검색

Anthropic, 기업공개 공모가 83달러로 확정, OpenAI 에이전트가 2~4시간 작업의 46 %를 단독 완수, Ideogram 4.6 네이티브 4K 지원

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 사용하여 프랑스어에서 한국어로 번역된 기사.

GitHub에서 프로젝트 보기 ↗

Anthropic이 기업공개 공모가를 당초 제시한 70~78달러보다 높은 주당 83달러로 확정했다. 공모 물량은 9억 8,000만 주로 늘어났으며, Nasdaq에서 ANT라는 종목 코드로 거래될 예정이다. OpenAI는 에이전트를 통한 연구 가속화에 관한 새로운 측정 결과를 공개했다. 에이전트는 이제 사람이 두 시간에서 네 시간 걸릴 작업의 46 %를 개입 없이 완수하며, Codex 에이전트가 ChatGPT의 속도 저하를 추적하는 방식도 소개했다. Ideogram 4.6은 네이티브 4K로 이미지를 생성하고, Gemini 4 Neon은 CursorBench 4.1에서 선두에 오르며 GitHub Copilot에도 도입됐다. Genie 4는 초당 약 0,10달러에 개발자에게 개방됐으며, Mac용 Gemini 애플리케이션은 컴퓨터를 사용하는 기능을 갖추기 시작했다.


금융: Anthropic, 기업공개 공모가를 주당 83달러로 확정

11월 18일 — Anthropic은 클래스 A 주식의 기업공개 공모가를 주당 83달러로 확정했다. 이는 11월 10일 투자자 대상 설명회(로드쇼)를 시작하면서 제시한 70~78달러 범위를 웃도는 가격이다. 공모 규모도 당초 8억 2,500만 주에서 9억 8,000만 주로 늘어났다. Anthropic이 956 351 354주를, 기존 주주가 23 648 646주를 매각하며, 기존 주주의 매각 대금은 회사에 귀속되지 않는다. 주관 은행에는 추가로 1억 4,700만 주를 매입할 수 있는 30일간의 옵션이 부여된다.

공모 항목11월 10일 발표11월 18일 확정 가격
주당 가격70~78달러83달러
공모 주식 수825 000 000980 000 000
그중 Anthropic 매각분801 351 354956 351 354
그중 기존 주주 매각분23 648 64623 648 646
은행 옵션(30일)123 750 000147 000 000

SEC는 11월 18일 증권신고서의 효력을 인정했다. 첫 거래는 11월 19일 Nasdaq Global Select Market에서 ANT라는 종목 코드로 시작될 예정이었으며, 공모 절차는 11월 20일 마무리될 예정이었다. Anthropic은 조달 금액이나 기업가치를 공개하지 않았다. 발표 자료의 수치로 계산하면, 확정 공모가를 기준으로 회사가 매각하는 956 351 354주의 총매각대금은 비용 공제 전 약 794억 달러다. 프랑스를 포함한 유럽경제지역의 개인 투자자에게 적용되는 유럽 투자설명서에는 최종 공모가가 미국 공모가와 동일하도록 규정돼 있었다.

11월 19일 @AnthropicAI는 짧은 동영상을 게시한 뒤 다리오 아모데이의 글을 공개했다. 그는 다니엘라 아모데이와 함께 아버지를 병으로 잃었으며, 그 병은 몇 년 뒤 치료할 수 있게 됐다고 회고했다. 그는 충분히 강력한 인공지능이 인간과 협력하면 과학과 의학의 한 세기에 걸친 진전을 10년으로 압축할 수 있다고 본다. 다만 현재 결과는 여전히 예비 단계라고 덧붙였다. 그는 개인이나 국가의 악용, 경제적 격변, 시스템 통제력 상실이라는 위험도 명시했다. 또한 모델의 안전성과 인간의 통제를 보장하는 데 필요한 만큼 훈련과 배포 속도를 조절하겠다고 약속했다.

We will not bend to either business or political pressure.

