OpenAI, GPT-6 Cyber 출시, Anthropic, Claude에 Personal Finance 도입, Perplexity, Teammates 출시

OpenAI가 사이버 보안 등급이 Critical로 분류된 모델 GPT-6 Cyber를 출시하고, 우선 일부 Daybreak Red 고객에게 제공한다. 이 모델로 구동되는 자율 취약점 연구 파이프라인이 120만 달러의 비용으로 Linux 커널의 권한 상승 취약점 948개를 검증했다고 밝힌 글이 나온 지 하루 만이다. Anthropic은 미국에서 읽기 전용 베타로 Claude의 Personal Finance를 선보이고, Perplexity는 Mistral이 Studio에 추가하는 에이전트처럼 지속적으로 일하는 에이전트인 Teammates를 출시한다. 창작 분야에서는 OpenAI가 Images 2.6으로 이미지 생성 속도를 높이고, Google은 15초 영상과 30 % 인하된 가격을 제공하는 Gemini Omni 1.2 Flash를 정식 출시한다. 한편 Ricursive Intelligence는 에이전트 기반 코딩에 초점을 맞춘 가중치 공개형 밀집 모델 Ripple-65B Preview를 공개한다.

OpenAI, Critical 등급의 사이버 보안 모델 GPT-6 Cyber 출시…일부 Daybreak Red 고객에게 우선 제공

11월 5일 — OpenAI가 GPT-5.6 Cyber의 후속 모델인 GPT-6 Cyber를 출시한다. 연구자가 정한 범위를 지키면서 악용 가능한 취약점을 찾고 검증하도록 훈련된 모델이다. OpenAI의 안전 대비 체계(Preparedness Framework)는 이 모델의 사이버 보안 등급을 Critical로 분류했으며, GPT-5.6 Cyber의 등급은 High였다. OpenAI에 따르면 GPT-6 Cyber는 대부분의 사이버 보안 작업에서 GPT-6 Astra를 능가하며, Astra가 요청을 거부하지 않는 경우에도 마찬가지다.

Introducing GPT‑6 Cyber: a major advance in security research that pairs stronger capabilities with better model alignment. The model powered the Linux kernel research we announced yesterday, and security teams at companies like Mozilla, Palo Alto Networks, Calif, and Cisco—alongside our own at OpenAI—are already putting it to work. GPT-6 Cyber is available to select Daybreak Red customers and we are expanding access over time.

🇰🇷 GPT-6 Cyber를 소개합니다. 강화된 역량과 개선된 모델 정렬을 결합해 보안 연구를 크게 진전시킨 모델입니다. 이 모델은 어제 발표한 Linux 커널 연구에 활용됐으며, OpenAI 내부 보안팀뿐 아니라 Mozilla, Palo Alto Networks, Calif, Cisco 같은 기업의 보안팀도 이미 사용하고 있습니다. GPT-6 Cyber는 일부 Daybreak Red 고객에게 제공되며, 앞으로 접근 범위를 확대할 예정입니다. — X의 @OpenAI

OpenAI가 공개한 수치는 먼저 취약점 악용 능력을, 이어서 모델이 주어진 임무의 범위를 지키는 능력을 다룬다. ExploitGym Honeypot은 공격 대상 주변에 의도적으로 공격하기 쉽게 만든 부가 서비스를 배치하며, 모델은 이를 건드리지 않아야 한다.

OpenAI가 공개한 평가	GPT-6 Cyber 점수	비교 기준
ExploitGym (주어진 취약점을 원격으로 악용)	48,5 %	GPT-5.6 Cyber는 32,1 %
소스 코드 접근 없이 수행하는 웹 침투 테스트	취약점의 40,3 % 발견	GPT-6 Astra는 32,0 %
RemoteExploitBench (초기 평가)	작업 성공률 95 %	GPT-6 Astra (Daybreak Blue)는 100 % 거부
ExploitGym Honeypot, 배포 프롬프트 없음	범위 밖 공격의 99,93 % 회피	GPT-5.6 Cyber는 94,49 %
SRE-Bench, 바이너리 역공학 (시스템 카드)	92,84 %	GPT-6 Astra는 87,98 %

실제 활용 성과로 OpenAI는 Linux 커널의 로컬 권한 상승 악용 사례 948개(아래에서 자세히 설명)와 Mozilla 분류 기준상 심각도가 높은 Firefox의 신규 취약점 81개를 제시한다. Mozilla는 해당 취약점의 패치를 공개하기 시작했다. Cisco, Calif, CodeRabbit의 보안팀은 이미 취약점 연구와 코드 검토에 이 모델을 사용하고 있다.

보호 조치도 강화된다. 사이버 보안에 특화된 정렬 이탈 감시, 데이터를 보관하지 않는 API 고객에 대한 원칙적인 Private Safety Processing 의무화(암호화된 기록을 고객 저장소에 30일간 보관), Daybreak Red의 API 접근 시 기본적으로 요구되는 IP 주소 허용 목록, 중요 시스템 공격을 돕지 못하도록 하는 새로운 통제가 포함된다. 모의 발전소를 대상으로 Dragos와 함께 평가를 수행한 뒤, Daybreak Red for Critical Infrastructure 그룹은 승인받은 중요 기반 시설 방어 담당자에게 허가된 테스트 기회를 제공한다.

GPT-6 Cyber는 API와 Codex에서 승인받은 소수의 Daybreak Red 고객에게 우선 제공되며, 이후 해당 고객 전체로 점진적으로 확대된다. GPT-5.6 Cyber는 이들에게 지금부터 제공된다. API에서 gpt-6-cyber의 가격은 입력 토큰 100만 개당 20달러(캐시된 입력은 2달러), 출력 토큰 100만 개당 100달러이며, 컨텍스트 창은 1 050 000토큰이다. OpenAI는 태평양 시간으로 11월 12일 오전 10시에 열리는 ‘Cyber at the Frontier’ 생방송에서 추가 발표를 예고했다.

🔗 GPT-6 Cyber: 정렬된 사이버 보안 에이전트의 한계 확장 (OpenAI) · GPT-6 Cyber 시스템 카드

자율 파이프라인, 120만 달러로 Linux 권한 상승 취약점 948개 검증

11월 4일 — 출시 전날, OpenAI 사이버 보안팀은 취약점 발견, 격리된 가상 머신에서의 재현, 악용 가능성 평가, 패치 생성을 사람의 개입 없이 연속으로 수행한 뒤 인간의 검토를 받는 시제품을 설명했다. 이 시제품은 10월 중순에 당시 최신 상태의 Linux 커널 메인 브랜치에서 열흘간 실행됐으며, 출시 게시글에서 GPT-6 Cyber라고 밝힌 모델을 사용했다. 로컬 권한 상승 취약점 948개는 서로 다른 패치를 기준으로 집계됐다.

실행 단계	결과	API 크레딧 비용
분석 에이전트의 탐색 (12 h)	잠재적 취약점 2 308개	316 549달러
동적 검증 (30 h)	취약점 1 724개 재현	73 330달러
악용	작동하는 악용 코드 1 169개, 서로 다른 취약점 948개	775 929달러
탐색과 분류를 포함한 전체 실행	서로 다른 권한 상승 취약점 948개	1 213 430달러, 취약점당 1 279달러

7월 말에는 GPT-5.6 Sol이 513 690달러의 비용으로 같은 유형의 취약점을 166개만 찾아 악용했으며, 두 차례 실험 사이의 석 달 동안 커널의 보안도 강화됐다. 강화된 커널을 사용하는 Google의 프로그램 kernelCTF에서는 이 파이프라인이 112시간 동안 약 32 936달러의 비용으로 악용 코드 21개를 확보했다. 에이전트들은 OpenAI와 자문에 응한 전문가들 모두 알지 못했던 악용 기법을 최소 10가지 사용했으며, 세부 내용은 비공개로 유지된다. OpenAI는 가정적인 추정치로, 과거 Pwn2Own과 TyphoonPWN의 포상금 기준을 적용하면 이 취약점들의 가치가 1,890만~6,630만 달러에 달했을 것이라고 밝혔다. 열흘이 끝났을 때 취약점 61개는 이미 상위 프로젝트에서 수정됐고, 43개는 패치를 준비 중이었으며, 299개는 공개적으로 논의되고 있었다.

