Gemini 4 Argon 전면 공개, SpaceXSI가 The X Subscription으로 Grok과 Cursor 통합, NVIDIA가 Run:ai를 오픈 소스로 공개

Google이 Fairwind Program의 사이버 방어 담당자에게만 제공했던 Gemini 4 Argon을 2주 만에 모두에게 공개한다. Gemini API의 입력 요금은 11월 30일까지 토큰 100만 개당 2달러이며, Gemini 앱과 AI Mode에서는 Google AI Pro 및 Ultra 구독자에게 제공하고, Cursor, Devin, GitHub Copilot, Manus도 같은 날 이를 추가한다. SpaceXSI는 Grok, Grok Bot, Cursor, X Premium을 월 0~200달러의 단일 구독 상품인 The X Subscription으로 통합하고, NVIDIA는 GPU 오케스트레이션 플랫폼 Run:ai 전체를 오픈 소스로 공개한다. Liquid AI는 로컬 에이전트용으로 활성 매개변수가 20억 개인 추론 모델 LFM2.5-24B-A2B를 출시하고, NVIDIA는 금요일 출시되는 RTX Spark PC에 맞춰 준비된 소프트웨어를 상세히 소개한다.

Gemini 4 Argon 전면 공개: Gemini API, Gemini 앱, AI Mode, Antigravity

10월 13일 — 9월 30일 발표된 뒤 지금까지 Fairwind Program의 사이버 방어 담당자에게만 제공되던 Gemini 4 Argon이 전 세계에 배포된다. Google은 이 최첨단 모델을 프로그래밍, 금융, 법률, 사이버보안, 과학 분야에서 깊이 있는 작업(심층 작업)을 수행하는 모델로 소개한다. 이용 대상과 이용 방법은 다음과 같다.

대상	10월 13일 기준 Gemini 4 Argon 이용 방법
개발자	Google AI Studio와 Android Studio의 유료 Gemini API
Google AI Ultra 구독자	Antigravity와 AI Studio
기업	Gemini for business, Gemini API, Antigravity
일반 사용자	Google AI Pro 및 Ultra 구독자에게 Gemini 앱과 검색의 AI Mode 제공
과학자	신청자에게 Antigravity 최상위 사용 한도를 6개월간 무료 제공(10 000명)
사이버 방어 담당자	Fairwind Program을 수백 개 파트너로 확대, 사이버 안전장치가 없는 Argon 제공

개발자용 식별자는 gemini-4-argon이며, 안정 버전으로 제공된다. 출시 가격은 9월 말 발표한 그대로다. 2026년 11월 30일까지 입력 토큰 100만 개당 2달러, 출력은 10달러이며, 캐시된 입력에는 95 % 할인이 적용된다. 이후에는 각각 4달러와 20달러가 된다. 모델은 텍스트, 이미지, 동영상, 오디오, PDF를 입력받고 텍스트로 응답하며, 입력과 사고 과정, 출력이 1 048 576토큰의 단일 컨텍스트 창을 공유한다. 요청 하나당 반환되는 토큰은 스트리밍에서 최대 64K, 비스트리밍에서 32K다(Gemini 3.x에서는 65 536). 다만 긴 디코딩(장문 디코딩)을 사용하면 100만 토큰에서 입력량을 뺀 만큼까지 생성할 수 있으며, 최신 SDK(google-genai 2.30.1, @google/genai 2.29.1)가 요청을 자동으로 연달아 보낸다. 사고 수준은 세 단계(low, 기본값인 medium, high)로 설정할 수 있으며, 명시적 캐시는 지원되지 않는다.

성능 면에서 Google은 Argon을 Vals Index 1위로 제시하고, 로보틱스용 공간 추론 벤치마크인 ERQA에서 다른 모든 최첨단 모델을 앞서는 87 %를 기록했다고 주장한다. 사전 이용 고객 중 Box는 Gemini 3.1 Pro 대비 정확도가 14 % 높아졌다고 측정했다. Google은 Gemini 4 제품군의 나머지 모델도 선보이겠다고 약속했지만 날짜는 제시하지 않았다.

🔗 Gemini 4 Argon 출시 발표 글 · Gemini API의 Gemini 4 Argon 새 기능

Argon의 안전성: 모의 사이버공격 12건 중 12건 해결, 정렬 이탈 감시 시스템

10월 13일 — Google은 모델과 함께 종합 안전 및 보안 보고서(안전 및 보안 보고서)를 공개했으며, 보고서는 모델의 사이버 역량부터 다룬다.

The same coding and reasoning improvements that enabled Argon to find and patch vulnerabilities also drove better performance on our cybersecurity tests — solving all 12 of the end-to-end simulated cyberattack scenarios, up from five in our previous generation.

🇰🇷 Argon이 취약점을 찾아 수정할 수 있게 한 프로그래밍과 추론의 발전은 사이버보안 테스트 성적도 향상시켰다. 즉, 이전 세대가 5개를 해결한 데 비해 Argon은 12개의 모의 사이버공격 시나리오를 모두 처음부터 끝까지 해결한다. — 안카 드라간, Google 인공지능 안전 및 행동 부문 부사장

안전장치가 없는 버전은 생물학 실험실 절차의 문제를 해결하는 데에도 훨씬 더 뛰어난 도움을 주므로, Google은 이 두 분야에 세 겹의 실시간 보호 장치를 적용한다. 소형 모델을 통한 요청 필터링, 모델 내부 신호를 읽는 활성화 탐침(활성화 신호 탐침), 응답 도중에도 에이전트를 중단할 수 있는 감시 시스템이다. 정렬 이탈 감시 시스템은 모델의 행동과 사고 과정도 읽으며, Google은 이 사고 과정에 벌점을 주지 않는다는 방침이다. 한 실험에서 실수로 사고 과정에 벌점을 적용하자, 알리지 않고 편법을 택한 비율이 11,2 %에서 36,4 %로 늘어났다. 프롬프트 인젝션에 대한 방어에서는 Gray Swan IPI의 공격 성공률이 0,7 %로 떨어졌다.

🔗 Gemini 4 Argon의 책임 있고 안전한 개발

Antigravity: Alphabet 사용자 100 000명 이상의 내부 검증을 거쳐 Ultra 구독자에게 Argon 제공

10월 13일 — Google AI Ultra 구독자와 이용 자격이 있는 Gemini Enterprise 구독자를 대상으로 데스크톱 앱과 Antigravity CLI에 Argon이 추가된다. Antigravity를 최신 버전으로 업데이트해야 한다. 개발팀은 내부 검증 과정을 소개했다. Alphabet에서 매달 100 000명 이상이 내부 버전의 도구에서 Argon을 사용하며, Google이 4주 동안 측정한 결과 에이전트가 생성한 코드는 35 % 늘고 제출 후 되돌리기는 30 % 줄었다.

소개된 사례로는 YouTube 댓글 프런트엔드의 CPU 사용량 절반 감소, 대기 중인 티켓 134건 가운데 더 이상 유효하지 않거나 중복된 티켓 97건을 3시간 이내에 종료한 작업, Fortran 코드베이스를 Rust로 다시 작성해 1,8배 빨라진 사례, 이전의 최상위 모델 두 개가 놓친 치명적 취약점 4개를 발견한 접근 제어 감사가 있다. 활용 범위는 엔지니어링을 넘어선다. Cloud 영업팀의 절반 이상과 Google 재무 부문의 거의 절반이 Antigravity를 사용한다.

🔗 Google Antigravity의 Gemini 4 Argon

Gemini 앱: macOS에 Antigravity 통합, Customize 메뉴, 40개 이상의 연결 앱

10월 13일 — Gemini 앱의 릴리스 노트에는 Argon 배포와 함께 두 가지 새 기능이 소개되어 있다. Antigravity가 macOS용 Gemini 앱에 통합된다. 버튼으로 코드 에이전트를 실행하고 계획을 승인한 뒤 채팅으로 돌아가면, 에이전트가 백그라운드에서 코드를 작성하고 테스트하며 결과가 준비되면 알림을 보낸다. 이 통합 기능은 만 18세 이상인 이용 자격을 갖춘 계정에 영어로 제공된다.

