 에이전트를 지원한다. 기존 Copilot 구독을 이용해 Air의 에이전트 선택기에서 Copilot을 선택하면 작업을 위임하고, 실행을 안내하며, 코드 옆에서 결과를 검토할 수 있다. Air는 여러 세션을 병렬로 추적한다. GitHub는 이를 JetBrains용 Copilot 플러그인과 함께 사용할 수 있는 선택지로 소개하며, 대체 제품으로 제시하지는 않는다.

실행 방식	필수 조건	사용량 차감 기준
로컬, JetBrains IDE 내	IDE에 Air 설치, GitHub Copilot 선택, Copilot 계정 연결	기존 Copilot 구독
클라우드, Air Teams 이용	Air Teams를 사용하는 JetBrains 비즈니스 조직, Air 관리자가 Copilot 활성화	JetBrains AI 크레딧이 아닌 Copilot 요금제

각 클라우드 작업은 새 가상 머신의 Docker 컨테이너에서 실행되며, 모든 트래픽은 프록시를 통과하고 작업 간 상태는 보존되지 않는다. GitHub는 제한 사항도 명시했다. 구독과 크레딧은 클라우드 환경이 시작될 때만 확인하며, 작업별로 개인 요금제와 조직 요금제를 선택할 수 없다. 또한 Air에서는 Copilot 지출 한도를 설정할 수 없고, 관리자는 Copilot을 비활성화할 수만 있다.

🔗 GitHub 변경 기록의 발표

보안: Anthropic의 FlashProve, OpenAI의 취약점 보상금, CWE-bench v2 및 CyberArena

Anthropic, 대규모 모델의 추론을 암호학적으로 증명하는 오픈 소스 프로토타입 FlashProve 공개

11월 2일 — Anthropic의 Frontier Red Team이 추론을 증명할 수 있는(증명 가능한 추론) 연구용 프로토타입 FlashProve를 공개하고 11월 3일 X에 발표했다. 이 기술로 응답이 실제로 특정 모델에서 나왔는지 검증할 수 있다. 제공자는 먼저 가중치에 대한 암호학적 약정(커미트먼트)을 공개한 뒤, 각 응답에 간결한 영지식 암호학적 증명(zkSNARK)을 첨부한다. 이 증명은 해당 가중치를 해당 프롬프트에 적용하면 정확히 그 토큰들이 생성된다는 사실을 입증한다. 가중치는 숨겨지지만 모델 구조는 공개된다. Anthropic에 따르면 Claude가 시스템 개선 사항을 만들고 프로토콜 명세를 작성했으며, 그 보안 속성은 Lean으로 증명됐다.

공개된 측정 항목(Llama 4 Maverick, 4 bits 가중치)	발표된 수치
H100 한 대의 증명 처리량	초당 약 110토큰
증명 크기(1 024토큰 요청)	약 19 Mo
GPU 없이 프로세서에서 검증	24개 스레드에서 17초
GPU당 vLLM 대비 추가 비용	약 72배, 부하가 가장 클 때 94배
이 모델의 기존 비교 기준인 VerInf	1 000토큰에 14,3시간, 증명 크기 93,6 Go

언급된 활용 사례에는 규제 기관의 개발 속도 추적, 침해된 추론 서버나 바꿔치기된 모델의 탐지, 텍스트 출처 확인 등이 있다. 제한도 분명하다. 문맥은 최대 1 024토큰이며, 탐욕적 디코딩(탐욕적 해독)으로 작동하는 모델 전체 버전에 대한 증명만 지원하고, 고속 코드에는 형식적 보장이 없다. 코드는 Apache 2.0 라이선스로 공개됐으며, 저장소는 유지보수되지 않는 것으로 명시돼 있다.

🔗 Anthropic의 FlashProve 소개 글 · FlashProve 저장소

OpenAI, 버그 바운티 보상금 중앙값을 네 배 넘게 인상…보너스 포함 최대 172 000달러

11월 2일 — OpenAI가 취약점 보상 프로그램(버그 바운티)의 보상금을 인상하고, 11월 3일 X에서도 이를 알렸다. 중간·높음·치명적 심각도의 취약점에 대해 보상 구간 중앙값이 평균적으로 네 배 넘게 올랐다. ChatGPT, Codex 또는 API 플랫폼의 치명적 취약점은 최대 30 000달러를 받을 수 있으며, 예외적으로 중대한 발견에는 여전히 기본 보상금 최대 100 000달러가 적용된다. 새 보너스를 포함하면 최대 172 000달러다. 보너스에는 신뢰할 수 있는 개념 증명에 대한 품질 배수, 5단계 기여 지속 보너스, 최근 출시한 기능을 대상으로 하는 우선 캠페인이 포함된다.

OpenAI가 제시한 취약점 예시	기존 보상금	새 보상금
ChatGPT의 중간 심각도 취약점: 쓰기 권한 없이 파일 가져오기	750 달러	2 415 달러
ChatGPT의 치명적 취약점: 클릭 없이 계정 탈취	6 500 달러	51 577 달러
예외적으로 중대한 취약점: 모든 사용자의 대화 열람	100 000 달러	171 925 달러

새 보상 구간은 처리 대기 중인 보고서에도 적용되며, OpenAI는 발표 전 30일 동안 지급된 보상금에 대해서도 차액을 지급한다. 보안팀은 11월 20일과 21일 오클랜드에서 열리는 PROMPT2PWN에 참가한다.

🔗 OpenAI의 취약점 보상금 안내 글

Collinear AI, CWE-bench v2 공개…공개 취약점 수정 과제 100개에서 Gemini 4 Argon이 Claude Opus 5.5에 근소한 우위

11월 3일 — Collinear AI가 Hugging Face 블로그에 CWE-bench 두 번째 버전을 공개했다. 이 벤치마크는 에이전트가 실제 오픈 소스 저장소에서 기능을 손상시키지 않고 보안 약점을 찾아 수정하는 능력을 측정한다. 공개 데이터셋에는 약점 유형 91개(CWE)를 아우르는 과제 100개가 있으며, 결정론적으로 채점하고 사람이 직접 검토했다. 어떤 모델도 보지 못한 과제에서의 진전을 추적하기 위한 별도 데이터셋은 비공개로 유지된다.

평가 모델	pass@1 성공률	pass@4 성공률	실행당 비용
Gemini 4 Argon	67,8 %	81,0 %	3,92 달러
Claude Opus 5.5	67,3 %	78,0 %	1,83 달러
DeepSeek V4.1 Flash (1017)	57,0 %	미공개	0,04 달러

평가한 11개 모델 중 적어도 하나가 해결한 과제는 95개지만, 선두 모델도 전체 과제의 19 %에서는 모든 시도에 실패했다. 각 과제는 Hub에서 실행할 수 있는 Harbor 환경(Docker 컨테이너, 지시문, 결정론적 검증기)이며, RL을 통한 방어용 에이전트 훈련에도 활용할 수 있다. Gemini 4 Carbon은 평가 대상 모델에 포함되지 않았다.

🔗 Hugging Face 블로그의 CWE-bench v2 소개

CyberArena, 12개 에이전트의 실시간 공격·방어 대결…GPT-5.6 Sol이 방어력으로 선두

11월 3일 — 2077AI와 UC Berkeley의 RDI 센터가 사이버 보안 시험을 대결 방식으로 바꾼 벤치마크 CyberArena를 공개했다. 두 에이전트는 각각 동일한 취약 서비스의 복사본을 받고, 세 라운드 동안 상대 복사본을 공격하는 동시에 자신의 복사본을 수정한다. 아레나는 모든 깃발 탈취와 서비스 정상 작동 검사를 검증한 뒤 경기 결과를 순위로 환산한다.

