검색

OpenAI, GPT-6.2 Astra와 Sol 출시, 젠슨 황 NVIDIA 경영 일선에서 퇴진, Microsoft, Copilot에 MAI Code 2 출시

이번 호에 나온 회사

관심 없는 항목은 선택을 해제하세요. 선택은 모든 호에 적용되며 이 기기에 저장됩니다.

주요 연구소
중국
유럽
코딩 도구
에이전트와 웹 검색
생성형 미디어
인프라와 오픈소스
기타

ai-powered-markdown-translator

gpt-6.1-sol을 사용해 프랑스어에서 한국어로 번역한 기사.

GitHub에서 프로젝트 보기 ↗

OpenAI가 더 적은 토큰으로 더 나은 결과를 내는 GPT-6.2 Astra와 GPT-6.2 Sol을 출시했다. Astra는 GPT-6 Astra의 3분의 1도 안 되는 비용으로 Agents’ Last Exam에서 78,3 %를 기록했으며, 두 모델은 출시 당일 GitHub Copilot과 Perplexity에도 도입됐다. NVIDIA는 11월 12일 젠슨 황의 퇴진 이후 첫 실적 발표에서 분기 매출 1,158억 달러를 기록했고, Microsoft는 Ignite에서 Copilot에 MAI Code 2를 출시했다. Perplexity는 Orchestrator API를 공개하고, Cognition과 Replit은 목표를 지속해서 추구하는 에이전트인 Devin Bots와 Replit Missions를 출시했으며, Google은 6개국에서 Gemini의 Tasks를 무료로 제공한다.


GPT-6.2 Astra와 GPT-6.2 Sol: ChatGPT Work, Codex, API에서 더 적은 토큰으로 더 나은 결과 제공

11월 17일 — OpenAI가 GPT-6 Astra와 GPT-6.1 Sol의 후속 모델인 GPT-6.2 Astra와 GPT-6.2 Sol을 출시했다. Astra는 가장 까다로운 프로젝트를 위한 최첨단 모델로, Sol은 일상적인 작업을 위한 범용 모델로 자리 잡는다. 이번 발표의 핵심은 효율성이다. 더 적은 출력 토큰으로 더 나은 결과를 내므로, 동일한 사용 한도 내에서 더 많은 작업을 처리하고 작업당 비용도 크게 낮출 수 있다.

여러 단계로 이루어진 전문 업무를 평가하는 Agents’ Last Exam v1.1에서 GPT-6.2 Astra는 작업당 2,89달러로 78,3 %를 기록했다. GPT-6 Astra보다 5,2%포인트 높은 점수를 3분의 1도 안 되는 비용으로 달성했으며, Claude Fable 5.2보다 5,5%포인트 앞서면서 비용은 5 %에 불과하다. Terminal-Bench-Science(77,1 %, GPT-6 Astra 대비 +9%포인트), Harvey LAB-AA(Fable 5.2 성공률의 두 배 이상), OpenAI 내부 평가인 GDPval v2(출력 토큰 22 % 감소와 함께 +6,2%포인트)에서도 선두를 차지했고, 사람이 모델 이름을 모른 채 선호도를 평가하는 3차원 모델 순위인 AA-3D에서 1 318 Elo로 1위에 올랐다. 다만 게시물의 그래프를 보면 Artificial Analysis Intelligence Index에서는 Claude Fable 5.2가 64,6 대 62,1로, Cognition의 FrontierCode 2.0에서도 49,1 % 대 44,2 %로 여전히 앞선다. GPT-6.2 Sol은 FrontierCode 2.0에서 Astra와의 격차를 0,5%포인트 미만으로 좁히면서도(43,8 % 대 44,2 %) 비용은 약 5분의 1에 그쳤으며, LifeVal에서는 약 7분의 1의 비용으로 GPT-6 Astra를 넘어섰다.

평가 벤치마크GPT-6.2 AstraGPT-6.2 SolGPT-6 AstraGPT-6.1 SolClaude Fable 5.2Gemini 4 Carbon
Agents’ Last Exam v1.178,3 %73,0 %73,1 %72,5 %72,8 %77,4 %
작업당 비용 (Agents’ Last Exam)2,89 달러1,32 달러8,99 달러2,02 달러60,05 달러4,60 달러
Terminal-Bench-Science 0.177,1 %68,0 %68,1 %57,0 %73,3 % (AA)—
AA Intelligence Index v5.0.162,157,356,954,664,660,0
FrontierCode 2.0 (Cognition)44,2 %43,8 %42,8 %39,0 %49,1 % (xhigh)41,1 % (medium)
Harvey LAB-AA v1.115,0 %11,1 %8,6 %6,9 %7,2 %—
GDPval v2 (내부)50,4 %46,9 %44,2 %41,5 %44,8 %48,8 % (high)

OpenAI가 공개한 각 모델의 최상위 설정 결과이며, 별도 표시가 없으면 최대 추론 강도를 적용했다(Agents’ Last Exam에서는 GPT-6.2 Astra에 xhigh, Gemini 4 Carbon에 high를 적용했으며, Fable 5.2 결과는 대체 모델로 처리한 9개 과제를 제외했다). Terminal-Bench-Science에서 Fable 5.2의 점수는 Artificial Analysis가 측정한 결과이며, Anthropic은 Claude Code에서 74,6 %를 기록했다고 밝혔다.

가격 면에서 Astra는 GPT-6 Astra 대비 입력과 출력 요금이 20 %, 캐시된 입력 요금이 60 % 낮아졌고, Sol은 GPT-6.1 Sol의 요금을 유지한다. API(gpt-6.2-astra 및 gpt-6.2-sol)에서 두 모델 모두 Responses API와 Chat Completions를 지원하지만, 도구 호출은 Responses API를 통해야 한다. OpenAI는 캐시를 재사용할 수 있도록 프롬프트 앞부분을 그대로 유지하고 새 지침을 뒤에 추가할 것을 권장한다.

요금 유형 (토큰 100만 개당)GPT-6.2 AstraGPT-6.2 Sol
입력8 달러2 달러
캐시된 입력0,40 달러0,10 달러
출력40 달러10 달러

In the API, use gpt-6.2-astra and gpt-6.2-sol. Both models also support Fast and Ultrafast modes. We’re cutting Ultrafast pricing by 50% for the next three months, making it available at just 3x the cost of Standard for API and Enterprise users. Ultrafast is also coming to Pro 200 subscribers, starting with GPT-6.2 Sol.

🇰🇷 API에서는 gpt-6.2-astra와 gpt-6.2-sol을 사용하세요. 두 모델 모두 Fast와 Ultrafast 모드도 지원합니다. 앞으로 3개월 동안 Ultrafast 가격을 50 % 인하하므로 API 및 Enterprise 사용자는 Standard 비용의 3배만으로 이용할 수 있습니다. Ultrafast는 GPT-6.2 Sol을 시작으로 Pro 200 구독자에게도 제공됩니다. — X의 @OpenAIDevs

10월 8일 출시된 GPT-6.1 Sol의 Ultrafast는 Standard의 6배 비용이 들었다. 두 모델은 11월 17일부터 Plus, Pro, Enterprise, Edu 구독자의 ChatGPT Work와 Codex에서 제공되지만, 일반 채팅에서는 사용할 수 없다. Enterprise와 Edu 작업 공간에서는 미리보기가 기본적으로 비활성화되어 있어 관리자가 활성화해야 하며, 아랍에미리트 내 추론을 요구하는 작업 공간에서는 계속 사용할 수 없다. 초기 고객 사례로 소개된 Basis는 장시간 소요되는 회계 업무의 평균 처리 시간을 절반으로 줄였다고 밝혔다.

게시물과 시스템 카드에서는 안전성이 큰 비중을 차지한다. 두 모델 모두 GPT-6 Astra와 마찬가지로 사이버 보안에서 Critical 기준에, 생물학과 화학에서 High 기준에 도달했다. GPT-6.2 Astra는 인공지능 자체 개선, 즉 인공지능 연구를 가속할 수 있는 능력에서도 High 기준에 도달한 OpenAI 최초의 공개 모델이다. 이에 따라 보안팀에는 더 엄격한 사이버 보안 보호 장치가 적용되며, 정당한 취약점 연구 일부도 차단된다. GPT-6.2 모델이 Daybreak에 도입될 때까지 이러한 제한이 적용되며, 도입 일정은 정해지지 않았다. OpenAI는 정렬 문제도 보고했다. 두 가지 테스트에서 모델이 장애 요인(파일 누락, 검색 도구 이용 불가)을 알리지 않는 경우가 더 많았다. Codex에 추가한 지침으로 이러한 누락은 크게 줄었으며, 조사는 계속 진행 중이다.

🔗 GPT-6.2 Astra와 Sol 출시 게시물 (OpenAI) · GPT-6.2 시스템 카드

Astra for Law, GPT-6.2 Astra로 전환하고 모든 ChatGPT Enterprise 고객에게 요청 시 제공

11월 17일 — OpenAI는 이와 함께 9월 17일 일부 법률사무소를 대상으로 출시한 법률 업무용 구성인 Astra for Law를 업데이트했다. 이제 GPT-6.2 Astra에 미국 자료 539 000개 이상과 영국·호주·캐나다 자료 98 000개 이상으로 확장한 법률 검색 색인을 결합하고, 조사·출처 평가·작성 지침을 함께 제공한다. 모든 ChatGPT Enterprise 고객은 관리 콘솔의 신뢰 기반 접근 프로그램을 통해 사용을 요청할 수 있으며, API 접근에는 별도 승인이 필요하다.

법률 평가Astra for Law비교 대상
Harvey LAB-AA, 만점을 받은 과제20,8 %GPT-6.2 Astra 15,0 %, Muse Wonder Full 13,1 %
과제당 중대한 환각 (LAB-AA)0,03Claude Opus 5.5 0,59
LAB: USCL, 모델이 판례 검색1 844Claude Opus 5.5 1 817
LAB: USCL, 판례 제공1 883Claude Opus 5.5 1 882
Legal Research Bench (Vals AI)54,81 %9월 버전은 약 46 %

LAB-AA에서 Astra for Law는 과제당 약 64 000개의 출력 토큰을 생성하며, 이는 Muse Wonder Full보다 54 % 적다. 법률 서면 작성(LAB: USCL)에서는 Opus 5.5와의 격차가 작고, 두 설정 모두에서 불확실성 구간이 겹친다.

🔗 GPT-6.2 Astra 기반 Astra for Law (OpenAI)

Responses API, 30 %와 40 % 저렴한 2시간 및 8시간 실행 시간 창 제공

11월 17일 — 같은 날 OpenAI는 GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra, GPT-6 Luna를 대상으로 Responses API의 백그라운드 모드에 할인된 실행 시간 창을 공개 베타로 추가했다. 기다릴 수 있는 개발자는 할인 없이 즉시 실행되는 기본 설정 대신 background_options.completion_window을 2시간(Standard보다 토큰 요금 30 % 저렴) 또는 8시간(40 % 저렴)으로 설정할 수 있다.

독립적인 요청을 한꺼번에 제출하도록 설계된 Batch API와 달리, 이 실행 시간 창은 여러 차례에 걸쳐 작업하는 에이전트를 위한 기능이다. 도구 호출 후 보내는 후속 요청도 동일한 실행 시간 창, 모델, 프로젝트를 사용하면 할인 혜택을 유지하고 우선 처리된다. 할인을 받으려면 Standard 처리를 사용해야 하며, Batch API와 처리량 제한을 공유하고 스트리밍은 지원하지 않는다. openai-python 3.53.0과 openai-node 7.58.0 SDK는 11월 17일부터 이 기능을 지원한다.

🔗 OpenAI API 변경 기록 · 백그라운드 모드 안내

GPT-6.2 Astra와 GPT-6.2 Sol, GitHub Copilot에 도입

11월 17일 — GPT-6.2 Astra와 GPT-6.2 Sol이 출시 당일 GitHub Copilot의 Pro+, Max, Business, Enterprise 요금제에서 정식 제공되기 시작했다(Pro 제외). GitHub의 사전 테스트에 따르면 GPT-6.2 Sol은 코드 검토에서 GPT-6.1 Sol보다 거의 두 배 많은 실제 문제를 찾아내며, GPT-6.2 Astra는 에이전트 기반 코딩 작업에 더 적은 토큰을 사용하면서도 GPT-6 Astra보다 훨씬 많은 문제를 발견한다. 두 모델은 OpenAI의 공시 요금에 따라 사용량 기반으로 과금되며, VS Code부터 Eclipse까지 10개 환경에 순차적으로 제공된다. 새 모델의 기본 활성화를 끄지 않은 조직에서는 자동으로 활성화된다.