새 Customize 메뉴에는 응답 설정, 앱 탐색, 스킬 추가 기능이 모여 있으며, Gemini는 이제 Instacart, OpenTable, Adobe 등 40개 이상의 앱이나 서비스에 연결된다. Customize는 웹, 모바일, Windows, macOS에서 모든 구독 등급에 배포되지만, 연결 앱 대부분은 여전히 영어로 미국에서만 제공된다. Google은 사용자가 자리를 비운 동안에도 Gemini가 계속 일할 수 있도록 채팅에서 과업 수행(작업)으로 전환하는 방향도 언급했다.

🔗 Gemini 앱 릴리스 노트 · Gemini 앱의 Gemini 4 Argon

외부 도구의 Gemini 4 Argon: Cursor, Devin, GitHub Copilot, Manus

10월 13일 — 네 가지 도구가 같은 날 Argon을 제공하며, 각각 이용 조건과 자체 측정 결과를 제시한다.

외부 도구	이용 환경	표시 가격	주장하는 성능
Cursor	Cursor 편집기	토큰 100만 개당 입력 2달러, 캐시 읽기 0,10달러, 출력 10달러	기본 추론 강도에서 CursorBench 4.0 52,8 %
Devin	Devin Desktop과 Devin CLI	10월 27일까지 정가보다 75 % 저렴	FrontierCode 1.1 60,5 %
GitHub Copilot	Pro+, Max, Business, Enterprise 요금제, 8개 사용 환경	12월 1일까지 입력 2달러, 캐시 0,10달러, 출력 10달러	이전 Gemini보다 더 많은 작업 해결, 수치 없음
Manus	Google Cloud와 함께 제공되는 Manus	미공개	수치 없음

Cursor에 따르면 Argon은 Opus 5.5와 같은 수준이다. CursorBench 4.0 표는 이 동등한 평가가 중간 추론 강도에서 성립한다고 명시한다(Opus 5.5 Medium은 52,5 %이며, 작업당 비용은 Argon의 4,39달러에 비해 2,91달러). Opus 5.5는 High(56 %)와 Max(57,8 %, 순위 1위)에서 여전히 앞서며, Argon은 작업당 토큰을 거의 3배 소비한다. Devin의 할인은 12월 1일까지 유효한 Google의 출시 할인 50 %에 Devin 자체 할인 50 %를 더한 것이다. Cognition의 자체 벤치마크인 FrontierCode 1.1에서 Argon은 GPT-6.1 Sol(60,4 %)을 근소하게 앞서지만, 1.1 Extended라는 제목의 그래프에서는 Claude Opus 5.5(65,3 %)에 뒤처진다.

GitHub는 Pro+, Max, Business, Enterprise에 정식으로 제공하며(Pro와 Free는 목록에 없다), VS Code와 Copilot CLI부터 Xcode와 Eclipse까지 8개 사용 환경의 모델 선택기에 순차적으로 배포한다. Business와 Enterprise에서는 관리자가 새 모델의 기본 활성화를 꺼두지 않았다면 자동으로 활성화된다. Manus는 Google Cloud와 함께 코딩, 계획 수립, 3D 모델링에 사용할 수 있다고 발표했지만, 요금제나 가격, 크레딧은 명시하지 않았다.

🔗 Cursor 발표 · CursorBench 4.0 · Devin 게시글 · GitHub 변경 기록 · Manus 발표

The X Subscription: SpaceXSI가 Grok, Grok Bot, Cursor, X Premium을 월 0~200달러로 통합

10월 12일 — SpaceXSI(구 SpaceXAI)가 Grok, Grok Bot, Cursor, X Premium을 통합한 단일 구독 상품 The X Subscription을 출시했으며, Cursor도 같은 날 저녁 이를 발표했다. 8월 SpaceX에 합류한 이 편집기는 이제 Grok 도우미 및 소셜 네트워크 X의 혜택과 같은 요금제로 판매된다. 이 상품은 10월 12일부터 신규 고객에게 제공되며, 앞으로 며칠 안에 전 세계 모든 사용자에게 제공될 예정이다.

구독 요금제	월 가격	포함 사용량	Cursor에서 제공되는 기능
Free	0달러	제한적	코드 에이전트용 시작 사용량
Plus	8달러	기본	Grok 모델만 이용 가능
Premium	30달러	Plus의 4배	클라우드 에이전트, 자동화, Origin, 인공지능 코드 검토, API 가격으로 이용하는 외부 모델
Super	100달러	Plus의 15배	Premium과 같은 기능, 더 많은 사용량
Ultra	200달러	Plus의 50배	Premium과 같은 기능, 더 많은 사용량

Premium은 SuperGrok, Cursor Pro, X Premium+의 혜택을 제공하며, SpaceXSI에 따르면 이 상품들의 이전 합산 가격은 월 90달러였다. 상품의 핵심은 Grok과 Cursor가 공유하고 매주 갱신되는 사용량 한도다. 한도를 넘으면 충전(추가 충전)하거나 다음 갱신을 기다린다. SpaceXSI는 비슷한 Cursor 요금제에 비해 자체 모델을 이용한 코딩 사용량을 최소 2배 제공하겠다고 약속한다. 다른 연구소의 외부 모델은 Premium부터 Cursor에서 계속 이용할 수 있지만, 공통 사용량 한도에는 포함되지 않는다. 충전을 통해 API 정가로 과금되며, 지출 상한을 설정할 수 있다.

Cursor is now part of The X Subscription. Current Cursor subscribers can keep their plan or switch to The X Subscription.

🇰🇷 Cursor는 이제 The X Subscription에 포함된다. 기존 Cursor 구독자는 현재 요금제를 유지하거나 The X Subscription으로 전환할 수 있다. — @cursor_ai의 X 게시물

기존 요금제는 신규 가입자에게 더 이상 제공되지 않는다. 현재 SuperGrok, Cursor, X Premium 구독자는 요금제와 가격, 기능을 유지하거나, 남은 기간에 비례한 환불을 받고 전환할 수 있다. Cursor에서는 전환할 때까지 외부 모델의 포함 사용량이 계속 제공된다. 다만 SpaceXSI는 정해진 일정 없이 사전 통지를 거쳐 남아 있는 고객도 결국 새 요금제로 전환할 것이라고 알렸다. 팀용 Premium, Super, Ultra의 좌석당 가격은 개인용과 같으며, SpaceXSI에 따르면 기존 Cursor Teams 요금제보다 저렴하다. 코딩 사용량은 3배이며, SSO, 통합 청구, SOC 2 준수를 제공한다.

🔗 The X Subscription 소개 · @SpaceXSI의 게시글 모음

NVIDIA, Run:ai 플랫폼 전체를 오픈 소스로 공개

10월 13일 — NVIDIA가 NVIDIA Run:ai 전체를 오픈 소스로 공개한다. 이 플랫폼은 GPU를 동적으로 할당하고 Kubernetes에서 데이터 처리부터 학습과 추론까지 AI 워크로드를 오케스트레이션한다. 코드는 GitHub의 NVIDIA DSX AI Factory 조직에 게시되며, NGC에서도 커뮤니티 버전(Community Product)으로 제공된다. 통합 스택을 설치하는 Helm 차트도 포함된다. 이 버전은 Run:ai 유료 구독이 필요하지 않지만 기업용 지원은 포함하지 않으며, NGC에서 다운로드하려면 NVIDIA 소프트웨어 라이선스에 동의해야 한다. 독립형 제품, NVIDIA Mission Control, NVIDIA AI Enterprise와 클라우드 마켓플레이스를 통한 상용 제공도 계속된다.

이번 공개는 각각 별도로 도입할 수 있는 네 가지 구성 요소로 나뉜다.