순위	평가 에이전트	사용한 실행 도구	순위 점수
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

에이전트 12개와 도전 과제 40개를 대상으로 한 유효 경기 466회에서 차이를 만든 것은 방어였다. 상위 두 에이전트는 각각 라운드의 83 %와 81 %에서 깃발을 지켰지만, 나머지는 43~61 %에 그쳤다. 감사에서 가장 자주 확인된 오류는 검증 없이 수정을 완료했다고 알리는 경우(감사 대상 경기의 23 %)와 일부만 수정한 경우(21 %)였다. 이 순위는 이전 세대 모델을 대상으로 하며 GPT-6 Sol과 Claude Opus 5.5는 포함하지 않는다. 아레나 코드, 도전 과제, 경기 다시보기가 공개돼 있다.

🔗 Hugging Face 블로그의 CyberArena 소개

기업용 개방형 모델: Cohere의 Model Vault 개방, Together AI에 따르면 Revolut은 자체 호스팅 GLM으로 전환

Cohere, DeepSeek V4.1 Flash부터 GPT-OSS까지 다른 개발사의 개방형 모델에 Model Vault 개방

11월 3일 — Cohere가 1월에 출시한 소버린 추론 플랫폼 Model Vault를 다른 개발사의 개방형 모델에도 개방했다. 기업들은 Cohere 모델 외에도 Cohere가 OpenRouter에서 가장 많이 사용되는 개방형 모델이라고 소개한 DeepSeek V4.1 Flash, GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, NVIDIA의 Nemotron, Tencent의 Hy3, GPT-OSS 및 Phi 제품군을 실행할 수 있다. 기본 설정에서는 프롬프트와 응답 모두 저장하지 않는다.

게시글은 두 가지 등급을 구분한다. Model Vault는 고객이 선택한 지역에서 단일 고객 전용 인프라로 실행된다. Model Vault Encrypted는 처리 중인 데이터도 암호화한다(confidential computing). Cohere에 따르면 Cohere와 클라우드 제공업체 모두 모델에 입력되거나 출력되는 내용을 볼 수 없다. 이 두 번째 등급은 모든 모델을 지원하지는 않는다.

모델 제품군	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	예	예
Gemma, GPT-OSS, Phi	예	예
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	예	아니요

Model Vault는 미국, 유럽연합, 캐나다에서 이용할 수 있다. Model Vault Encrypted는 미국에서 이용할 수 있으며, 유럽연합과 캐나다는 “곧” 지원할 예정이라고 밝혔다. 요금은 GPU 종류에 따라 시간당 또는 약정 방식으로 부과되며, 게시글에는 가격이 나와 있지 않다. 향후 12개월에 걸친 차세대 모델 출시 계획을 밝힌 시리즈 E 투자 유치로부터 닷새 뒤, Cohere는 게시물 타래에 다음과 같은 말을 덧붙였다.

Try out world-class models while you wait for our next one

🇰🇷 저희의 다음 모델을 기다리는 동안 최고 수준의 모델들을 사용해 보세요. — X의 @cohere

🔗 Model Vault에 관한 Cohere 게시글

Together AI가 공유한 게시물에 따르면 Revolut이 약 2 000명의 엔지니어를 코딩용 자체 호스팅 GLM으로 전환

11월 3일 — Together AI가 Revolut이 코딩에 개방형 모델을 기본으로 사용하기 시작했다는 게시물을 공유했다.

Europe’s largest private company just made open models its default for coding.

🇰🇷 유럽 최대의 비상장 기업이 코딩에 개방형 모델을 기본으로 사용하기 시작했습니다. — X의 @togethercompute

인용된 기예르모 플로르의 게시물은 이 인터넷 전문은행의 AI 운영 책임자인 다비드 아비트볼의 발언을 근거로 한다. 현재 약 2 000명의 엔지니어가 자체 호스팅 GLM으로 작업하며, Claude Code와 Codex는 예외적으로만 사용하도록 분류됐다.

게시물에서 전한 수치	발표된 값
해당 엔지니어 수	약 2 000
하드웨어	NVIDIA B200 GPU 56개
혼합 비용	토큰 백만 개당 30 cents, Anthropic 및 OpenAI 가격의 약 10분의 1
엔지니어링 소요 시간(lead time)	70 % 개선

같은 게시물에 따르면 토큰 사용량 제한을 없앤 뒤 성과 개선이 나타났다. Together AI는 이러한 개방형 모델을 실제 운영 환경에서 구동하는 인프라의 일부를 제공한다고 밝혔으나, 구체적인 역할은 설명하지 않았다. 이 정보는 여전히 간접적으로 전해진 내용이다. Revolut의 공식 발표는 확인되지 않았으며 GLM 버전도 명시되지 않았다.

🔗 Together AI가 인용한 기예르모 플로르의 게시물

물리 세계 엔지니어링: GPT-6 Astra의 하드웨어 설계, Google의 PLE 공개, 화학 분야의 Antigravity, 도시의 NVIDIA

OpenAI, Mazda 및 Chip Ganassi Racing과 함께 GPT-6 Astra와 Codex를 물리적 제품 엔지니어링에 적용

11월 3일 — OpenAI가 기계 설계, 전자공학, 시뮬레이션 등 물리적 제품 엔지니어링 분야의 작업을 소개했다. 가장 눈에 띄는 시연에서는 팀원 두 명이 부수 프로젝트로 일주일도 안 되는 기간에 GPT-6 Astra와 함께 Codex에 말을 걸 수 있는 소형 기기를 설계했다. Astra가 외형, 케이스, 인쇄회로기판, 인터페이스, 펌웨어를 설계했고, 외주 제조업체가 한 달도 안 돼 소량의 시제품을 제작했다. OpenAI는 여러 차례의 검토가 필요했다고 인정했다. 모델이 생산상의 제약, 공차, 조립 세부 사항을 항상 고려한 것은 아니었다.

OpenAI가 공개한 측정 항목	발표된 값
BenchCAD 2.0, 더 최신인 내부 모델(이름 미공개)	0,875 (평균 점수)
BenchCAD 2.0, 최대 추론 수준의 GPT-6 Astra	0,594
하드웨어 팀의 모델 사용량(토큰 기준)	2월 이후 23배 증가

BenchCAD 2.0은 3D 부품과 조립체의 재구성, 인쇄회로기판의 연결 관계 식별을 평가한다. 산업 분야에서는 기존 부품의 3D 스캔을 편집 가능한 CAO 모델과 2D 제작 도면으로 변환하는 Chip Ganassi Racing 팀과의 협력을 확대하고, Mazda와의 연구 협력도 발표했다. GPT-6 Astra는 Mazda 엔지니어들이 공기 저항을 줄이는 차체 앞부분의 형상을 탐색하도록 돕고 있으며, 성과는 “앞으로 몇 달 안에” 공개할 예정이라고 밝혔다. 제품이나 제공 일정은 발표하지 않았다.

🔗 물리 세계 엔지니어링에 관한 OpenAI 게시글

Google, 어떤 에이전트도 50 %를 넘지 못한 엔지니어링 벤치마크 Physical-Engineering’s Last Exam 공개

11월 3일 — Google AI & Infrastructure 팀이 에이전트의 실제 엔지니어링 수행 능력을 측정하기 위해 Mercor와 함께 설계한 Physical-Engineering’s Last Exam(PLE)을 소개했다. 공개 경진대회를 겸하는 이 벤치마크에는 장시간이 필요한 과제 85개가 포함된다. 기계 분야 30개, 전기 분야 27개, 토목 분야 18개, 구조 분야 10개다. 에이전트는 PDF, 스프레드시트, 이메일, 2D CAO 도면, 3D BIM 모형 등 평균 61개의 파일이 담긴 컨테이너화된 프로젝트 폴더에서 작업한다. 결과물은 모든 안전 기준을 통과해야만 점수를 받는다.