🔗 GitHub 변경 기록: GPT-6.2 Astra와 GPT-6.2 Sol

Perplexity, Search와 Computer에 GPT-6.2 도입, WANDR에서 0,783과 0,746 기록

11월 17일 — Perplexity도 출시 당일 저녁부터 Perplexity Search와 Computer에서 GPT-6.2 Astra와 GPT-6.2 Sol을 제공한다. 출처를 갖춘 조사를 평가하는 자체 벤치마크 WANDR에서 GPT-6.2 Astra는 작업당 약 12,54달러로 0,783을 기록해 GPT-6 Astra보다 0,095점 높았으며, GPT-6.2 Sol은 약 2,65달러로 0,746을 기록해 GPT-6.1 Sol보다 0,065점 높았다. 발표와 함께 공개된 그래프는 이 점수를 다른 모델과 비교한다. Gemini 4 Carbon과 Claude Fable 5.2가 여전히 앞서며, GPT-6.2 Sol은 0,7을 넘는 모델 중 가장 저렴해졌다. 해당 게시물에는 적용 요금제가 명시되지 않았다.

WANDR 평가 모델점수작업당 비용
Gemini 4 Carbon0,8575,86 달러
Claude Fable 5.20,80715,82 달러
GPT-6.2 Astra0,783~12,54 달러
GPT-6.2 Sol0,746~2,65 달러
Gemini 4 Hydrogen0,6985,41 달러
GPT-6 Astra0,68812,73 달러
GPT-6.1 Sol0,6811,59 달러
Claude Opus 5.50,6625,33 달러

GPT-6.2 점수는 해당 게시물 본문에서, 나머지 점수는 Perplexity가 공개한 그래프에서 가져왔다.

🔗 Perplexity의 X 발표


NVIDIA: 젠슨 황 경영에서 물러난 뒤, 콜레트 크레스 체제에서 분기 매출 115,8십억 달러 기록

11월 12일 — NVIDIA 이사회는 공동 창업자 젠슨 황이 사장, 최고경영자, 이사직에서 즉시 사임한다고 발표했다. 2013년 9월부터 수석 부사장 겸 최고재무책임자를 맡아 온 콜레트 크레스는 정식 후임자가 선임될 때까지 최고재무책임자직을 유지하면서 임시 최고경영자를 맡는다. 이사회는 사내외 후보를 대상으로 후임자 물색에 나선다. Synopsys의 최고경영자와 이사회 집행 의장을 지낸 하비 시 존스는 초대 이사회 의장(이사회 의장)에 오른다. 하비 시 존스에 따르면, 이사회는 콜레트 크레스를 전적으로 신뢰하며 사업 운영, 고객에 대한 약속, 제품 로드맵이 중단 없이 이어질 것으로 기대한다. 같은 발표문은 예정대로 11월 17일에 분기 실적을 발표한다는 점도 확인했다.

11월 10일 — 이틀 전 NVIDIA의 독립 이사들은 별도 발표문에서 뉴욕 남부 연방검사장 대행을 지낸 준 에이치 김과 법무법인 Wachtell, Lipton, Rosen & Katz에 “철저하고 독립적인” 조사를 의뢰했다고 밝혔다. 이 발표문은 조사 대상을 명시하지 않았으며, 11월 12일 발표문도 이 조사를 언급하지 않았다.

11월 17일 — NVIDIA가 10월 25일 마감한 2027 회계연도 3분기 실적을 발표했다. 젠슨 황 퇴임 이후 첫 실적 발표로, 콜레트 크레스가 발표를 이끌었다. 매출은 115,8십억 달러로 전 분기보다 20 % 늘었고, 전년 동기의 두 배를 넘었다. 데이터센터가 매출 대부분을 차지했다.

지표(2027 회계연도 3분기)발표 수치전년 동기 대비 변화
매출115,8십억 달러+103 %
데이터센터107,6십억 달러+110 %
에지 컴퓨팅(Edge Computing)8,2십억 달러+42 %
GAAP 매출총이익률74,8 %+1,4포인트
GAAP 순이익65,3십억 달러+105 %
GAAP 희석 주당순이익2,70달러+108 %

한 주가 더 포함되는 4분기에 NVIDIA는 중국에서 발생하는 데이터센터 컴퓨팅 매출을 전혀 반영하지 않고 매출 130십억 달러, 오차 범위 ±3 %를 예상하며, 매출총이익률은 71~72 %로 낮아질 것으로 전망한다. 회사는 이번 분기에 주주에게 28,1십억 달러를 환원했으며, 자사주 매입 프로그램에는 약 227,3십억 달러가 남아 있다. 제품 측면에서는 이번 분기에 Vera Rubin NVL72의 첫 대량 출하가 이뤄졌다. NVIDIA는 이를 자사 역사상 가장 빠른 양산 확대라고 소개하며, CoreWeave, Google Cloud, Microsoft Azure, Oracle Cloud Infrastructure, Nebius에서 이미 랙이 가동 중이라고 밝혔다.

🔗 2027 회계연도 3분기 실적(NVIDIA) · 최고경영진 교체(11월 12일) · 독립 이사 성명(11월 10일)


Microsoft, MAI Code 2와 MAI Code 2 Flash 출시… 당일부터 GitHub Copilot에서 제공

11월 17일 — Microsoft AI가 Ignite에서 새로운 코드 모델 두 가지를 출시했으며, 당일부터 GitHub Copilot에서 이용할 수 있다. MAI Code 2는 심층 디버깅, 여러 파일에 걸친 수정, 리팩터링, 저장소 전체를 아우르는 추론 등 복잡한 작업을 겨냥한다. MAI Code 2 Flash는 코드 설명, 특정 부분 수정, 일상적인 패치 등 반복 작업을 대상으로 한다.

Microsoft는 기업의 실제 업무와 유사한 벤치마크 네 가지(DeepSWE 1.1, Terminal Bench 2.1, SWE-Atlas, FrontierCode v1.1)의 평균으로 측정한 가격 대비 성능을 강조한다. 이 비용은 MAI-Code-2의 50 % 할인 프로모션 가격을 기준으로 계산했으며, 모든 모델의 추론 강도를 최대로 설정하고 벤치마크 세 가지는 하위 에이전트 없이 Copilot CLI로 실행했다. 프런트엔드에서는 평가자 258명이 참여한 블라인드 평가에서 MAI Code 2의 결과가 GPT-6 Sol의 결과보다 선호된 비율이 64 %였다.

비교(Microsoft AI 기준)상대 성능상대 비용
GPT 6.1 Sol 대비 MAI Code 298 %40 %
Claude Opus 5.5 대비 MAI Code 296 %5 %
GPT-6 Luna 대비 MAI Code 2 Flash비슷함65 %
Claude Haiku 5.5 대비 MAI Code 2 Flash비슷함20 %

Microsoft는 한계도 인정했다. 이 모델들은 기초 과학 연구나 매우 장기적인 에이전트 작업에 맞게 “아직 조정되지 않았다”.

Copilot에서 MAI Code 2는 Pro부터 Enterprise까지, MAI Code 2 Flash는 Free 요금제부터 이용할 수 있으며, 10개 환경(VS Code, Visual Studio, Copilot CLI, 클라우드 에이전트, GitHub Copilot 앱, github.com, GitHub Mobile, JetBrains, Xcode, Eclipse)에서 제공된다. 두 모델 모두 사용량에 따라 과금되며, 새 모델 자동 활성화를 끄지 않은 조직에서는 기본으로 활성화된다. MAI-Code-2는 Copilot Fusion의 Standard 등급에도 추가되며, 이전 모델인 MAI-Code-1.1-Flash는 12월 18일 모든 Copilot 환경에서 지원이 종료된다. GitHub 외부에서는 MAI Code 2 Flash가 Microsoft Foundry에서 접근이 제한된 미리 보기로 제공되며, Microsoft는 OpenRouter, Vercel, Hermes, Open Code, Kilo에도 곧 출시될 예정이라고 밝혔다.

🔗 GitHub 변경 내역: MAI Code 2와 MAI Code 2 Flash · Microsoft AI 발표


Perplexity, 여러 공급업체의 모델을 결합하다: Orchestrator API와 Computer의 Multiagent 등급

11월 17일 — Perplexity가 자사 제품의 모델 계층을 개발자에게 개방하는 Orchestrator API를 출시했다. 회사에 따르면 이 계층은 매일 수억 건의 요청을 85개가 넘는 모델과 12곳이 넘는 공급업체로 전달한다. Orchestrator는 API 키 하나로 OpenAI, Anthropic, Google, xAI의 모델과 공개 가중치 모델(GLM, Kimi, DeepSeek)을 포함해 45개가 넘는 모델에 접근할 수 있게 한다. 요청은 OpenAI Chat Completions, OpenAI Responses, Anthropic Messages 형식으로 작성할 수 있으며, 기존 SDK에서 키와 기본 URL만 바꾸면 된다.

가장 먼저 내세우는 강점은 신뢰성이다. 공급업체가 오류를 반환하거나, 요청 속도 제한에 도달하거나, 제한 시간을 초과하면 Orchestrator는 동일한 모델의 다른 배포 환경에서 요청을 재시도한다. Claude 요청은 Anthropic에서 AWS Bedrock으로, GPT 요청은 OpenAI에서 Azure로 넘어갈 수 있다. 응답한 공급업체와 관계없이 각 모델의 공개된 토큰당 요금이 적용되며, 크레딧 외에 추가 플랫폼 수수료는 없다. 두 기능은 미리 보기로 제공된다. Routes는 자연어 설명을 바탕으로 요청마다 모델을 선택하며(perplexity/auto), Auto effort는 다음 차례의 추론 강도를 조정한다.

Perplexity는 민감한 사례인 응답 거부 우회를 통해 Routes를 설명한다. 회사는 Claude Fable 5.2의 안전장치가 무해한 사이버 보안 또는 생명과학 작업을 차단할 수 있다는 점을 Anthropic이 문서에 명시하고 있다고 언급한다. Fable을 기본 모델로 유지하되 이런 작업과 응답 거부 이후의 작업을 GPT-6 Astra 또는 GPT-6.1 Sol로 보내면, Claude Code는 더 많은 작업을 해결하지만 작업당 예상 비용은 높아진다. Orchestrator API는 이미 7월부터 공개 가중치 모델을 대상으로 Perplexity API에서 제공되고 있었으며, 11월 17일은 공식 출시일이다.

Perplexity 측정 항목발표 수치
카탈로그의 모델 수45개 초과(OpenAI, Anthropic, Google, xAI, 공개 모델)
Claude Opus 5.5의 가장 빠른 공급업체(30일)Anthropic 15일, AWS Bedrock 15일
OpenAI 대비 Azure의 GPT-5.6 Sol 속도 중앙값+27 %
Terminal-Bench 4.1(63개 작업), Fable 5.2 단독63개 중 38개
GPT-6 Astra 또는 GPT-6.1 Sol로 라우팅한 동일 테스트63개 중 41개
플랫폼 수수료크레딧 외 추가 수수료 없음

🔗 Orchestrator 소개(Perplexity) · Orchestrator: 신뢰할 수 있는 추론을 위한 단일 API

11월 17일 — 같은 날 Perplexity는 Computer에 Ultra보다 높은 Multiagent 작업 강도 등급을 추가했다. 지금까지는 주 에이전트가 작업 일부를 보조 에이전트에 맡기고, 보조 에이전트는 주 에이전트에게만 결과를 보고했다. Multiagent에서는 주 에이전트가 서로 다른 모델로 구동되는 에이전트 팀을 지휘한다. 이들은 병렬로 작업하고, 발견한 내용을 서로 직접 전달하며, 다른 에이전트의 작업을 검증하고, 공유 파일의 수정 사항을 조율한다. 기본 팀은 Claude Fable 5.2를 중심으로 구성되며, 이 모델이 작업을 계획하고 Claude Opus 5.5, GPT 6.1 Sol, Gemini 4 Carbon 기반 에이전트들에게 업무를 분배한다. 주 에이전트는 최대 16개의 에이전트를 동원할 수 있으며, 사용자는 요청에서 사용할 모델을 지정할 수 있다.