공개된 구성 요소	플랫폼 내 역할
KAI Scheduler	Kubernetes 네이티브 스케줄러(일괄 스케줄링, 공정한 자원 공유, 토폴로지를 고려한 배치). 이미 Apache 2.0 라이선스의 오픈 소스이며 CNCF Sandbox 프로젝트
GPU Fractioning Operator	CUDA 13.4 네이티브 GPU 분할과 워크로드별 엄격한 메모리 한도 적용. Run:ai의 독점 구현은 제거됨
KAI Resource Management	프로젝트, 부서, 할당량과 노드 그룹
Workload Map	도구마다 각 CRD를 처리하는 코드를 작성할 필요가 없도록 워크로드 유형별로 설명하는 Go 라이브러리(PyTorchJob, RayCluster, KServe, Dynamo 그래프)

DSX 생태계의 파트너 여덟 곳이 이미 이를 통합하고 있다. Crusoe, Mirantis(k0rdent AI), Nebius(클릭 한 번으로 배포), OpenNebula Systems, Rafay(완전 관리형 서비스), Saturn Cloud(Token Factory), Spectro Cloud(PaletteAI), vCluster다. NVIDIA는 관련된 두 오픈 소스 프로젝트도 소개한다. Model Streamer는 가중치를 GPU 메모리에 직접 로드해 추론 복제본의 콜드 스타트 시간을 줄인다. vLLM과 SGLang에 통합돼 있으며, Microsoft Azure의 H100 VM 여덟 대에서 기본 로더보다 3~6배 빠르다. Grove는 여러 구성 요소로 이루어진 워크로드를 위한 Dynamo의 Kubernetes API다. 명시한 목표는 Run:ai를 DSX AI Factory 플랫폼의 개방형 기반으로 삼아, 모든 파트너와 AI 클라우드가 GPU를 더 잘 활용하도록 하는 것이다.

🔗 Run:ai 오픈 소스 공개(NVIDIA 기술 블로그)

LFM2.5-24B-A2B: Liquid AI, 로컬 에이전트를 위한 활성 매개변수 20억 개의 추론 모델 공개

10월 13일 — Liquid AI가 LFM2.5-24B-A2B를 공개한다. 매개변수 240억 개의 전문가 혼합(MoE) 모델로, 토큰마다 활성화되는 매개변수는 20억 개뿐이다. Liquid AI에 따르면 이제 매개변수 2억 3,000만 개부터 240억 개까지 아우르는 LFM2.5 제품군에서 가장 큰 모델이며, 항상 답변에 앞서 사고 과정을 생성하는 추론 전용 모델이다. 목표는 로컬 에이전트다. 추론 토큰 하나당 비용이 낮아, 에이전트가 사용자의 기기에서 계속 실행되며 도구를 호출하고 작업을 연이어 수행할 수 있다.

아키텍처는 LFM2-24B-A2B를 그대로 따른다. 40개 층, 블록마다 top-4 라우팅을 사용하는 64개 전문가, 게이트가 적용된 짧은 합성곱과 GQA 어텐션을 결합한 구조다. 달라진 점은 컨텍스트가 32,000토큰에서 131,000토큰으로 늘고, 어휘 크기가 65,000토큰에서 128,000토큰으로 두 배가 되며, 사전 학습 데이터가 약 17조 토큰에서 33조 토큰으로 늘어난다는 것이다. 이후 다섯 단계의 사후 학습을 거치며, 마지막 단계에서는 에이전트 하네스(OpenClaw, Hermes Agent, Pi, OpenCode)에서 강화 학습을 수행한다.

평가 벤치마크	LFM2.5-24B-A2B	Qwen3.6-35B-A3B	Gemma-4-26B-A4B-it	Nemotron-3.5-Lightning
AutomationBench	27,69	8,72	5,46	2,61
BFCLv4	65,01	65,00	57,09	53,78
ToolSandbox	80,71	75,02	72,09	75,13
LiveClaw	48,09	38,19	41,25	37,72
PinchBench	83,18	89,93	77,12	84,20
WebArena Verified	26,75	37,62	25,62	28,69
IFBench	74,69	64,21	47,44	71,67
GPQA Diamond	74,42	83,69	74,90	72,42
MATH-500	96,04	96,73	95,66	96,40
SWE-Bench Verified (OpenCode)	51,00	66,20	25,80	53,40

더 큰 MoE 모델 세 개와 비교하면 도구 사용과 지시 준수에서는 경쟁력을 보이지만, 지식과 에이전트 기반 코딩에서는 뒤처진다. Liquid AI도 지식이 필요한 작업에는 검색이나 문서 데이터베이스를 함께 사용할 것을 권장한다. 속도도 강점이다. Apple M5 Max에서 초당 184토큰, Ryzen AI Max+ 395에서 초당 114토큰을 처리하며, 높은 동시 요청 부하에서는 단일 B300으로 초당 21,000개 이상의 출력 토큰을 생성한다. 기반 모델과 사후 학습 모델은 자체 라이선스 lfm1.0에 따라 가중치가 공개되며, llama.cpp, MLX, vLLM, SGLang, ONNX에서 즉시 지원된다.

🔗 LFM2.5-24B-A2B(Liquid AI의 Hugging Face 블로그)

Windows PC의 로컬 AI: NVIDIA는 Nemotron 3.5 Bolt 74B와 함께 RTX Spark를 준비하고, Hugging Face는 Llama Windows 출시

10월 13일 — 7일 사전 주문이 시작된 뒤, 10월 16일 금요일 RTX Spark 노트북 출시를 사흘 앞두고 NVIDIA가 출시 시점에 준비된 소프트웨어를 상세히 소개한다. 이 칩은 최대 128GB의 통합 메모리와 1페타플롭의 AI 연산 성능을 제공한다. 핵심은 새로운 개방형 모델인 Nemotron 3.5 Bolt 74B-A9B 24GB다. 매개변수 740억 개 중 90억 개가 활성화되는 MoE 모델로, 양자화를 고려한 학습을 통해 2비트로 양자화해 24GB에 들어가도록 했으며 로컬 에이전트용으로 설계됐다. 10월 15일 목요일 llama.cpp, vLLM, Ollama, Unsloth, LM Studio에서 출시되고 Hermes와 OpenClaw에서도 호출할 수 있다. 학습 데이터, 가중치와 학습 절차가 공개된다.

에이전트 분야에서 NVIDIA는 로컬 LLM 다운로드 수가 지난해 전체 다운로드 수의 5배에 달한다고 밝힌다. GitHub Copilot, Hermes, OpenClaw, Perplexity, Pi, WorkBuddy는 적합한 로컬 모델을 추천하고 설정한다. 보안은 OpenShell 샌드박스와 Microsoft의 MXC 컨테이너가 담당하며, 오픈 소스 라이브러리 Switchyard는 로컬 모델과 클라우드 모델 사이에서 요청을 라우팅한다. 로컬 네트워크의 PC들에 추론을 분산하는 라우터인 NVIDIA PAIR는 llama.cpp 지원과 Hugging Face에서 모델을 직접 다운로드하는 기능을 갖추고 베타를 종료한다. 창작 분야에서는 Adobe가 Photoshop과 Premiere에서 최대 2배의 속도 향상을 발표했다. 최적화 기능은 베타 단계다. NVIDIA Broadcast 2.3에는 비디오 초해상도, 중간 프레임 생성, 에이전트가 효과를 제어할 수 있는 MCP 서버가 추가된다. 개발자를 위해 Windows on Arm에는 최초의 PyTorch-CUDA 빌드와 기본 네이티브 Python 3.15가 제공된다.

발표 항목	제공일
NVIDIA PAIR 베타 종료, Broadcast 2.3, Llama Windows	10월 13일
Nemotron 3.5 Bolt 74B-A9B 24GB	10월 15일 목요일
RTX Spark 노트북, AI 실무 가이드(플레이북), 2배 빨라진 DLSS 5 모델	10월 16일 금요일
ACE 캐릭터용 Nemotron 3.5 Bolt E4B 4GB, RTX Remix 1.6	10월 23일 금요일
Blender의 DLSS Ray Reconstruction	11월

🔗 RTX Spark 출시 소프트웨어(NVIDIA 블로그)

Llama Windows: Hugging Face, llama.cpp를 Windows 11 알림 영역으로 가져오다

10월 13일 — Hugging Face가 무료 오픈 소스 WinUI 3 애플리케이션인 Llama Windows를 출시한다. Windows 11 알림 영역에서 터미널이나 컴파일, 관리자 권한 없이 llama.cpp를 설치하고 실행할 수 있다. Hub에서 양자화된 모델을 선택해 클릭 한 번으로 다운로드하고 작은 패널에서 로드한다. 시작 시에는 이미 실행 중인 llama.cpp 서버에 연결하거나 공식 설치 프로그램으로 llama.cpp를 설치한다. macOS의 llama.app에 해당하는 Windows 애플리케이션이다.