🇰🇷 우리는 상업적 압력에도 정치적 압력에도 굴복하지 않을 것입니다. — X의 @AnthropicAI

다리오 아모데이는 이번 기업공개가 회사의 재무 기반과 그에 따른 결의를 강화한다고 보며, ‘더 높은 수준을 향한 경쟁’(상향 경쟁)이라는 생각을 다시 제시했다.

🔗 기업공개 공모가 발표(Anthropic) · X의 @AnthropicAI: 확정 공모가


OpenAI에서 일하는 에이전트: 연구 가속화 보고서와 Performance Factory

11월 18일 — 첫 보고서를 발표한 지 두 달 만에 OpenAI가 자사 에이전트의 연구 가속화 효과를 새롭게 측정한 결과를 공개했다. 제목은 그 결론을 요약한다. 역량의 경계는 들쭉날쭉하다(불균등한 경계). 사람이 두 시간에서 네 시간 걸릴 것으로 추정한 작업을 에이전트가 개입 없이 완수하는 비율은 3월부터 10월 사이 23 %에서 46 %로, 네 시간에서 여덟 시간 걸리는 작업은 13 %에서 35 %로 올랐다. 결과는 작업에 따라 달랐다. 훈련 모니터링의 성공률은 79 %, 기술 질문에 답하는 작업은 72 %였지만, 추론 및 서비스 제공용 코드를 작성하는 작업은 25 %에 그쳤다. OpenAI는 모델이 바뀌는 동안 맡긴 작업도 달라졌을 수 있다고 지적했다.

OpenAI 내부 지표공개된 수치
도움 없이 성공, 2~4시간 작업3월 23 %, 10월 46 %
도움 없이 성공, 4~8시간 작업3월 13 %, 10월 35 %
연구원 1인당 일일 에이전트 지출 중앙값10월 2 400달러(+62 %)
지출의 90백분위수10월 23 000달러(+105 %)
연구원 1인당 일일 에이전트 작업 일수0,5에서 5,7로
안전성과 정렬에 투입한 기록상 시간1월부터 9월까지 +77 %
OECI 지수에서 OpenAI 모델의 역량 경계연간 +16,4포인트, Epoch의 관측치는 14포인트

지출은 API 정가를 기준으로 계산했으며, 연구원에게는 사용 한도가 없다. 연구원 1인당 에이전트 작업 시간은 11배로 늘었다. 10월 중순에는 추적 대상 연구원의 3분의 2 이상이 하루 중 사용량이 가장 많은 시간대에 최소 네 개의 에이전트를 동시에 실행했다. 9월에는 이러한 사용의 금전적 가치가 연구 조직의 주식 보상을 제외한 보수 총액의 약 두 배에 달했다. 반면 내부 배포에 쓰이는 연산 자원은 연구용 연산 자원의 2 %에 불과했다.

보고서는 아이디어의 출처도 추적했다. GPT-6.2 Astra의 경우 사전 훈련 연구원들이 Codex와 대화하며 일부 아이디어를 발전시켰고, 한 연구원은 핵심적인 통찰을 Codex 덕분에 얻었다고 평가했다. GPT-6 Astra의 아이디어는 전적으로 인간에게서 나왔다. 설문에 참여한 연구원들은 GPT-5.2보다 뛰어난 코딩 에이전트를 석 달 동안 사용할 수 있다면, 중앙값 기준으로 팀 인력의 40 % 또는 연산 자원의 30 %를 포기할 의향이 있다고 답했다. 인터뷰에서는 한계도 드러났다. 연구 아이디어를 보는 안목이 부족하고, 코드 품질이 낮으며, 불필요한 단계를 거치는 일이 있어 인간의 면밀한 감독이 필요했다.