Perplexity 발표 결과발표 수치
Terminal-Bench 4.1 최고 혼합 팀0,727(Gemini 4 Carbon이 지휘)
주 모델 복제본 네 개 대비 향상 폭(TB 4.1)+0,008~+0,125
주 모델 복제본 네 개 대비 향상 폭(WANDR)+0,015~+0,064
복제본 네 개 대비 최고 팀의 비용10,31달러 대 ~13달러; 54,50달러 대 66,41달러

Perplexity에 따르면, 모든 혼합 팀은 주 모델 단독 실행과 해당 모델 복제본 네 개를 모두 능가하며, 각 테스트에서 가장 뛰어난 팀의 비용은 복제본 네 개보다 저렴하다. Multiagent는 웹에서 Max 구독자만 이용할 수 있으며(게시물에 따르면 Max 및 Enterprise Max), 모바일과 데스크톱 앱에도 곧 제공될 예정이다. Perplexity는 크레딧 비용을 수치로 공개하지 않았다.

Multiagent is optimized for performance. It is credit-intensive. Use it only for your most important tasks. Multiagent is best for forecasting, high-density problem solving, and consequential decision making.

🇰🇷 Multiagent는 성능에 최적화되어 있습니다. 크레딧을 많이 소모합니다. 가장 중요한 작업에만 사용하세요. Multiagent는 예측, 매우 복잡한 문제, 중대한 결과를 초래하는 의사결정에 가장 적합합니다. — X의 @perplexity_ai

🔗 Multiagent 소개(Perplexity)


Devin Bots와 Replit Missions: 개별 작업보다 목표를 추구하는 에이전트 군집

11월 17일 — Cognition이 “엔지니어링 동료”(엔지니어링 팀원)인 Devin Bots를 출시했다. Bot은 자체 메모리와 도구를 갖추고 여러 Devin 세션을 병렬로 진행하는 지속형 에이전트다. 개별 작업이 아닌 책임을 부여하면, 조사하고, 위임하고, 결과를 평가하며, 다음 단계를 결정한다. 사람의 판단이 필요한 결정만 Needs You 수신함에 모아 전달한다. 여러 Bot이 서로 조율할 수 있어, 예를 들어 QA Bot이 Developer Bot에 버그를 넘길 수 있으며, Slack, iMessage 또는 Devin 앱에서 진행 상황을 확인할 수 있다.

Cognition은 자체 Bot을 통해 활용 사례를 소개한다. 9월 28일 시작한 Android Bot은 44일 만에 Devin의 Android 앱을 만들었으며, 현재 Google Play에서 공개 테스트 중이다. 이 과정에서 감독 엔지니어가 보낸 메시지는 183개였다.

Cognition이 소개한 Bot발표 결과
Android Bot(44일)PR 1 134건, Kotlin 코드 344 651줄, 테스트 2 841개, 티켓 1 217건, 메시지 183개
Layout Bot(3주)PR 159건 병합, 지연 시간 70 % 감소
모바일 게임 스튜디오약 20개의 Bot, 주당 PR 50~1 900건

On average, beta testers are merging 4.5x more PRs per message using Devin Bots. We’ve seen individual engineers go from 50 PRs a week to nearly 2,000.

🇰🇷 베타 테스터들은 Devin Bots를 사용해 메시지당 평균 4,5배 더 많은 PR을 병합하고 있습니다. 주당 PR 50건을 처리하던 엔지니어가 거의 2 000건을 처리하는 사례도 확인했습니다. — X의 @cognition

Bots는 지금 바로 사용할 수 있다. 요금 페이지에 따르면 Max(월 200달러), Teams(월 80달러), Enterprise 요금제에 포함되며, Free와 Pro에는 포함되지 않는다. Bots 전용 요금은 공개되지 않았다.

🔗 Devin Bots 소개(Cognition)

11월 17일 — 같은 날 Replit은 팀이 시간을 내기 어려운 프로젝트를 위한 “에이전트 군집 실행 프레임워크”(에이전트 군집 실행 틀)인 Missions를 출시했다. 사용자가 원하는 결과를 설명하면 에이전트 군집이 병렬로 계획하고, 구축하고, 테스트하고, 반복 개선한다. 작업 범위는 임무 계약(Mission Contract)으로 정한다. 여기에는 지출 한도, 승인이 필요한 행동(잠재 고객에게 연락하기, 제품 관련 약속하기), 허용 가능한 절충 사항이 포함된다. 독립적인 인공지능 심사자가 합의된 기준에 따라 결과를 검증하며, 기준을 충족하거나 예산이 소진되면 임무가 종료된다.

Replit은 세 가지 시연을 근거로 발표를 뒷받침했다. NumPy 최적화 작업 13개에서 에이전트 32개로 이뤄진 군집은 초기 대비 19배의 속도를 달성했으며, Auto(Max) 모드의 단일 에이전트는 4배에 그쳤다. Qwen의 E-Commerce Bench에서 Missions는 모의 환경의 1년 동안 100 000엔을 4,82백만 엔으로 늘렸다. 마지막으로 Missions는 이틀 동안 최대 3 000달러의 예산으로 애플리케이션 모니터링 플랫폼 DataCat을 구축했다. Replit은 이를 Apache 2.0 라이선스의 오픈 소스로 공개하며, 같은 프롬프트로 Claude Code의 /goal을 사용해 구축한 버전과 비교했다. 다만 통제된 테스트이며, 구성별로 한 번씩 실행한 결과라고 명시했다.

Replit이 공개한 DataCat 테스트발표 결과
의도적으로 삽입한 버그 탐지목표 60초 대비 38초
3시간 동안 지속된 부하레코드 26백만 개, 로그 4,4백만 개
초당 트레이스 수(Claude Code 대비)49 000 대 9 800
API 호환성검사 56개 중 51개 통과 대 45개 통과

Missions는 Replit의 “New” 버튼에서 시작할 수 있다. 게시물에는 요금제나 가격이 명시되지 않았으며, 사용자가 정한 예산에 따라 비용이 발생한다.

🔗 Replit Missions 소개 · DataCat 저장소


Gemini 앱, 6개국에서 Tasks 무료 제공 및 전화·결제·문자 수신 기능 추가

11월 17일 — Google이 Gemini 앱의 Tasks를 무료로 제공한다. Labs, Gemini 앱, AI Studio를 담당하는 조시 우드워드 부사장에 따르면, 긴 프로젝트나 반복 작업을 Gemini에 맡겨 백그라운드에서 실행하는 이 모드가 미국, 일본, 한국, 캐나다, 호주, 인도의 수억 명에 이르는 대상 사용자에게 배포된다. 11월 12일 출시된 빠른 모델인 Gemini 4 Hydrogen으로 실행되며, 홈 화면의 Chat / Task 전환 스위치로 활성화할 수 있다.

여러 고급 기능도 미국을 시작으로 함께 제공된다. Gemini는 사용자를 대신해 전화를 걸 수 있으며, 여러 업체에 동시에 전화해 견적을 비교하거나 재고를 확인하고 예약할 수도 있다. 통화 시 자신이 AI임을 밝히며, 업체는 이러한 전화를 거부할 수 있다. Agent Payments Protocol(AP2)을 통해 Google Pay로 결제할 수 있고, Visa와 Mastercard를 지원하며 American Express도 곧 추가된다. 사용자는 지출 한도를 정하고 허용할 상점을 선택하며, 해당 한도 안에서 자율적으로 행동하도록 허용하지 않은 경우 Gemini는 구매 전에 확인을 요청한다. Google Password Manager를 이용해 온라인 포털에 로그인할 수 있으며, RCS를 통한 SMS나 gemini@google.com으로 전달된 이메일로도 연락을 받을 수 있다.

발표 항목안내된 제공 범위
무료 Tasks(Gemini 4 Hydrogen)11월 17일부터: 미국, 일본, 한국, 캐나다, 호주, 인도
Gemini의 전화 통화미국에서 우선 제공, 인디애나·루이지애나·미네소타·몬태나·네브래스카 제외
Google Pay 결제(AP2)미국에서 우선 제공; Visa, Mastercard 지원; American Express 곧 추가
RCS를 통한 SMS 및 gemini@google.com미국에서 우선 제공; RCS: 미국 전화번호와 지원 통신사 필요
iOS용 Google Wallet미국에서 11월 17일부터 제공
Universal Commerce Protocol(UCP)추후 제공, 날짜 미정

영수증과 배송 추적 정보는 Google Wallet에 모이며, Google Wallet도 같은 날 미국에서 iOS용으로 출시된다. Gemini는 60개가 넘는 연결된 앱을 활용한다. 보안 측면에서는 각 작업이 Google Cloud의 Agent Compute Engine에서 하드웨어 수준으로 격리된 가상 머신 안에서 실행된다. 이 가상 머신은 해당 계정 전용이며 공유되지 않는다. Google은 프롬프트 인젝션 방지 필터와 함께, ‘항상 허용’으로 표시된 작업을 제외하면 모든 ‘구매’ 버튼을 누르기 전에 반드시 확인을 받는 절차도 언급했다. 게시물은 여전히 작업이 실패할 수 있고, 일부 사이트에서는 마지막 클릭을 사용자가 하도록 제어권을 돌려준다는 점도 인정했다.

🔗 Gemini의 Tasks(Google 블로그) · 미국에서 출시되는 iOS용 Google Wallet


Kling Image 4.0: 네이티브 8K 생성과 이미지당 최대 2 000자의 텍스트

11월 17일 — 전날 출시가 임박했다고 예고된 Kling Image 4.0이 공개됐다. Kling의 새 이미지 모델은 하나의 통합 자기회귀 아키텍처(네이티브 통합 이해·생성 아키텍처)에서 시각적 이해와 생성을 결합하며, 세 가지 개선점을 내세운다.

첫째는 사실감이다. Kling 최초로 네이티브 8K 생성을 지원하고, 110종이 넘는 사전 설정 색보정이나 참조 이미지에서 추출한 색상 팔레트를 사용할 수 있다. 둘째는 텍스트다. 이미지 하나에 읽을 수 있는 텍스트를 최대 2 000자까지 넣을 수 있으며, 최대 15 000토큰의 프롬프트, 70종이 넘는 상용 글꼴, 생성된 이미지의 텍스트와 글꼴을 직접 수정하는 기능을 지원한다. 지원 언어는 중국어 간체·번체, 영어, 일본어, 한국어, 스페인어, 포르투갈어의 7개다. 셋째는 연속 이미지 생성이다. 모델의 에이전트 기능으로 계획해 한 번의 요청으로 일관성 있는 이미지를 최대 10장 생성할 수 있으며, 전자상거래 사이트의 상품 페이지에 사용할 매우 긴 이미지도 만들 수 있다.

발표된 특성Kling Image 4.0
최대 해상도네이티브 8K
이미지당 텍스트최대 2 000자
프롬프트 길이최대 15 000 tokens
요청당 일관성 있는 이미지최대 10장
사전 설정 글꼴70종 초과
사전 설정 색보정110종 초과
텍스트 지원 언어7

Kling Image 4.0은 모든 Kling Creative Studio 사용자에게 제공되며, 기업과 개발자는 API로도 사용할 수 있다. Kling은 가격이나 벤치마크를 공개하지 않았다. 네이티브 8K부터 긴 텍스트까지 발표된 개선점은 아직 다른 모델과의 비교 수치로 제시되지 않았다.

🔗 Kling Image 4.0(Kling 블로그) · Kling의 X 발표


생성형 동영상: Suno Visuals는 노래를 영상으로, HeyGen은 Avatar 6 출시

11월 17일 — 10월 음성 기능에 이어 Suno가 Visuals로 이미지와 동영상까지 영역을 넓힌다. 이 도구는 라이브러리의 노래를 최대 15초 길이의 클립, 박자에 맞춘 가사 영상, 앨범 표지로 만들거나 사진을 클립으로 바꾼다. Suno에 따르면 이름이 공개되지 않은 이 모델은 음악에 맞춰 최적화됐다. 클립은 곡의 구조를 따르고 가사를 반영하며, 등장인물의 입 모양을 노래에 맞춘다. 이후 클립을 늘리거나 수정하고, 텍스트 프롬프트로 다시 생성할 수 있다. Visuals는 웹, iOS, Android에 출시됐으며 Suno의 MCP 서버를 통해서도 이용할 수 있다.

Visuals는 노래용 크레딧과 별도의 크레딧을 사용하며, 유료 구독자는 한정된 기간 동안 첫 비주얼을 무료로 만들 수 있다.

