OpenAI와 NVIDIA, 오하이오에서 8 GW-IT 확보, Cursor는 Origin 출시, GitHub는 코드 검색을 가속화

2026년 8월 17일, OpenAI와 NVIDIA는 오하이오에 거대한 AI 인프라 사이트를 공동으로 확보했고, 동시에 Cursor는 자체 코드 호스팅 플랫폼 Origin을 베타로 출시했다. 이 두 가지 주요 발표를 중심으로 DeepSeek V4 Pro의 다중 공급업체 배포가 계속되고, GitHub는 에이전틱 캔버스와 코드 검색의 놀라운 최적화를 공개했으며, Google은 스프레드시트를 미니 애플리케이션으로 바꾸는 Sheets canvas를 출시했다.

OpenAI와 NVIDIA, 오하이오에서 8 GW-IT 규모의 AI 사이트 확보

8월 17일 — OpenAI, NVIDIA, SB Energy는 같은 날 서로 보완적인 두 관점에서, 오하이오주 파이크 카운티의 PORTS-Pike 기술 캠퍼스에 있는 거대한 AI 인프라 사이트를 확보하기 위한 공동 계약을 발표했다. 이곳은 포츠머스의 옛 가스 확산 시설 부지다. NVIDIA와 SB Energy는 2028년부터 2030년까지 단계적으로 진행되는 20년 계약 아래, 초기 4.25기가와트에 추가 3.75기가와트를 더 확장할 수 있는 부지, 전력, 건물 외피(land, power and shell) 역량을 확보한다. 운영 임차인인 OpenAI는 미국 에너지부(DOE)의 지원을 받아 총 약 8기가와트-IT를 목표로 한다.

이 프로젝트는 6년 동안 건설 일자리 35,000개를 창출하고, 이후 장기 운영 일자리 2,500개를 만들 것으로 예상된다. 냉각은 물 재순환이 포함된 폐회로 공랭 방식으로 이루어진다. OpenAI는 지역 커뮤니티 펀드에 4,000만 달러를 투자하고(이미 SB Energy가 약정한 4,000만 달러에 추가), 2026-2027학년도 동안 오하이오의 약 844,000명 자격 학생에게 최대 8,400만 달러 상당의 Codex 크레딧을 제공한다. NVIDIA 측에서는 사이트에 배치되는 각 세대의 GPU가 약 150만 개의 칩에 해당할 수 있으며, 1,500억~~2,000억 달러의 매출에 해당한다. 이는 2030년을 목표로 한 OpenAI/NVIDIA 계산 약정이 12~~16기가와트(약 6,000억 달러) 수준으로 추정되는 맥락에서 나온 수치다.

지표	값
목표 용량(OpenAI)	~8 GW-IT
초기 용량(NVIDIA/SB Energy)	4.25 GW (+3.75 GW 확장 가능)
LPS 계약 기간	20년, 2028-2030 단계적 진행
건설 일자리	6년간 35,000개
오하이오 학생 Codex 크레딧	최대 8,400만 달러, ~844,000명 학생
2030년 OpenAI/NVIDIA 약정	12-16 GW(~6,000억 달러)

“OpenAI has entered into an agreement to secure approximately 8 gigawatts-IT at the PORTS-Pike Technology Campus in Pike County, Ohio, working with SB Energy, NVIDIA, and the U.S. Department of Energy.”

🇰🇷 OpenAI는 SB Energy, NVIDIA, 그리고 미국 에너지부와 협력하여 오하이오주 파이크 카운티의 PORTS-Pike 기술 캠퍼스에서 약 8기가와트-IT를 확보하기 위한 계약을 체결했다. — OpenAI, 공식 보도자료

🔗 NVIDIA — 지능 인프라 확보

Cursor, 코드 호스팅 플랫폼 Origin 출시

8월 17일 — Cursor는 자사 에디터에 직접 통합된 저장소 호스팅 플랫폼 Origin을 베타로 배포한다. 이는 GitHub의 단순한 경쟁자가 아니라 에이전트 규모(agent scale)에 맞춰 설계된 플랫폼이다. 출시는 유료 플랜의 모든 구독자에게 시작되며, 엔터프라이즈 조직은 옵트아웃할 수 있다.