안전성과 정렬에 투입한 시간은 모든 분야 중 절대 증가 폭이 가장 컸으며, 7월 Hugging Face 사건 이후 증가세에 변화가 나타났다. OpenAI는 Epoch Capabilities Index에서 파생한 지수인 OECI도 도입했다. 자사 모델은 Epoch 지수보다 OECI에서 더 좋은 평가를 받았으며, OpenAI는 아마도 벤치마크 구성의 차이 때문이라고 설명했다. 마지막으로, 인공지능이 미래 시스템의 개발을 가속하는 과정인 재귀적 자기 개선(recursive self-improvement, RSI)의 지표를 연구소가 추적하고 공개하도록 의무화해야 한다고 주장했다. 다만 이번 공개를 완전한 RSI를 목표로 삼겠다는 의도로 읽어서는 안 된다고 밝혔다. 보고서는 수치가 부분적인 현황을 보여주며 일부는 자기 보고에 기반한다고 설명했다.

🔗 연구 가속화: 들쭉날쭉한 역량의 경계(OpenAI) · X의 @OpenAI

OpenAI, Codex 에이전트가 ChatGPT의 속도 저하를 조사하는 Performance Factory 공개

11월 19일 — OpenAI의 엔지니어링 블로그는 에이전트에게 맡긴 작업의 구체적인 사례를 소개했다. Performance Factory는 Codex 에이전트가 ChatGPT의 성능 저하를 추적하는 클라우드 기반 자율 시스템이다. 경보가 발생하면 작업이 생성되고, 한 에이전트가 원인을 추적하며, 다른 에이전트가 pull request 형태로 수정안을 제안한다. 엔지니어가 병합 여부를 결정하면, 배포 후 에이전트가 지표가 정상으로 돌아왔는지 확인한다. 이 첫 작업 흐름은 석 달이 조금 넘는 기간 동안 1 700건 이상의 조사를 추적하고 600건 이상에서 원인을 찾아냈다. 하루 평균 17건의 자동화된 조사에 해당한다.

팀의 노하우는 공유 스킬인 perf-forensics에 담겨 있으며, 30개가 넘는 성능 도구 중 어떤 도구를 사용할지 Codex에 알려준다. 에이전트가 처음 발견한 그럴듯한 설명에 머물지 않도록, 두 번째 Codex 세션이 각 진단을 반박하려 시도한다. 사람이 검토한 원인 100건 중 70 %가 정확한 것으로 판정됐다. OpenAI는 수정이 여전히 가장 어려운 단계라고 인정했다. 성능 저하의 선제적 탐지와 위험이 낮은 수정안의 무인 배포도 검토하고 있지만, 일정은 제시하지 않았다.

🔗 OpenAI의 Performance Factory가 ChatGPT의 속도를 유지하는 방법 · @OpenAIDevs 스레드


생성형 이미지와 동영상: Ideogram 4.6의 네이티브 4K, Kling 4.0의 4K와 10비트 HDR

11월 19일 — Ideogram이 확대 처리(upscaling) 없이 직접 4K 이미지를 생성하는 새 이미지 모델 Ideogram 4.6을 출시했다. 피부부터 직물까지 모든 세부 요소가 전체 해상도로 생성된다. Ideogram은 이미지의 ‘인공지능 특유의 느낌’과 밀랍 같은 피부를 없애기 위해 눈에 보이는 모공, 잔주름, 자연스러운 질감을 구현하는 데 주력했다고 밝혔다. 또한 전자상거래와 제품 사진을 겨냥해 색상과 소재의 충실도가 크게 향상됐다고 발표했다.

편집은 여전히 모델의 핵심이다. 수정 영역 밖에서 발생하는 픽셀 변동(pixel drift)이 크게 줄었고, 스케치에서 이미지를 생성할 때 원래 그림을 더 충실하게 반영한다. Ideogram은 4.6이 Rapidata의 다단계 이미지 편집(Multi-step Image Edit) 순위에서 Seedream 5.5와 FLUX 3 Image를 비롯한 모든 모델을 제치고 1위를 차지했다고 주장했지만, 점수는 제시하지 않았다. 4.5도 이미 11월 10일 Rapidata의 연속 편집 순위에서 선두라고 주장한 바 있다.