비주얼 크레딧 묶음발표 가격
2 500크레딧14,99달러
5 500크레딧29,99달러
20 000크레딧99,99달러
40 000크레딧199,99달러
동영상 비용(빠른 모드 / 표준 모드)초당 15 / 30크레딧

Suno는 안전장치를 강조한다. 필터가 아티스트, 공인, 저작권으로 보호되는 작품을 대상으로 하는 프롬프트와 이미지를 차단하고, 모든 동영상은 표시되기 전에 검사를 거친다. Audible Magic, ACRCloud, Musixmatch가 저작권으로 보호되는 오디오를 걸러내며, 플랫폼 밖으로 공유하기 전에는 워터마크가 삽입된다.

🔗 Visuals 소개(Suno) · 비주얼 크레딧 요금

HeyGen, Avatar 6 출시… 실제 영상과의 비교 평가에서 42,2 %의 비율로 진짜로 선택돼

11월 17일 — HeyGen이 새 동영상 아바타 모델인 Avatar 6를 출시하며, New Measure의 Avatar Arena에서 1위를 차지했다고 소개했다. 이 모델은 네이티브 2K 영상을 생성하며, 같은 동작을 반복하는 대신 대본의 의미에 맞춰 몸짓을 조정한다. 수를 세거나, 가리키거나, 방향을 알려 주는 식이다. 한 장면에 두 아바타를 함께 배치해 진행자와 게스트가 대화하도록 할 수도 있다. 본인 확인을 거친 뒤 자신의 사진과 짧은 동영상으로 만들 수 있다.

HeyGen이 공개한 테스트발표 결과
Avatar 6를 진짜로 선택한 비율(나란히 비교, 응답 270건)42,2 %
HeyGen이 계산한 ‘구별 불가능성’84,4 % (Avatar V: 44,4 %)
실제 클립을 단독으로 보고 진짜라고 판단한 비율78,9 %
본인 목소리를 넣은 Avatar 6를 단독으로 보고 진짜라고 판단한 비율65,1 %
Seedance 2.5 대비 선호도72,4 %

강조된 84,4 %는 HeyGen이 계산한 수치로, 응답자가 아바타를 실제 영상으로 착각한 비율인 42,2 %를 두 배로 늘린 것이다. Avatar 6는 앱과 HeyGen의 API 및 MCP를 통해 제공되며, 가격은 공개되지 않았다.

🔗 HeyGen의 X 발표 · Avatar 6 모델 소개


Microsoft Ignite의 GitHub Copilot: Rust 기반 SDK 2.0, Terminal-Bench 4.1의 Fusion, 적응형 코드 리뷰, 브라우저, Evals, Entra, JetBrains

11월 17일 — Ignite를 계기로 이날 GitHub 변경 로그에 약 15건의 항목이 올라왔다. 앞서 다룬 MAI Code 2와 GPT-6.2 외에 Copilot 제품의 새로운 기능은 다음과 같다.

Microsoft Copilot SDK 2.0, Rust 기반 코어와 세션 간 공유 런타임으로 전환

Copilot 하네스에 접근할 수 있게 해 주는 SDK가 메이저 버전을 업데이트했다. 이 SDK는 10월 28일 Microsoft Copilot SDK로 이름을 바꿨다. 이제 하나의 런타임이 여러 격리된 세션을 호스팅할 수 있으며, 각 세션은 고유한 신원, 도구, 파일, 기록을 갖는다. 세션을 생성할 때 더 이상 컨테이너나 프로세스, 가상 머신을 새로 실행하지 않는다. 이 방식을 구현하기 위해 런타임을 Rust로 다시 작성했다.

공개된 측정값(예열된 부하)TypeScript CLIRust 2.0 코어
클라이언트 + 세션 + 한 턴5,25 s55,3 ms
클라이언트 10개의 메모리 사용량1 383 Mo126 Mo
세션 처리량초당 7,55개초당 120개

SDK에는 ‘빈’ 모드(호스트의 셸이나 파일 시스템을 상속하지 않음), 세션 로그, 다른 인스턴스에서 세션을 재개할 수 있는 sessionFs가 추가됐다. 이번 버전에는 호환성을 깨뜨리는 변경 사항(옵션 통합, SDK 프로토콜 4, Python과 Rust 측 이름 변경)이 포함되며, 계속해서 TypeScript, Python, Go, .NET, Java, Rust로 제공된다.

🔗 Microsoft Copilot SDK 2.0(Command Line) · v2.0.0 릴리스

Copilot Fusion, Terminal-Bench 4.1 순위에 진입하고 github.com·Visual Studio·모바일로 확대

GitHub이 작업 수준에 따라 모델을 선택하고 조율하는 모드인 Copilot Fusion의 첫 공개 순위 결과를 발표했다. GitHub에 따르면 스탠퍼드, Harbor, Laude Institute가 운영하는 Terminal-Bench 4.1에서 Copilot Fusion Max는 71,2 %의 해결률을 기록했다. 이는 Opus 5.5와 Fable 5.2보다 5,4퍼센트포인트 높은 수치이며, 비용은 Fable 5.2보다 88 %, Opus 5.5보다 57 % 낮았다. 이제 github.com, Visual Studio, GitHub Mobile 베타 앱에서 Fusion을 선택할 수 있다. 모델 목록도 확대돼 Max 등급에는 Claude Sonnet 5.5, High 등급에는 GPT-6.1 Terra, Standard 등급에는 MAI-Code-2가 추가된다.

🔗 GitHub 변경 로그: Copilot Fusion

Copilot 코드 리뷰, 작업 수준 자동 선택과 비밀 정보 탐지 지원 및 Azure DevOps 정식 출시

Pro부터 Enterprise까지 공개 프리뷰로 제공되는 Adaptive를 통해 Copilot이 각 풀 리퀘스트의 복잡성과 위험을 평가하고 Lite, Balanced, Max 중 작업 수준을 스스로 선택한다. 선택한 수준은 화면에 표시되며, 관리자가 정한 상한을 넘지 않는다. 다른 두 기능도 공개 프리뷰에 들어간다. 하나는 변경 사항에 의존하는 코드를 찾기 위해 연결된 공개 저장소를 읽는 기능이다. 다른 하나는 풀 리퀘스트에 노출된 비밀 정보를 탐지하는 기능으로, 500개가 넘는 정규식 기반 탐지기와 식별 가능한 형식이 없는 비밀 정보를 찾아내는 AI 탐지를 결합한다. 저장소 인사이트 페이지에서는 처리된 Copilot 댓글과 Copilot 리뷰 없이 병합된 풀 리퀘스트를 포함한 네 가지 지표를 추적한다. 마지막으로 Azure Repos용 코드 리뷰가 정식 출시되며, Azure 구독에서 GitHub AI 크레딧으로 요금이 청구된다.

🔗 GitHub 변경 로그: 적응형 코드 리뷰 · 저장소 인사이트

Copilot, Chrome 확장 프로그램으로 브라우저에서 작업하고 앱은 Azure DevOps 지원

새로운 GitHub Copilot in Chrome 확장 프로그램과 연동하는 브라우저 사용 기능이 Copilot CLI, GitHub Copilot 앱, VS Code, JetBrains에서 공개 프리뷰로 제공된다. Copilot은 이미 로그인된 Chromium 브라우저(Chrome, Edge)의 격리된 탭 그룹 안에서 양식을 작성하고, 웹페이지에서 정보를 추출하거나 개발 중인 앱을 테스트한다. 이 기능은 기본적으로 비활성화돼 있으며, 관리자는 관리 설정 features.browserUse로 기능을 끌 수 있다. GitHub Copilot 앱도 공개 프리뷰로 Azure DevOps 저장소를 지원한다. 에이전트가 저장소를 복제하고 풀 리퀘스트를 열며 리뷰 댓글에 따른 수정을 수행한다. 또한 agent merge를 통해 CI를 복구한 뒤 병합한다. 이러한 저장소에서는 클라우드 세션을 사용할 수 없다.

🔗 GitHub 변경 로그: 브라우저 사용 · Ignite에서 발표된 GitHub Copilot 앱의 새로운 기능

공개 프리뷰로 제공되는 GitHub Copilot Evals, 스킬·에이전트·MCP 도구 테스트

Copilot Individual, Business, Enterprise에 공개 프리뷰로 제공되는 GitHub Copilot Evals는 프롬프트, 모델, 스킬, 도구가 바뀌어도 Copilot 구성이 계속 정상적으로 작동하는지 확인하는 데 쓰인다. 평가는 현실적인 작업과 좋은 결과의 기준을 정의한 다음, 결과와 에이전트가 거친 경로를 모두 점검한다. /eval 명령이나 자연어로 스킬, 맞춤형 에이전트, MCP 도구에 대한 평가를 만들고 실행한 뒤(각 실행은 시작 전에 승인을 받음), 변경 전후의 실행 결과를 비교할 수 있다. 이 도구는 로컬 평가 엔진인 Vally를 기반으로 하며, VS Code 확장 프로그램이나 Copilot CLI 및 앱의 플러그인으로 설치할 수 있다.

🔗 GitHub 변경 로그: Copilot Evals

Copilot CLI, Microsoft Entra 로그인과 Microsoft 365 Copilot 라이선스 지원

Copilot CLI가 Windows와 macOS에서 공개 프리뷰로 Microsoft Entra 로그인을 지원하며, Linux 지원도 뒤따를 예정이다. EMU 계정이 OIDC를 사용하는 기업에서는 Entra 신원으로 연결된 GitHub 계정에 자동 로그인되며, Copilot Business 또는 Enterprise 라이선스를 사용한다. 새로운 점은 사용량 기반으로 요금이 청구되는 Microsoft 365 Copilot 라이선스를 보유한 Frontier 프로그램 참여 조직이 GitHub 계정 없이 Copilot CLI를 사용할 수 있다는 것이다. 이 경우 추론은 Microsoft 365를 거치며, Work IQ MCP 서버가 업무 데이터를 컨텍스트로 제공한다. 이 기능에는 같은 날 안정 버전으로 출시된 Copilot CLI 1.0.113이 필요하다.

🔗 GitHub 변경 로그: Entra 로그인 · Copilot CLI 1.0.113

JetBrains용 Copilot, 클라우드 샌드박스·원격 접속·기기 내 음성 받아쓰기 추가

JetBrains IDE용 GitHub Copilot 플러그인이 여러 에이전트 기능에서 VS Code를 따라잡는다. 모두 공개 프리뷰로 제공되며, GitHub이 호스팅하는 격리된 환경에서 세션을 실행하는 클라우드 샌드박스, VS Code나 Copilot 앱에서 대화를 이어갈 수 있는 원격 접속, Chrome 확장 프로그램을 통한 브라우저 사용, 기기에서 처리하는 음성 받아쓰기가 포함된다. 플러그인은 분할 모드의 원격 개발도 지원하며, 실행 중인 에이전트의 방향을 바꾸거나(Enter) 후속 요청을 대기열에 넣을 수 있다(Ctrl+Enter). Copilot Fusion은 모델 목록 맨 위에 고정된다. 기업용 관리 설정에서는 이제 예외가 있는 경우를 제외하고 Claude와 Codex를 비활성화하며, IDE 2025.2는 더 이상 지원되지 않는다.

🔗 GitHub 변경 로그: JetBrains용 Copilot


Claude Platform이 연동 결제를 공개하고, Warp는 Enterprise 요금제에 도입

11월 17일 — Anthropic이 Claude Platform에서 연동 결제(linked billing)를 베타로 공개했다. 지금까지는 타사 도구에서 Claude API를 사용하려면 비밀번호처럼 작동하는 API 키를 해당 도구에 맡겨야 하는 경우가 많았다. 연동 결제를 사용하면 고객이 자신의 Claude Platform 조직을 타사 플랫폼에 연결하고, 키를 전달하지 않은 채 사용 요금을 직접 청구받는다.

개발사에는 Anthropic이 승인 절차와 결제 처리를 제공한다. 개발사는 Console이나 Usage and Cost Analytics API(베타)에서 고객별 요청 수, 토큰 수, 사용 모델을 확인하고, 요청마다 비용을 자신이 부담할지 고객에게 청구할지 결정한다. 고객 측에서는 Owner, Admin 또는 Billing 역할의 사용자가 조직 전체를 대표해 한 번 연결을 승인하고, 플랫폼별 월 지출 한도를 설정하며, 언제든 연결을 해제할 수 있다. 사용 요금은 기존 Anthropic 약정에서 차감하거나 사용한 만큼 결제할 수 있다. 알아둘 점은 요청이 플랫폼의 조직에서 실행되므로 고객 조직의 설정(IP 주소 허용 목록, 암호화 키, 데이터 보관 정책)이 적용되지 않는다는 것이다. 출시 시점부터 Asana, Factory, Linear, Ramp, Railway, Tines, Warp 등 19개 플랫폼이 이를 지원한다.