순위	평가 모델	기본 하네스	평균 점수
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

공개 하네스 7종으로 평가한 모델 14개 중 비공개 테스트 세트에서 50 %를 넘은 모델은 없었다. 가장 우수한 구성은 제약 조건을 개별적으로 보면 91 %를 충족했지만, 모든 안전성 및 실현 가능성 검사를 통과한 결과물은 41,3 %에 그쳤다. 하네스보다 모델의 영향이 훨씬 컸다. 모델 간 격차는 최대 50점이었지만, 동일 모델에서 하네스 간 격차의 중앙값은 3점이었다. Google은 과제 29개, 채점 스크립트, 평가 컨테이너를 공개하고 비공개 세트에 대한 평가 제출 접수를 시작했다.

🔗 PLE에 관한 Google Cloud 게시글 · PLE 순위표

Google DeepMind, 약물 설계 주기를 한 시간으로 단축하는 Cheminformatics Skills를 Antigravity에 추가

11월 3일 — Google DeepMind가 Google Antigravity를 화학자를 위한 작업대로 바꾸는 Cheminformatics Skills를 소개했다. 역할 분담은 명확하다. 언어 모델이 작업을 조율하고 데이터베이스를 탐색하며 추론하는 동안, 오픈 소스 라이브러리 RDKit과 ChEMBL 및 PubChem 데이터베이스를 기반으로 하는 결정론적 화학 도구가 분자 계산을 수행한다.

시연은 의약화학의 대표적인 사례를 재현한다. 일부 폐암 치료에 쓰이는 티로신 키나아제 억제제 크리조티닙의 구조적 유연성을 낮춰, 고리화 형태인 로라티닙으로 발전시키는 작업이다. 에이전트는 몇 분 만에 문헌에서 수천 개의 화합물을 수집하고, 대응 분자쌍 분석을 수행하며, 약효 예측 모델을 훈련한 뒤, 합성 경로와 함께 새로운 거대고리 화합물을 제안한다. DeepMind에 따르면 보통 며칠이 걸리는 이 주기를 한 시간 안에 마칠 수 있다. 이 게시글은 10월 15일의 항균 펩타이드 관련 게시글에 이어지는 내용이며, Antigravity의 Science 페이지로 안내한다. Google은 이 페이지에서 과학자 10 000명을 대상으로 최상위 등급과 Gemini 4 Argon을 6개월간 무료로 이용할 수 있는 기회를 신청받고 있으며, 이 스킬에 별도로 적용되는 이용 조건은 제시하지 않았다.

🔗 Google DeepMind 게시글

NVIDIA, 바르셀로나에서 파트너들이 자사 피지컬 AI와 에이전트 AI로 구축하는 도시 서비스 소개

11월 3일 — NVIDIA가 바르셀로나에서 열리는 Smart City Expo World Congress(11월 3~5일)를 맞아 파트너들이 자사의 피지컬 AI 및 에이전트 AI 구성 요소로 구축하는 도시 서비스를 소개했다. 여기에는 개방형 Nemotron 모델, Cosmos 월드 모델, Omniverse 라이브러리, 영상 검색 및 요약용 Metropolis 블루프린트가 포함된다.

언급된 파트너	구축 지역	발표된 수치
1MillionBot	스페인	주민 지원 에이전트 배포 150건 이상
ITMAX	말레이시아	2027년까지 카메라 17 000대 이상에 적용
ITMAX와 TeraSim	말레이시아	출퇴근 시간대 이동 시간 최대 26 % 단축
Linker Vision과 MVRDV	대만	도시 수관의 15년 변화를 10분 만에 시뮬레이션

1MillionBot은 Barcelona Supercomputing Center에서 훈련한 오픈 소스 ALIA 모델을 Nemotron과 결합한다. K2K는 브로츠와프에서 기존 카메라를 활용하고, Honeywell은 나이지리아에 있는 Dangote의 레키 정유공장에 Nemotron 에이전트를 도입하며, Cires Technologies는 탕헤르 메드항의 소버린 AI 팩토리를 확장한다. NVIDIA의 신제품 발표는 없으며, 구축 사례를 선보이는 자리다.

🔗 도시에 관한 NVIDIA 게시글

공개 자료: Mistral Large 4 기술 보고서, pplx-embed-v2-context, StateBench와 FineDNA

Mistral, Le Chonk의 개발 과정을 담은 Mistral Large 4 기술 보고서 공개

11월 3일 — Mistral이 10월 29일 가중치를 공개한 모델이자 Le Chonk라는 별칭으로 알려진 Mistral Large 4의 기술 보고서를 공개했다. 11월 2일 Hugging Face에 게시된 뒤 alphaXiv에도 올라온 이 문서는 전체 매개변수 1조 개 중 520억 개가 활성화되는 멀티모달 전문가 혼합(mixture-of-experts) 모델을 설명한다. 초록과 서론에 따르면 보고서는 먼저 아키텍처 선택의 배경을 밝힌다. 개발 과정에서 모델 제공 비용을 낮추기 위해 KV 캐시를 극단적으로 줄였더니 에이전트 작업의 성능이 떨어졌다. 연구팀은 이 성능 저하를 측정한 뒤 모델 수술(model surgery)로 바로잡았다. 완전 어텐션으로 전환한 다음 DeepSeek의 희소 어텐션(DeepSeek Sparse Attention, DSA)으로 바꾼 것이다. 데이터 측면에서는 에이전트가 실행 가능한 환경, 과제, 기준 해답, 검증기를 직접 작성하며, 다른 에이전트들이 보상 해킹(reward hacking)을 방지하면서 오류가 있는 과제를 수정한다.

평가 항목	보고서에 따른 값
Harvey의 Legal Agent Benchmark(처음 공개한 수치)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
사이버 안전성(JailbreakBench, StrongREJECT, AgentHarm 평균)	96,6 %
NVFP4로 양자화한 체크포인트	606 Go, GB300 GPU 4개에서 제공

보정된 NVFP4 양자화 모델은 평가에서 FP8 기준 모델과 동등한 성능을 보였으며, 세 가지 추론 수준(high, medium, low)은 응답 길이가 서로 다른 여러 교사 모델로부터 증류해 얻었다.

🔗 alphaXiv의 기술 보고서 · Mistral의 X 발표

Perplexity, 9B와 0.6B 크기의 개방형 문맥 임베딩 모델 pplx-embed-v2-context 공개

11월 2일 — Perplexity가 9월 30일의 9B 미리보기 공개로부터 한 달 만에, 가중치가 공개된 문맥 임베딩 모델 pplx-embed-v2-context를 9B와 0.6B 두 가지 크기로 공개했다. 문맥 임베딩은 문서 전체를 고려해 구간(chunk)을 표현한다. 각 모델은 문서당 int8 벡터 하나를 반환하거나 구간마다 벡터 하나씩을 반환한다. 새로운 점은 훈련 방식이다. Perplexity는 하나의 정답 구간(gold chunk)만이 질의에 답한다고 가정하는 대신, 자사 답변 엔진의 문맥 압축 모델에서 단계별 관련성 점수를 증류한다. 그 결과 답변을 뒷받침하는 구간들이 더 이상 부정 예제로 취급되지 않는다.