🔗 최고 관리자 권한에 이르는 경로가 천 개 줄다 (OpenAI)

Anthropic, Plaid를 통한 읽기 전용 Personal Finance를 Claude에 도입…미국에서 베타 출시

11월 5일 — Anthropic이 미국에서 Pro, Max, Ultra 요금제 사용자를 대상으로 Claude의 Personal Finance를 베타로 출시한다. 사용자는 원하는 은행 계좌와 카드를 연결한 뒤 일상적인 말로 돈에 관한 질문을 할 수 있으며, Claude는 사용자의 실제 잔액과 거래 내역을 바탕으로 답한다.

Introducing Personal Finance in Claude, in beta in the US. Connect the accounts you choose, and Claude answers your money questions in everyday language, from your own balances and transactions. Access is read-only, and Claude can’t move, manage, or invest your money.

🇰🇷 미국에서 베타로 제공되는 Claude의 Personal Finance를 소개합니다. 원하는 계좌를 연결하면 Claude가 사용자의 실제 잔액과 거래 내역을 바탕으로 일상적인 말로 묻는 돈 관련 질문에 답합니다. 접근은 읽기 전용이며, Claude는 사용자의 돈을 이체하거나 관리하거나 투자할 수 없습니다. — X의 @claudeai

연결은 Plaid를 통해 이루어진다. 사용자가 직접 은행에 로그인해 Claude의 접근을 허용하며, Claude는 은행 비밀번호를 볼 수 없다. 선택한 계좌에 대해 Claude는 은행명, 각 계좌의 이름과 유형 및 마지막 네 자리 숫자, 잔액, 신용 한도, 최대 2년치 거래 내역을 읽는다. 투자·대출·카드의 경우 잔액과 한도만 읽으며, 보유 종목이나 금리는 읽지 않는다. 이 기능은 투자 조언을 제공하도록 설계되지 않았으며 광고나 유료 추천을 표시하지 않는다. Anthropic은 신용카드, 대출, 저축 계좌를 제공하지 않는다고 명시했다.

전용 페이지에는 지출, 현금 흐름, 구독, 곧 납부할 청구서가 모인다. 기사 속 예시에서 Claude는 월 지출을 4 309,37달러로 합산하고 그중 절반 이상이 임대료와 공과금이라고 설명하며, 급여일 전에 예정된 자동이체 네 건을 나열하고 남을 금액을 1 393,22달러로 계산한다. 또한 중복 자동이체, 예상치 못한 수수료, 청구액 증가를 알려 주고 그래프, 납부 일정 달력, 대시보드를 만들 수 있다.

서비스 항목	발표된 내용
대상 요금제	Pro, Max, Ultra (Free, Team, Enterprise 제외)
국가와 은행	미국, 최대 16개 미국 은행
출시 상태	베타, 이번 주부터 점진적으로 배포
플랫폼	웹, Claude Desktop, iOS, Android
읽는 데이터	최대 24개월의 거래 내역, 읽기 전용
모델 훈련	Personal Finance 공간의 대화는 제외

이 공간 밖에서는 일반 개인정보 보호 설정이 적용된다. 도움말 센터에 따르면 계좌를 사용한 대화는 메모리나 대화 기록 검색에 활용되지 않는다. 연결된 계좌는 Cowork, Claude Code, 예약 작업에서 사용할 수 없으며, Claude Duet에는 이 기능이 없다. Anthropic은 Personal Finance를 첫 단계로 소개하며, 구체적인 시점을 제시하지 않은 채 자격을 갖춘 전문가 및 규제 대상 금융기관과의 협업을 검토하고 있다고 밝혔다. Claude는 마찬가지로 Plaid를 사용하는 ChatGPT, Perplexity, Grok의 대열에 합류한다.

🔗 Claude의 Personal Finance 소개 · Claude에서 Personal Finance 사용하기 (도움말 센터)

지속적으로 일하는 에이전트: Perplexity Teammates와 Mistral Studio의 관리형 에이전트

11월 5일 — Perplexity가 장기적인 업무를 위한 개인 에이전트 Teammates를 출시한다. 아라빈드 스리니바스가 먼저 발표한 뒤 Perplexity 공식 계정에서도 소식을 전했다. 각 팀원(동료 에이전트)은 Computer에 이미 있는 프로젝트, 스킬, 메모리, 플러그인, 자동화를 바탕으로 작동한다. 이름, 역할, 상시 지침, 언제 사용자에게 다시 연락해야 하는지를 정하는 규칙을 부여하면, 작업을 계획하고 Computer 세션과 다른 팀원들을 조율하며 진행 중에 결과를 확인하고 완료된 작업을 검토받기 위해 제출한다. 실행이 바뀌어도 하나의 지속적인 대화 안에서 목표, 작업 이력, 파일을 유지한다.

Today, we’re launching Perplexity Teammates. They are personal agents for work. And change the paradigm from writing prompts in a session to giving high-level goals. Rolling out to Max users on the web today. Native apps (mobile, desktop) coming soon.

🇰🇷 오늘 Perplexity Teammates를 출시합니다. 업무를 위한 개인 에이전트입니다. 세션에서 프롬프트를 작성하던 방식에서 상위 목표를 정하는 방식으로 패러다임을 바꿉니다. 오늘 웹에서 Max 사용자에게 배포합니다. 네이티브 앱(모바일, 데스크톱)도 곧 제공됩니다. — X의 @AravSrinivas

Computer와의 차이는 능동성에 있다. 팀원은 진행 중인 업무를 살피고 변화가 생기면 새로운 요청 없이 행동한다. 예를 들어 영업 담당 팀원은 구매를 중단한 단골 고객을 발견하고 주문 내역과 문의 티켓을 검토한 뒤 제안을 준비하거나 문제를 알린다. 자주 묻는 질문에 따르면 팀원들은 하루 24시간 백그라운드에서 실행되며 의사결정이 필요할 때 알림을 보낸다. Slack 채널에 추가된 팀원은 동료들에게 업무를 받을 수 있고, 팀원끼리 작업을 인계하기도 한다. 한 팀원이 웹사이트의 버그를 찾으면 다른 팀원이 수정안을 준비하는 식이다.

제품 항목	Perplexity가 공개한 세부 내용
필수 요금제	Perplexity Max 전용
플랫폼	웹은 11월 5일부터 제공, 네이티브 앱은 일정 없이 예고
이용 요금	프로모션 기간에는 무료, 이후에는 Max에 포함된 월간 크레딧 사용
격리	팀원마다 별도의 데스크톱, 브라우저, 세션, 쿠키 제공
권한	Computer의 도구 및 프로젝트 권한 적용, 인증 정보 암호화

사용자는 작업을 검토하거나 데스크톱을 직접 제어하거나 진행 중인 팀원의 방향을 바꿀 수 있다. 프로모션 종료일은 공개되지 않았으며, Perplexity는 앞으로 몇 주 동안 접근 범위와 기능을 확대하겠다고 밝혔다. Teammates는 4월 1일 출시된 Slack용 Computer와 9월 29일 도입된 자동화 기능을 확장한다.

🔗 복잡하고 지속적인 업무를 위한 에이전트, Teammates (Perplexity) · Perplexity Teammates 제품 페이지

Mistral, 관리형 에이전트와 애플리케이션으로 Studio를 확장하고 Workflows를 정식 출시

11월 5일 — 기업용 부문에서 Mistral이 자사 AI 플랫폼 Studio를 확장한다. 관리형 에이전트(Managed Agents)와 애플리케이션(Apps)을 공개 프리뷰로 선보이고, 4월 말부터 공개 프리뷰로 제공해 온 Workflows를 정식 출시한다. 세 구성 요소는 모두 11월 5일부터 Mistral Cloud에서 이용할 수 있으며, 11월 말에는 프라이빗 클라우드와 온프레미스 배포 환경에도 도입된다. 관리형 에이전트는 mistralai-agents SDK로 Python에서 작성한다. 한 번 정의한 에이전트를 자체 서버(agents serve)나 Mistral 환경(agents deploy)에서 실행할 수 있으며, 백그라운드에서 몇 시간이나 며칠 동안 작업하고, 비정상 종료 후 마지막으로 완료한 단계부터 재개하며, 사람의 승인을 기다릴 수도 있다. Studio는 애플리케이션에 호스팅, 인증, 접근 제어를 제공한다. 릴리스 노트에는 Mistral Vibe를 활용한 자연어 워크플로 빌더, 오프라인 및 실제 트래픽 기반 평가, 관리형 검색 인덱스, 웹훅 등 12가지 새 기능이 나열되어 있다. Mistral은 이미 실제 운영 환경에서 Studio를 사용하는 고객과 파트너로 ABANCA, BNP Paribas, Capgemini, CMA CGM 등을 소개했다. 요금은 공개되지 않았으며, 관리형 에이전트 API는 프리뷰 기간에 변경될 수 있다.