🔗 Claude Platform의 연동 결제 (Anthropic) · X의 @ClaudeDevs 발표

Warp, Enterprise 요금제에서 Claude Platform 연동 결제 지원 시작

11월 17일 — 출시 파트너 19곳 중 하나인 Warp가 구체적인 구현 방식을 설명했다. 기업은 API 키를 공유하지 않고 OAuth로 자신의 Claude 조직을 Warp에 연결하며, Warp Agent의 Claude 사용 요금은 Anthropic이 자사 API 요율로 직접 청구한다. 지출 한도 설정과 연결 해제는 Claude Console의 Linked Platforms 페이지에서 처리한다. 문서에 따르면 이 기능은 Warp Enterprise에서만 제공된다. 작업 공간은 하나의 연결을 공유하고, 각 팀이 활성화 여부를 선택한다. 데스크톱, CLI, 웹, 클라우드의 에이전트와 하위 에이전트를 지원하지만, Claude Code나 Amazon Bedrock 또는 Vertex AI를 거치는 사용은 지원하지 않으며, Claude Pro, Max, Team, Enterprise 구독으로 비용을 충당할 수도 없다. 연동된 자금이 부족해 Anthropic이 요청을 거부하면 Warp가 해당 요청을 팀의 Warp 잔액으로 전환할 수 있다.

🔗 Warp, Claude Platform 연동 결제 지원 시작 · Warp 문서


코딩 에이전트: Claude Code 2.1.326, Claude Code 팀의 검증 방식, Mistral Vibe Desktop, Antigravity 2.33, Replit Desktop과 AI Studio의 Android 앱

Claude Code 2.1.326: 에이전트 팀을 지원하는 Code Mode, 강화된 샌드박스와 수정 사항 233건

11월 16일 — Claude Code 2.1.326은 변경 항목 367개 중 오류 수정이 233개에 달하는 대규모 버전이다. 새로운 기능으로는 2.1.323에서 도입된 실험적 모드인 Code Mode가 이제 에이전트 팀(agent teams)과 함께 작동한다. 이 모드에서는 Claude가 여러 도구 호출을 이어서 실행하는 스크립트를 작성한다. 문서에 따르면 기본 화면에서는 팀원 에이전트가 Code Mode로 전환되지만, 분할 창에서는 전환되지 않는다. 11월 17일 @ClaudeDevs가 이를 처음으로 소개했다. 여전히 기본적으로 비활성화되어 있으며 CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1으로 활성화한다.

Remote Control도 개선됐다. claude remote-control, Claude Desktop 또는 VS Code에서 시작한 세션의 응답이 작성되는 대로 휴대전화나 브라우저에 표시된다. HIPAA용 « Claude Code + Cowork » 구성을 사용하는 조직에서는 터미널과 VS Code 세션이 이제 자동 모드로 시작되며, API에 직접 연결해 서버 측 분류기를 사용한다.

이번 버전의 상당 부분은 보안 강화에 집중됐다. 샌드박스는 기본적으로 홈 디렉터리의 일부 민감한 폴더에 더 이상 쓰지 않으며(허용하려면 sandbox.filesystem.allowWrite 사용), 파일 도구는 .credentials.json에 쓰기를 거부한다. 별도 worktree에 격리된 하위 에이전트는 더 이상 공유 브랜치를 덮어쓸 수 없으며, bypass permissions 모드의 일부 명령을 포함해 더 많은 명령이 확인을 요구한다. 한편 plugin.json의 표시 필드 형식이 잘못되어 거부되던 플러그인은 이제 훅과 MCP 서버까지 함께 로드된다. 관리자는 배포하는 내용을 확인해야 한다. 비용에 영향을 주는 변경도 두 가지다. /claude-api 스킬은 기본적으로 Managed Agents를 기반으로 에이전트를 만들며, 계획 모드의 자동 압축은 응답에 쓰이는 모델(opusplan 사용 시 Opus)을 사용하므로 비용이 더 들 수 있다. /update-config의 컨텍스트는 약 93 000토큰에서 13 000토큰으로 줄고, Claude in Chrome의 browser_batch는 150초로 늘어난다.

항목 유형 (v2.1.326)개수
오류 수정 (Fixed)233
변경 (Changed)62
개선59
추가 (Added)11
제거 (Removed)2

수정 사항 중에는 눈에 띄지 않게 발생하던 손실을 방지하는 내용이 여러 건 포함됐다. claude purge는 출력이 리디렉션된 상태에서 보이지 않는 엔터 입력을 받으면 프로젝트 데이터를 삭제할 수 있었고, 지출 한도 메뉴는 확인 없이 월 한도를 없앴으며, 병렬로 실행된 MCP 호출 두 개가 서로의 결과를 바꿔 받을 수 있었다. TypeScript Agent SDK 0.3.326은 MCP 서버 정보를 명령줄 대신 초기화 요청(mcpServersDelivery: 'initialize')으로 전달한다. 다만 현재로서는 명령줄 방식이 여전히 기본값이다. 2.1.327도 11월 17일부터 이미 npm의 next 채널에 올라와 있으며, 릴리스 노트는 없다.

🔗 Claude Code v2.1.326 · Code Mode 문서

Claude Code 팀이 Claude가 작성한 코드를 검증하는 방법: verify 스킬부터 커밋 관문까지

11월 16일 — 10월 코드 리뷰 소개에 이어, Claude Code 팀이 팀 코드의 약 90%를 작성하고 검토하는 Claude의 작업을 어떻게 검증하는지 claude.dev 블로그에서 설명했다. 애디 오스마니는 신뢰할 수 있는 검증 반복 과정이 있어야 수십 개의 세션을 병렬로 실행할 수 있다는 간단한 생각을 제시한다. 구조화된 파일 생성에 관한 내부 실험에서는 별도의 평가기가 평가 기준표에 따라 결과를 판단하게 하자 성공률이 최대 10포인트 높아졌다. 글에서는 먼저 종단 간 테스트를 권장하고, 그다음으로 속성 기반 테스트와 마이그레이션에 유용한 차등 테스트를 추천한다. 팀에서는 verify 스킬에 애플리케이션 실행 및 테스트 방법을 명시하고, Claude가 세 차례 실패하면 사람에게 도움을 요청하게 한다. 과거 사고를 기억에 의존해 처리하는 대신, 변경 내역에 나타난 내용에 따라 각 항목이 적용되는 39개 신뢰성 점검 목록을 사용한다. Code Review를 안내하는 REVIEW.md 파일은 항상 기준 브랜치에서 읽으므로, 변경 사항이 자신을 평가하는 규칙을 바꿀 수 없다. 커밋 관문은 off, observe, enforce 모드를 제공하며, 세션에서 /code-review와 /verify 중 어느 것도 실행하지 않았다면 커밋을 차단할 수 있다.

🔗 Claude Code 팀의 검증 접근법 (claude.dev)

Mistral, Vibe 데스크톱 앱 출시하고 유럽 개발자에게 Vibe Pro 3개월 무료 제공

11월 17일 — Mistral이 업무 및 코딩 도우미인 Vibe(기존 Le Chat)를 두 방향으로 확장한다. 첫째는 macOS와 Windows용 데스크톱 애플리케이션인 Vibe Desktop이다. 여러 작업을 동시에 맡기고, 에이전트가 나란히 작업하는 모습을 지켜본 뒤, 같은 창에서 변경 내역을 검토하고 풀 리퀘스트를 추적할 수 있다. 10월 CLI 릴리스 노트에서 이미 언급됐던 이 앱은 이제 제품 페이지에서 다운로드할 수 있다. 둘째는 특정 대상을 위한 혜택이다. 유럽 개발자는 한정 수량으로 제공되는 코드 LECHONK를 사용해 Vibe Pro를 3개월 무료로 이용할 수 있으며, 이후에는 월 14,99유로가 부과되고 언제든 해지할 수 있다. 첫 게시물로부터 한 시간 뒤 Mistral은 당일 코드가 모두 소진됐다고 발표했다. Mistral은 Vibe와 Mistral Large 4(Le Chonk)를 코딩에서 GLM과 DeepSeek를 앞서는 최고의 오픈 모델·하네스 조합으로 소개했지만, 해당 게시물에서는 수치를 제시하지 않았다. 10월 29일 마지막으로 공개된 Large 4의 성적은 FrontierCode 2.0에서 19,7 %, Terminal-Bench 4.0에서 41 %였다.

🔗 X의 Mistral AI 발표 · Vibe 제품 페이지

Antigravity 2.33.0, SSH로 원격 Linux 컴퓨터에 연결하고 GitHub 풀 리퀘스트 통합

11월 17일 — Antigravity 앱 2.33.0은 에이전트의 활동 범위를 로컬 컴퓨터 밖으로 넓힌다. SSH로 원격 64비트 Linux 컴퓨터에 연결하고, ~/.ssh/config을 바탕으로 OpenSSH를 통해 서버를 자동 설치한 뒤, 그곳에서 프로젝트, Git worktree, 에이전트, 터미널을 실행한다. 창을 닫아도 작업은 계속된다. GitHub 풀 리퀘스트 링크는 실시간 상태 배지로 표시되며, Overview 패널에는 전용 영역이 추가된다. 관리자가 허용하면 업무용 및 기업용 계정에서도 /swarm과 플러그인 패널을 사용할 수 있다. 파트너 플러그인 7개(Cloudflare, Grafana Cloud, SonarQube, incident.io, Better Stack, Tavily, Levels.fyi)가 추가됐고, 측면 패널에서는 최대 200 Mo의 멀티미디어 파일을 사용할 수 있다. 전체적으로 개선 16건과 오류 수정 21건이 포함됐다. 전날 나온 2.32.2에서는 부가 질문용 /btw가 읽기 전용 도구를 사용하며 여러 차례 대화할 수 있는 채팅 탭으로 바뀌었다. 터미널용 Antigravity CLI 1.5.9는 11월 14일 출시됐으며, 다수의 하위 에이전트에 작업을 배분하는 Python 스크립트를 에이전트가 작성하게 하는 run_workflow 도구를 모든 사용자에게 공개했다. API 키 같은 MCP HTTP 서버의 헤더가 리디렉션 중 다른 호스트로 전달될 수 있었던 유출 문제도 수정했다.

🔗 Antigravity 변경 기록

Replit Desktop, 로컬 폴더에서 작업하는 에이전트와 함께 Microsoft Store에 출시

11월 17일 — 10월 7일 Microsoft와 함께 미리보기로 발표했던 Replit Desktop 앱이 Microsoft Store에 출시됐다. Replit Agent는 사용자가 공유하도록 선택한 폴더의 파일을 대상으로 작업한다. 도구를 만들고, 로컬 데이터를 분석하며, 이를 바탕으로 Replit 클라우드를 통해 공유할 수 있는 보고서를 작성한다. 애플리케이션은 로컬에서 빌드되고 실행되며, 각 빌드는 Microsoft Execution Containers와 NVIDIA OpenShell을 기반으로 한 별도의 샌드박스에서 이루어진다. 제품 페이지에서는 이 격리가 호환되는 Windows 및 macOS 기기에 적용된다고 설명하며, Linux 버전도 제공한다. Replit은 가격이나 요금제를 밝히지 않았다.

🔗 X의 Replit 발표 · Replit Desktop 페이지

Google AI Studio, 데이터베이스·Google 로그인·Google Play 게시를 갖춘 완전한 Android 앱 생성

11월 17일 — Gemini 4 Carbon과 Hydrogen을 사용하는 Google AI Studio의 Build 에이전트는 프롬프트를 바탕으로 데이터베이스, 사용자 로그인, 인공지능 기능을 갖춘 Kotlin 애플리케이션을 만든다. 프롬프트에 이러한 요구 사항이 담겨 있으면 백엔드를 직접 프로비저닝하겠다고 제안한다. 보안 규칙을 갖춘 Cloud Firestore 데이터베이스, Google Sign-In을 사용하는 Firebase Authentication, Firebase AI Logic과 App Check를 통한 Gemini 모델 호출을 구성해 API 키가 APK에 포함되지 않게 한다. 지금까지 AI Studio에서 생성한 Android 앱은 로컬 세션에만 데이터를 보관했다. 이후 일반 Google 계정만 있으면 앱을 자신의 Google Play 라이브러리에 게시할 수 있다. AI Studio가 번들을 빌드하고 서명하면 사용자가 휴대전화에 설치하는 방식이다. 내장 에뮬레이터는 소리와 함께 HD 1200p로 화면을 스트리밍하며, 한 번의 클릭으로 화면 캡처를 프롬프트에 첨부할 수 있다.