Origin에서 생성된 저장소는 cursor.com/codebase/[nom] URL을 통해 접근할 수 있으며, GitHub의 기존 저장소를 실시간으로 병렬 동기화하는 것도 가능하다. 이때 푸시의 기준 소스는 여전히 GitHub이다. pull request의 경우 Cursor는 타임라인, 커밋, 체크, diff를 포함한 완전한 경험을 제공하며 양방향 동기화를 지원한다. Cursor에 올린 댓글은 몇 초 안에 GitHub에 나타난다. AI 에이전트는 코드에 대한 질문에 답하고, 수정 작업을 수행하며, pull request를 갱신하고, 저장소 보기에서 직접 브랜치를 푸시할 수 있다.

Cursor는 출시 전부터 Vercel(미리보기 배포), Depot 및 Buildkite(GitHub Actions 워크플로와 호환되는 CI/CD)와 통합 파트너십을 맺었으며, 추가 통합도 이어서 발표될 예정이다.

“Origin, our code hosting platform, is now live. It’s fast, easy to use, and deeply integrated with Cursor. Get started by syncing your repos from GitHub.”

🇰🇷 Origin, 우리 코드 호스팅 플랫폼이 이제 온라인에 있습니다. 빠르고, 사용하기 쉬우며, Cursor에 깊이 통합되어 있습니다. 시작하려면 GitHub에서 저장소를 동기화하세요. — @cursor_ai X에서

🔗 Cursor 변경 로그 — Origin 코드 호스팅

Replit, 블랙박스 침투 테스트로 보안을 강화

8월 17일 — Replit은 이미 제공 중인 화이트박스 스캔에 더해, 보안 서비스에 블랙박스 침투 테스트를 추가한다. 스캐너는 애플리케이션의 네트워크 및 브라우저 인터페이스를 통해 동작하며, 처음에는 인증되지 않은 방문자처럼, 그다음에는 일반 인증 사용자처럼 행동해 눈에 보이는 버튼이 없는 기능까지 포함한 실제 기능을 드러낸다.

Replit에 따르면 두 접근 방식의 결과는 좀처럼 겹치지 않는다. 블랙박스는 보호되지 않은 관리자 대시보드와 화이트박스가 놓친 서비스 거부 취약 엔드포인트를 찾아냈고, 반대로 화이트박스는 외부에서 보이지 않는 권한 로직 버그를 식별했다. 각 프로젝트의 Security Center에는 세 가지 수준이 제공된다: 무료 1단계(의존성 검사), 2단계(화이트박스 스캔), 3단계(두 방식의 결합). 취약점이 확인되면 Replit Agent가 한 번의 클릭으로 수정할 수 있다.

🔗 Replit 발표 — 블랙박스 침투 테스트

오픈 모델과 추론: DeepSeek, Yutori, GPU 할당

Together AI와 Hugging Face를 둘러싼 세 가지 발표는 추론의 비용과 효율성을 둘러싼 경쟁이 얼마나 치열한지 보여준다.

DeepSeek V4 Pro 0813: 다중 공급업체 배포와 DeepSWE 벤치마크

8월 16일 — 이미 8월 13일에 오픈 웨이트 출시가 다뤄졌던 DeepSeek V4 Pro는 “0813” 리비전으로 배포를 계속한다. Together AI와 Novita는 모두 이를 지원한다고 확인했으며, 1.6T 파라미터의 Mixture of Experts 아키텍처, 1M 토큰의 컨텍스트 윈도우, 그리고 세 가지 추론 모드(코딩, 에이전트, 복합 추론)를 갖춘다. 소프트웨어 엔지니어링 벤치마크 DeepSWE에서 Together AI는 작업당 0.24달러의 비용으로 pass@4 88.5%를 기록했으며, 이는 GPT-5.6 Sol보다 35배, Fable 5보다 90배 저렴하다.