Ideogram 4.6 이용 경로발표 내용
Ideogram 애플리케이션과 API11월 19일부터 이용 가능
파트너 플랫폼(12)Leonardo, Runway, fal, Comfy, Runware, Scenario, Invideo, MyDesigns, Sociaro, Moda, HeyGen 및 Luma
요금발표에 요금 정보 없음
공개 가중치4.6 공개 버전 출시 약속, 일정 미정

가중치 공개와 관련해서는 Ideogram이 계획을 바꿨다. 9월 30일부터 ‘곧’ 공개한다고 예고했던 4.5의 가중치에 관한 질문에, 4.5를 건너뛰고 바로 4.6의 공개 버전으로 넘어가겠다고 답했다. 날짜는 제시하지 않았다. Ideogram 4.0의 가중치는 6월 3일 공개됐다.

We’ll skip 4.5 open and go directly to 4.6 open.

🇰🇷 4.5의 공개 버전은 건너뛰고 바로 4.6의 공개 버전으로 넘어갈 예정입니다. — X의 @ideogram_ai

🔗 X의 Ideogram 4.6 발표

Kling 4.0, 네이티브 4K와 10비트 HDR 출력 지원

11월 19일 — 동영상 분야에서도 같은 움직임이 나타났다. Kling은 Kling 4.0이 이제 네이티브 4K 해상도와 10비트 HDR 출력을 지원한다고 발표했다. HDR 출력은 4K와 1080p 모두에서 지원되며, 더 세밀한 묘사와 풍부한 색상을 제공한다. 이 HDR 출력은 Kling 4.0이 전면 제공되기 시작한 10월 15일 ‘곧’ 지원하겠다고 예고됐지만, 당시 날짜는 없었다. Kling 3.0은 이미 4월 23일부터 네이티브 4K 생성을 지원했다. 이번 발표는 트윗 하나에 그쳤으며, 블로그 글, 릴리스 노트, 크레딧 요금, 최대 길이, API 관련 설명은 없었다.

🔗 X의 Kling 발표


Cursor와 GitHub Copilot에 도입된 Gemini 4 Neon: CursorBench 4.1 선두, Pro+, Max, Business, Enterprise에서 이용 가능

11월 18일 이곳에서 다룬 Google의 출시 발표 후 몇 시간 만에 Gemini 4 Neon이 외부 코딩 도구에도 도입됐다. Cursor와 GitHub Copilot은 11월 18일 저녁부터 제공을 시작했으며, Genspark와 Antigravity CLI는 19일 뒤를 이었다(단신 참조).

Cursor, Gemini 4 Neon 제공 시작, Extra High 추론 수준에서 CursorBench 4.1 65,4 %로 선두

11월 18일 — Cursor에 따르면 Gemini 4 Neon은 기본 추론 수준에서 CursorBench 4.1의 비용 대비 성능 경계를 새롭게 확장했다. 점수는 63,7 %로, Gemini 4 Hydrogen의 57,3 %보다 높다. 일상적인 에이전트 기반 코딩에서는 Hydrogen을 대체하며, 가장 어려운 작업에는 여전히 Gemini 4 Carbon을 권장한다. CursorBench 4.1은 같은 날 공개된 새 벤치마크 버전으로, 지시 이행 문제가 수정되고 에이전트에 허용된 시간이 늘었다. 따라서 이 점수는 11월 초 Carbon과 Hydrogen에 대해 공개된 CursorBench 4.0 점수와 비교할 수 없다.

모델과 추론 수준(CursorBench 4.1)점수작업당 평균 비용
Gemini 4 Neon Extra High65,4 %10,67달러
Gemini 4 Neon High63,7 %6,54달러
Gemini 4 Carbon High61,5 %8,52달러
Gemini 4 Hydrogen Extra High61,4 %8,09달러
Claude Fable 5.2 Max61,3 %48,11달러
Gemini 4 Carbon Medium60,4 %7,22달러
Claude Fable 5.2 Extra High58,8 %17,84달러
Claude Opus 5.5 Max58,1 %11,88달러
Gemini 4 Neon Medium57,7 %3,07달러
Gemini 4 Hydrogen High57,3 %4,57달러

Cursor에서 Neon(gemini-4-neon, 컨텍스트 200K 토큰, 최대 1M)의 요금은 100만 토큰당 입력 3달러, 캐시 읽기 0,15달러, 출력 15달러다. 다른 외부 모델과 마찬가지로 기본 제공 사용량에는 포함되지 않는다. The X Subscription의 선불 크레딧이나 기존 Cursor 요금제의 ‘Other Models’ 잔액에서 차감된다.