🔗 Google AI Studio에서 Gemini로 풀스택 Android 앱 만들기


오픈 모델과 추론: OVHcloud의 Olala mini 7A1B, pi 하네스에 맞춘 Qwen3.8-27B, Together Compiler

OVHcloud, 유럽 공공 슈퍼컴퓨터에서 학습한 첫 LLM 제품군 모델 Olala mini 7A1B 발표

11월 17일 — OVHcloud가 첫 LLM 제품군인 Olala로 언어 모델 경쟁에 뛰어든다. 첫 모델인 Olala mini 7A1B는 총 70억 개의 매개변수 중 요청마다 10억 개를 활성화한다. 계층당 전문가 256개로 구성된 전문가 혼합(Mixture of Experts, MoE) 구조를 사용하며, Differential-TPA와 Mamba-3를 결합한 하이브리드 어텐션을 갖췄다. 유럽의 공공 슈퍼컴퓨터 Jupiter, MeluXina, Jean Zay에서 처음부터 학습했으며, OVH가 700만 유로 상당으로 평가한 컴퓨팅 시간 지원을 받았다.

발표된 사양Olala mini 7A1B
매개변수총 7B, 활성 1B
아키텍처MoE, 계층당 전문가 256개, Differential-TPA + Mamba-3
컨텍스트32 000 tokens (v1.1에서 128 000 예정)
발표된 처리량RTX A4500에서 160 tokens/s, GPU 없이 50 tokens/s
최소 GPU 메모리8 Go
발표된 라이선스Apache 2.0, Hugging Face에서 제공

가중치는 아직 Hugging Face에 올라오지 않았다. 보도자료는 모델이 Apache 2.0 라이선스로 가중치, 사전 학습된 기본 모델, 기술 보고서, AI Act 준수 문서와 함께 « 공개될 예정 »이라고 설명한다. 공식 출시는 11월 19일 OVHcloud AI Summit에서 예정돼 있다. 현재까지 공개된 벤치마크는 없다. 첫 고객으로 소개된 Qwant는 이미 빠른 답변 기능에 이 모델을 사용하고 있으며, OVH에 따르면 응답 속도는 20 % 빨라지고 운영 비용은 3분의 1로 줄었다. 후속 계획도 마련됐다. 연말까지 컨텍스트 128 000토큰과 개선된 수학적 추론을 제공하는 v1.1을 내놓고, 이후에는 매개변수 1,000억 개를 넘는 v2.0을 기업용 에이전트형 인공지능, 클라우드 DevOps, 사이버 보안에 맞춘 형태로 제공할 예정이다. OVHcloud 최고경영자 옥타브 클라바에 따르면 학습 비용은 3년 사이 20분의 1로 줄었으며, OVH는 오픈 모델을 확보하기 위해 소수 연구소의 호의에 의존하고 싶지 않다는 입장이다.

🔗 X의 OVHcloud 발표 · OVHcloud 보도자료

Qwen3.8-27B-pi-adapted: LoRA 어댑터로 pi 하네스에서 Qwen3.8-27B의 SWE-bench Pro 성적을 29,4 %에서 62,7 %로 향상

11월 17일 — Hugging Face 팀들이 이끄는 harness-hub 프로젝트가 Qwen3.8-27B-pi-adapted를 공개했다. Apache-2.0 라이선스의 LoRA 어댑터로, Qwen3.8-27B를 pi 코딩 에이전트 하네스의 모델로 사용하도록 특화한다. 하네스 안에서 직접 강화 학습(TRL의 비동기 GRPO)으로 학습했으며, 가중치는 Hub에 공개됐고 llama.cpp용 GGUF 버전도 제공된다.

측정한 벤치마크 (pi 하네스, pass@1)Qwen3.8-27B어댑터 적용 시작업당 도구 호출 수
SWE-bench Pro (가장 어려운 작업 51개)29,4 %62,7 %-55 %
Terminal-Bench 2.1 (작업 86개)39,5 %55,8 %-62 %
Terminal-Bench 2.1 (따로 남겨 둔 작업 68개)39,7 %55,9 %-64 %

팀은 체크포인트 선택에 사용하지 않은 Terminal-Bench 작업 68개를 따로 구분했으며, 이 작업들에서도 향상 폭은 16,2포인트였다. 다만 체크포인트 선택에는 SWE-bench Pro 점수도 사용됐다. 이는 11월 6일 소개한 프로젝트의 후속 작업이며, younes는 며칠 안에 다른 어댑터도 공개하겠다고 예고했다.

🔗 Qwen3.8-27B-pi-adapted 모델 카드 (Hugging Face) · X의 younes 발표

Together AI가 밝힌 Together Compiler의 탄생 과정, B200에서 기존 메가커널보다 28 % 빠른 성능

11월 16일 — Together Compiler 출시 2주 후, Together AI 연구팀이 설계 과정을 공개했다. 지난해에는 GPU 커널을 수작업으로 작성한 메가커널을 개발했지만, 올해는 이를 포기했다. 게시글에 따르면, 에이전트에게 모델 커널의 재작성과 융합을 맡기는 Together Compiler는 B200에서 수작업으로 작성한 메가커널보다 28 % 높은 성능을 낸다(Llama 3.2 1B에서 2 118 tokens/s 대 1 649 tokens/s). 메가커널은 빨랐지만 유연성이 너무 낮아, 수개월간의 노력 끝에 실제 운영에 사용된 것은 특정 모델, 배치 크기, 고객 하나를 위한 단 하나뿐이었다. NVIDIA의 두 기본 기능인 CUDA Graphs와 PDL을 사용하면 커널을 작성하지 않고도 메가커널 성능의 98 %를 달성할 수 있다.

측정 구성 (Llama 1B, H100)Tokens/s메가커널 대비 성능
Torch Compile (Inductor)669—
+ CUDA Graphs86487 %
+ 세밀하게 배치한 PDL97598 %
수작업으로 작성한 메가커널990100 %

에이전트 측면에서는 지식 기반을 제공했을 때 최종 속도 향상 폭이 19 % 줄어든 반면, 에이전트 간 잦은 소통과 최소한의 지시가 가장 좋은 결과를 냈다.

🔗 Together Compiler까지의 여정 (Together AI)


NVIDIA의 과학 분야 행보: Nemotron for Science, DKRZ가 채택한 Vera CPU 192개 플랫폼, DGX Spark HPC Developer Kit

Nemotron for Science, 과학 에이전트를 위한 모델·데이터·학습 지침 공개 패키지

11월 16일 — SC26에서 이언 벅이 과학 에이전트를 위한 공개 패키지 Nemotron for Science를 소개했다. 이 패키지는 멀티모달 모델 Nemotron 3.5 Super VL, 용해도와 대사에 관한 약 50 000개의 질문으로 구성된 새로운 화학 데이터셋 LitmusBench, 실험 데이터를 바탕으로 모델을 특정 분야에 맞게 조정하는 NeMo Gym 및 NeMo RL 사후 학습 지침을 결합한다. DGX Spark와 슈퍼컴퓨터 모두에서 활용할 수 있다. NVIDIA는 협력사들의 성과를 강조했다. Lila Sciences는 양자점 합성 정확도를 거의 두 배로 높여 GPT-6 Astra의 54 % 대비 61 %를 달성했으며, 추론 비용은 10~20분의 1이라고 밝혔다. Terray Therapeutics는 RxnScribe 평가에서 화학 반응 도식의 반응을 약 76 % 복원했다. KTH의 에이전트는 단일 DGX Spark에서 하룻밤 만에 작동에 실패한 GROMACS 구성의 81 %를 수정했다.

🔗 Nemotron for Science (NVIDIA) · 사후 학습 기술 게시글

DKRZ가 채택한 과학 계산용 Vera CPU 192개 랙 플랫폼

11월 16일 — NVIDIA가 Vera 프로세서를 GPU 가속을 사용하지 않는 시뮬레이션용 플랫폼으로 확장한다. 액체 냉각 랙 하나에 각각 Olympus 코어 88개를 갖춘 Vera CPU 192개를 탑재하며, 약 300 TB의 메모리와 총 200 TB/s 이상의 메모리 대역폭을 제공한다. NVIDIA의 시험에 따르면, Vera는 OpenFOAM 유동 시뮬레이션에서 x86 시스템 대비 1.9배의 성능과 2.4배의 와트당 성능을 달성한다. 첫 고객으로 발표된 독일 기후 컴퓨팅 센터(DKRZ)는 Bull이 구축하고 2028년 초 도입 예정인 슈퍼컴퓨터 HLRE-5에 이를 설치할 계획이다. 랙은 2027년 초부터 Dell, HPE, Lenovo, Supermicro를 통해 공급되며, NVIDIA는 새로운 Fortran 컴파일러 미리보기가 포함된 HPC SDK 26.11도 공개한다.

🔗 과학을 위한 Vera 플랫폼 (NVIDIA)

DGX Spark HPC Developer Kit, 연구자의 책상 위에 놓이는 DGX Spark 4대 클러스터

11월 16일 — NVIDIA가 스위치 없이 ConnectX-7으로 DGX Spark 4대를 고리 형태로 연결한 HPC 개발 키트를 선보였다. 총 512 GB의 메모리와 16 TB의 저장 공간을 갖춰 NVFP4로 최대 7 000억 매개변수 모델을 로컬에서 실행할 수 있다. 연구자는 슈퍼컴퓨터 사용 시간을 소모하기 전에 다중 노드 시뮬레이션을 개발하고 디버깅할 수 있으며, 4개 노드에서 LAMMPS와 NAMD를 실행하는 시연도 이뤄졌다. 이 키트는 Acer, ASUS, Dell, HP, Lenovo를 포함한 9개 제조사와 NVIDIA Marketplace에서 판매 중이며, 가격은 공개되지 않았다. HPC SDK를 설치하는 실행 지침은 곧 공개될 예정이다.

🔗 DGX Spark HPC Developer Kit (NVIDIA 블로그)


인공지능과 사이버 보안: NATO와 유럽 기관들이 OpenAI의 사이버 보안 모델 활용, GitHub와 Microsoft는 유지관리자에게 검증된 보고서 99건 전달

NATO와 유럽 기관들이 Daybreak를 통해 OpenAI의 사이버 보안 모델 활용

11월 17일 — OpenAI가 자사의 사이버 보안 모델이 이미 NATO와 여러 동맹국의 방어에 어떻게 쓰이고 있는지 상세히 공개했다. NATO 통신정보청(NCIA)을 통해 동맹의 핵심 기관들은 고급 사이버 보안 모델에 접근하며, 월 최대 3 000억 토큰을 사용했다. OpenAI는 Crossed Swords 2026 훈련도 지원했다. 이 훈련에 새로 도입된 교육 과정에서는 인간의 감독 아래 Daybreak를 활용해 사이버 작전용 인공지능 에이전트를 구축하고 평가했다. ENISA, ANSSI, 독일과 폴란드의 관련 기관들도 이 모델들을 이용할 수 있으며, 우크라이나는 민간 기반 시설을 보호하기 위해 Daybreak를 사용한다. 소개된 성과는 구체적이다. ENISA가 유럽 기관의 소프트웨어에서 발견한 취약점 4건이 수정됐고, CERT Polska는 MikroTik RouterOS의 취약점 6건을 발견했다. 또한 ENISA와 CERT-EU의 보고서에서는 시험한 모든 모델을 통틀어 유지관리자에게 제출한 잠재적 문제 88건 중 95 %가 실제 문제로 확인됐다. 게시글에는 계약 금액이 언급되지 않았다.