Perplexity가 발표한 평가 항목	공개된 결과
ConTEB, context-bench 및 Q2D-Chunk	9B가 세 벤치마크 모두에서 1위
ViDoRe-V3, 시각 문서	인덱스 크기가 4분의 1이면서 9B가 Nemotron-3.5-Embed-8B보다 우수
markdown 형식의 ViDoRe-V3	매개변수 10억 개 미만 모델 중 0.6B가 1위
Q2D-Chunk, 새 공개 벤치마크	실제 질의 6 069개, 10개 언어, 문서 71 100개

turbopuffer와 공동 작성한 연구 논문은 arXiv에 게재됐으며, Q2D-Chunk는 Hugging Face에서 공개 순위표를 운영한다. 9B는 MIT 라이선스로 공개됐지만 0.6B의 모델 카드에는 라이선스가 표시되어 있지 않다. 게시물 타래에서는 API나 요금을 언급하지 않는다.

🔗 @perplexitydevs의 게시물 타래 · arXiv의 논문

Ai2가 StateBench 공개, 최첨단 모델이 긴 문서의 상태 추적에서 성능 저하를 보이는 벤치마크

11월 3일 — Ai2가 긴 맥락에서의 상태 추적(long-context state tracking)을 다루는 벤치마크 StateBench를 공개했다. 이는 코드에서 재할당되는 변수처럼 긴 문서 안에서 계속 바뀌는 정보를 모델이 추적하는 능력을 뜻한다. Krohn–Rhodes 이론에서 가져온 네 가지 난도는 불변 할당부터 참조 할당까지 아우른다.

난도	할당 유형	Ai2가 제시한 예시
r-trivial	불변	`let x = 4`
비주기적	값 재할당	`x = 4` 이후 `x = 2`
가해	자기 참조 갱신	`x = x + 5`
일반 유한	참조 할당	`x = y`, 변수 교환

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna는 처음 두 난도에서는 좋은 성능을 보이지만, 나머지 두 난도에서는 길이가 늘수록 정확도가 떨어져 가장 긴 일반 유한 문제에서는 13 % 이하까지 내려간다. 최대 256회의 할당으로 학습하고 최대 64 000회까지 평가한 275M 규모의 모델들은 아키텍처별 차이를 드러냈다. Gated DeltaNet과 하이브리드 모델은 처음 세 난도에서 거의 완벽하게 일반화한 반면, 트랜스포머는 성능이 떨어졌으며 마지막 난도는 끝내 학습하지 못했다. 데이터와 코드도 공개됐다.

🔗 Hugging Face 블로그의 StateBench 소개

Hugging Face가 FineDNA 공개, 언어 모델에 DNA를 학습시키는 Carbon-X의 전체 학습 데이터

11월 1일 — 뒤늦게 전하는 소식: Hugging Face가 DNA를 읽을 수 있는 모델 Carbon-X의 학습에 사용한 전체 데이터 FineDNA를 공개했다. Carbon-X는 Qwen3-14B를 기반으로 하며 10월 22일 소개됐다. Apache 2.0 라이선스로 제공되는 이 데이터셋은 세 단계의 학습을 모두 포함한다.

학습 단계	데이터셋 크기	시작 모델
중간 학습(mid-training), 23개 구성	514,30십억 토큰, 이 중 302십억 토큰을 학습에 사용	Qwen3-14B
SFT, 8개 영역	대화 203 923개	Carbon-X-Base
RL	프롬프트 98 433개	Carbon-X-SFT

중간 학습은 DNA에 55 %, 영어에 20 %, 생물학 텍스트에 15 %, 지시문에 10 %를 배정한다. GENERator와 OpenGenome2에서 가져온 서열은 6-mers를 읽는 토크나이저에 맞춰 염기 여섯 개의 배수로 나눈다. 데이터셋을 발표한 루브나 벤 알랄에 따르면 이 단계가 이후 학습의 성패를 좌우한다. Qwen3-14B에 RL을 바로 적용하면 FrontierVEP에서 무작위 수준에 머무르지만, 사전 준비를 거친 모델에는 같은 방법을 적용해도 성능이 향상된다.

🔗 Hugging Face Hub의 FineDNA · 루브나 벤 알랄의 X 발표

Gemini API가 Gemini 2.5 Pro와 2.5 Flash의 지원 중단을 예고하고 12월 1일부터 요청을 Gemini 3.8 Flash와 3.5 Flash-Lite로 전환

11월 2일 — Google이 Gemini API 출시 노트에 2025년 6월 출시된 Gemini 2.5 Pro와 Gemini 2.5 Flash의 지원 중단 예고를 기재했다. 두 모델은 Google AI Studio에서 더 이상 제공되지 않으며, API 접근은 기존 사용자에게만 허용된다. 2026년 12월 1일부터 API는 오류를 반환하는 대신 요청을 자동으로 전환한다. gemini-2.5-pro로 보낸 요청은 Gemini 3.8 Flash로, gemini-2.5-flash로 보낸 요청은 Gemini 3.5 Flash-Lite로 전달되며 새 모델의 요금이 적용된다.

해당 모델	입력 가격(백만 토큰당)	출력 가격(백만 토큰당)
gemini-2.5-pro (프롬프트 ≤ 200 000 토큰)	1,25달러	10달러
gemini-3.8-flash, 2026년 12월 31일까지	0,75달러	3,75달러
gemini-3.8-flash, 2027년 1월 1일부터	1,50달러	7,50달러
gemini-2.5-flash	0,30달러(오디오는 1달러)	2,50달러
gemini-3.5-flash-lite	오디오를 포함해 0,30달러	2,50달러

Google은 이 날짜 전에 식별자를 변경할 것을 권장한다. 마이그레이션에는 함수 호출과 thought_signature의 유효성 검사, thinking_budget 대신 thinking_level 사용, 샘플링 매개변수 제거, 모델 응답 턴의 사전 채우기 지원 종료 등 호환성을 깨뜨리는 변경 사항이 포함되기 때문이다.

🔗 Gemini API 출시 노트 · 지원 중단 예고 페이지

어시스턴트 플러그인과 연동: Perplexity Computer가 Agent Plugins를 도입하고 전자상거래용으로 확장, Synthesia는 ChatGPT 플러그인 상세 소개

Perplexity Computer가 앱 연결과 스킬에 개방형 표준 Agent Plugins 도입

11월 3일 — Perplexity Computer가 앱 연결과 스킬을 하나의 패키지로 묶는 형식인 Agent Plugins를 지원한다. 사용자는 생산성과 협업부터 데이터와 분석까지 최소 13개 범주로 분류된 Computer 카탈로그를 탐색하거나, GitHub 또는 .zip 파일에서 자체 플러그인을 가져올 수 있다. 카탈로그에는 HubSpot, IBISWorld, DoorDash Drive 등이 포함된다. @AskPerplexity에 따르면 플러그인은 Computer에서 활성화됐으며 Enterprise 계정에도 배포 중이다.

Agent Plugins는 특정 공급업체에 종속되지 않는 개방형 표준으로, 8월 6일 공개됐다. 1.0.0 사양은 Agent Skills와 MCP 서버를 위한 공통 형식을 규정한다. plugin.json 매니페스트, skills/ 폴더, mcp.json 파일이 필수다. Perplexity의 게시물은 Amazon, Cursor, GitHub, OpenAI, Vercel 소속 유지관리자를 언급하지만, 표준 웹사이트는 초기 운영위원회에 GitHub 대신 Microsoft를 명시한다. 호환 클라이언트 페이지에는 GitHub Copilot, VS Code, Cursor, Kiro, ChatGPT & Codex와 함께 Perplexity Computer가 나열돼 있다. Computer에서는 9월에 선보인 Skills Marketplace의 확장에 해당하며, 이번 발표에 별도 블로그 글이나 변경 기록은 첨부되지 않았다.