🔗 Together AI — DeepSeek V4 Pro 0813

Yutori, Navigator 에이전트 모델을 Together AI에 배포

8월 16일 — Together AI는 웹 탐색 에이전트(browser-use) 모델인 스타트업 Yutori의 Navigator를 소개한다. 이런 에이전트는 스크린샷, 동작, 반복을 매우 짧은 루프로 수행하며, 작업당 수십 번까지 반복되기도 해 추론 비용이 특히 민감하다. Together AI에 따르면 Navigator는 기준 모델보다 성능이 높으면서도 추론 속도는 두 배 빠르고 비용은 4~5배 저렴하다.

🔗 Together AI — Yutori Navigator

제약이 있는 GPU 할당기가 클러스터 사용률을 최대 33포인트 회수

8월 17일 — Dharma-AI 팀은 Hugging Face에 GPU 클러스터 관리 연구의 두 번째 부분을 공개했다. 이들의 “제약이 있는 GPU 할당기”는 FIFO 스케줄링을 24시간 시야의 최적화로 대체하면서 GPU 연속성과 실시간 수요 곡선을 준수한다. 테스트한 7개 시나리오에서 사용률 향상은 혼합 환경에서 51.6%에서 72.4% 사이였고, 훈련 부하에서는 53.6%에서 87.0%까지 올라갔다. 균일 우선순위 테스트는 우선순위 신호와 무관한 23.1%의 향상을 확인했으며, 64 GPU 클러스터는 15ms의 할당 지연으로 15.9%의 가치 향상을 유지했다.

🔗 Hugging Face — Dharma-AI GPU 할당기

Gemini: Sheets canvas가 스프레드시트를 미니 애플리케이션으로 전환

8월 17일 — Google은 Sheets canvas를 출시했다. 이는 Gemini 3.7 Flash를 기반으로 일반 Google Sheets 스프레드시트를 코드 없이 상호작용형 미니 애플리케이션으로 바꾼다. 정적인 내보내기에서 고정된 인터페이스를 생성하는 일반적인 프로토타이핑 도구와 달리, Sheets canvas는 시트의 스키마(열, 데이터 유형, 관계)를 기본적으로 분석해 기능하는 UI 구성 요소를 만든다. 예를 들어 “만약” 시뮬레이션 표가 실시간으로 재무 예측을 조정하는 슬라이더 모음으로 바뀔 수 있다.

강조되는 특징은 양방향 동기화다. 미니 앱 내의 상호작용은 기본 시트에 실시간으로 반영되고, 반대로도 반영된다. 사용자는 이후 단순한 대화만으로 앱을 다듬을 수 있으며, Gemini는 컨텍스트를 유지해 처음부터 다시 시작하지 않고 반복 개선을 이어 간다. Sheets canvas는 지금 바로 Google AI Pro 및 Ultra 구독자에게 제공되며, 일부 요금제에서는 Google Workspace 비즈니스 및 교육용 계정으로의 배포도 예고되어 있다.

🔗 Google AI — Sheets canvas 발표

GitHub Copilot: 캔버스, 코드 검색, 구성 가능한 리뷰

GitHub는 8월 16일과 17일 사이에 에이전틱 워크플로의 제어와 검색 엔진 성능을 중심으로 세 가지 기술 및 제품 발표를 공개했다.

캔버스가 에이전틱 워크플로를 가시화하고 제어 가능하게 만든다

8월 17일 — GitHub는 Copilot 앱에서 복잡한 에이전틱 워크플로를 채팅 스크롤 속에 잃지 않도록 하는 지속적이고 공유되는 작업 공간인 “캔버스”를 설명한다. 이 접근법은 네 가지 원칙에 기반한다: 워크플로 상태 정의, 의사결정 지점의 표면화, 진행 상황의 즉시 저장, 명시적인 인간 승인 지점 유지. 두 개의 실제 캔버스가 접근 방식을 보여준다. 하나는 평가, 보완, 검증, 전달 단계로 마이그레이션을 구성하는 “Java Modernization Studio”이고, 다른 하나는 편집 가능한 섹션과 리뷰 추적 기능으로 콘텐츠 생성을 관리하는 “Site Studio”다. 둘 다 awesome-copilot 저장소에서 공개되어 있다. 저자는 캔버스 하나당 약 2,000~3,000개의 AI 크레딧이 든다고 언급한다.