🔗 X의 Cursor 발표 · CursorBench 표(Cursor)

Gemini 4 Neon이 Copilot Pro+, Max, Business, Enterprise용 GitHub Copilot에 출시

11월 18일 — GitHub가 Copilot에서 Gemini 4 Neon을 정식 출시하며, 에이전트 기반 코딩, 여러 단계의 도구 사용, 지적 작업을 위해 설계된 모델로 소개했다. 변경 기록에는 Google의 설명이 그대로 담겼다. 작업당 토큰 비용을 줄이면서 Gemini 4 Carbon에 가까운 품질을 제공하고, 응답을 더 빠르게 시작하며, 요청하지 않은 코드 수정과 도구 또는 테스트 결과에 대한 근거 없는 주장을 줄였다는 내용이지만, 이를 뒷받침하는 수치는 제시하지 않았다.

Neon은 Copilot Pro+, Max, Business, Enterprise 구독자에게 제공된다. Gemini 4 Hydrogen이 11월 13일부터 제공됐던 Pro 요금제는 언급되지 않았다. VS Code, Visual Studio, Copilot CLI, 코딩 에이전트, GitHub Copilot 앱, github.com, GitHub Mobile, JetBrains IDE, Xcode, Eclipse의 10개 환경에서 사용할 수 있다. 공급업체의 공시 요금에 따라 사용량 기준으로 과금되며, 단계적으로 배포된다. 기업에서는 새 모델의 기본 활성화 설정이 유지되는 한 자동으로 활성화되며, 관리자가 해당 모델을 비활성화한 경우는 제외된다.

🔗 GitHub Copilot의 Gemini 4 Neon(변경 기록) · X의 @github


코딩 에이전트: Claude Code 2.1.328, Kimi Code 2.7.0, Devin Security Threats, Devin for Databricks Migrations, Replit의 Amuse와 Optimization-Bench

Claude Code 2.1.328, 외부 공급업체의 Opus 4.6과 Sonnet 4.6에 자동 모드를 개방하고 /code-review를 버그 중심으로 개편

11월 19일 — Claude Code 2.1.328에는 144개의 변경 사항이 포함됐으며, 이 중 91개는 수정 사항이다. Amazon Bedrock, Google Cloud의 Agent Platform, Microsoft Foundry, Claude apps 게이트웨이에서 Claude Opus 4.6과 Sonnet 4.6에 자동 모드가 개방됐다. 이 환경에서 권한 모드를 지정하지 않고 시작한 대화형 세션은 곧바로 자동 모드로 실행되며, disableAutoMode 설정으로 이를 끌 수 있다. 11월 19일 기준 권한 모드 문서에는 이들 공급업체에서 자동 모드를 사용할 수 있는 모델이 여전히 Sonnet 5 이상, Opus 4.7 이상, Haiku 5.5, Fable 모델로 한정돼 있었다.

/code-review 명령은 이제 대부분의 모델에서 버그와 CLAUDE.md 지침 위반만 보고한다. 코드 정리 작업인 재사용, 단순화, 효율 개선은 /simplify로 처리하며, 각 지적 사항에는 Important, Pre-existing 또는 Nit 표시가 붙는다. 10월 8일 command 및 HTTP 훅에 추가된 실패 시 차단 기능("onFailure": "block")은 mcp_tool 훅으로 확대된다. Anthropic API를 사용하는 터미널에서는 이제 소형 고속 모델이 하위 에이전트의 진행 상황 요약을 작성한다. Code Mode에는 자동 모드와 bypass 모드에서 대부분의 스크립트 실행 후 발생하던 0,75초의 대기 시간을 없애는 등 22개의 변경 사항이, 자체 호스팅 실행기에는 26개가 반영됐다. Bedrock, Agent Platform, Foundry에서 하위 에이전트의 추론 수준을 낮추던 2.1.327의 회귀 버그도 수정됐다. 안정 채널은 2.1.311을 유지한다.