🔗 @AskPerplexity의 발표 · Agent Plugins 표준

Perplexity가 Shopify, Meta 광고, Klaviyo를 연결하는 Computer for e-commerce 출시

11월 3일 — Perplexity가 온라인 브랜드를 위한 에이전트 Computer 서비스인 Computer for e-commerce를 소개했다. 매장 데이터와 랜딩 페이지를 위해 Shopify에, 광고를 위해 Meta에, 이메일 마케팅을 위해 Klaviyo에 연결하며, 브랜드가 스킬에 저장한 시각적 지침과 어조를 적용한다.

연결 서비스	Computer의 역할
Shopify	매출 분석, 제품 추천, 랜딩 페이지
Meta	정적 이미지 광고, 성과가 좋은 동영상의 변형 제작, 캠페인 설정
Klaviyo	고객 데이터 기반 타깃 설정, 문구 작성, 검토 후 발송 예약 또는 발송

기업은 목표, 예산, 승인할 단계인 페이지 게시, 이메일 발송, 광고비 지출을 정한다. Perplexity가 제시한 예시는 15 % 할인하는 여름 컬렉션, 예산 상한 1 000달러로 2주간 진행하는 Meta 캠페인, 기존 고객을 위한 Klaviyo 캠페인이며, 출시 전에 모든 내용을 보여 준다. Shopify는 이미 Computer의 400개 이상 연동 서비스에 포함돼 있었다. Perplexity는 반복 작업 흐름 설정을 지원하지만, 가격이나 요금제는 명시하지 않았다.

🔗 Computer for e-commerce에 관한 Perplexity 게시물

Synthesia가 모든 요금제에서 이용 가능한 ChatGPT 플러그인 상세 소개

11월 3일 — 전날 별도 블로그 글 없이 X에서 발표한 데 이어, Synthesia가 작업 흐름 담당 제품 책임자 댄 스푸너의 게시물을 통해 플러그인을 자세히 소개했다. 이 플러그인은 모든 Synthesia 요금제에서 ChatGPT를 통해 이용할 수 있으며 무료로 시작할 수 있다. ChatGPT의 플러그인 메뉴에서 활성화하고, 그 과정에서 무료 계정을 만들 수도 있다. 사용자가 원하는 동영상을 설명하거나 문서, 프레젠테이션, 스프레드시트를 제공하면 ChatGPT가 시각적 스타일과 길이 등을 몇 가지 질문한 뒤 Synthesia가 대화 안에서 동영상을 만든다.

기본적으로 동영상은 가장 빠른 형식으로 소개된 Syren으로 제작된다. 아바타가 대본을 그대로 읽어야 하거나 브랜드 키트 또는 템플릿이 필요할 때는 “Studio로 만들어 줘”라고 지시하면 Synthesia Studio로 전환된다. 플러그인은 동영상 라이브러리도 검색하며, ChatGPT에 연결된 다른 플러그인과 결합해 일회성 또는 예약 작업을 수행한다. 예를 들어 Zoom 통화를 60초로 요약하거나 BambooHR를 바탕으로 매일 환영 동영상을 만들 수 있다. 게시물은 ChatGPT만 언급하며 Claude는 다루지 않고, 가격이나 크레딧 소모량도 명시하지 않았다.

🔗 Synthesia 게시물

Google이 Google Classroom에 Guided Learning을 출시하고 검색에서 시험하며, 유치원부터 고등학교 학생의 Gemini를 기본 비활성화할 예정

11월 3일 — Google이 교육 관련 발표를 Guided Learning 중심으로 묶어 소개했다. Guided Learning은 답을 바로 주기보다 질문과 단계별 설명으로 학생을 안내하는 Gemini의 학습 모드다. 주 발표문에 따르면 이제 전 세계 Google Classroom에서 이용할 수 있다. 교사는 자신의 수업 자료에 기반한 활동을 배정하고 학급에 도움이 필요한 부분을 실시간으로 확인한다. Google 검색에도 학생 계정을 위한 이 기능이 통합될 예정이며, 11월 말 일부 미국 학교에서 시범 운영한다.

가장 큰 변화는 접근 제어에 있다. 유치원부터 고등학교까지의 학생 계정(K-12)에서는 학교 관리자가 활성화하기 전까지 Gemini, Gemini Notebook, Gemini in Classroom, Google 검색이 모두 비활성화된다. 구체적인 날짜는 제시되지 않았으며, Google은 향후 몇 달 안에 학교들과 세부 내용을 공유할 예정이다.

Google이 보고한 측정 항목	공개 수치
도쿄대학교 무작위 배정 실험	학생 300명 이상, 반나절 학습
웹 도구만 사용했을 때의 향상 폭	+5,3%포인트
Guided Learning 사용 시 향상 폭	+8,1포인트, 즉 향상 폭이 1,5배
Google.org의 지원금	다섯 개 단체에 9,5백만 달러 이상

🔗 인공지능과 학습에 관한 Google 게시물 · Guided Learning 연구

Hugging Face 도구: TRL의 MOPD와 Transformers용 Model Integration Contracts

TRL이 여러 RL 전문가를 하나의 모델로 통합하는 다중 교사 증류 기법 MOPD 지원

11월 3일 — Hugging Face의 후속 학습 라이브러리 TRL이 다중 교사 온폴리시 증류(Multi-Teacher On-Policy Distillation, MOPD)를 지원한다. 세르히오 파니에고의 게시물에 따르면 이 기법은 Xiaomi가 1월 MiMo-V2-Flash를 위해 명명했으며, 이후 DeepSeek, Moonshot, NVIDIA, Liquid AI, Mistral이 사용했다. 공통 SFT 이후 수학, 코드, 지시 이행 등 각 영역마다 RL로 학습한 전문가를 배정한다. 그다음 학생 모델이 모든 영역의 프롬프트에 답하면 해당 전문가가 답변을 토큰별로 평가한다.

TRL에서는 아직 실험 단계인 AsyncDistillationTrainer가 각 프롬프트를 담당 교사에게 전달한다. 동기식 버전은 작업 중이며(PR 7215), MOPD는 아직 TRL v1.17 출시 노트에 등장하지 않는다. 예제는 SmolLM3-3B를 기반으로 한 Open-MOPD 전문가들을 사용하며, Hugging Face Jobs를 통해 H200 네 개를 탑재한 단일 머신에서 실행된다. 게시물은 한 가지 함정을 지적한다. 지시 이행이 프롬프트의 20 %를 차지해도 토큰에서는 1~2 %에 그칠 수 있어, 학생 모델이 해당 교사에게서 거의 배우지 못할 수 있다는 것이다.

🔗 Hugging Face 블로그의 TRL MOPD 소개

Hugging Face가 병합 전 CPU에서 Transformers의 성능 퇴행을 감지하는 Model Integration Contracts 제안

11월 3일 — Hugging Face가 타레크 지아데의 게시물을 통해 Model Integration Contracts(MIC)를 제안했다. 변경 사항이 주 브랜치에 반영되기 전에 일반 프로세서만으로 Transformers 모델을 시험하기 위한 도구다. 출발점은 7월 30일 발생한 문제다. T5의 SDPA 어텐션을 활성화하면서 UMT5 디코더가 학습 중 미래 토큰을 볼 수 있게 됐고, 이 버그가 주 브랜치에 거의 두 달간 남아 있었다. 5개월간의 커밋을 재실행했을 때, 실제 체크포인트의 1 227MB보다 작은 66MB UMT5 모델이 모든 해당 커밋에서 이 문제를 감지했다.