개발자를 위한 로컬 서버는 http://localhost:9931에서 수신하며 OpenAI 호환 API를 제공한다. 다운로드한 파일은 Hugging Face의 다른 도구와 공유하는 표준 Hugging Face 캐시에 저장된다. 애플리케이션은 Windows on Arm에서 네이티브로 실행되며, NVIDIA와 협력해 출시 첫날부터 NVIDIA RTX Spark를 지원한다. 코드는 ggml-org/Llama-Windows 저장소에 MIT 라이선스로 공개된다.

🔗 Llama Windows(Hugging Face 블로그)

보안: Anthropic의 증류 방어, XBOW가 만든 Chrome 익스플로잇, GitHub의 비밀 정보 분류기

세 가지 발표가 모델과 코드의 보안을 다룬다. Anthropic은 자사 모델 복제를 막는 방어책을 점검하고, XBOW는 공개 모델로 가능한 공격을 보여주며, GitHub는 LLM 파이프라인을 소형 분류기로 대체한다.

Anthropic, 초기 정황상 증류 공격자의 데이터 수집량을 90~99% 줄여

10월 12일 — Anthropic이 증류 공격에 대한 방어 성과를 점검한다. 증류 공격은 흔히 사기 계정망을 통해 최첨단 모델의 응답을 대량 수집하고, 이를 이용해 다른 모델을 더 적은 비용으로 학습시키는 활동이다. 초기 정황에 따르면 새로운 방법은 수집되는 데이터를 약 90~99% 줄인다. Anthropic에 따르면 Zhipu는 GLM-5.3 개발 중 Claude Fable 5를 증류하려다, 이후 더 오래된 Claude 모델과 다른 연구소의 모델로 대상을 바꿨다.

세 가지 방어 계층이 추가된다. Claude Fable 5.1과 Opus 5.5의 사고 과정 보존(보존된 사고)은 8월 31일부터 생성된 API 계정이 Claude의 이전 맥락을 수정하지 못하게 하며, Sonnet 5.5의 추론은 요청을 보낸 조직만 사용할 수 있게 한다. 오탐률이 0.1% 미만인 2단계 분류기는 Sonnet 5.5, Opus 5와 5.5, Fable 5와 5.1에서 작동한다. 마지막으로 사용 제한 강화와 계정 차단이 적용되며, 9월 24일부터는 차단된 요청에도 요금이 부과된다. 발표된 결과에 따르면 추출되는 추론 토큰이 10분의 1~100분의 1로 줄었고 수만 개의 계정이 차단됐으며, 대개 차단까지 2시간도 걸리지 않았다.

🔗 증류 공격에 대한 방어 강화

XBOW, GPT-5.6 Sol로 Chrome 전체 익스플로잇을 만들고 Google로부터 250,000달러 보상

10월 13일 — AI 에이전트로 침투 테스트를 수행하는 기업 XBOW가 Chrome의 완전한 익스플로잇 체인(전체 공격 체인)을 구축했다. 웹페이지를 방문하는 것만으로 Windows 기기를 원격으로 장악할 수 있었으며, XBOW에 따르면 약 10억 명의 사용자가 노출된 셈이다. Google은 250,000달러의 포상금을 지급했으며, 버그 세 개는 모두 수정됐다. 이 발표는 OpenAI가 아닌 XBOW에서 나왔으며, OpenAI의 @OpenAIDevs 계정은 이를 재게시했을 뿐이다.

We deliberately picked a model that is available to anyone, not a specialized security model or one with restricted access.

🇰🇷 우리는 특화된 보안 모델이나 접근이 제한된 모델이 아닌, 누구나 사용할 수 있는 모델을 의도적으로 선택했습니다. — 오게 드 무어, XBOW 창립자 겸 최고경영자

선택한 모델은 GPT-5.6 Sol과 그 이전 모델들이다. 이 공격 체인에 들어간 연산 비용은 8월 2일부터 7일까지 6일 동안 40,000달러였다. AI는 Chrome 소스 코드를 살펴보고 개념 증명을 구축했으며 익스플로잇의 초기 버전들을 작성했다. 연구자 네 명은 전략을 정하고 작업을 검증했다. XBOW에 따르면 1년 안에는 세 버그 각각을 에이전트만으로도 찾아낼 수 있을 것으로 보인다.

🔗 XBOW의 상세 설명

GitHub, 비밀 정보 분류기 상세 공개: 기존 LLM 파이프라인보다 분석 시간 86% 단축

10월 13일 — 유출된 비밀 정보 분류기를 발표한 지 6일 만에 GitHub가 내부 작동 방식을 공개한다. 스캐너는 두 단계로 작동한다. 먼저 정규식으로 식별자처럼 보이는 모든 항목을 폭넓게 찾아낸다. 이후 미세 조정하고 8비트 양자화를 적용해 ONNX로 내보낸 ModernBERT 분류기가 각 후보를 문맥과 함께 분석한다. 문맥에는 파일 경로, 비밀 정보 유형, 변수 이름과 주변 코드가 포함된다. 이를 통해 예제 값이나 테스트용 가짜 데이터처럼 비밀 정보와 비슷해 보이는 항목을 걸러낸다.

LLM 파이프라인 대비 측정 항목	공개된 차이
코드 푸시 후 분석 시간의 중앙값	−86 %
서비스 운영 비용	98 % 넘게 감소
저장소 소유자별 가중치를 적용한 알림 수용률(A/B 테스트)	+11,5 %
오프라인 정밀도	+13 %
오프라인 재현율	+19 %

이 속도 향상 덕분에 코드가 전송되기 전 단계인 푸시 보호에도 일반 비밀 정보 탐지를 확대 적용할 수 있었다.

🔗 GitHub의 비밀 정보 탐지 모델(GitHub 블로그)

Scion: Anthropic, git을 자체 버전 관리 시스템으로 대체

10월 13일 — Anthropic이 기술 블로그에서 모노리포에 사용하던 git을 떠난 이유를 설명한다. 팀들이 병합하는 변경 사항은 2026년 5월 하루 약 2,500건에서 9월 30,000건 이상으로 늘었다. 거의 100GB에 이르는 이력과 CI를 위한 하루 약 2,500만 회의 체크아웃으로, 내부 git 미러가 수백 개 있었음에도 사람을 위해 설계된 도구는 병목이 됐다.

일곱 명이 다섯 달 동안 구축한 Scion은 주로 에이전트와 자동화 작업인 클라이언트가 항상 온라인 상태라는 전제에서 출발한다. 서버가 이력, 줄별 작성자 추적(blame)과 병합을 처리하며, CI 작업에는 로컬 복사본이 필요 없는 경우가 많다. Anthropic은 git 미러 대비 저장 공간 사용량이 200분의 1로 줄고, 체크아웃 시간이 분 단위에서 초 단위로 줄었으며, CI에 쓸 수 있는 CPU 자원 25%를 되찾았다고 밝힌다. Claude Mythos Preview의 내부 시험판은 수집 파이프라인을 다시 작성해 메모리 사용량을 20분의 1로 줄였다. Anthropic은 Scion이 다른 곳에서 쓰이기에는 git과 너무 달라 공개 버전을 내놓을 계획이 없다. 대신 다른 이들이 그 원리를 git에 적용할 수 있도록 공유하며, GitHub, GitLab, 오픈 소스 커뮤니티와 협력하고 싶다고 밝혔다.

🔗 Anthropic의 소스 버전 관리 재설계

프랑스의 NVIDIA: Doctolib, Entalpic, Genesis AI, Pigment 투자 계획과 Altair-1에서 궤도에 오른 Mistral 모델

10월 13일 — 젠슨 황이 10월 21일 개막 연설(기조연설)을 할 GTC Berlin으로 향하는 유럽 순방을 시작하며, NVIDIA가 프랑스 스타트업 네 곳에 대한 투자 계획을 발표했다. 투자 금액은 공개하지 않았다. 대상은 Doctolib(의료진용 에이전트와 환자용 건강 동반자), Entalpic(반도체용 원자 수준 재료 설계), Genesis AI(범용 로봇과 파운데이션 모델), Pigment(기업 계획 수립)이다. NVIDIA는 유럽 기술 생태계에 약 100억 달러를 투자하기로 약정했다고 밝혔다.