🔗 Le Chonk가 지능을 제공하고 Studio가 이를 실전에 투입한다 (Mistral AI)

OpenAI, Images 2.6 출시: 애니메이션 GIF, 참조 이미지, 50 % 더 빨라진 두 API 모델

11월 4일 — Images 2.5 출시 두 달 만에 OpenAI가 ChatGPT, Codex, API에 Images 2.6을 출시하고, 11월 4일 저녁 이를 발표했다. 이 모델은 이미지를 50 % 더 빠르게 생성하며, 배경을 바꿀 때 캐릭터의 의상을 유지하는 등 반복적인 수정 과정에서 세부 요소를 더 잘 보존한다. 전 세계 모든 요금제의 ChatGPT와 Codex에서 웹, 데스크톱, 모바일로 이용할 수 있다.

ChatGPT에는 두 가지 기능이 추가된다. 순차적으로 배포 중인 GIF 생성 기능은 프롬프트, 이미지, 스케치를 반복 재생되는 애니메이션으로 바꾸며, 재생 속도를 조절하고 각 프레임을 수정할 수 있다. 저장된 참조 이미지 기능으로는 새 대화에서 사진을 다시 사용할 수 있다. 예를 들어 반려견 사진을 Pepper라는 이름으로 저장한 뒤, 사진을 다시 보내지 않고도 @Pepper의 수채화 초상화를 요청할 수 있다.

API 모델	발표된 강점	출력 이미지, 100만 토큰당
`gpt-image-2.6-flare`	낮은 품질 설정에서 이미지 한 장을 6초 만에 생성, 포스터와 시각 자료의 정교한 레이아웃	30 달러
`gpt-image-2.6-sunburst`	중간 또는 높은 품질 설정에서 더 나은 품질과 수정 과정 전반의 일관성	30 달러

API에서는 두 모델 모두 이미지 생성과 수정에 사용된다. API에는 모델의 계획 수준을 조절하는 복잡도 매개변수도 추가되며, 낮은 값은 빠른 수정에 적합하다. 이 밖에 SVG 내보내기, 애니메이션 GIF 생성, 주석으로 지시하는 편집 기능이 추가되고, 주석 기반 편집은 호환되는 GPT Image 2.5 모델에서도 사용할 수 있다. 요금은 GPT-Image-2.5 Flare와 동일하며, 입력 텍스트 100만 토큰당 5달러, 입력 이미지 100만 토큰당 8달러다. OpenAI에 따르면 ChatGPT, Codex, API에서 생성되는 이미지는 주당 40억 장으로, 하루 5억 장이 넘는다. OpenArt, Figma Weave, Picsart, fal, Sable, Higgsfield가 사전 접근 권한을 받았으며, HeyGen은 바로 다음 날 이를 통합했다(단신 참조).

🔗 Images 2.6 소개 (OpenAI) · ChatGPT 릴리스 노트

Google, Gemini Omni 1.2 Flash 정식 출시: 15초 영상과 30 % 낮아진 가격

11월 5일 — Google이 영상 생성 및 수정 모델의 새 버전인 Gemini Omni 1.2 Flash를 Gemini API(gemini-omni-1.2-flash, 유료 등급 전용)와 Gemini for business에 정식 출시한다. Google에 따르면 Gemini Omni가 Provisioned Throughput을 포함한 Google Cloud 인프라와 함께 정식 제공되는 것은 이번이 처음이며, 모든 출력물에는 SynthID 워터마크가 삽입된다.

이 모델은 기본적으로 15초 길이의 영상을 생성하고 수정한다. Omni 1.1의 10초보다 길어졌으며, 길이는 3초에서 15초 사이에서 1초 단위로 조절할 수 있다. 참조 자료를 더 잘 반영하며, 캐릭터·제품·스타일 이미지, 짧은 동작 영상, 오디오 단서 등을 사용할 수 있고 API에서는 참조 이미지가 최대 6장까지 지원된다. 급격한 장면 전환(jump cuts)도 줄었다. 여러 차례 대화하며 편집하는 기능은 15초 영상 전체에 적용되며, 대사가 더 자연스럽고 입 모양도 더 정확하게 맞는다. API에서는 영상을 한 차례 연장할 때마다 3~10초를 추가해 총 30초까지 늘릴 수 있으며, 유료 등급의 호출 한도는 두 배로 늘어난다.

비교 항목	Omni 1.1 Flash	Omni 1.2 Flash
기본 최대 길이	10초	15초
출력 영상, 100만 토큰당	17,50 달러	12 달러
720p 기준 실질 요금	초당 약 0,10 달러	초당 약 0,07 달러

Google은 이에 따라 가격이 30 % 낮아졌다고 발표했다. 720p의 15초 영상은 약 1,04달러이며, 초당 요금은 360p에서 0,023달러, 업샘플링된 4K에서 0,209달러다. 12월 3일부터 gemini-omni-1.1-flash에 보내는 모든 요청은 1.2로 전달되고 해당 버전의 요금이 적용된다. 일반 소비자용으로는 Flow, Google Vids, Google Ads에 도입된다. Google Vids에서는 Google 계정이나 Workspace 구독이 있으면 15초 영상에 추가 비용이 들지 않는다. Gemini 애플리케이션에서도 모든 Google AI 구독자에게 제공되지만, 15초 영상은 Google AI Ultra 구독자만 사용할 수 있다. Runway도 같은 날 이 모델을 추가했다(단신 참조). Google은 빠른 스포츠 동작, 빠른 스크립트 변경, 복잡한 물리 현상에서 개선이 필요하다고 인정했으며, 벤치마크는 공개하지 않았다.

🔗 Gemini Omni 1.2 Flash 소개 (Google) · Gemini Omni 1.2 Flash 요금

Luma, MCP 커넥터로 창작 워크플로를 Claude와 ChatGPT에 연결

11월 3일 — Luma가 자사의 창작 도구를 Claude와 ChatGPT에서 사용할 수 있게 하는 MCP 커넥터를 출시한다. 11월 3일 작성되어 4일 갱신된 블로그 글을 Luma가 5일 공유했다. 이 커넥터를 통해 단 하나의 프롬프트로 전체 프로젝트를 조율할 수 있다고 소개된 Luma Agent와, Product Shots, Camera Angles, Background swap, Relight Studio, 짧은 홍보 영상 등 Luma의 사전 정의된 워크플로를 이용할 수 있다. 완성된 이미지와 영상은 대화창으로 돌아온다. 대표적인 활용 사례는 마케팅이다. 어시스턴트에게 지난주 가장 성과가 좋았던 광고를 물은 뒤, Luma로 그 광고에 새로운 장면, 각도, 조명을 적용한 여러 버전을 만드는 방식이다. Luma 계정은 한 번 연결하면 되며, 생성할 때마다 Luma 구독의 크레딧이 소모되고 커넥터 전용 요금은 없다. Luma는 이미 10월 8일 MCP 커넥터를 Claude Motion에 연결한 바 있다. 이번에 새로워진 점은 ChatGPT 지원, 사전 정의된 워크플로, 그리고 두 어시스턴트 모두에서 사용할 수 있게 된 Luma Agent다. Luma는 최근 몇 주 동안 자사 도구를 어시스턴트에 연결한 Runway, Synthesia, Suno, HeyGen의 대열에 합류했다.

🔗 Luma를 ChatGPT와 Claude에 연결하기 (Luma)

Ricursive Intelligence, 에이전트 코딩에 초점을 맞춘 가중치 공개 밀집형 모델 Ripple-65B Preview 공개

11월 4일 — 이번 동향 보고에서 처음 다루는 연구소인 Ricursive Intelligence가 Ripple-65B Preview를 공개했다. 12조 토큰으로 처음부터 사전 학습한 650억 매개변수의 밀집형 언어 모델로, Apache 2.0 라이선스가 적용되며 최대 1 048 576토큰의 문맥을 지원한다. 공개 자료에는 BF16 및 NVFP4 형식의 지시 학습 모델, 사전 학습만 거친 기본 모델, 추측 디코딩용 소형 초안 모델 DFlash2가 포함된다. Ricursive는 하드웨어, 소프트웨어, 모델을 함께 최적화하는 연구소라고 소개하며, Ripple-65B Preview는 자사의 AI 기반 칩 설계 플랫폼에서 사용하는 독점 모델의 범용 버전이다.