🔗 Claude Code v2.1.328

Kimi Code 2.7.0은 Amazon Bedrock을 지원하고, Kimi Code Desktop 1.4.0은 Claude Code, Codex, Cursor와 연결

11월 19일 — Moonshot AI가 11월 12일의 2.6.0 이후 첫 마이너 버전인 Kimi Code 2.7.0을 24개의 변경 사항과 함께 출시했다. 이어 13분 뒤에는 34개의 변경 사항을 담은 Kimi Code Desktop 1.4.0 앱을 공개했다. CLI는 Amazon Bedrock 공급업체를 지원하고, 매 차례가 끝난 뒤 다음 프롬프트 예측을 실험적으로 표시하며, ‘후속 동작’ 설정을 추가했다. 이 설정의 Steer 모드에서는 엔터 키를 누르면 메시지를 대기열에 넣는 대신 진행 중인 작업의 방향을 바꾼다. 자동화를 위해 kimi server은 브라우저를 열지 않고 로컬 서버를 시작하며, 세션을 제어할 수 있는 HTTP 엔드포인트 3개가 새로 추가됐다. 각 프로젝트는 자체 SSH 호스트를 지정할 수 있다. 기존 /api/v2 엔드포인트는 /api/v1로 대체되는데, API 변경임에도 단순 수정 사항으로 분류됐다.

데스크톱 앱은 Claude Code, Codex, Cursor 같은 외부 에이전트와 연결해 세션을 넘기고, 기록을 검토하며, 여러 차례에 걸쳐 협업할 수 있다. 공급업체 목록에는 Qwen Coding Plan도 추가됐다.

🔗 Kimi Code 2.7.0 · Kimi Code Desktop 1.4.0

Cognition, 최근 취약점을 클릭 한 번으로 검사하는 관리형 색인 Devin Security Threats 출시

11월 19일 — Cognition이 Devin Security에 새로 공개된 취약점의 관리형 색인을 추가했다. 이번 주 발표된 두 사례를 출발점으로 삼았다. 하나는 Java 실행 환경에 영향을 미치는 Java4Shell(11월 17일)이고, 다른 하나는 nginx의 메모리 손상 버그 5개인 NGINX2Root(11월 18일)다. 둘 다 원격 코드 실행으로 이어질 수 있다. 각 위협에는 영향을 받는 대상, 공격자가 악용할 방법, 해결 방법이 설명돼 있다. Cognition은 주요 취약점 공개에 해당하는 위협을 게시하며, 각 팀은 버그 바운티 보고서, 공급업체 권고문, 사고 검토 자료를 바탕으로 자체 위협을 작성할 수 있다.

Scan with Devin 버튼을 누르면 선택한 저장소에서 해당 위협에 초점을 맞춘 검사가 시작되고, 이후 Devin이 검토할 풀 리퀘스트를 연다. Auto-triage 모드에서는 최소 심각도 기준을 넘는 새 위협이 나올 때마다 Devin이 선택된 저장소를 다시 검사한다. Markdown으로 작성된 오픈 소스 스킬인 fix-nginx-vuln과 fix-java-vuln도 Devin Marketplace의 Vulnerability Fixes 플러그인에 추가되며, 다른 코딩 에이전트에서도 사용할 수 있다. 요금은 발표되지 않았다.

🔗 Devin Security Threats(Cognition) · X의 @cognition

Cognition, 기존 데이터 웨어하우스를 Databricks로 이전하는 Devin for Databricks Migrations 출시

11월 19일 — Cognition이 Databricks와 함께 전용 마이그레이션 서비스를 출시했다. Devin은 기존 데이터 웨어하우스인 Teradata, Oracle, SQL Server, Informatica, Redshift, Snowflake의 코드를 변환하고, 고객의 작업 공간에서 테스트하며, 실패를 수정한다. 전환에 앞서 각 원본과 Databricks의 복사본을 스키마, 행 수, 집계값, 행별 비교 순으로 대조한다. Cognition에 따르면 Fortune 500에 속하는 한 에너지 기업은 객체 142개로 구성된 플랫폼을 8일 만에 Unity Catalog로 이전했으며, 컨설팅사 Zeb은 4주로 예정됐던 NetSuite 마이그레이션을 2주 반 만에 완료했다.