계약은 원본의 모든 레이어 유형을 유지하는 축소 모델, 실행 가능한 사용 예제, 사람이 검토한 기준값을 결합한다. 이 방식으로 Llama 4 Scout의 파라미터 수는 1,086억 개에서 4,470만 개로 줄어든다. 명령줄 도구 tmic는 LLM이 계약을 작성하게 하고, 사람이 이를 검증한다. 가중치도 중요하다. Whisper에서는 무작위 가중치가 주입한 오류 24개 중 18개를 찾아낸 반면, 과적합시킨 가중치는 24개 모두를 찾아냈다. 11월 1일 기준 Transformers의 CI 작업은 실패를 보고하지만 아직 PR을 차단하지는 않는다.

🔗 Model Integration Contracts에 관한 Hugging Face 게시물

단신

코딩 에이전트와 도구

Claude Code 10월 소식 정리 — @ClaudeDevs의 게시글 모음에서 릴리스 노트에 없던 변수가 소개됐다. CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1는 권한 확인 우회 모드에서도 여전히 확인을 요구하던 일부 위험한 rm 명령을 확인 없이 실행하도록 허용하며, 폐기 가능한 컨테이너에서만 사용해야 한다(Claude Code 2.1.311 이상). 클라우드 세션은 입력 중에도 미리 준비되며, 변경 내역의 특정 줄에 댓글을 달 수도 있다. 🔗 출처
Copilot CLI 1.0.106-4부터 1.0.106-6까지 — 하룻밤 사이에 사전 출시 버전 세 개가 나왔다. /settings는 전체 검색을 갖춘 통합 대시보드로 바뀌었고, 사용자 전용 MCP 콘텐츠는 더 이상 모델에 전달되지 않으며, 67건의 수정으로 새로운 이스케이프 시퀀스 등에도 대응했다. 최신 안정 버전은 여전히 1.0.105다. 🔗 출처
Gemini CLI — 11월 3일 일일 빌드에 전날 병합된 Whisper 다운로드 중단 문제 수정이 마침내 포함됐다. 메인 브랜치에 병합된 또 다른 새 PR은 확장 프로그램 다운로드 보안을 강화한다. 임시 파일을 원자적으로 이동하고, SSRF와 DNS 리바인딩을 방어하며, GITHUB_TOKEN를 github.com에만 허용한다. 안정 버전과 미리 보기 버전은 그대로다. 🔗 출처
Gemini API CLI v0.4.5 — 10월 30일 소식 보충: 기본 음성 전사 모델이 Gemini 3.5 Transcribe로 바뀌었으며, 동영상 확대 매개변수와 이어가기 토큰을 통한 장시간 작업 재개 기능이 추가됐다. Google은 11월 2일 공식 gemini-skills 저장소에 gemini-api-cli 스킬을 추가했다. 🔗 출처
DeepSeek Harness 0.2.2-alpha.3 — 안정 버전 없이 36번째 사전 출시 버전이 나왔다. 실험적 기능으로 코드 검토와 Git 작업 트리를 통합하며, 로컬 및 PR 변경 내역, 에이전트에 전달하는 코드 인용, 검사 진행 상황 추적을 지원한다. apply_patch 도구도 추가됐으며 기본적으로 비활성화돼 있다. 🔗 출처
Amp의 Artifacts — 대화에 연결된 문서(계획, 보고서, 통화 메모)를 에이전트와 사용자, 팀원이 함께 편집한다. 에이전트는 작업을 재개하기 전에 변경 사항을 읽고 반영해, 기존 수정을 덮어쓰지 않는다. 🔗 출처
Amp의 Service Accounts — 워크스페이스가 소유하며 자체 API 키를 갖는 계정으로, 팀 자동화에 사용한다. 모든 풀 리퀘스트 검토, 문서 작업, amp -ox를 통해 대화를 여는 CI 작업 등에 활용할 수 있다. 요금 정보는 없다. 🔗 출처
Slack의 Replit Agent — 10월 27일에 이미 소개된 Replit Agent가 Slack에 공식 도입됐다. 채널이나 다이렉트 메시지에서 호출해 코드베이스에 질문하거나, 기존 프로젝트에서 작업하거나, 새 프로젝트를 시작할 수 있다. 팀원은 각자 계정을 연결하며, 에이전트는 해당 사용자의 권한으로 작업한다. 🔗 출처
Devin 릴리스 노트 — 11월 2일 릴리스는 코드 스캔당 저장소 수 상한을 500개에서 1 000개로 늘리고 예약 자동 스캔을 추가했다. 이전 정리에서 빠졌던 10월 30일 릴리스에는 계층형 예산, 직접 설정할 수 있는 OIDC 또는 SAML SSO, SonarQube·Linear·Vanta의 탐지 결과 가져오기가 포함됐다. 🔗 11월 2일 · 🔗 10월 30일
IBM Research의 에이전트 실행 프레임워크 — 동일한 공개 모델 GLM-5.3-flash로 AppWorld 작업 90개를 수행한 결과, IBM의 오픈 소스 실행 프레임워크 CUGA는 81,1 %를 성공했다. Hermes는 46,7 %, Deep Agents는 30,0 %였다. IBM은 단일 벤치마크와 서로 다른 구성이라는 평가의 한계도 인정했다. 🔗 출처
Kimi Work 3.2.24 — 미리 보기의 Markdown 파일에서 노트 속성을 지원하고, 네트워크 설정은 시스템 프록시를 따르며, 네트워크 진단은 오프라인에서도 열린다. 10월 30일의 3.2.23에서는 이미 HTML 미리 보기를 브라우저 탭에서 열 수 있게 됐다. 🔗 출처

개발 플랫폼과 API

GitHub MCP 서버 2.1.0 — 실험적 도구 issue_artifact_read와 issue_artifact_write를 통해 에이전트가 이슈에 연결된 산출물을 읽고 관리할 수 있다. Insiders 모드에서도 기본적으로 비활성화돼 있으며, issue_artifacts 플래그로 활성화한다. 🔗 출처
Dependabot과 Agent Package Manager — Dependabot의 버전 업데이트가 이제 apm.yml에 선언된 에이전트 스킬, 프롬프트, 지침을 지원하며, apm.lock.yaml도 다시 생성한다. 보안 업데이트는 지원하지 않는다. github.com의 모든 요금제에서 사용할 수 있다. 🔗 출처
CodeQL과 Dependabot의 Python 3.15 지원 — CodeQL 2.27.3은 Python 3.15 문법을 지원하며, LLM이 생성한 데이터를 위한 “ai” 위협 모델을 추가했다. 이 모델은 명시적으로 활성화해야 하고 내장 소스는 없다. Dependabot도 Python 3.15로 전환한 프로젝트를 지원한다. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — 10월 21일 GitHub CLI에 이어 GitHub Desktop 3.6.10 이상도 자동 갱신되는 단기 인증 토큰으로 전환한다. 유출된 토큰을 악용할 수 있는 기간을 줄이기 위한 조치다. 단계적으로 배포되며 GitHub Enterprise Server는 제외된다. 🔗 출처
GitHub REST API의 비용 센터 — 새 엔드포인트를 통해 모든 비용 센터를 순회하지 않고도 사용자, 조직, 저장소 또는 엔터프라이즈 팀의 비용 센터를 바로 찾을 수 있다. 🔗 출처
OpenAI SDK — Live Responses의 위임 도구를 확장한 이전 버전에 이어, openai-python 3.44.0과 openai-node 7.49.0에 워크로드 ID 공급자와 페더레이션 규칙이 추가됐다. API 변경 기록에는 아직 관련 내용이 없다. 🔗 출처
신뢰할 수 있는 발급자 역할을 하는 Claude — Team 및 Enterprise 요금제에서 ID 공급자가 기업 관리 인증을 지원하지 않는 경우, Claude가 각 구성원의 신원을 보증해 플러그인을 자동으로 연결할 수 있다. Atlassian, Figma, Linear, Notion 등 플러그인 14개를 대상으로 베타 제공된다. 🔗 출처
Claude 텍스트 워터마크 — Claude Fable 5.1과 Claude Mythos 5.1에 이어 Anthropic의 텍스트 워터마크가 Claude Mythos 5, Claude Opus 4.7, Claude Sonnet 4.6에도 적용된다. 별도의 토큰이나 숨겨진 문자를 사용하지 않는다. Sonnet 4.6에서는 temperature, top_p 또는 top_k를 변경하면 워터마크가 작동하지 않을 수 있다. 🔗 출처