강조한 수치는 에이전트 코딩 성능으로, Terminal-Bench 2.1에서 80,5 %, SWE-Bench Pro v2.0-Hard에서 79,1 %, DeepSWE v1.1에서 44,3 %다. Ricursive는 훨씬 큰 전문가 혼합(Mixture-of-Experts, MoE) 모델들보다 앞서며 이 분야에서 미국의 가중치 공개 모델 가운데 선두라고 주장한다. 이 주장은 미국의 공개 모델에 한정되며, 전체 공개 모델을 대상으로 한 것은 아니다.

특성 (Ricursive 자료 기준)	Ripple-65B Preview	Reflection Beam	Muse Spark Open	Inkling	Nemotron 3 Ultra
모델 아키텍처	Dense	MoE	MoE	MoE	MoE
전체 매개변수	65B	501B	816B	975B	550B
활성 매개변수	65B	23B	42B	41B	55B
Terminal-Bench 2.1	80,5	80,1	76,4	63,8	56,4
GPQA Diamond	85,2	90,6	89,0	87,2	87,0

Ricursive는 가능한 범위에서 최선을 다한 비교(best-effort)라고 설명한다. 경쟁 모델의 공식 점수가 있으면 이를 사용하고, 없으면 자체 평가를 수행했으며, 테스트마다 평가 하네스가 다르다. 공식 하네스인 Terminus 2를 사용하면 Muse Spark Open을 제외한 모든 모델의 Terminal-Bench 2.1 점수가 더 낮아진다. 일반 지식 평가인 GPQA Diamond에서는 Ripple이 경쟁 모델들에 뒤처진다.

이 학습 방식은 한 명에서 다섯 명으로 늘어난 소규모 팀의 성과다. Ricursive는 Ai2의 공개 모델인 Olmo 3의 학습 방식을 출발점으로 삼아 스케일링 법칙, 아키텍처, 데이터, 사후 학습 등 모든 측면을 재설계했다. 이를 통해 Olmo 3 모델군 대비 코드 학습의 연산 효율을 16배, 전체 학습에서는 최대 55배 높였다고 밝혔다. 인프라를 단순화하기 위해 전문가 혼합 방식 대신 밀집형 모델을 택했으며, Gemma 3N에서 영감을 받은 폭이 좁고 깊은 아키텍처(80개 층)를 사용하고 자체 개발한 연산 커널 없이 BF16으로 학습했다. 비교적 가벼운 사후 학습에서는 강화 학습 실행(rollouts) 140만 회로 Terminal-Bench 2.1에서 80,5점을 달성했으며, Ricursive에 따르면 이는 Reflection Beam보다 약 70배 적은 횟수다.

이 모델은 B200 두 대에서 양자화 없이 초당 250토큰을 생성하며(배치 크기 8), NVFP4 체크포인트를 사용하면 DGX Spark 한 대에 탑재할 수 있다. Together AI는 11월 5일부터 입력 100만 토큰당 0,20달러, 출력 100만 토큰당 0,60달러에 이 모델을 제공하며, 자사 플랫폼에서는 128K토큰의 문맥 창을 지원한다. Atomic Chat은 이를 llama.cpp로 포팅해 첫 GGUF를 공개했다.

🔗 X에 게시된 Ricursive의 발표 · Hugging Face의 Ripple-65B Preview · Together AI의 Ripple-65B Preview

코딩 에이전트: Devin Review 2.0, Cursor의 온라인 애플리케이션, Replit의 microVM, Qwen Code v0.26.8

Cognition, 비용을 낮추고 증분 검토를 기본으로 적용한 Devin Review 2.0 출시

11월 5일 — Cognition이 Devin Review 2.0을 출시하고, Devin으로 작업할 때 사용하는 기본 풀 리퀘스트 검토 도구로 지정했다. 블로그 글은 8월 이후 검토 비용이 5분의 1로 줄었다는 점을 제목으로 내세우며, 모델 조합 개선과 하네스 최적화 덕분에 해당 기간 PR당 비용이 82 % 감소했다고 밝혔다. 한편 @cognition의 발표 스레드에서는 검토 비용이 최대 5분의 1로 줄었다고 표현했다. 일반적인 검토 비용은 0,25~0,75달러이며, 고객 기준으로 버그 하나를 수정하는 데 드는 비용은 평균 약 2,25달러다. Cognition에 따르면 PR당 발견되는 평균 버그 수는 1,22개에서 1,32개로 늘었고, 지연 시간 중앙값은 139초에서 94초로 줄었다. 검토는 기본적으로 증분 방식으로 바뀐다. 다시 검토할 때는 변경된 부분만 읽으며, 모든 푸시를 합산해도 PR의 약 80 %는 비용이 1달러 미만이고, PR별 지출 상한으로 비용 급증을 방지한다. 여기에 결제나 보안처럼 민감한 코드에 더 많은 검토 노력을 투입하는 고가의 Devin Review Ultra와 맞춤형 검토자(Custom Reviewers) 베타가 추가되며, 새로운 요금은 공개되지 않았다.

🔗 Devin Review 2.0 (Cognition)

Cursor, 온라인 애플리케이션 구축·호스팅·공유 지원

11월 5일 — Cursor에서 온라인 애플리케이션을 만들고 링크로 공유할 수 있게 됐다. Cursor가 제시한 출발점은 에이전트 덕분에 코드 작성 비용이 낮아졌지만, 만들어진 도구 대부분이 로컬 컴퓨터(localhost)를 벗어나지 못한다는 점이다. 클라우드 에이전트에게 애플리케이션을 만들어 달라고 명시적으로 요청하면, Cursor가 기본 구조를 만들고 필요에 따라 Postgres 데이터베이스를 생성하며, Cursor 로그인을 통한 인증을 적용한 뒤 다른 팀의 계정과 격리된 전용 계정에서 호스팅한다. 선택한 도메인에 배포하기 전에는 파일에 기록된 비밀 정보, 자격 증명 파일, .env 파일, 소스 맵을 확인하는 네 가지 결정론적 검사와 AI 보안 검토를 통과해야 하며, 이후 사용자가 명시적으로 게시한다. 관리자는 모든 애플리케이션과 비밀 정보를 확인하고, 자체 검토 규칙을 추가하며, 어떤 애플리케이션이든 게시를 취소할 수 있다. 공유 대상은 개인, 그룹, 팀 또는 일반 대중이며, 공개 공유는 Teams와 Enterprise에서 기본적으로 비활성화되어 있다. 이 기능은 클라우드 에이전트가 포함된 모든 유료 요금제에서 Cursor Origin이나 GitHub를 통해 사용할 수 있고, GitLab 지원도 곧 제공될 예정이다. 호스팅 요금은 명시되지 않았다.

🔗 Cursor에서 온라인 애플리케이션 만들기 · Cursor 애플리케이션 문서

Replit, 각각 자체 Linux 커널을 갖춘 microVM 중심으로 샌드박스 엔진 재작성

11월 4일 — Replit이 새로운 샌드박스 엔진을 다루는 연재의 첫 번째 글을 공개했다. 글은 11월 4일 저녁에 게시됐으며 다음 날 확산됐다. 이제 각 샌드박스는 호스트의 커널을 공유하는 컨테이너 대신, 자체 Linux 커널을 갖춘 경량 가상 머신인 microVM으로 실행된다. Replit은 수억 개의 프로젝트를 데이터 손실 없이 이전했다고 밝혔다. 가상 머신 모니터인 Cloud Hypervisor는 Firecracker와 일부 구성 요소를 공유하며, tinyconfig를 바탕으로 빌드한 게스트 커널에는 Bluetooth, USB, 디스플레이 드라이버가 포함되지 않는다.