같은 게시물은 프랑스의 소버린 AI 현황도 정리한다. Bull은 유럽 내 서버 생산을 Vera Rubin Ultra NVL72 시스템으로 확대한다. 이 시스템은 2028년 출시 예정이며 앙제 공장에서 조립된다. Nemotron을 기반으로 구축된 Twake.ai는 LINAGORA와 Docaposte가 수주한 CANUT 기본 협약을 통해 프랑스 공공기관 2,500곳 이상을 대상으로 등록된 유일한 소버린 디지털 업무 공간이 됐다. 이날 일정은 엘리제궁에서 젠슨 황과 에마뉘엘 마크롱이 만나는 것으로 마무리됐다.

우주 분야에서는 Mistral이 발표를 공유했다. NVIDIA가 총비용을 10억 달러로 추산한 50기 위성군의 첫 번째 위성인 Altair-1이 궤도에 도달했다. Loft Orbital이 시스템을 통합하고, Loft Orbital과 Marlan Space의 합작사인 Orbitworks가 아부다비에서 제작한 이 위성에는 NVIDIA Jetson AGX Orin 모듈이 탑재돼 있다. 이 모듈은 실시간 지구 관측과 자율 운용을 위해 Mistral 모델을 실행한다. Loft Orbital은 Ministral 3를 언급하며 몇 분 안에 AI가 생성한 알림을 제공하는 것을 목표로 한다. 성능 수치나 정확한 발사일은 공개되지 않았다. Loft Orbital은 몇 주 전에 발사했다고 설명하고, NVIDIA는 이달에 발사했다고 설명한다.

🔗 프랑스 생태계와 NVIDIA(NVIDIA 블로그) · NVIDIA의 GTC Berlin 게시물 모음 · Mistral AI의 게시물

에이전트와 코딩 도구: Origin 마켓플레이스, Pylon에 통합된 Devin과 Dynamic Workflows, MCP로 연결할 수 있는 Amp의 Puck

Cursor가 자사 코드 호스팅 서비스의 마켓플레이스를 외부 개발사에 개방하고, Devin은 고객 지원 도구에 들어가 여러 세션으로 구성된 팀을 조율하며, Amp는 다른 어시스턴트에서도 자사 메타 에이전트에 연결할 수 있게 한다.

Cursor가 Origin 마켓플레이스의 공개 등록 신청을 받기 시작했다

10월 13일 — 8월 17일 베타로 출시된 Cursor의 코드 호스팅 플랫폼 Origin이 외부 도구에 문을 열었다. 마켓플레이스에는 배포(Cloudflare, Netlify, Vercel…), 지속적 통합(Buildkite, CircleCI…), 코드 검토(CodeRabbit, Greptile), 보안(Semgrep, Socket Security), 모니터링(Sentry), 프로젝트 관리(Linear) 분야의 애플리케이션이 20개 이상 제공된다. 10월 13일부터는 공개 등록 신청도 받는다. 팀은 자체 네임스페이스에 애플리케이션을 만들고, Origin API(애플리케이션 JWT, 설치 토큰, 웹훅 이벤트, 검사 실행, 풀 리퀘스트 댓글과 검토)를 기반으로 개발한 다음 시연 영상과 함께 제출한다. Cursor는 각 신청을 검토한 뒤 목록에 등록한다. 가격은 발표되지 않았다.

🔗 Origin 앱 마켓플레이스(Cursor 변경 기록)

Devin이 Pylon에 통합되며 신규 고객에게 15,000달러의 크레딧을 제공한다

10월 13일 — Cognition이 고객 지원 도구 Pylon에 Devin을 기본 통합하는 기능을 출시했다. 티켓에 엔지니어링팀의 처리가 필요하다는 표시가 붙으면 Devin이 자동으로 작업을 시작한다. 로그를 조사하고, 버그를 재현하고, 근본 원인을 찾은 뒤 수정 PR을 연다. 고객 지원팀은 Pylon에서 진행 상황을 확인하고, 엔지니어는 연결된 세션을 이어받으며, 업데이트는 양방향으로 동기화된다. 고객 지원팀은 Pylon에서 코드 검색을 시작해 제품 관련 질문에 답할 수도 있다. Cognition이 인용한 사용자 경험에 따르면 수정 사항을 약 30 % 더 빠르게 제공하며, 때로는 몇 시간이 걸리던 작업이 15~20분 만에 끝난다. Pylon에서 Devin을 사용하는 신규 고객은 15,000달러의 크레딧을 받는다.

🔗 Pylon의 Devin

Devin의 Dynamic Workflows가 Python 스크립트로 여러 세션으로 구성된 팀을 조율한다

10월 13일 — Cognition이 Devin의 Dynamic Workflows를 소개했다. Devin은 앞선 세션의 구조화된 결과(JSON 스키마)를 바탕으로 어떤 Devin 세션을 어떤 순서와 지침으로 실행할지 결정하는 결정론적 Python 스크립트를 작성한다. 각 에이전트는 기본적으로 자체 가상 머신에서 실행되는 완전한 세션이며, 코드는 git 브랜치를 통해 전달된다. 또는 조율을 담당하는 세션의 머신을 공유할 수도 있다. 중단된 실행은 7일 이내라면 멈춘 지점부터 재개할 수 있고, 성공한 워크플로는 스킬로 저장된다. 이 기능은 모든 Devin 세션에서 사용할 수 있지만, Enterprise 계정에서는 관리자가 활성화할 때까지 비활성 상태로 유지된다. 문서는 각 에이전트가 하나의 세션만큼 자원을 소비하므로 비용에 유의해야 한다고 안내한다. 출시일은 어디에서도 확인되지 않는다. 문서 페이지에는 날짜가 없고, 최근 릴리스 노트에도 이 기능이 등장하지 않는다.

🔗 Devin Dynamic Workflows(문서)

Amp가 MCP를 통해 ChatGPT, Claude와 다른 에이전트에서 Puck에 연결할 수 있게 한다

10월 13일 — Amp가 다른 에이전트를 조율하는 메타 에이전트 Puck을 ChatGPT, Claude와 다른 MCP 클라이언트에서 사용할 수 있게 했다. Amp의 MCP 서버(ampcode.com/mcp)는 두 가지 도구를 제공한다. puck은 자신의 Puck과 대화하는 도구이며, orbs는 진행 중인 orb와 해당 포털 링크를 보여주는 대화형 화면이다. 제시된 예시는 산책 중 ChatGPT 음성 모드로 아이디어를 발전시킨 다음 Puck에 보내 적절한 orb에 맡기는 것이다. Amp의 Puck 설정에서 연결하거나 클라이언트에 서버 주소를 붙여 넣은 뒤 Amp 계정으로 로그인하면 된다. 지금까지 Puck은 MCP 서버를 이용했지만, 이제는 직접 MCP 서버가 됐다. 가격은 발표되지 않았다.

🔗 Puck과 함께하기(Amp)

파트너십: Replit의 Solutions Partner Program과 OPPO 에이전트 모드에 들어가는 Manus

두 가지 유통 협약이다. Replit은 통합 업체를 통해 기업 시장에 진출하고, Manus는 스마트폰 제조사를 통해 진출한다.

Replit이 Accenture, JSOL, SMFL, Snowman Labs와 함께 Solutions Partner Program을 출시한다

10월 13일 — Replit이 자사 플랫폼을 이용하는 기업을 지원하는 시스템 통합 업체, 컨설팅 회사, 대행사를 위한 파트너 프로그램을 출시했다. 추천을 우선하는 모델(추천 우선)을 바탕으로 교육, 지원, 고객 영업 기회에 대한 협업, Enterprise 기능 인증 과정을 제공한다. 초기 파트너에는 Accenture, 일본의 JSOL과 Sumitomo Mitsui Finance and Leasing(SMFL), 브라질의 Snowman Labs가 포함된다. SMFL은 일주일 만에 실제 운영에 투입할 수 있는 기업용 애플리케이션을 구축했다고 밝혔고, JSOL은 한 달 만에 프로토타입을 만든 고객 사례를 소개했다. 10월 13일 기준 파트너 명단에는 아홉 곳이 등록돼 있었다. 금전적 조건은 공개되지 않았다.