이 서비스는 Databricks Marketplace에서 제공되며, Databricks와 이미 체결한 사용 금액 약정(Universal Commit)에서 비용이 차감된다. Cognition은 단일 엔드포인트로 제공되는 오픈 소스 모델과 최첨단 모델을 위해 Databricks를 전략적 추론 공급업체로도 활용한다고 밝혔다. 가격은 공개되지 않았다.

🔗 Devin for Databricks Migrations(Cognition)

Replit, Missions가 사흘 만에 재구현한 오픈 소스 개인 비서 Amuse 공개

11월 19일 — Replit이 TernSign에 이어 에이전트 군집 실행 체계인 Missions의 새로운 결과물을 공개했다. 사용자의 컴퓨터에서 실행되는 오픈 소스 개인 AI 비서 Amuse로, Apache 2.0 라이선스를 따른다. Replit에 따르면 이 에이전트 군집은 이름을 밝히지 않은 ‘기준이 되는 AI 비서’를 재현하는 과제를 사흘 만에 달성했으며, 이후 플랫폼의 Security Scanner로 발견된 취약점을 수정했다.

Amuse는 출처를 포함한 웹 검색을 수행하고, 사용자가 관찰하거나 직접 제어권을 넘겨받을 수 있는 브라우저를 조작하며, 알림과 백그라운드 작업을 관리하고, 작은 앱을 만든다. 기억은 사람이 읽을 수 있는 파일에 저장하고, 인증 정보는 암호화된 보관함에 저장해 모델에는 대체 토큰만 보여 준다. 전송, 양식 제출, 결제, 새 일정 등록 전에는 승인을 요청한다. ‘무료’라는 설명에는 모델 사용료가 포함되지 않는다. OpenAI API 키가 필요하며, 에이전트에는 GPT-6.2 Sol을, 빠른 단계에는 GPT-6 Luna를 사용한다. PostgreSQL 데이터베이스도 필요하고, MCP 서버 없이 컴퓨터 한 대에서 한 사람만 사용할 수 있다.

🔗 Replit의 X 발표 · replit/amuse 저장소

Replit, Optimization-Bench 공개: 단독 실행 최강 에이전트가 최고의 군집을 이루는 것은 아니다

11월 19일 — Replit 연구팀이 버전을 고정한 오픈 소스 라이브러리의 성능 최적화 벤치마크인 Optimization-Bench를 공개했다. 전체 14개 중 NumPy, SQLite, SQLGlot, Git의 4개를 분석했다. 6개 모델이 단독 실행에 이어 8개, 16개, 32개 에이전트 군집으로 2시간 동안 작업했으며, 평가는 에이전트가 접근할 수 없는 별도 컴퓨터에서 진행됐다.

Optimization-Bench 측정 항목Replit이 공개한 결과
NumPy에서 GPT-6.2 Astra 단독 실행Opus 5.5 단독 실행보다 3배 넘게 빠름
GPT-6.2 Astra 에이전트 32개 군집4개 작업 중 3개에서 단독 실행 점수 미달
Opus 및 Sonnet 5.5 군집의 향상 배율 중앙값에이전트 16개와 32개에서 단독 실행 점수의 1,30배
Opus 5.5가 공유 게시판에 보낸 메시지 비율82 %