🔗 GitHub — 캔버스가 에이전틱 워크플로를 제어 가능하게 만드는 방식

코드 검색: case-folding이 단일 코어에서 45 GiB/s 이상으로 동작

8월 16일 — GitHub는 1억 8천만 개가 넘는 저장소와 480TB의 코드를 색인하는 검색 엔진 Blackbird에서의 case-folding(대소문자 구분 없는 비교를 위한 대소문자 정규화) 최적화 경험을 공개했다. 가장 의미 있는 최적화는 직관에 반한다. 조기 종료 분기를 하나 추가하는 대신 제거함으로써 LLVM이 NEON 명령어를 통해 루프 전체를 완전히 벡터화할 수 있게 되었다.

버전	처리량
단순 버전(조기 종료 포함)	3.1 GiB/s
완전히 분기 없는 루프	45 GiB/s 이상
최악의 경우(전체 folding, 비 ASCII)	869 MiB/s

팀은 이 결과를 오픈 소스 Rust crate casefold 형태로 공개했다.

“GitHub case-folds every byte of code search at over 45 GiB/s on one core. The biggest win came from removing an early-exit branch, not adding one.”

🇰🇷 GitHub는 단일 코어에서 초당 45 GiB/s 이상의 속도로 코드 검색의 모든 바이트에 case-folding을 적용한다. 가장 큰 성능 향상은 조기 종료 분기를 추가해서가 아니라 제거해서 얻어졌다. — @github X에서

🔗 GitHub — 메모리 속도로 동작하는 소스 코드 case-folding

Copilot code review: Balanced 깊이가 일반 제공으로 전환

8월 16일 — 이제 GitHub Copilot은 pull request에 대한 자동 코드 리뷰의 깊이를 선택할 수 있게 한다. “Balanced”(더 깊은 분석, 복잡한 변경)에 일반 제공이 적용되며, “Lite”(간단하고 빠르게 검증할 변경)와 함께 사용할 수 있다. 이 설정은 조직 또는 저장소 수준에서 기본값으로 지정할 수 있으며, 특정 PR에 대한 리뷰 요청 시 임시로 선택할 수도 있다.

🔗 GitHub — Balanced 깊이 일반 제공

OpenAI: 방어적 사이버보안과 GPT-5.6 Sol의 효율성 향상

The Defender’s Window — OpenAI의 방어적 사이버보안 전략

8월 17일 — OpenAI의 사장 Greg Brockman은 OpenAI-Hugging Face 보안 사고를 전환점으로 되짚는다. 한 에이전트 집단이 취약점을 연쇄적으로 이용해 OpenAI의 연구 인프라와 다른 회사의 운영 인프라에 침투했다는 것이다. OpenAI는 자사의 사이버 역량 배포를 오직 “신뢰할 수 있는 방어자”에게만 제한해 왔다고 강조하지만, 다른 연구소들은 전선에 가까운 공격 능력을 가진 오픈 웨이트 모델을 계속 공개하고 있다고 지적한다. 최근 예로는 Z.ai의 GLM-5.3이 언급되며, 이는 8월 말로 예정돼 있다. OpenAI는 이제 모델이 “초인적으로 안전한” 코드를 생성하도록 훈련하고 있으며, 수학적 증명 능력을 활용해 소프트웨어의 안전성을 형식적으로 검증하려 한다.

구체적인 사례도 있다. 사고 이후 Brockman은 ChatGPT Work(GPT-5.6 Sol)에게 자신의 사이트 보안을 감사하도록 요청했다. 약 15분 만에 도구는 13개의 문제를 찾아냈다. 이메일 스푸핑을 허용하는 잘못된 DNS 설정, 오래된 jQuery, 암호화되지 않은 Cloudflare→AWS 트래픽 등이었다. 이후 약 1시간 만에 사람의 깊은 개입 없이 이를 수정했다.