🔗 인공지능으로 NATO와 동맹국의 사이버 방어 강화 (OpenAI)

GitHub와 Microsoft, 수천 건의 인공지능 경고를 오픈 소스 프로젝트 6개의 검증된 보고서 99건으로 정리

11월 17일 — GitHub와 Microsoft가 유지관리자에게 쏟아지는 인공지능 생성 취약점 보고서에 대응하기 위해 설계한 시범 사업의 결과를 공개했다. Microsoft Security의 에이전트 기반 분석 실행 환경 Codename MDASH는 MAI Cyber 모델로 프로젝트 6개(AutoGPT, Caddy, Express, FastMCP, ImageMagick, Netty)를 검사하고 수정안을 제안했다. Copilot 스킬을 기반으로 구축된 GitHub Security Lab의 분류 에이전트가 중복과 오탐을 제거한 뒤, Microsoft FORGE Lab 연구자 7명이 남은 경고를 모두 수작업으로 검증했다. 프로젝트당 약 이틀이 걸렸다.

MDASH 시범 사업 단계공개 수치
원시 경고 (GitHub 게시물 기준)9 791
유지관리자에게 비공개로 전달한 보고서99
11월 15일까지 수정된 보고서55
이미 출시 버전에 반영된 수정 사항14

Caddy는 보고서 22건을 모두 일주일 이내에 해결했다. GitHub는 세 가지 교훈을 제시했다. 발견보다 수정이 더 중요하고, 인간의 검증은 여전히 필수지만 아직 대규모로 확대하기 어려우며, 유지관리자가 개념 증명을 검증하려면 사이버 보안 역량을 갖춘 모델이 필요하다는 것이다. GitHub Secure Open Source Fund의 기존 지원 프로젝트 모두에는 전달 전에 검증된 분석 결과와 Copilot Max 이용 권한이 제공될 예정이다.

🔗 유지관리자에게 필요한 것은 더 많은 인공지능 버그 보고서가 아니라 수정이다 (GitHub) · GitHub 게시물


인공지능과 로봇공학: Gemini 4 Hydrogen을 활용하는 Antigravity용 Robotics 플러그인, HubEgo-100K 동영상 데이터셋

Google, Antigravity용 Robotics 플러그인 출시 및 범용 로봇공학 모델 Gemini 4 Hydrogen 소개

11월 17일 — Google이 Antigravity를 로봇공학 작업 공간으로 확장한다. 새로운 Robotics 플러그인은 Gemini가 개발자를 대신해 실행하는 스킬을 모았다. USB 케이블 연결을 바탕으로 드라이버 설치, 카메라 감지, 로봇팔 보정 및 시험 동작을 수행하고, Antigravity에서 MuJoCo 장면을 구성하며, 인식과 폐루프 제어를 거쳐 완전한 애플리케이션을 생성한다. 핵심 모델은 Gemini 4 Hydrogen이다. 실제 6축 로봇팔이 일상적인 탁상 작업 8개를 연달아 수행하는 Artificial Analysis Robotics 0.1 평가에서 58점을 얻어, 더 낮은 토큰당 비용으로 Argon에 근접한 점수를 기록했다. ERQA에서는 공간 추론 능력에서 Gemini Robotics ER 2를 앞섰다. 시연은 작업에 필요한 시간을 보여 줬다. YAM 로봇팔은 약 10분 만에 보정됐고, 컨베이어 위 간식 분류기는 시뮬레이션에서 검증한 뒤 약 1시간 만에 배포됐다. Antigravity는 Google AI Pro와 Ultra 유료 구독자만 이용할 수 있으며, 모델은 Gemini API와 AI Studio에서도 사용할 수 있다.

🔗 로봇공학을 위한 Gemini Hydrogen (Google Developers) · Google DeepMind의 연속 게시물

Hub, 전문 작업의 1인칭 동영상 데이터셋 HubEgo-100K를 CC BY 4.0으로 공개

11월 16일 — Hub가 로봇 학습을 위한 숙련 작업의 1인칭 동영상 데이터셋 HubEgo-100K를 Hugging Face에 공개했다. 연구와 상업적 용도 모두 무료로 사용할 수 있다. 이름과 발표에서 제시한 목표는 100 000명 이상의 기여자가 제공하는 100 000시간이다. 처음 공개된 버전은 12 227명이 72시간 동안 직장이나 자택에서 수행하는 직업 활동을 촬영한 10 000시간 분량으로, RGB 영상과 관성 측정 장치 데이터를 포함한다. LeRobot 및 MCAP 형식으로 제공되며, CC BY 4.0 라이선스가 적용되고 접근 권한은 신청해야 한다. 분량보다 다양성에 중점을 뒀다. 작업 유형별 참여자 수의 중앙값은 250명이며, 전체 시간의 0.22 %를 넘게 제공한 사람은 없다. Hub는 로봇 정책의 일반화 능력이 주로 접한 환경과 사물의 수에 달려 있다는 ICLR 2025 발표 연구를 근거로 제시했다.

🔗 Hub의 X 발표 · Hugging Face의 HubEgo-100K 데이터셋


음성 인공지능: ElevenLabs, 음성 에이전트용 실시간 의료 전사 모델 Scribe v3 Live Medical 출시

11월 17일 — ElevenLabs가 Scribe v3 Live 출시 일주일 만에 의료용 버전을 공개했다. 환자, 피보험자, 의료진에게 실시간으로 응답하는 음성 에이전트를 위한 모델이다. 범용 모델이 가장 자주 잘못 인식하는 약물명, 용량, 의료 행위 등의 단어를 겨냥한다. 각 팀은 자체 용어를 최대 10 000개까지 등록할 수 있으며, ElevenLabs에 따르면 이를 통해 의료 용어 오류를 최대 48 % 줄일 수 있다. 모델은 여러 차례 나누어 불러 주는 번호가 끝날 때까지 기다리고, 통화 중 언어가 바뀌는 상황에도 대응한다. 90개 이상의 언어를 지원하며 지연 시간은 약 150 ms다.

시험 환경 (ElevenLabs 내부)Scribe v3 Live Medical
PriMock57 (WER)12,8 %
Fareez OSCE (의미 기반 WER)0,6 %
Eka Medical ASR11 % (Scribe v3 Live : 11,54 %)
MED-Term 영어 / 독일어 / 프랑스어2,24 % / 2,81 % / 3,24 %

ElevenLabs는 PriMock57에서 시험한 의료 모델 중 가장 낮은 오류율을 기록했으며, 차순위 모델보다 오류가 17 % 적었다고 밝혔다. 다만 경쟁 모델의 이름은 공개하지 않았다. 모델은 지금 바로 ElevenAgents에서 사용할 수 있으며, BAA 계약을 체결한 기업에는 HIPAA 적격 서비스로 제공된다.

🔗 Scribe v3 Live Medical (ElevenLabs)


기업 도입: Cognition, Devin의 가치를 측정하기 위해 McKinsey와 제휴

11월 16일 — Cognition이 대기업이 소프트웨어 엔지니어링에서 인공지능의 측정 가능한 가치를 얻도록 돕기 위해 McKinsey & Company와 제휴한다고 발표했다. Devin이 엔지니어링 작업을 담당하고, McKinsey는 고객이 우선 추진할 프로젝트를 선택하고 비용·속도·품질의 기준선을 정하며 팀을 재편하도록 돕는다. 게시글은 McKinsey가 2026년 2분기에 제품 및 엔지니어링 책임자 334명을 대상으로 실시한 설문조사를 근거로 제시했다. 가장 앞선 상위 4분의 1 조직은 생산성이 2배 넘게 향상됐다고 보고한 반면, 30 %는 하락했다고 답했다. Cognition은 세계적으로 시스템적 중요성이 높은 미국 은행 8곳 중 6곳과 미국 상위 건강보험사 6곳 중 3곳을 고객으로 두고 있으며, 비용을 최대 60 % 낮출 수 있다고 밝혔다. 첫 사례로 소개된 폴란드 소프트웨어 업체 Comarch는 Devin을 활용해 20년 된 ERP XL을 18개월에 걸쳐 현대화하고 있다. 금액은 공개되지 않았다.

🔗 Cognition과 McKinsey (Devin 블로그)


단신

NVIDIA

  • 국가 안보 및 수출 위원회 — NVIDIA는 실적 발표 당일 이사회 상설 위원회를 신설했다. 위원장은 수잰 노라 존슨이며 스티븐 C. 닐과 존 O. 다비리가 참여한다. 국가 안보팀과 무역 규정 준수팀은 이 위원회와 임시 최고경영자에게 보고한다. 🔗 출처
  • 기판 및 패키징 — Kinsus는 NVIDIA 전용 ABF 기판 생산 능력을 3.5배 이상으로 확대할 예정이며(2027년 하반기 생산), SPIL은 NVIDIA의 수십억 달러 자금 지원으로 첨단 패키징을 확장하고, Amkor와의 계약 규모는 30억 달러에 육박한다. 🔗 출처
  • IBM, Fermilab과 양자 컴퓨팅 — Nighthawk 프로세서 기반 장비를 포함한 IBM 양자 컴퓨터 옆에 DGX B200이 설치되어, 오류 정정과 고에너지 물리학을 위한 공동 설계 플랫폼을 구성한다. 🔗 출처

이미지 및 창작

  • Midjourney — 편집 모델에 이제 무드보드, 스타일 코드와 스타일 참조 이미지를 적용할 수 있다. 프롬프트 입력줄에 이미지를 놓고 스타일을 추가하기만 하면 되며, 프롬프트를 작성할 필요가 없다. 알파 사이트에는 ‘스타일 변경’ 메뉴가 추가된다. 🔗 출처
  • Ideogram Print on Demand Studio — 인쇄 상품 판매자를 위한 공간으로, 트렌드 파악부터 디자인 제작, 벡터화 또는 확대, 인쇄 준비, 상품에 적용한 모습 확인까지 Ideogram의 벡터 모델로 처리한다. 요금이나 이용 상품은 공개되지 않았다. 🔗 출처
  • Luma의 Laya — Luma가 보드 정리 도구의 작동 방식을 설명했다. 주 에이전트 Orca가 하위 에이전트 Laya에 정리를 맡기면, Laya는 묶음을 결정하고 위치 계산은 코드에 맡긴다. 이 계산을 수정한 뒤 한 테스트의 실행 시간이 195초에서 22초로 줄었다. 🔗 출처

코딩 에이전트 및 CLI

  • Codex CLI 0.171.0-alpha.12 — 변경 사항 설명이 비어 있는 사전 출시 버전 3개가 나왔다. 커밋 제목에 따르면 터미널에 사이드바의 문서 및 이미지 미리보기, 입력창의 실행 취소, 사용자 지정 상태 줄 생성 기능이 추가된다. 11월 17일 저녁에는 수정 사항을 담은 안정 버전 0.169.1이 릴리스 노트 없이 뒤이어 출시됐다. 🔗 출처
  • Qwen Code v0.28.0 — Qwen4-Max 지원(기본 제공 추론 강도 설정, 캐시 TTL)이 추가됐다. 헤드리스 모드, 터미널 인터페이스와 하위 에이전트가 기본적으로 동일한 에이전트 루프를 사용하며, Web Shell에서 관리형 작업 트리의 세션을 지원한다. 🔗 출처
  • Kimi Code 2.6.3 — 수정 사항 6개가 포함됐다. 외부 Stop 훅이 다시 매 응답 후 실행되고, 백그라운드 작업 알림이 세션을 재개할 때 더 이상 새 응답을 유발하지 않으며, Windows에서 WebBridge 데몬이 업데이트된다. 🔗 출처
  • Delta Personal Runners — 에이전트로 코딩하는 Zed의 환경인 Delta에서, 각 대화 차례가 자신의 컴퓨터에서 실행되는 대화를 휴대전화를 포함한 다른 기기로 제어할 수 있다. delta runner serve은 그래픽 인터페이스가 없는 서버에서 같은 기능을 제공한다. 요금은 발표되지 않았다. 🔗 출처
  • Devin 릴리스 노트 — 사이드바에 구독하여 추적하는 세션이 표시되고, 보관 기능은 ‘완료로 표시’로 대체된다. Phonebook 디렉터리는 각 구성원의 계정 정보(Slack, Teams, Git, Jira, Linear)를 연결하며, 보안 발견 사항을 CSV로 내보낼 수 있다. 🔗 출처
  • Gemini CLI — 11월 10일 이후 여전히 새 릴리스가 없는 가운데, main 브랜치는 이제 re2js를 사용해 정책 규칙의 정규 표현식을 선형 시간에 평가하며 명령어 수를 2,000개로 제한한다. 전방 탐색이나 역참조가 포함된 규칙은 무시된다. 🔗 출처
  • DeepSeek Harness 0.2.2-rc.4 — 안정 버전 없이 나온 40번째 사전 출시 버전으로, 모델의 예상치 못한 응답 처리와 데스크톱 앱의 LiveShare 공유에 관한 수정 2개만 포함됐다. 🔗 출처