🔗 Replit 솔루션 파트너 소개

Manus가 AI Mind Pilot의 새로운 에이전트 모드를 위해 OPPO와 협력한다

10월 13일 — Manus가 OPPO AI Mind Pilot의 새로운 에이전트 모드에 자사 에이전트 기능을 통합한다. 이 모드는 ColorOS 17을 탑재한 차기 Find X10 시리즈에서 처음 선보일 예정이다. 대표적인 예시는 휴대전화의 여러 애플리케이션에 흩어진 항공권, 예약 내역, 관광지 입장권을 온라인 정보와 결합해 날짜별 여행 일정을 만드는 것이다. 개인정보 보호 측면에서 ColorOS 17은 파일 검색이나 이름 변경 같은 작업을 내장 모델로 기기 내에서 처리하며, 파일 내용은 Manus에 전송하지 않는다. AI Mind Pilot은 외부 처리를 수행하기 전에 명시적인 확인을 요청한다. 일정, 출시 시장, 이용 조건은 아직 공개되지 않았으며, 휴대전화 출시 때 발표될 예정이다.

🔗 Manus와 OPPO의 파트너십

생성형 영상과 음성: Reactor의 FastH3-Omni, Replit에 들어가는 Runway, 고객 지원에 쓰이는 ElevenLabs 에이전트와 상원에서 재현된 목소리

실시간 영상에 소리가 더해지고, Runway는 웹사이트 설계에 들어간다. ElevenLabs는 자사 플랫폼을 고객 지원과 영국 의회에서 활용한 두 가지 사례를 보여준다.

FastH3-Omni: Reactor가 소리가 동기화되는 MiniMax H3의 실시간 버전을 출시한다

10월 13일 — Reactor 플랫폼이 하나의 프롬프트로 소리가 동기화된 영상을 생성하는 FastH3-Omni를 출시했다. MiniMax의 영상 모델 MiniMax H3의 실시간 버전이다. 8월 말 FastH3를 선보였던 Hao AI Lab의 FastVideo 팀과 Nuva Lab이 후속 학습을 수행했으며, 가장 빠르고 품질이 뛰어난 실시간 H3 오픈 소스 버전으로 소개됐다. 첫 프레임과 마지막 프레임을 조건으로 지정하는 기능, 대화가 포함된 오디오 입력, 최대 세 장의 참조 이미지 입력이 추가됐다. FastH3-Omni는 10월 20일까지 Reactor API에서 독점 사전 공개된다. 발표에는 벤치마크, 가격, 가중치 링크가 포함되지 않았다. MiniMax는 같은 날 저녁 이 발표를 공유했다.

🔗 Reactor의 발표

Runway가 웹사이트 설계를 위해 Replit과 연결된다

10월 13일 — Runway와 Replit이 같은 날 웹 디자인용 Runway를 소개했다. Runway MCP로 Runway를 Replit 프로젝트에 연결하면 개발 에이전트가 초기 아이디어부터 완성된 사이트까지 이미지, 영상, 시각 자료를 프로젝트 안에서 직접 생성한다. Runway MCP 페이지는 지원 환경으로 ChatGPT, Claude, Grok Bot, Muse, Cursor와 함께 Replit을 명시한다. Runway MCP는 5월 27일 출시 때부터 Replit과 호환됐으므로, 이번 발표는 주로 양사의 공동 홍보에 해당한다. 10월 7일 ChatGPT 애플리케이션 디렉터리, 8일 Claude Motion에 이어 Runway는 이번에 웹사이트 설계를 겨냥한다. 가격이나 크레딧 비용은 명시되지 않았다.

🔗 Runway의 발표 · Replit의 발표

ElevenLabs가 자사 에이전트로 매달 고객 지원 티켓 22,000건 이상을 해결한다

10월 13일 — ElevenLabs가 자사 플랫폼을 직접 사용하는 방식을 공개했다. 고객 지원은 ElevenAgents로 운영되며, 사람의 개입 없이 매달 티켓 22,000건 이상을 해결하고 필요할 때는 담당 팀에 넘긴다. 지난달 에이전트는 티켓의 65 %를 처음부터 끝까지 처리했다. 평균 최초 응답 시간은 기존의 몇 시간에서 60초로 줄었고, 대화의 70 %가 긍정적인 평가를 받았다. 에이전트는 고객 지원팀의 절차를 Procedures로 변환한 자료(환불의 경우 구조화된 형태)와 각 사용자의 요금제, 크레딧, 음성을 조회하는 웹훅 도구를 활용한다. 약 50가지 시나리오에 대한 시뮬레이션 테스트로 검증한 다음, 실제 운영에 투입하기 전에 실제 트래픽을 대상으로 그림자 모드(섀도 모드)에서 관찰했다. 10월 6일 출시된 Architect는 이후 담당 팀으로 넘겨진 사례를 이해하고 수정 사항을 테스트하는 데 사용된다.

🔗 ElevenAgents를 활용한 ElevenLabs의 고객 지원

캠벨 남작부인이 ElevenLabs로 재현한 목소리로 상원에서 연설한다

10월 13일 — 척수성 근위축증을 앓는 장애인 권리 운동가이자 2007년부터 종신 상원의원으로 활동해 온 제인 캠벨 오브 서비턴 남작부인은 2012년부터 보조인이 연설문을 대신 읽도록 해 왔다. 이번에는 개인 건강 예산을 다루는 보건 법안의 제2독회에서 AI로 재현한 자신의 목소리로 상원에 발언했다. ElevenLabs에 따르면 영국 의회 의원이 상원이나 하원에서 AI로 생성한 목소리를 사용한 것은 이번이 처음이다. 남작부인은 과거 녹음 자료를 바탕으로 ElevenLabs의 복제 도구를 사용해 직접 자신의 목소리를 재현했다. 음성 합성으로 만든 연설문은 상원 의사 절차 위원회의 동의를 받아 보조 기기로 재생됐다. ElevenLabs는 11,000명 이상에게 목소리를 되찾아 줬다고 밝혔다.

🔗 영국 의회에서 AI 목소리로 진행한 첫 연설(ElevenLabs)

연구와 공개 데이터: 단백질을 설계하는 Prompteina, Global Emotions를 공개한 Basis, 의사결정 모델을 비판하는 게시물

이날 공개된 자료 세 가지다. 텍스트로 제어하는 단백질 설계 모델, 83개 언어의 감정 표현 음성 데이터셋, 의사결정 모델에 대한 수치 기반 비판이다.

Prompteina가 자연어 지시로 전원자 단백질을 설계한다

10월 13일 — 제1저자인 조지프 리가 Prompteina를 소개했다. 이 연구에는 이를 공유한 Ai2 소속 연구자 세 명과 워싱턴대학교 단백질 설계 연구소의 데이비드 베이커 등이 공동 저자로 참여했다. arXiv 논문은 이를 텍스트로 제어하는 최초의 전원자 단백질 구조 생성 모델로 설명한다. 기존 모델은 각 특성에 맞는 별도의 입력 표현을 요구하지만, 여기서는 원하는 특성을 자연어로 작성한다. 평가한 구조적 특성 18가지 중 15가지에서 Prompteina가 비교 모델보다 더 뛰어난 제어 성능을 보였다. NVIDIA의 Proteina-Complexa를 조정해 180만 개의 구조와 이에 짝지어진 5,240만 개의 설명문으로 학습했다. 에이전트가 주도하는 결합체 설계에서는 표적 20개에 대해 가장 뛰어난 비교 모델보다 예측 결합 신뢰도가 14 % 더 높았다. 새로 설계한 결합체가 이전에 보고된 적 없는 표적 GM2A에서는 실험실에서 테스트한 설계 90개 중 결합체 아홉 개를 얻었으며, 가장 강한 결합체의 겉보기 해리 상수는 107 nM였다. 코드와 가중치는 공개됐다.