🔗 OpenAI — The Defender’s Window

GPT-5.6 Sol — 고객과 ARC-AGI-3에서 측정된 효율성 향상

8월 17일 — retained reasoning과 compaction 덕분에 GPT-5.6 Sol의 ARC-AGI-3 점수는 13.3%에서 38.3%로 상승했고, 출력 토큰은 약 6배 적게 사용했다. 두 가지 구체적 고객 사례도 있다. 부동산 스타트업 hypha_ai는 GPT-5.6 Luna로 전환하면서 비용을 18분의 1로 줄이면서도 GPT-5.5 정확도의 98%를 유지했고, 금융 리서치 회사 RogoAI는 프로그램 방식의 도구 호출을 활용해 입력 토큰을 21% 줄이면서도 평가 품질을 동일하게 유지했다.

🔗 OpenAI Devs — GPT-5.6 Sol 효율성 향상

미디어 생성: Claude의 ElevenLabs, Pika와 Luma의 Seedance 2.5

ElevenLabs, Claude에서 직접 사용할 수 있는 MCP 서버 출시

8월 17일 — ElevenLabs는 작업 환경을 떠나지 않고도 Claude에서 직접 음성 및 채팅 에이전트를 관리할 수 있는 공식 MCP(Model Context Protocol) 서버를 제공한다. 최근 성능 확인, 새 에이전트 생성, 설정 업데이트, 변경 사항을 확정하기 전 LLM 토큰 비용 추정이 가능하다. 인증은 OAuth를 통해 이루어지며, 호스팅할 서버나 관리할 API 키가 필요 없다. 에이전트가 실제로 무엇을 조회하거나 수정할 수 있는지는 팀이 제어할 수 있다.

🔗 ElevenLabs — MCP 서버 발표

Seedance 2.5 1080p가 4K 업스케일과 함께 Pika API Club 및 Luma에 출시

8월 17일 — 8월 15일 Runway에서 조기 공개된 뒤, 1080p 해상도의 Seedance 2.5가 서드파티 파트너들 사이에서 계속 배포되고 있다. Pika Labs는 이를 Pika API Club을 통해 개방하며, 경쟁사 대비 최대 60% 저렴한 요금을 내세운다. Luma Labs도 같은 날 1080p Seedance 2.5의 이용 가능을 발표했으며, 추가 기능으로 플랫폼에서 직접 4K로 업스케일할 수 있다고 밝혔다.

🔗 Pika Labs — Pika API Club의 Seedance 2.5

브리프

ABC Legal, Claude Managed Agents로 50개 이상의 에이전트를 배포 — 직원 1,100명, 일부 법률 업무에서 최대 50% 비용 절감, Slack과 pull requests를 통한 주간 피드백 루프. 🔗 Claude
Hugging Face의 Diffusers 팀, 1주일 만에 4개의 새로운 오픈 모델 통합 — MiniMax H3(비디오/오디오), LTX2.5(비디오/오디오), Wan Animate 2, MiniMax Music 3. 🔗 Tweet
datatrove 0.10.0, Slurm 클러스터 없이 Hugging Face Jobs에서 파이프라인 실행 — 새로운 JobsPipelineExecutor와 Hugging Face 스토리지 버킷을 DataFolder로 지원. 🔗 Tweet
Together AI, Relace AI의 코드 생성 모델 호스팅 — Y Combinator 프로그램 전용 GPU 클러스터에서 학습됨. 🔗 Tweet
ICML에서 Tri Dao, 오픈 모델이 폐쇄형 랩에 가까워지고 있다고 강조 — 이제는 몇 달 정도의 지연만 남았으며, 서비스 스택(커널, 추론 엔진, speculative decoding)의 발전이 이를 이끌고 있음. 🔗 Tweet
Google, Gemini 및 Pixel, 유럽 축구 클럽 5곳과의 파트너십 공식화 — 아스널, FC 바르셀로나, 바이에른 뮌헨, 리버풀, PSG와 함께 여자 축구에도 동등한 가시성을 제공하기로 약속. 🔗 Google
OpenClaw: X에서 GitHub 티저 공개 — GitHub 계정이 OpenClaw라는 프로젝트를 언급했지만, 추가 세부 정보는 공개되지 않음. 🔗 Tweet
MiniMax-H3, RTX 4090에서 4.44배 향상 주장 — Sol-Attn 어텐션 메커니즘 전용의 새로운 SM89 CuTe DSL 커널. 🔗 Tweet
Alibaba, 8월 19일 Wan3.0 제작자와의 라이브 세션 개최 — Magnific, fal, OpenArt, KoyalAI 파트너와 함께 UTC 15시에 진행. 🔗 Tweet
Kling, « Hitchcock Zoom » 효과 소개 — Alfred Hitchcock이 대중화한 반대 방향 줌-트래블링에서 영감을 받은 새로운 비디오 생성 효과. 🔗 Tweet
MiniMax H3, Magnific을 통한 2K 생성이 9월 1일까지 50% 할인 — 샌프란시스코 행사에서 발표된 할인. 🔗 Tweet
AI Gateway(Vercel)와 OpenRouter에서 GPT-5.6 Sol 절반 가격 — 2026년 9월 18일까지 자동 적용되는 50% 한시 프로모션, 사용량에 따라 적용됨. 🔗 Tweet
OpenAI, AI 시대를 위한 공공정책 연구 프로젝트 14개에 자금 지원 — 100만 달러의 재원과 최대 100만 달러의 API 크레딧을 5개 국가/지역에 분배. 🔗 OpenAI
Codex, 실제 사용 후기와 함께 조명 — 한 콘텐츠 크리에이터(구독자 150만 명 이상)가 Codex로 자신의 업무를 운영하고 있으며, 한 OpenAI 직원은 이를 내부 영상 편집 보조로 사용 중. 🔗 Tweet