Linux 커널 CVE 감사(2026년 6월 1일~11월 4일)	Replit이 제시한 값
공개되어 감사를 거친 CVE	6 211
새로운 엔진으로 회피한 CVE	5 969 (96,1 %)
공개 전에 적용한 패치	4 375 (70,4 %)
커널 설정으로 배제한 CVE	676 (10,9 %)

Anthropic이 악용 가능성을 입증한 TCP 취약점 CVE-2026-98432의 경우, 패치된 커널이 이미 10월 12일에 적용돼 있었다. 네트워크 송신 규칙은 게스트 머신 외부의 호스트 측 프록시에서 적용되며, 자격 증명 중개자는 계정 키를 샌드박스에 전달하지 않고 GitHub나 Google Docs를 호출한다. 샌드박스 하나를 준비하는 데는 약 500밀리초가 걸린다. 두 번째 글에서는 Kubernetes로 수만 개의 microVM을 오케스트레이션하는 방법을 다룰 예정이다.

🔗 Replit의 새로운 샌드박스 엔진 내부, 1부

Qwen Code v0.26.8, Qwen Plus 및 Pro 구독 연결 지원

11월 5일 — Qwen Code v0.26.8이 Qwen 계정 로그인을 복구했으며, 이제 구독과 연동된다. CLI, VS Code 확장 프로그램, Desktop 앱에서 ‘구독이 있는 Qwen 계정’ 옵션을 선택하면 chat.qwen.ai에서 가입한 Plus 또는 Pro 구독을 API 키 없이 사용할 수 있다. 클라이언트는 계정의 모델 목록을 불러오고, 대화와 내장 웹 검색에 구독을 사용하며, 인증 오류나 할당량 초과, 요청 속도 제한이 발생하면 사용자를 안내한다. 이 기능을 도입한 병합 요청에 따르면, 이 방식은 기존 무료 OAuth 서비스 종료에 대응하기 위한 것이다. 릴리스 노트와 문서에는 종료 날짜나 요금제 가격이 나와 있지 않으며, CI와 컨테이너에서는 계속 API 키를 사용한다. 호환성을 깨는 변경이 없는 이번 안정 버전에는 기능 14개, 수정 37개, 성능 최적화 13개를 포함해 총 83개 항목이 담겼다. Mods는 자체 프롬프트를 제출할 수 있으며, 프로젝트가 제공하는 훅에는 승인 대화상자가 표시된다. 같은 날 Desktop 앱 v0.26.8과 TypeScript SDK v0.1.28도 출시됐다.

🔗 Qwen Code v0.26.8

더 빠른 추론: NVIDIA의 Vera CPU, Meta의 sgl-muse-mega, 실시간 Runway Characters

NVIDIA, 에이전트용 Vera CPU의 x86 대비 우위를 수치로 제시

11월 5일 — NVIDIA가 에이전트를 위해 설계한 프로세서 Vera의 새로운 수치를 공개했다. 에이전트의 각 단계인 검색, 데이터베이스 질의, 코드 작성과 테스트, 동작 실행은 CPU에서 수행된다. AI 팩토리는 전력의 제약을 받기 때문에 NVIDIA는 와트당 처리한 작업량을 측정한다. NVIDIA의 자체 비교에 따르면, 100메가와트 규모의 데이터센터에서 Vera CPU 하나는 가장 빠른 x86보다 와트당 1,6배 많은 에이전트를 실행하고, 전력 효율이 가장 높은 x86보다 에이전트를 두 배 빠르게 실행할 수 있다. 비교 대상인 두 x86의 이름은 공개하지 않았다. NVIDIA는 파트너 여섯 곳의 결과도 인용했다.

NVIDIA가 인용한 파트너	Vera 사용 시 발표된 결과
Perplexity	기존 CPU보다 에이전트 코딩 속도 1,5배 향상, 도입 예정
DeepInfra	에이전트 오케스트레이션에서 최고 성능 x86 대비 최대 2,2배 속도
ClickHouse	176개 코어까지 거의 선형으로 확장, ClickBench 순위 1위
DuckLabs	TPC-H SF1000에서 Intel Xeon 6의 중앙값 성능 대비 약 1,5배
Daytona	샌드박스 1 000개를 10,8 s에 가동, x86에서는 88,4 s
Modal	동급 x86 대비 코어당 샌드박스 처리량 최대 2배

이 글에는 가격이나 일정이 제시되지 않았다. Vera는 1월 CES에서 공개됐으며, 8월 말 AWS에 공급됐다.

🔗 Vera, 두 가지 장점을 모두 제공하다(NVIDIA)

Meta, GB300에서 Muse Spark Open을 최대 2,1배 빠르게 디코딩하는 sgl-muse-mega를 별도 발표 없이 공개

11월 5일 — Meta가 별도 발표 없이 facebookresearch의 GitHub에 MIT 라이선스로 sgl-muse-mega를 공개했다. 이는 GB300 GPU에서 가중치 공개 모델 Muse Spark Open을 제공하는 SGLang 추론 엔진용 플러그인이다. 모델의 파라미터는 8,160억 개이며, 이 중 420억 개가 활성화된다. 디코딩 단계마다 수백 개의 작은 연산 커널(kernels)을 실행하는 대신, 디코더의 각 계층을 단 한 번의 실행으로 처리한다. 또한 DFlash2의 초안 생성과 추측 디코딩의 검증 및 수락을 하나의 CUDA 그래프로 통합한다. README에 따르면, GB300 여덟 개를 사용한 GSM8K 단일 요청에서 초당 최대 1 109토큰에 도달한다. 같은 초안 모델을 사용하는 SGLang의 517토큰 대비 2,1배다. 디코딩 한 단계는 12,9 ms와 커널 1 450개에서 5,9 ms와 커널 97개로 줄어든다. 이 성능 향상은 한 번에 요청 하나를 디코딩할 때만 적용되며, 다른 요청은 SGLang으로 처리된다. 도구에는 실험용 표시가 붙어 있고, 동일한 NVLink 도메인에 있는 GB300 여덟 개 또는 단일 노드의 GB300 네 개가 필요하다.

🔗 sgl-muse-mega (facebookresearch)

Runway, H100 네 개로 Runway Characters의 57B 비디오 모델을 실시간 제공

11월 5일 — Runway Research가 이미지 한 장으로 실시간 대화를 나눌 수 있는 비디오 캐릭터 Runway Characters의 실시간 처리 방식을 설명하는 글과 arXiv 논문을 공개했다. 약 57B 파라미터의 자기회귀 비디오 확산 트랜스포머는 사용자 한 명을 위해 166,7 ms마다 704x1088 해상도의 프레임 네 개를 생성해 초당 24프레임을 유지해야 한다. 여러 사용자의 요청을 묶어 처리할 수 없으므로, 단계 자체에서 밀리초 단위로 시간을 줄여야 한다. 첫 번째 개선 대상은 캐시였다. GPU 시간의 29 %가 240번의 어텐션 호출 각각에서 거의 변하지 않은 캐시를 다시 처리하는 데 쓰이고 있었다. Runway는 링 버퍼 형태의 캐시에 기록할 때 RoPE와 FP8 양자화를 한 번만 적용해, 단계당 캐시 유지 관리 시간을 69,7 ms에서 6,2 ms로 줄였다.

Runway가 측정한 구성	확산 한 단계의 소요 시간
출시 당시 소프트웨어, H100 네 개	240,9 ms
최적화 후, H100 네 개	159,3 ms (24,5 images/s)
리덕션과 FP8 연산을 융합한 커널 사용	147,4 ms
B200 세 개 사용	154,3 ms

이제 세션 하나를 H100 네 개로 처리할 수 있으며, 출시 당시에는 여덟 개가 필요했다. 7주간의 실제 운영에서 세션의 99,5 %가 평균 초당 23,5프레임을 넘겼다. 대화 한 턴의 소요 시간 중앙값은 2,13 s였으며, 이 중 음성 에이전트가 차지하는 시간은 1,42 s였다.