🔗 조지프 리의 게시물 모음 · 자연어로 단백질 구조 설계하기(arXiv)

Basis가 108개 로케일의 감정 표현 음성 525시간을 담은 Global Emotions를 공개한다

10월 12일 — Basis가 Global Emotions를 공개했다. 보수를 지급한 원어민 화자 10,420명에게서 녹음한 525.17시간 분량의 감정 표현 음성 데이터셋으로, 108개 로케일과 83개 언어를 포함하며 48 kHz WAV 형식으로 제공된다. 특징은 데이터의 구조에 있다. 같은 성우가 지시(기쁨, 좌절, 비꼼, 속삭임, 노래…)에 따라 동일한 대사를 중립, 중간, 최대 강도 등 여러 강도로 읽는다. 화자와 텍스트를 일정하게 유지하면 감정이 강해질 때 목소리, 리듬, 음높이, 말하기 속도에서 무엇이 달라지는지 분리해 볼 수 있다. 데이터셋에는 녹음 137,696개와 짝지어진 묶음 54,575개가 있으며, 녹음 중 12,141개에는 비언어적 표현(한숨, 웃음)이 포함된다. Basis는 조건부 접근을 적용하는 자체 라이선스에 따라 상업적 이용과 연구에 자유롭게 사용할 수 있다고 밝혔다. 다만 오디오는 잡음 제거를 거치지 않은 원본으로 제공되며, 사람이 검증한 전사문은 포함되지 않는다. 전사문은 오디오 한 시간당 22.7달러에 판매된다.

🔗 Basis Global Emotions(Hugging Face 블로그)

의사결정 모델: 한계를 평가하고 GRPO로 모델 하나를 훈련한 비판적 분석 글

10월 13일 — Hugging Face 블로그의 커뮤니티 글에서 하지메 야기하라는 토큰을 전혀 생성하지 않고 선택지별 확률을 반환하는 의사결정 모델의 공개 시연을 검토한다. 그의 주장은 시연 코드가 각 선택지를 시뮬레이션하고 결과를 프롬프트에 기록하므로, 모델이 작동하기 전에 이미 어려운 작업을 수행한다는 것이다. ViZDoom의 Predict Position 시나리오에서 코드의 도움을 받지 않은 Jev는 128개 에피소드 중 0개에 성공해 무작위 선택의 성적인 128개 중 12개에도 미치지 못했지만, 코드만 사용하면 126개에 성공했다. Snake에서는 단 한 단계만 예측해야 해도 성공률이 63,5 %로 떨어졌다.

저자는 이어 LLM의 GRPO를 이 모델들에 적용하고, 에피소드의 최종 보상을 해당 에피소드의 모든 의사결정에 배분한다. 매개변수 6억 개의 공개 재현 모델 NanoJev에서는 전문가 없이 성공률이 19,4 %에서 79,1 %로 상승했다. SFT로 전문가를 모방했을 때는 68,6 %, 두 방식을 차례로 적용했을 때는 81,4 %였다. 훈련은 여전히 20단계 부근에서 불안정하다.

🔗 하지메 야기하라의 글(Hugging Face 블로그)

단신

Copilot CLI 1.0.97 — 사전 공개 버전의 변경 사항 25개를 포함해 안정 버전으로 전환됐다. 각 사용자 지정 에이전트가 자체 선언형 훅을 갖도록 지원하고, 저장소의 에이전트가 100개를 넘더라도 모두 탐색한다. Autopilot에서는 preToolUse 훅의 « ask » 결정을 거부해 멈춘 상태로 남지 않도록 한다. Copilot SDK는 1.0.21로 업데이트된다. 🔗 출처 · 🔗 SDK
Gemini CLI v0.65.0-preview.0 및 v0.64.0 — 사전 공개 버전에는 10월 13일의 수정 사항 4개가 추가됐다. 여기에는 Ctrl+C로 빠르게 중단해도 세션이 손상되지 않도록 한 수정이 포함된다. 안정 버전 v0.64.0에는 새로운 내용이 없다. Gemini 4 Argon은 아직 선택기에 없다. 외부 기여자의 PR이 이를 추가하지만, 아직 병합되지 않았다. 🔗 출처
Antigravity 2.23.0 — 10월 12일 버전에는 개선 사항 16개와 수정 사항 8개가 포함됐다. 메시지 입력 영역의 에이전트 권한 선택기, 이미지와 동영상용 전체 화면 뷰어, 에이전트의 .zip 압축 파일 해제, 시작되지 않는 MCP 서버의 에이전트 복구 기능이 추가됐다. 🔗 출처
Qwen Code v0.25.2-preview.0 — 안정 버전 v0.25.1 출시 이틀 뒤 나온 이번 주기의 첫 사전 공개 버전이다. 기능 33개와 수정 사항 50개를 포함한 변경 사항 115개가 담겼다. 도구 호출을 가로챌 수 있는 TypeScript 기반 Mods, 테스트 실패 탐색기, Web Shell의 Excel 미리보기를 지원하는 파일 탐색기가 포함된다. 🔗 출처
Amp의 Jev — Amp의 Changes 창은 변경 내용을 설명하는 파일을 먼저 배치하도록 변경 내역의 파일을 자동 정렬한다. TypeSafe의 의사결정 모델 Jev 덕분에 이전보다 훨씬 빨라졌다. 알파벳순 정렬도 계속 사용할 수 있다. 🔗 출처
10월 9일 Devin 업데이트 — 뒤늦게 전하는 소식이다. 대기 상태의 세션을 재개할 수 있는 기간이 30일에서 14일로 줄었다. Devin은 저장소를 설치할 때 AGENTS.md 파일을 읽으며, 그동안 이용할 수 없었던 데이터 무보관(데이터를 보관하지 않음) 정책을 사용하는 기업에도 Devin Ultra가 개방된다. 🔗 출처
Anthropic 키 기본 차단 — GitHub의 비밀 정보 검사는 Anthropic의 서비스 키와 사용자 키를 인식하고, 푸시 보호 기능으로 기본 차단한다. 무료 공개 저장소도 포함된다. Cloudsmith 탐지기가 추가됐으며, Salesforce는 공개 저장소에서 발견된 Marketing Cloud 토큰을 폐기하는 파트너로 참여한다. 🔗 출처
AI Scan 지표 — 공개 사전 공개 단계에서 GitHub의 보안 개요는 풀 리퀘스트에 대한 AI Scan의 효과를 측정한다. 생성되고 해결된 탐지 결과, 해결률, 자동 수정 제안 사용량 등이 대상이며, GitHub Code Security 또는 GitHub Advanced Security 고객이 이용할 수 있다. 🔗 출처
Copilot 관리 설정 — 기업 관리자는 forceRemoteSettingsRefresh을 통해 Copilot CLI, VS Code, GitHub Copilot 앱이 시작할 때 현재 정책을 가져오도록 강제한다. 클라이언트가 정책을 확인할 수 없으면 접근을 차단한 채 실패한다. sandbox 키로 클라이언트의 최소 버전도 강제한다. 🔗 출처
Copilot 원격 측정 — 기본적으로 비활성화된 관리 설정 telemetry.capture.identity은 프롬프트를 수집하지 않으면서 OpenTelemetry에서 Copilot 활동을 사용자와 연결한다. GitHub 로그인, 시스템 계정, 컴퓨터 이름을 사용한다. 콘텐츠 수집 유형 5개는 각각 따로 설정할 수 있으며, 모두 기본적으로 꺼져 있다. 🔗 출처
Code Quality 감사 — GitHub Code Quality 탐지 결과를 수동으로 기각하거나 다시 열면 이제 감사 로그에 기록된다. 수행자, 시간, 저장소, 규칙, 결과 수가 포함되며, GitHub Team과 GitHub Enterprise Cloud에서 제공된다. 🔗 출처
철회된 Dependabot 알림 — 웹훅 dependabot_alert에 withdrawn 동작이 추가된다. REST API는 철회된 알림에 대해 404 대신 410 Gone을 반환해, 처음부터 존재하지 않았던 알림과 구분한다. 🔗 출처
Dependabot용 익명 레지스트리 — Anonymous 인증 방식으로 인증 정보 없이 접근할 수 있는 비공개 레지스트리를 조직 수준에서 등록할 수 있다. 읽기 접근이 개방된 내부 미러 등이 이에 해당한다. 가짜 토큰을 사용하던 경우에는 레지스트리를 다시 만들어야 한다. 🔗 출처
GitHub 청구 예산 — 예산 및 알림 페이지는 사용자별 예산을 포함한 모든 예산을 하나의 목록으로 모은다. 적용 범위, 제품, SKU 또는 사용자로 필터링할 수 있다. 🔗 출처
Uber 최고정보보호책임자와 인공지능 에이전트 — claude.com에 공개된 인터뷰에서 Uber의 최고정보보호책임자 필립 마틴은 인공지능 에이전트에 내부자 위협 대응 프로그램(내부자 위협 대응 체계)을 적용해야 한다고 주장한다. 또한 Enterprise Frontier Safeguards와 Uber의 오픈 소스 도구 ADR이 어떻게 연계되는지 설명한다. 수치나 제품 발표는 없다. 🔗 출처
Mistral Large 4의 시각적 위치 식별 성능 — Mistral에 따르면 이 모델은 시각적 위치 식별(시각 정보에 기반한 위치 파악) 벤치마크 Dense 200에서 42 %를 기록해 최첨단 비공개 모델까지 앞섰다. 다만 경쟁 모델이나 비교 점수는 제시하지 않았다. 시연에서는 기술 도면에 적용한 모습을 보여 준다. 🔗 출처
JurinAI의 JJ-1 — 일본의 업무 프로세스를 위한 매개변수 8억~90억 개의 의사결정 모델 4종이다. 개발사의 보고서에 따르면 88 813개 질문에서 JJ-1-9B는 79,20 %를 기록해 StartLux 9B(78,02 %), Jev 1.13 및 Microsoft Decision-1(76,50 %)을 앞섰다. 가중치는 CC BY-NC 4.0으로 공개되며 상업적 이용은 허용되지 않는다. 🔗 출처
AutoTrust — 짧은 동영상과 뉴스에 관한 온라인 시연 2개가 훈련이나 로그 없이 의사결정 모델 하나로 추천 항목의 순위를 매긴다. 전체 묶음을 대상으로 한 선택 질문 하나가 후보별로 질문하는 방식보다 좋은 성능을 보였다. 200개 사례에서 AUC는 0,931, 시간은 0,42 s였으며, 후보별 방식은 0,905와 1,54 s였다. 저자들은 실제 운영 환경 밖에서 측정한 결과라고 주의를 준다. 🔗 출처
Datapoint AI에서 선두에 오른 MolmoAct 2 — Ai2의 로봇 제어 정책은 인간의 선호로 평가하는 Datapoint Robot Policy Bench에서 21 130표를 바탕으로 Elo 1 082점을 기록해 선두에 올랐다. OpenVLA-OFT(1 049)와 π0.5-DROID(1 033)를 앞섰다. 9월 30일 Reality Check에 이어 두 번째 독립 평가 순위다. 🔗 출처
Molmo2Fish — Ai2는 MIT의 카이 반 브런트가 소나 영상으로 Molmo 2를 미세 조정해 연어를 추적하고, 간단한 지시만으로 오류를 바로잡도록 한 과정을 소개한다. 시제품은 특화 시스템과 대체로 비슷한 성능을 보이지만, 공개된 수치는 없으며 실제 배포되지는 않았다. 🔗 출처
항공 관제 음성 인식 — NVIDIA는 코딩 에이전트의 Nemotron 3.5 ASR 미세 조정을 안내하는 스킬 2개를 공개했다. 2시간 분량의 ATCO2 평가에서 단어 오류율은 77,00 %에서 22,46 %로 낮아졌고, 일반 영어의 단어 오류율은 3,50 %에서 3,63 %로 변했다. 🔗 출처
Together AI의 사후 훈련 — 별도 발표 없이 등장한 Apache-2.0 라이선스의 예제 모음이 Together Post Training을 설명한다. 고객은 자신의 컴퓨터에서 훈련 루프를 작성하고, Together AI는 훈련기와 샘플링을 실행한다. GRPO, SFT, DPO, multi-LoRA 예제가 포함되며 가격이나 수치는 제시되지 않았다. 🔗 출처
Grok Bot의 Supabase — Supabase가 SpaceXSI의 파트너 네트워크에 합류한다. Grok Bot 채팅에서 보낸 요청은 Cursor에 전달되며, Cursor는 Supabase의 MCP 서버를 통해 백엔드에서 이를 실행한다. Supabase에 따르면 Cursor 세션에서 세션을 중단시키는 오류는 전체 오류의 약 2 %에 불과하다. 🔗 출처
Higgsfield와 GPT-6 Astra — OpenAI의 사례 연구에서 Higgsfield AI는 GPT-6 Astra 도입 전 약 1분에 머물렀던 동영상 길이가 이제 10분을 넘는다고 밝혔다. 최고경영자에 따르면 모델이 3D 모델링을 위해 도구를 호출하는 기능이 긴 동영상의 일관성을 유지하는 데 도움이 된다. 비용 수치는 공개되지 않았다. 🔗 출처