의미하는 바

AI 인프라의 규모가 물리적·재정적 측면에서 새로운 임계점을 넘고 있다. 오하이오 사이트는 8기가와트-IT라는 목표, 35,000명의 건설 일자리, 그리고 2030년까지 6,000억 달러로 추산되는 OpenAI/NVIDIA 계산 약정을 한데 묶고 있다. 이제 이 프로젝트는 단순한 데이터센터가 아니라 국가 차원의 산업 또는 에너지 프로젝트와 비교되는 수준의 공사다. NVIDIA가 공개한 자금 조달 메커니즘(임대료와 에너지 비용의 전액이 아니라 일부만 지원하는 방식)은, 가장 큰 AI 랩조차도 이 정도 지출을 흡수하려면 특수한 금융 구조에 의존해야 함을 보여준다.

코드 호스팅 자체가 에이전트 전쟁의 전장이 되고 있다. Cursor는 에이전트가 작동하는 인프라를 GitHub에 의존하지 않기 위해 Origin을 출시했고, GitHub는 에이전틱 워크플로를 채팅 속에 묻히지 않도록 제어 가능한 캔버스로 대응했으며, Replit은 자사 Agent가 감지한 문제를 클릭 한 번으로 수정할 수 있도록 블랙박스 펜 테스트를 추가했다. 세 사례 모두의 목표는 같다. 에이전트에게 코드 생성뿐 아니라 코드 생명주기 전체에 직접적이고 안전한 접근 권한을 주는 것이다.

추론 비용은 성능 증가보다 더 빠르게 계속 하락하고 있다. DeepSeek V4 Pro는 DeepSWE를 GPT-5.6 Sol보다 35배 저렴하게 처리하고, Yutori Navigator는 기준 모델보다 4~5배 저렴하게 실행되며, GPT-5.6 Sol 자체도 ARC-AGI-3에서 13.3%에서 38.3%로 개선되면서 토큰 사용량은 6배 적다. 바로 같은 주에 Tri Dao가 ICML에서 오픈 모델이 몇 달 만에 품질 격차를 좁히고 있다고 지적했다. 제약 조건 하의 DHA-AI GPU 할당기는 또 다른 차원을 더한다. 이러한 이득의 일부는 이제 모델이 아니라 클러스터 자체의 스케줄링에서 나온다.

마지막으로, 기술적 엄밀성이 다시 커뮤니케이션의 핵심 논점이 되고 있다. GitHub는 코드를 더하기보다 제거함으로써 코드 검색 처리량을 15배 늘렸고, OpenAI는 GPT-5.6 Sol을 이용한 보안 감사가 1시간 만에 13개의 실제 취약점을 수정했다고 설명했다. 서로 다른 두 방식이지만, 숫자를 통해 세밀한 엔지니어링이 제품 발표와 역량 시연을 가르는 요소임을 보여준다.