🔗 배치 크기 1에서의 실시간 비디오(Runway) · arXiv 논문 2611.05642

개방형 로보틱스: Hugging Face의 LeRobot v0.7.0과 Ai2의 ToyBlocks

Hugging Face, 작동 중인 로봇과 대화할 수 있는 LeRobot v0.7.0 공개

11월 5일 — Hugging Face가 개방형 로보틱스 라이브러리의 새 버전인 LeRobot v0.7.0을 공개했다. 현재 Hub에는 LeRobot 형식의 피지컬 AI 데이터가 약 300 To 저장돼 있다. 대화형 세션에서는 작동 중인 로봇과 대화할 수 있다. /subtask은 로봇을 멈추지 않고 지시를 바꾸고, /vqa는 정책에 무엇이 보이는지 물으며, /autosteer은 목표를 부여한다. 마지막 두 명령에는 텍스트를 생성하는 정책이나 외부 VLM 플래너가 필요하다. 텍스트 생성 정책의 예로는 Scale AI와 Hugging Face의 FineART 데이터셋으로 학습한 FineART-VLA가 있다. 이 데이터셋에는 양팔 조작 1 718시간과 주석이 달린 하위 작업 533 000개 이상이 포함된다. 학습 측면에서는 다운로드 없이 Hub나 LanceDB에서 데이터셋을 스트리밍으로 읽을 수 있으며, 스택이 FSDP2와 HSDP로 전환된다. 6B FastWAM 모델에서는 학습 재개 시 GPU당 최대 메모리 사용량이 143 Go에서 42 Go로 줄어든다. 이번 버전은 월드 액션 모델 네 개인 NVIDIA의 Cosmos 3와 Long-WAM, Black Forest Labs의 FLUX 3 Action, RLinf의 LaWAM과 함께 LingBot-VLA 2.0, Wall-OSS-0.5 등을 포함한 시각·언어·행동 정책 네 개를 추가한다. 기존 사용 방식의 호환성을 깨는 변경도 여러 가지 있다. CUDA 13용으로 빌드한 PyTorch를 사용하고, 비동기 추론을 정책 서버로 대체하며, Weights & Biases 대신 Trackio를 사용한다.

🔗 LeRobot v0.7.0 (Hugging Face 블로그)

Ai2, 로봇용 시연을 생성하는 시뮬레이션 프레임워크 ToyBlocks를 별도 발표 없이 공개

11월 5일 — Ai2가 11월 4일 저녁부터 5일 사이에 별도 발표 없이 ToyBlocks의 구성 요소를 공개했다. IsaacSim과 IsaacLab을 기반으로 구축한 개방형 시뮬레이션 프레임워크로, 로봇 팔이 탁자 위의 블록을 밀고 뒤집고 쌓는다. 핵심은 원격 조작을 작업과 시연의 자동 생성으로 대체하는 데 있다. 공개된 데이터셋에는 세 가지 난이도에 걸쳐 블록 세 개 쌓기에 성공한 시연 83 496건이 담겨 있다. 총 1억 4,370만 프레임, 약 1 600시간에 해당하며, 난이도별로 1 000개 에피소드의 검증 데이터셋도 제공된다. 두 모델이 함께 공개됐다. 하나는 Molmo2-4B를 미세 조정한 Molmo2-4B-tb로, 카메라 이미지와 목표를 읽고 짧은 계획을 말한 뒤 약 6 Hz로 다음 행동인 집기, 놓기, 뒤집기, 회전하기와 그 대상을 지정한다. 다른 하나는 이 동작을 실행하는 ManiFlow 정책이다. 저장소에서 인용한 블로그 글은 확인 당시 404 오류를 반환했으며, 기술 보고서는 곧 공개될 예정이라고 안내돼 있다.

🔗 ToyBlocks (allenai)

Anthropic, 연구 세션 207 049건으로 과학자들의 Claude 사용 방식 분석

11월 5일 — Anthropic 경제 연구팀이 Claude의 과학 연구 활용에 관한 보고서를 공개했다. 2026년 8월 2일부터 9월 30일까지 일반 소비자용 요금제에서 이루어진 연구 세션 207 049건을 바탕으로 했으며, 분야와 작업 유형의 라벨만 남기는 분류기로 분석했다. 형식과학 분야는 전 세계 연구에서 차지하는 비중보다 Claude를 훨씬 많이 사용한다. 컴퓨터 과학은 전 세계 연구자의 4,3 %를 차지하지만, Claude Code 세션에서는 32,7 %를 차지한다.

관찰된 지표	Claude(Chat 및 Cowork)	Claude Code
분석한 세션	128 914	78 135
데이터 분석 비중	33,7 %	48,1 %
아이디어 발상 및 가설 수립 비중	4,2 %	2,1 %

과학자들은 주로 데이터 분석과 글쓰기에 Claude를 사용하며, 가설을 세우는 데는 훨씬 적게 활용한다. 반면 설문에 응한 연구자 528명은 아이디어 발상과 데이터 수집을 중요한 작업의 최상위에 꼽았다. Claude Science에서는 아이디어 발상의 비중이 Claude보다 약 두 배 높다. 보고서는 예측이 아닌 예시로 제시한 시나리오도 설명한다. 현재의 기능이 널리 도입되면 연구 산출량은 예술 분야에서 1,35배, 통계학에서 2,02배가 될 수 있다. AI가 모든 비물리적 작업을 맡는다면 실험실 작업이 없는 분야에서는 15~~16배, 생물학이나 화학에서는 3~~4배가 될 수 있다. 설문에 응한 연구자의 약 40 %는 2030년까지 AI가 단독으로 수행하는 연구 프로젝트가 등장할 것으로 예상한다.

🔗 과학적 발견을 위한 AI: 연구자들이 Claude를 사용하는 방식(Anthropic)

OpenAI, 연산 캠퍼스가 들어서는 지역사회와의 협약 공개

11월 5일 — OpenAI가 전국 단위의 지역사회 협약(전국 지역사회 협약)과 연산 캠퍼스를 위한 공공정책 계획(연산 캠퍼스 정책 청사진)을 공개했다. 앞으로 OpenAI가 소유하고 운영하는 각 캠퍼스에는 개별 지역 협약이 마련된다. 여기에는 사업에 영향을 미칠 수 있도록 충분히 이른 시점에 진행하는 의견 수렴, 지역 담당자, 연례 공개 보고서가 포함된다. OpenAI는 필요한 전력과 인프라 비용 전액을 부담하고, 사업이 지연·축소·취소될 경우 다른 고객을 보호하기 위한 재정적 보장을 제공하겠다고 약속했다. 또한 각 부지의 물과 전력 소비량을 공개하고, 폐쇄 순환식 또는 물 사용량이 적은 냉각 방식을 우선하며, 제한적인 보호 조치를 제외하고는 선출직 공직자와 공무원에게 비밀유지계약을 요구하지 않겠다고 밝혔다. 조지아주 에핑엄 카운티에서는 주민들의 의견에 따라 480만 달러의 지원금을 카운티 학생 14 000명의 무료 급식에 배정했다. 오하이오주 파이크 카운티에서는 OpenAI와 SB Energy가 보육에 600만 달러를 투입한다. 이 계획은 정책 결정자들에게 공통 규칙도 요구한다. 대규모 전력 소비자가 전력망에 추가로 발생시키는 비용을 부담하게 하고, 11월 2일 출범한 Grid Protectors가 제시한 것처럼 전력 수요를 줄일 수 있는 캠퍼스의 계통 연결을 용이하게 하며, 송전선 구축을 가속하자는 것이다.

🔗 책임 있는 AI 인프라의 새로운 기준 제시(OpenAI)