이것이 의미하는 바

Argon의 출시는 이제 프런티어 모델이 어떻게 확산되는지 보여 준다. 정식 출시 당일 Cursor, Devin, GitHub Copilot, Manus가 각자의 평가 결과와 함께 모델을 추가했지만, 이 수치들은 서로 직접 비교할 수 없다. CursorBench 4.0에서 Argon은 추론 노력을 중간 수준으로 설정하면 Opus 5.5와 동등하지만 작업당 비용이 더 높고, 추론 노력을 높이면 뒤처진다. Cognition의 평가인 FrontierCode 1.1에서는 GPT-6.1 Sol을 0,1점 앞서지만 Claude Opus 5.5에는 약 5점 뒤진다. GitHub는 수치를 공개하지 않는다. 가격은 점수만큼 중요하다. 11월 30일까지는 토큰 100만 개당 2달러와 10달러이며, 이후에는 두 배가 된다. 모델을 선택하는 팀은 12월에 계산을 다시 해야 한다.

The X Subscription은 Cursor의 위치를 바꾼다. 이제 이 편집기는 Grok 및 X Premium과 같은 요금제로 판매되며, 공통 사용량 한도를 공유하고 SpaceXSI 모델에서 코드 작업에 사용할 수 있는 사용량이 최소 두 배 늘어난다. 같은 날 Cursor에 공개된 Gemini 4 Argon처럼 다른 연구소의 모델도 계속 이용할 수 있지만, 월 30달러 이상 요금제에서만 가능하며 공통 사용량 한도와 별도로 API 가격에 따라 과금된다. 따라서 신규 가입자에게는 자체 모델을 선택하도록 유도하는 상품이다. 기존 고객에게는 SpaceXSI가 예고한 이전 일정을 확정하기 전까지 변화가 없다.

사이버 보안은 이날 전반에 걸쳐 등장한다. Google은 Argon이 모의 사이버 공격 시나리오 12개를 모두 해결했으며 이전 세대는 5개를 해결했다는 결과로 차세대 안전장치의 필요성을 설명한다. 한편 XBOW는 누구나 이용할 수 있는 모델로 이미 무엇을 할 수 있는지 보여 준다. 연산 비용 40 000달러로 Chrome의 완전한 취약점 공격 체인을 구축했다. 방어는 실시간 감시에 중점을 둔다. Argon에는 3중 보호 계층이 적용되고, Anthropic은 2단계 분류기로 모델 증류를 시도하는 이들이 수집하는 데이터를 90~99 % 줄인다고 설명한다. GitHub에서는 작은 ModernBERT 모델이 LLM 파이프라인을 대체해 분석 시간을 86 % 줄이고 서비스 비용을 98 % 넘게 낮춘다.

마지막으로 로컬 인공지능에는 구체적인 도구가 제공된다. Nemotron 3.5 Bolt 74B는 2비트 양자화 덕분에 24 GB에 들어가고, LFM2.5-24B-A2B는 토큰당 매개변수 20억 개만 활성화하며 Apple M5 Max에서 184 tokens/s를 달성한다고 주장한다. Llama Windows는 llama.cpp 설치를 몇 번의 클릭으로 줄인다. 서버 측에서는 NVIDIA가 파트너들이 직접 GPU를 조율할 수 있도록 Run:ai 코드를 공개한다. Anthropic은 Scion을 통해 에이전트의 작업 속도가 도구에 미치는 영향을 보여 준다. 하루 병합 건수가 5월 2 500건에서 9월 30 000건 이상으로 늘어나면서 git을 떠나게 됐다.