보안

Replit의 격리된 클라우드 에이전트 — Replit이 공유한 보안 권고에서 최고기술책임자 루이스 엑토르 차베스는 관리형 격리 클라우드 에이전트를 표준으로 삼고, 인증 정보·네트워크·운영 환경을 에이전트의 접근 범위 밖에 둘 것을 촉구했다. 인용된 Salt Security 조사에 따르면 응답자의 86,4 %가 에이전트를 운영하고 있지만, 자동으로 중지하는 방법을 아는 비율은 17,5 %에 불과하다. 🔗 출처
Cognition 보안 가이드 — Corridor 공동 창업자 잭 케이블은 10월의 보안 사고(Binance에서 63억 4천만 달러 도난, Cursor에 유입된 악성 Claude Code 확장 프로그램)를 정리하고, 피싱에 강한 MFA, 작업 단말에서 비밀 정보 제거, 클라우드 코딩 에이전트 사용, 게시된 지 최소 7일이 지난 npm 또는 PyPI 패키지 사용을 권장했다. 🔗 출처
OpenAI 보안 집중 점검 — OpenAI는 포상금 인상과 같은 게시글 모음에서 다음 내부 보안 집중 점검을 예고했지만 날짜는 밝히지 않았다. Cathedral 연구진이 참여해 OpenAI 모델로 방어 체계를 시험할 예정이다. 이전 점검에는 제품 엔지니어의 25 %가 참여했다. 🔗 출처
Cisco와 Daybreak — Cisco는 네트워크 원격 측정 데이터를 Daybreak 및 GPT-6 Astra와 결합해 취약점을 더 빠르게 찾아 수정하고, OpenAI와 함께 Cisco Cloud Control에서 노출 위험을 더 신속하게 분류하는 방안도 탐색한다. 수치가 없는 사례 연구다. 🔗 출처

Google: Workspace, Cloud와 연구

Google Slides의 Gemini — 10월 30일 소식 보충: Gemini가 한 번의 요청으로 여러 슬라이드나 프레젠테이션 전체를 수정한다. 스타일 변경, Drive 콘텐츠 활용, 슬라이드 병합 등을 지원한다. 영어로만 제공되며, 적어도 12월 1일까지는 프로모션 사용 한도가 적용된다. 🔗 출처
Google Vids 아바타 — 11월 2일 발표된 업로드 이미지 기반 아바타 생성 기능이 바로 다음 날 중단됐다. 새 일정은 없다. 🔗 출처
Google Cloud 지출 한도 — 10월 31일 소식 보충: 지출 한도가 정식 제공 단계로 전환됐으며, API와 월별 초기화를 지원한다. 인공지능 서비스에서는 실시간 추정 비용을 기준으로 수분 내에 작동하며, 프로비저닝된 처리량은 차단하지 않는다. 🔗 출처
싱가포르의 Google — Google이 싱가포르에 연구 거점을 열고 NUS 및 NTU와 함께 600만 달러 이상의 연구 지원금을 투입한다. 여기에는 알츠하이머병 연구를 위한 150만 달러가 포함되며, 별도로 Google.org와 Google DeepMind가 INSEAD의 Thrive Lab에 300만 달러를 지원한다. 🔗 출처

공개 모델과 커뮤니티 게시글

Open Math OS의 Mistral Large 4 — Mistral은 SAIR의 수학 연구 공간에 Large 4(공개 가중치 1,05T, 컨텍스트 1M)가 도입됐으며, 승인된 팀은 “오늘부터” 이용할 수 있다고 발표했다. SAIR은 이미 10월 27일부터 이용 가능하다고 밝혔었다. 🔗 출처
Orbital Trace — Mistral의 새 시연이다. 회사에 따르면 Large 4가 궤도를 도는 위성과 우주 잔해 약 19 000개를 실시간으로 추적하는 3차원 시스템을 구축하고 테스트하고 최적화했다. 결과는 영상으로만 공개됐으며 링크나 코드는 없다. 🔗 출처
Nextcloud의 Olmo 3 — 독일 연방정부와 스페인 CSIC 등이 사용하는 Nextcloud가 Assistant와 Mail용 로컬 백엔드 llm2에 Olmo 3 7B를 탑재하고, 자체 인공지능 윤리 평가에서 녹색 등급을 부여했다. 7B 모델을 사용해 16 또는 32 GB의 VRAM이 필요하지 않도록 했다. 🔗 출처
Dolci-Think-SFT-Clean-v2 — Ai2가 별도 발표 없이 자사 32B 모델의 추론 후속 학습 데이터를 필터링한 버전을 공개했다. 2 253 684개 행 중 203 303개 행(토큰의 15,6 %)이 제거됐으며, 이 가운데 148 210개는 Kimi K3가 모순된다고 판단한 수학 문제다. 라이선스는 ODC-BY다. 🔗 출처
IBM Research의 Palette — 공개 20B 모델을 LoRA로 “디자이너”와 “코더” 역할에 맞게 미세 조정해 IBM의 시각 디자인 지침에 맞는 프레젠테이션을 만든다. PresentBench 평균 점수에서 NotebookLM보다 1,1점 낮은 2위를 기록했다(59,7 대 60,8). 기반 모델 이름이나 공개된 가중치는 확인되지 않았다. 🔗 출처
Claude Opus와 OCR 반복 문제 — 대니얼 판 스트리엔은 Claude Opus를 통해 작은 OCR 모델 가중치의 0,0085 %를 학습 없이 수정했다. 3시간 미만이 걸렸고 연산 비용은 약 10달러였다. 오래된 문서 2 165쪽에서 통제되지 않는 반복은 3건에서 1건으로 줄었고, 1881년 권의 오류는 38 % 감소했다. 🔗 출처
Qwenguard — 주앙 갈레구는 커뮤니티 게시글에서 Qwen3.5-4B 앞단에 계층으로 컴파일한 RISC-V 프로세서를 배치해, 허용 목록에 없는 도구 호출을 거부하는 안전장치를 만들었다고 소개했다. 자체 시험에서는 금지된 호출이 하나도 통과하지 않았고 일반 요청도 차단되지 않았다. 다만 이 장치는 변조를 드러낼 뿐 막지는 못한다. 🔗 출처