단신

에이전트와 코딩 도구

Amp와 GitLab — Amp가 gitlab.com과 자체 관리형 인스턴스 모두에서 GitLab과 연동된다. 클라우드 환경인 orb가 사용자 대신 저장소를 복제하고 푸시하며, 병합 요청을 생성하고 추적한다. Orb Spawner는 새로운 병합 요청이나 이슈마다 orb를 시작한다. 요금은 공개되지 않았다. 🔗 출처
Warp의 에이전트 PR 검토 — 벤 홈스가 검토 병목을 해소할 세 가지 방안을 제안했다. 여러 차례에 걸쳐 검토하는 자체 에이전트, 에이전트의 종단 간 검증, 다섯 가지 기준에 따른 병합 위험 점수다. 병합 위험 평가는 /merge-risk 스킬로 공개됐다. 🔗 출처
Copilot CLI 1.0.106-10 — 릴리스 노트 없이 새로운 미리보기 버전이 npm에 올라왔다. 이를 포함한 Copilot SDK 1.0.29-preview.9에서는 실험적인 대화 기록 압축과 기기 코드를 통한 로그인 기능을 확인할 수 있다. 최신 안정 버전은 여전히 10월 28일에 나온 1.0.105다. 🔗 출처
Copilot Fusion — GitHub가 이 모델 라우터의 30% 할인 종료일을 11월 30일로 정했다. 10월 28일 발표에서는 Copilot 유료 요금제 이용자에게 한시적으로 제공한다고 안내했다. 해당 게시물은 GitHub Copilot 앱, Copilot CLI, VS Code에서 사용할 수 있다고 소개한다. 🔗 출처
Kimi Code 2.5.1 — 여덟 가지 오류를 수정했다. 동적 도구 스키마의 빈 시스템 메시지로 인해 HTTP 400 오류가 반복되던 문제를 해결했으며, 도구 결과에서 이미지와 동영상 미리보기가 다시 표시된다. 🔗 출처
Kimi Work 3.2.25 — 프로젝트, 플러그인, 스킬, 대화를 아우르는 전체 검색이 추가됐다. 작업 중 승인되지 않은 플러그인을 감지하면 승인 절차를 안내하는 창을 표시하며, 작업을 중단한 뒤 보관하는 새 동작도 추가됐다. 🔗 출처
mistral CLI 0.17.2 — Studio 확장이 이루어진 날 두 가지 오류를 수정했다. mistral apps deploy의 경고 링크가 앱의 Secrets 탭을 열며, 셸이 UV_DEFAULT_INDEX 또는 UV_INDEX_URL를 내보낼 때 mistral agents 명령이 uv.lock 잠금 때문에 실패하던 문제가 해결됐다. 🔗 출처
iOS의 Codex — 11월 2일 출시된 iOS용 ChatGPT 1.2026.300에서는 Codex의 전체 화면 작성창을 벗어나지 않고 첨부 파일을 추가하거나 삭제할 수 있다. 기기 간 작업 읽음 상태를 동기화하며, 후속 요청은 기본적으로 현재 작업으로 연결한다. 🔗 출처
Antigravity 확장 프로그램 — 11월 2일 출시된 VS Code 확장 프로그램 1.11.0에서는 대화로 전송한 터미널 컨텍스트 칩을 클릭할 수 있게 됐다. Visual Studio 확장 프로그램 1.0.261102.0은 인라인 diff를 기본으로 활성화하며, 블록별 또는 파일별로 수락하거나 거부할 수 있다. 🔗 출처
풀 리퀘스트 Overview 페이지 — GitHub가 참여를 선택한 사용자를 대상으로 새 페이지의 공개 미리보기를 시작했다. 병합 상태와 다음 할 일을 상단에 배치하고, 병합 영역을 새로 설계했으며, 대화 필터를 제공한다. 기존 보기로 돌아갈 수도 있다. 🔗 출처
Rust로 재구축한 Discord — 인공지능 분야와는 별개로, Discord가 Rust로 재구축한 새 클라이언트를 선보였다. Zed는 이 클라이언트가 자사의 오픈 소스 인터페이스 프레임워크인 GPUI를 기반으로 만들어졌다고 소개했다. 🔗 출처

기업과 파트너십

DevRev와 Codex — OpenAI가 공개한 사례 연구에서 DevRev는 Computer와 Operator 에이전트의 추론을 GPT-6.1 Sol 등 OpenAI 모델에 맡긴다고 밝혔다. 또한 Cursor 라이선스를 해지하고 모든 엔지니어링 업무를 Codex로 전환했다고 설명했다. 성과 수치는 제시하지 않았다. 🔗 출처
Replit과 SMFL — Replit이 스미토모 미쓰이 파이낸스 앤드 리스와 협력해 자사 플랫폼을 SMFL의 자산 관리 서비스인 AssetForce와 연결한다. AssetForce는 200개 이상의 기업이 사용하고 있으며, 이번 협력은 디지털 서비스 매출을 2031년까지 10배인 100억 엔으로 늘리려는 SMFL의 목표를 지원한다. 🔗 출처
Baseten과 Nemotron Coalition — Baseten이 NVIDIA의 공개 모델 연합에 합류했다. 이 연합은 3월에 Mistral, Black Forest Labs, Cursor, Ai2, Perplexity와 함께 소개됐으며, Baseten은 강화 학습 환경, 사후 학습, 최적화된 추론을 제공한다. 🔗 출처

플랫폼, API와 보안

Claude Enterprise 보안 — Anthropic이 베타 기능으로 보안 센터, 중앙 관리 콘솔, EDR 센서를 추가했다. 보안 센터는 대화, Cowork, Claude Code의 설정을 자사 권장 사항과 비교한다. EDR 센서는 엔드포인트 탐지 및 대응을 담당하며, macOS와 Windows에서 Cowork의 로컬 가상 머신 안에 배치된다. 🔗 출처
Claude Console과 Admin API — 베타로 제공되는 IP 허용 목록은 조직당 최대 1,000개의 주소나 주소 범위를 지정할 수 있으며, 그 밖의 주소에서 들어오는 요청을 거부해 유출된 API 키의 사용을 제한한다. Admin API로는 Claude Enterprise 구성원을 모든 기기에서 로그아웃시킬 수 있다. 🔗 출처
OpenAI SDK — openai-python 3.46.0과 openai-node 7.51.0이 호주, 인도, 일본의 데이터 보관 지역 옵션, GPT-6 Rosalind, Images 2.6 제어 기능을 추가했다. 이후 버전에서는 gpt-6-cyber도 추가됐다. Codex CLI는 10월 29일의 0.166.0 이후 여전히 새 안정 버전이 없다. 🔗 출처
Gemini API — 이제 PPT와 ODP 프레젠테이션, ODS 스프레드시트를 지원하며, DOC 문서는 페이지 이미지로 처리한다. 도구는 오디오, 동영상, Office 및 OpenDocument 파일을 모델에 반환할 수 있다. 🔗 출처
Perplexity API — Agent API가 폭넓은 조사를 위해 Claude Opus 5.5에서 실행되는 ultra 추론 노력 단계를 제공한다. Computer의 Effort Mode에 있는 Ultra 단계와는 구별된다. 전날에는 Decisions API가 검색 전에 URL의 텍스트를 읽는 기능을 추가했으며, 가져오기 한 번당 요금은 0.001달러다. 🔗 출처
에이전트 오케스트레이션 — Perplexity가 중앙 집중형, 분산형, 계층형의 세 가지 오케스트레이션 아키텍처를 비교하는 가이드를 공개했다. 흔한 장애 일곱 가지를 정리하고, 작업 계약부터 멱등성을 갖춘 재시도까지 일곱 가지 권장 방식을 제안한다. 새 제품 기능은 없다. 🔗 출처
GitHub 비밀 정보 검사 — SpaceX가 파트너로 합류했다. 공개 저장소에 노출된 starlink_public_api_v2_secret 식별자는 무효화를 위해 SpaceX에 전달된다. 또한 AWS와 Google Cloud Storage를 포함한 여섯 제공업체의 탐지기가 생성하는 오탐이 줄었다. 🔗 출처

NVIDIA의 인프라와 시뮬레이션

메모리와 추론 — 해설 글에서 희소하고 비싼 HBM에 대응하려면 전체 스택을 함께 설계해야 한다고 주장한다. Blackwell Ultra에서 Vera Rubin으로 넘어가며 GPU당 HBM은 약 3%만 늘지만, SemiAnalysis AgentX에서 달러당 처리량은 최대 30배 증가한다. NVIDIA CMX 스토리지에는 파트너사 아홉 곳이 참여한다. 🔗 출처
Into the Omniverse — NVIDIA가 10월 9일에 다뤘던 에이전트 기반 시뮬레이션 관련 글을 업데이트했다. 주로 GPT-6 Astra를 사용하고 일부는 Claude를 활용한 프로젝트 약 열 개를 소개한다. 컨베이어 80개, 로봇 팔 40개, 상자 800개가 있는 창고를 초당 30프레임으로 구동한 사례도 포함된다. 새 제품은 없다. 🔗 출처