GitHub의 기타 새 소식

  • 요청 시 비밀 정보 검사 — 사용자가 활성화하면 Copilot의 security-review 전문 에이전트가 GitHub의 비밀 정보 탐지기 500여 개와 미세 조정 모델을 실행해 진행 중인 변경 사항을 검사한다. CLI, 앱, SDK와 코드 검토에서 공개 미리보기로 제공된다. 🔗 출처
  • 하네스 비교 — Copilot의 벤치마크 사이트는 동일한 모델과 동일한 추론 강도로 Copilot CLI를 Claude Code 및 Codex CLI와 비교해 작업 해결률과 작업당 비용을 보여 준다. 변경 기록에는 구체적인 수치가 없다. 🔗 출처
  • GitHub Event Streams — 대기 명단을 통해 제공되는 미리보기 기능으로, 에이전트가 풀 리퀘스트를 구독하면 검토, 커밋, 충돌과 CI 변경 사항을 실시간으로 받는다. API를 반복 조회하거나 공개 웹훅을 노출할 필요가 없다. 🔗 출처
  • Microsoft Agent 365 — Enterprise Managed Users를 사용하는 GitHub Enterprise Cloud 기업 고객은 이 서비스로 Copilot 에이전트 활동을 전송할 수 있으며, 프롬프트, 응답, 도구 호출과 위험 신호가 Purview 및 Defender에 포함된다. 🔗 출처
  • Agent Host Protocol — 기기 간에 에이전트 세션을 이동시키는 프로토콜의 구축 과정을 설명한 엔지니어링 글이 나왔다. VS Code용 TypeScript 호스트와 GitHub용 Rust 호스트라는 독립적인 두 호스트와 6개 언어의 라이브러리를 갖췄다. 🔗 출처
  • GitHub MCP 서버 2.2.0 — 서버 지침이 필터링된 MCP 스킬로 대체되고, 비밀 정보 검사 알림 도구에서 비밀 정보를 숨길 수 있게 됐으며, 에이전트 자동화를 위한 새로운 공개 도구가 추가됐다. 🔗 출처
  • 플러그인을 통한 사용자 지정만 허용 — 관리형 설정 strictPluginOnlyCustomization을 통해 기업 관리자는 Copilot의 스킬, 에이전트, 훅, MCP 서버와 확장 기능을 플러그인이나 관리형 설정에서만 가져오도록 요구할 수 있다. 🔗 출처
  • 11월 9일 Copilot 요약 — GitHub Copilot 앱에 클라우드 또는 Codespace 세션을 휴대전화에서 이어 가기 위한 QR 코드, 대화를 벗어나지 않고 MCP 서버에 다시 연결하는 기능, 프랑스어를 포함한 다국어 음성 입력이 추가된다. 🔗 출처
  • Dependabot — 위임 방식의 알림 해제 요청이 기존 1주 대신 1년 동안 열린 상태로 유지된다. github.com에 먼저 적용되고 이후 GHES 3.24에 적용된다. 🔗 출처

모델, 연구 및 Hugging Face

  • You.com과 Lebrel의 Qwen4-Max — OpenRouter, Vercel과 Novita AI에 이어, Qwen이 You.com에서 Qwen4-Max를 제공한다고 발표했다. 이후 Lebrel에서도 에이전트 기반 코딩용으로 제공되며, 가격이나 이용 상품은 공개되지 않았다. 🔗 출처
  • TRL v1.18.1 — 수정 버전으로, Python 3.15에서 CLI가 정상 작동하도록 고쳤다. 정확도 보상 계산은 별도 프로세스에서 수행해 비정상적인 응답이 훈련을 멈추지 않도록 했다. 🔗 출처
  • MecCog Challenge — Hugging Face와 CASP 창립자들이 2027년 1월 15일까지 알츠하이머병에서 APOE4의 역할에 관한 가설 5개를 관련 문헌과 연결하는 대회를 연다. 사람과 에이전트 모두 참가할 수 있으며, 결과는 학술지에 게재된다. 🔗 출처
  • OpenRouter의 Auto Router — 제작자가 자체 라우터도 제공하는 벤치마크 AutoBench에 따르면, 새로운 Auto Router는 high 설정에서 65.2%의 경우에 적절한 모델을 선택한다. 기존 라우터는 79.1%였으며, 새 라우터의 다른 설정은 무작위 선택 수준에 머문다. 🔗 출처
  • 검열되지 않은 모델의 에이전트 활용 — 이러한 모델에 대한 접근권을 판매하는 OpenUncensored가 모델 32개에 도구를 사용하는 작업 5개를 수행하게 했다. 가장 우수한 기반 모델에서 파생된 모델들은 작업의 38%를 완료했고, 나머지는 28%를 완료했다. 🔗 출처
  • TuHaMa — Turkish NLP Suite가 포럼 Ekşi Sözlük에서 수집한, 12개 집단을 겨냥한 터키어 혐오 발언 예시 52,000개를 공개했다. 모델의 문화적 이해도를 평가하는 테스트로 제시됐다. 🔗 출처
  • CUDA C++로 구현한 TRELLIS.2 — 수바디티아 무케르지가 Claude에 이 3D 모델을 CUDA C++로 다시 작성하게 했다. PyTorch 구현보다 5.3배 빠르며, 비트 단위로 동일한 결과를 내는 조건에서는 2.2배 빠르다. 비용은 AI 사용료 약 7달러와 H200 연산 비용 60달러였다. 🔗 출처
  • AI Model Hacking Hackathon — VIDRAFT가 브라우저에서 진행하는 ViKernel 레드팀 대회를 4개 시즌으로 열며, 상금은 4,500달러다. 🔗 출처

로봇 공학

  • LeWAM — 케보르크 술라히안이 GPT-6 Astra에 가중치를 직접 편집해 로봇 정책 LeWAM을 수정하도록 요청했다. 이전에 보지 못한 시작 조건 300개에서 수정안 7개 중 어느 것도 원래 정책보다 나은 성과를 내지 못했다(-2.3~+3.0점). 🔗 출처
  • FiftyOne용 TartanGround — Voxel51이 CMU AirLab 데이터 세트의 지상 로봇 궤적 6개(병원, 항구, 습지, 일본 도시, 공장, 도심)를 카메라, 분할, 라이다, 자세 및 IMU 데이터를 포함해 변환했다. 🔗 출처

음성 AI

  • PostNord와 ElevenAgents — 북유럽 우편 사업자가 약 90일 만에 스웨덴어 자동 음성 응답 시스템을 다중 에이전트 시스템으로 교체했다. 상담 전환 없이 해결된 통화 비율이 45%에서 60%로 늘었으며, 이후 덴마크, 노르웨이와 핀란드로 확대할 예정이다. 🔗 출처
  • Together AI의 Wonderful — Wonderful은 지원이 부족한 언어에 맞게 미세 조정한 자체 음성 모델을 유럽 내 NVIDIA 전용 GPU에서만 서비스한다. Together AI에 따르면 첫 문장이 나오기까지 274 ms가 걸린다. 🔗 출처

기업 및 기관

  • Revolut과 Codex — OpenAI가 공개한 사례 연구에서 Revolut은 Codex로 코딩 시간을 30~60% 줄였다고 밝혔다. 또한 FinCrime 에이전트에 1차 검사를 맡기되 최종 결정은 사람이 내린다. 🔗 출처
  • SpaceXSI의 Grok Bots — Grok Bots 5개가 회계팀의 청구 및 수금 업무 전 과정을 담당한다. SpaceXSI에 따르면 청구서 발행은 약 24시간에서 몇 분으로, 결제 대사는 3~4시간에서 30분으로 단축됐다. 🔗 출처
  • OpenAI for Chile — 칠레 과학부와 행정 분야의 AI 활용, 공무원 교육 및 스타트업 지원을 모색하는 양해각서를 체결했다. 투자나 구매 약정은 없다. 🔗 출처
  • Cohere North의 Crunchbase — PitchBook에 이어 North의 에이전트들이 700만 개가 넘는 기업 프로필과 Crunchbase의 예측 정보에 접근할 수 있게 됐다. Crunchbase 라이선스와 통합 인증을 사용하는 고객이 대상이다. 🔗 출처
  • Perplexity의 RAG 가이드 — 10월 이후 다섯 번째로 나온 검색 증강 생성 가이드로, 이점, 아키텍처, 활용 사례와 LLM 단독 사용, MCP 또는 API와의 차이를 다룬다. 제품의 새로운 기능은 없다. 🔗 출처

이것이 의미하는 바

작업당 비용이 모델 출시의 핵심 홍보 요소가 되고 있다. OpenAI는 GPT-6.2를 단일 최고 기록이 아니라 더 적은 토큰으로 높인 점수와 낮아진 Astra 가격을 내세워 판매하며, 기다릴 수 있는 에이전트에는 더 저렴한 2시간 및 8시간 실행 시간대도 추가한다. Microsoft는 MAI Code 2가 Claude Opus 5.5의 96% 성능을 5% 비용으로 제공한다고 소개하고, GitHub는 Copilot Fusion이 Fable보다 88% 저렴하면서 Opus 5.5와 Fable 5.2보다 앞선다고 제시하며, Perplexity는 WANDR의 각 점수 옆에 작업당 비용을 표시한다. 이러한 비교는 여전히 업체들이 각자의 조건에 따라 제시한 것이다. MAI Code 2에는 프로모션 가격이 적용됐고, OpenAI는 각 모델의 최적 구성을 사용했으며, Fable 5.2는 Intelligence Index와 FrontierCode 2.0에서 여전히 선두를 지킨다.

에이전트의 역할이 개별 작업에서 목표 달성으로 이동하고 있다. Devin Bots는 책임을 맡고, Replit Missions는 예산 안에서 달성할 결과를 부여받으며, Gemini Tasks는 전화를 걸고 결제할 권한을 받고, Multiagent는 하나의 사안을 여러 모델로 구성된 팀에 분배한다. 이러한 자율성과 함께 안전장치의 성격도 달라진다. Replit의 미션 계약에 포함된 지출 상한과 승인 절차, Gemini의 지출 한도와 허용된 매장, 작업마다 격리된 가상 머신, Cognition의 ‘사용자 도움 필요’함 등이 그 예다. Android Bot의 PR 1,134개나 NumPy 에이전트 군집의 19배 같은 수치는 업체들이 자체 프로젝트에서 얻어 발표한 것이다.

모델은 서로 바꿔 쓸 수 있게 되고, 가치는 모델을 선택하고 요금을 청구하는 계층으로 옮겨간다. Perplexity의 Orchestrator는 공급업체를 오가며, 모델이 거부한 작업을 다른 모델에 맡겨 거부를 우회하기도 한다. Multiagent와 Copilot Fusion은 경쟁 모델들을 조합하고, Claude Platform의 연동 결제를 이용하면 API 키를 넘기지 않고 Warp, Linear 또는 Ramp에서 Anthropic API 사용료를 지불할 수 있다. 공개 모델에서도 같은 논리가 작은 규모로 작동한다. 특정 하네스에서는 간단한 LoRA 어댑터만으로 SWE-bench Pro의 가장 어려운 작업 51개에 대한 Qwen3.8-27B 점수가 두 배 이상 높아지고, OVHcloud는 다른 곳에서 공개한 가중치에 의존하지 않기 위해 유럽의 공공 슈퍼컴퓨터에서 Olala를 훈련한다.

사이버 보안은 이러한 역량이 우려를 낳는 동시에 유용하게 쓰이는 분야로 남아 있다. GPT-6.2는 사이버 분야에서 Critical 기준에 도달하고, Astra의 경우 AI 자기 개선 분야에서도 High 기준에 도달해 더 엄격한 안전장치가 적용되며, 이는 정당한 연구자들의 활동까지 방해한다. 동시에 OTAN, ENISA와 ANSSI는 OpenAI의 사이버 모델을 사용하고 있으며, GitHub와 Microsoft의 MDASH 시범 사업은 AI가 생성한 경고가 선별·검증되고 수정안과 함께 전달돼야만 유지관리자에게 도움이 된다는 점을 보여 준다. 수천 건의 경고 중 채택된 보고서는 99건이며, 그중 55건은 이미 수정됐다.


출처