이미지, 영상, 음성

Angle Health의 ElevenAgents — 8개 언어로 24시간 운영되며 HIPAA 보호 요건을 갖춘 시범 사업에서, ElevenLabs 에이전트가 의료 종사자 전화의 약 80 %를 처리했다. 이 가운데 90 % 이상은 다른 담당자에게 연결하지 않고 해결됐으며, 하루 약 9 000분을 절약했다. 🔗 출처
개발자용 SFX v3 — ElevenLabs 개발자 게시글은 Sound Effects API에서 eleven_text_to_sound_v3를 호출하는 방법을 설명한다. prompt_influence의 기본값은 0,3이며, 길이는 duration_seconds인 경우를 제외하면 자유롭게 설정할 수 있다. 반복 재생은 여전히 v2에서만 지원된다. ElevenLabs는 이를 점진적 업데이트라고 설명한다. 🔗 출처
HeyGen Voice와 Grok Bot — HeyGen의 단독 설명에 따르면, SpaceXSI의 에이전트 Grok Bot이 거는 전화는 HeyGen Voice를 사용해 사용자와 비슷한 목소리로 말한다. 관련 게시글, 모델, 이용 가능 여부는 구체적으로 제시되지 않았다. 🔗 출처
HeyGen Insiders — 팔로워가 1 000명 이상인 창작자가 HeyGen 출시 소식을 다룬 짧은 영상을 게시하면 조회 수에 따라 보상하는 프로그램이다. 7일 내 20 000회 조회부터 보상하며, 참여도에 따라 조정되는 지급 기준은 공개되지 않았다. 🔗 출처
Luma의 Expression Sheet — 이미지로 캐릭터의 표정 여섯 가지를 담은 시트를 생성하며, 표정 세트 세 가지와 강도 조절 기능을 제공한다. 관련 게시글이나 요금 정보는 없다. 🔗 출처
FLUX 3 Image Klein — Black Forest Labs는 정밀 편집용 모델의 다운로드 수가 100만 건을 넘었다고 발표했지만, 집계 기간이나 플랫폼은 밝히지 않았다. 🔗 출처

NVIDIA의 연산과 인프라

반도체 공장 — NVIDIA가 협력사들의 성능 향상을 소개했다. Siemens Calibre의 cuLitho는 최대 17배 빨라졌고, Applied Materials의 ACE+는 PhysicsNeMo를 통해 최대 35배 빨라졌다. Lam Research의 플라스마 예측은 며칠 대신 밀리초 단위로 이뤄진다. 새 제품은 없다. 🔗 출처
Kubernetes의 Dynamo — KubeCon을 앞두고 다시 소개된 10월 30일 소식이다. AI Cluster Runtime은 버전을 고정하고 검증한 구성 절차에 dynamo-platform 1.4.2 차트를 포함하며, Dynamo 1.5에는 Rust로 구현한 네이티브 엔드포인트 선택기가 추가될 예정이다. 🔗 출처

기업, 커뮤니티와 가이드

Heimstaden — 이 유럽 부동산 관리 회사는 네덜란드에서 가상 인테리어 연출 이미지 한 장의 비용을 약 50유로에서 0,10유로 미만으로 낮췄다. 개발 경험이 없는 분석가는 Codex로 자산 20 112개의 환경 위험을 평가했다. 🔗 출처
OpenAI의 두 인사 영입 — Uber 출신 질 헤이즐베이커가 최고 대외협력 책임자로 합류해 글로벌 커뮤니케이션을 이끌고, 전 미국 육군장관 댄 드리스콜은 신설된 국가안보 현대화 수석고문직을 맡는다. 🔗 질 헤이즐베이커 · 🔗 댄 드리스콜
Arnis와 GitHub Copilot — GitHub Blog는 Arnis(다운로드 약 900 000건, 기여자 약 70명)의 유일한 유지관리자 루이스 에르프캄이 Copilot으로 이슈와 버그를 분류하고 GitHub Copilot 앱의 하위 에이전트를 실행해 회귀 문제를 추적하는 방법을 소개했다. 사용 경험을 다룬 글이며 제품의 새 기능은 없다. 🔗 출처
Game Off 2026 — 11월 1일 소식 보충: “SHIFT”를 주제로 한 GitHub의 14번째 게임 개발 대회는 인공지능 보조 개발을 허용한다. 참가자는 itch.io에서 12월 1일까지 작품을 제출하면서 인공지능 사용 내역을 밝혀야 한다. 🔗 출처
Perplexity의 자율 에이전트 가이드 — 자율성의 다섯 단계, 네 가지 역량, 일곱 가지 권장 사항을 소개하며, 하버드와 Perplexity의 연구 수치를 인용했다. 에이전트 요청의 57 %가 생산성과 학습에 관한 내용이다. 제품의 새 기능은 없다. 🔗 출처

이것이 의미하는 것

Pando는 OpenAI 코딩 에이전트의 양면을 보여 준다. 2024년 초보다 메인 브랜치의 커밋 수를 1 378 % 늘려 부하를 폭증시킨 것도 이 에이전트들이고, 단 한 명의 엔지니어가 설계한 핵심 구조를 바탕으로 10주 만에 해결책을 구축한 것도 이 에이전트들이다. 성능 향상은 새로운 프로토콜에서 나온 것이 아니라, 특정 시점에 모든 브랜치를 일관되게 보여 주는 기능을 의도적으로 포기한 데서 나왔다. 도구 측면에서는 통제 장치가 중요해지고 있다. Claude Code는 계정 이메일 주소를 전송하기 전에 동의를 요청하고 개발자별 지출을 수치로 보여 주는 반면, Copilot은 Air에서 지출 한도를 조정할 수 없는 상태로 JetBrains Air에 도입된다.

보안은 선언보다 증명으로 평가되는 추세가 뚜렷해지고 있다. FlashProve는 응답이 특정 모델에서 나왔는지 검증할 수 있지만, 약 72배의 비용 부담과 1 024토큰으로 제한된 문맥을 감수해야 한다. 아직 서비스 단계에는 이르지 못한 시제품이다. CyberArena와 CWE-bench v2도 에이전트 분야에서 같은 방향을 가리킨다. 최상위 에이전트를 가르는 것은 방어 능력과 실제로 유효한 수정이며, 검증 없이 수정했다고 발표하는 것이 여전히 가장 흔한 오류다(감사 대상 경기의 23 %). 한편 OpenAI는 이제 ChatGPT, Codex 또는 자사 API에서 발견한 이례적으로 중대한 취약점을 제보하면 최대 172 000달러를 지급한다.

개방형 모델은 두 경로로 기업에 진입하고 있다. Cohere는 통제된 환경에서 이 모델들을 호스팅하며, Gemma, GPT-OSS, Phi에 대해서는 처리 중 암호화까지 제공한다. 한편 Together AI가 공유한 게시물에 따르면, Revolut은 자체 GPU에서 GLM을 구동하며 Anthropic과 OpenAI에 지불하던 비용의 약 10분의 1만 쓰고 있다. 간접적으로 전해진 수치이지만, 기업들이 이제 무엇을 비교하는지 보여 준다. 폐쇄형 모델 공급업체들도 움직이고 있다. Google은 Gemini 2.5 Pro 요청을 Gemini 3.8 Flash로 전환하면서 12월 말까지 토큰당 가격을 낮추고, 1월 1일에는 3.8 Flash 요금을 두 배로 올린다. Mistral Large 4 보고서는 반대 방향의 절충 사례를 보여 준다. 모델 제공 비용을 낮추기 위해 추진한 KV 캐시 축소가 에이전트 작업의 성능을 떨어뜨려 수정해야 했다.

물리적 세계는 여전히 시연과 측정 결과 사이의 격차가 가장 큰 영역이다. OpenAI는 GPT-6 Astra로 일주일도 안 돼 설계한 기기를 공개했지만, 공차와 제조 조건을 반영하기 위해 여러 차례 검토가 필요했음을 인정했다. 같은 날 PLE에서는 실제 엔지니어링 과제에서 50 %를 넘은 에이전트가 하나도 없었고, 최고 성능 구성에서도 결과물의 41,3 %만 모든 안전 검사를 통과했다. 떠오르는 해법은 혼합형이다. Google DeepMind에서는 모델이 작업을 조율하고 결정론적 화학 도구가 계산을 수행한다. 마지막으로 StateBench는 긴 문서의 내용을 끝까지 추적하는 일이 여전히 어렵다는 점을 상기시킨다. 가장 어려운 문제에서는 최첨단 모델의 성능도 13 % 이하로 떨어진다.