공개 모델, 데이터와 연구

Slack의 ML Intern — 평가, 데이터 준비, 모델 미세 조정을 수행하는 Hugging Face의 오픈 소스 에이전트가 Slack 봇으로 제공된다. 자신의 작업 공간에 설치해 데이터, 파일, MCP 서버에 연결할 수 있다. 요금과 설치 링크는 제시되지 않았다. 🔗 출처
Llama와 의사결정 모델 — llama.cpp 팀과 Hugging Face의 로컬 앱은 Mac과 Windows에서 무료로 사용할 수 있으며, Liquid AI의 d1-Omni와 d3-flash를 실행한다. 앱은 d3-flash를 vLLM의 모델로 소개하고 Jev Decision Index 1위로 제시한다. 🔗 출처
Sand3D — Sandflow가 관절 구조를 갖춘 객체 10,456개를 포함해 3D 객체 106,094개를 공개했다. 각 객체는 오픈 소스 라이브러리 sand3d의 짧은 Python 프로그램으로 작성돼 있으며, Hub의 3D 뷰어에서 볼 수 있는 OpenUSD 형식으로 내보낼 수 있다. 🔗 출처
SimReady Central — Lightwheel이 Hugging Face에 있는 NVIDIA의 3D 객체 라이브러리에서 맡은 역할을 자세히 설명했다. 이 라이브러리는 이제 OpenUSD 객체 3,500개를 넘었으며, Lightwheel은 접촉하거나 움직일 때 객체의 물리적 동작을 검증하고 조정한다. 🔗 출처
DreamTac — 베이징대학교의 이 데이터셋을 소개하는 글이 공개됐다. Voxel51이 FiftyOne용으로 변환한 데이터셋으로, 손끝에 젤이 부착된 Franka 로봇 팔의 궤적 703개를 담고 있다. 12개 작업과 7.03시간 분량으로 구성되며, 접촉이 영상에 드러난다. 🔗 출처
레바논 방언 음성 합성 — 빌랄 자라케트가 네 가지 모델로 베이루트에 거주하는 테스터의 목소리를 복제했다. 원어민 청취자 다섯 명이 정보를 가린 채 평가한 결과, 실제 목소리는 5점 만점에 4.98점, 가장 좋은 모델인 VoxCPM2는 3.89점을 받았다. 이 모델의 음성이 레바논 방언으로 인식된 비율은 65%에 그쳤다. 🔗 출처
Guardián colombiano — 우고 알론소가 공동의 기억을 기록하는 공개 게시판에서 콜롬비아 스페인어 콘텐츠를 검토하도록 Tiny Aya Global을 미세 조정했다. 33억 5천만 개의 매개변수를 가진 이 모델은 6GB GPU에서 실행되며, 세 가지 클라우드 서비스를 연결한 기존 구성을 대체한다. 🔗 출처
Anvaya-1B — 한 개발자가 PyTorch FSDP와 FineWeb을 사용해 16GB T4 두 장으로 매개변수가 10억 개를 조금 넘는 모델을 처음부터 사전 학습하고, 첫 체크포인트와 학습 방법을 공개했다. 🔗 출처
traj2envs — Hugging Face가 별도 발표 없이 ATIF 형식의 에이전트 궤적을 검증된 Harbor 강화 학습 작업으로 변환하는 도구를 공개했다. 환경 이미지의 버전은 고정돼 있다. 🔗 출처

이미지, 동영상과 아바타

Runway와 Gemini Omni 1.2 Flash — Runway가 최대 15초 길이의 동영상을 생성하고 편집하는 Google의 새 모델을 추가했다. 처음부터 다시 만들지 않고 장면을 수정한 뒤 4K로 확대할 수 있다. 관련 글과 크레딧 비용은 공개되지 않았다. 🔗 출처
HeyGen과 Images 2.6 — HeyGen이 장면 속 보조 캐릭터를 위해 ChatGPT Images 2.6을 통합했다. HeyGen Video 1에서 더 나은 캐릭터 시트와 향상된 일관성을 제공한다. 요금과 제공 요금제는 명시되지 않았다. 🔗 출처
Luma의 Photo Reframe — Luma가 Expression Sheet와 Character Sheet에 이어 이미지 주변 공간을 채워 Instagram 게시물, 앨범 표지, 포스터에 맞게 조정하는 도구를 추가했다. 관련 글과 요금은 공개되지 않았다. 🔗 출처
Manus Studio — 이제 프로젝트를 Premiere Pro, DaVinci Resolve, CapCut, Final Cut Pro로 내보내 인공지능으로 만든 동영상의 편집을 다른 도구에서 마무리할 수 있다. 내보내기 형식과 제공 요금제는 명시되지 않았다. 🔗 출처
Muse Realtime Avatar — Meta Connect에서 공개된 이 기술은 Muse Realtime Voice에 실시간으로 움직이는 얼굴을 부여한다. 미국의 Muse 앱에 도입되며, 다른 국가의 출시 일정은 없다. 🔗 출처

이것이 의미하는 것

공격형 사이버보안이 제한된 접근 권한 아래 산업적 규모로 확대되고 있다. Critical 등급으로 분류된 GPT-6 Cyber는 열흘 동안 120만 달러를 들여 Linux 커널의 권한 상승 취약점 948개를 검증하는 데 사용됐다. 취약점 하나당 1,279달러인 셈이다. Firefox에서는 심각도가 높은 취약점 81개를 찾아냈다. OpenAI는 승인된 Daybreak Red 고객에게만 이 모델을 제공하고, 기본적으로 IP 허용 목록을 요구하며, 사이버 분야 특유의 정렬 이탈을 감시한다. 이제 경쟁의 핵심은 수정 속도다. 열흘간의 작업이 진행되는 동안 다른 기여자들이 이미 이 취약점 중 61개를 업스트림에서 수정했고, 추가로 43개의 수정 사항을 준비하고 있었다. OpenAI는 이 속도를 따라가려면 수정 사항 자동 생성이 필수라고 본다. Replit은 이 흐름의 다른 끝을 보여준다. 게스트 커널에는 취약점이 공개되기도 전에 수정 사항 4,375개가 반영돼 있었으며, Anthropic이 악용을 시연한 TCP 취약점도 이미 10월 12일에 수정된 상태였다.

민감한 데이터를 다루며 장시간 작업하는 에이전트에서는 격리와 권한이 제품의 핵심이 된다. Perplexity의 동료 에이전트는 각자 데스크톱, 브라우저, 쿠키를 갖고 하루 24시간 실행된다. Mistral의 관리형 에이전트는 몇 시간에서 며칠 동안 작업하며 사람의 승인을 기다릴 수 있다. Cursor는 네 가지 결정론적 검사와 인공지능 검토를 거친 뒤 각 애플리케이션을 격리된 계정에 호스팅한다. Personal Finance는 이 원칙을 읽기 전용 접근까지 확장한다. Claude는 Plaid를 통해 잔액과 거래 내역을 읽지만 단 1달러도 이체할 수 없으며, 해당 공간의 대화는 학습에 사용되지 않는다. 인프라 측면에서 Replit은 각 샌드박스에 독립된 Linux 커널을 제공하고 게스트 머신 외부에서 네트워크 규칙을 적용한다. 관리자 측면에서는 Claude Enterprise가 이제 보안 설정을 Anthropic의 권장 사항과 비교한다.

이미지와 동영상 생성은 더 빠르고 저렴해지며 몇 시간 만에 여러 도구에 통합되고 있다. Images 2.6은 생성 속도가 50% 빨라졌고, Gemini Omni 1.2 Flash는 영상 길이를 15초로 늘리면서 가격을 30% 낮춰 720p 기준 초당 약 0.07달러에 제공한다. Runway는 57B 규모의 동영상 캐릭터를 H100 여덟 개 대신 네 개로 실시간 제공한다. 보급도 곧바로 뒤따른다. Runway는 Omni 1.2 Flash를 출시 당일 추가했고, HeyGen은 다음 날 Images 2.6을 통합했으며, Luma는 자사의 제작 도구를 Claude와 ChatGPT에 도입했다. 창작자에게 중요한 것은 어떤 모델을 고르느냐에서 그 모델이 어떤 도구에 들어오느냐로 옮겨가고 있으며, 이러한 도입은 출시 당일에 이루어지는 경우가 많다.

추론 비용 자체가 독립적인 판매 근거가 되고 있다. NVIDIA는 와트당 에이전트 수를 내세워 Vera를 판매하고, Meta는 계층당 단 하나의 연산 커널로 Muse Spark Open의 디코딩 속도를 2.1배로 높였다. Cognition은 8월 이후 코드 검토 비용을 82% 줄이면서도 버그를 조금 더 많이 찾아낸다. Ripple-65B Preview는 같은 논리를 학습에 적용한다. Olmo 3에서 유래한 학습 방법으로 처음부터 사전 학습하고 140만 건의 강화 학습 롤아웃으로 사후 학습한 이 밀집 모델은 에이전트 기반 코딩에서 미국산 공개 모델 중 1위라고 주장한다. Together AI에서는 입력 토큰 100만 개당 0.20달러에 이용할 수 있다.