GPT-6.2 Astra는 단독 실행에서 압도적이지만, 군집 성능은 에이전트 8개에서 정체된다. 반면 Claude Opus 5.5와 Claude Sonnet 5.5의 군집은 모든 경우에서 단독 실행을 앞섰다. NumPy에서 Opus의 속도 향상은 단독 실행 시 3,7배에서 에이전트 32개 군집 시 18,9배로 높아졌으며, 이는 Missions 출시 당시에도 공개됐던 수치다. Replit은 이 차이를 조직 방식에서 찾는다. 효율적인 팀은 공유 게시판에 내용을 작성하고 조정자가 작업을 배분한 뒤 결과를 병합하도록 한다. NumPy를 맡은 Opus 에이전트 32개 군집에서 조정자는 개별 작업자에게 한 번도 메시지를 보내지 않았다. 반면 다른 팀은 조정자를 교환대처럼 활용해 에이전트가 추가될 때마다 수신함이 불어났다.

🔗 문제 해결에 인력을 쏟아붓기(Replit) · X의 @Replit


일반 사용자용 비서: Mac용 Gemini의 computer use, Android·데스크톱·dots·사이트로 확대되는 ChatGPT Health

Mac용 Gemini 앱, computer use로 백그라운드에서 앱과 웹 조작

11월 19일 — Mac용 Gemini 앱이 이제 사용자 대신 컴퓨터를 사용할 수 있다(computer use). Gemini는 로컬 파일, 데스크톱 앱, 웹을 오가며 클릭, 입력, 메뉴 조작, 양식 작성 같은 여러 단계의 작업을 이어서 수행한다. 백그라운드의 격리된 창에서 작업하고 대화 안에 실시간 미리 보기를 표시하므로, 기본 화면과 커서는 계속 자유롭게 사용할 수 있다. 사용자는 접근 가능한 앱을 선택하고, 각 단계를 확인하며, 언제든 모든 작업을 일시 중지할 수 있고, 중요한 작업은 실행 전에 승인한다.

Google이 제시한 예시에는 사진 일괄 보정, 로컬 PDF를 바탕으로 한 배송 견적서 작성, 대시보드를 바탕으로 한 Google Slides 프레젠테이션 제작 등이 있다. X에 공개된 영상에서는 스케치를 Blender에서 애니메이션을 적용할 수 있는 3D 모델로 바꾼다. 이 기능은 미국의 Google AI Plus, Pro, Ultra 구독자에게 영어로 순차 제공된다. macOS Sequoia 15.0 이상을 실행하는 Apple Silicon 기반 Mac과 만 18세 이상 사용자의 개인 Google 계정이 필요하다. 개발자용 Gemini API의 Computer Use 도구는 10월 말부터 정식 제공되고 있으며, 이제 일반 사용자용 앱에서도 사용자의 Mac을 조작할 수 있게 됐다.

🔗 Mac용 Gemini의 computer use(Google) · X의 @GeminiApp

ChatGPT, Health를 Health Connect 연동 Android와 데스크톱 앱, dots, 사이트로 확대

11월 19일 — ChatGPT의 Health 공간이 데스크톱 앱, dots, 사이트, Android로 확대된다. Android에서는 Health Connect와 연결해 수면 및 활동의 추세를 파악한다. ChatGPT의 개인 에이전트인 dots는 회의 때문에 운동 시간이 겹치면 다른 시간을 먼저 제안하거나, 연결된 의료 기록을 바탕으로 예방을 위한 선택지를 알려 줄 수 있다. 컴퓨터에서는 OpenAI가 마라톤 준비 과정을 추적하기 위해 만든 사이트를 예시로 제시했다. 미국의 Free, Go, Plus, Pro 요금제에 한해 단계적으로 배포되며, dots는 계속 Pro 요금제에서만 제공된다. Health는 사이드바나 탐색 메뉴에서 찾을 수 있다.

🔗 ChatGPT 릴리스 노트


Gemini API: 개발자에게 개방된 Genie 4, 미리 보기로 출시된 Tool Retrieval

Genie 4, Gemini API와 Google AI Studio에 출시되며 세계 생성 비용은 초당 약 0,10달러

11월 19일 — Google AI Ultra 구독자용 Project Genie에 출시된 다음 날, Genie 4가 Interactions API를 통한 Gemini API와 Google AI Studio에서 개발자에게 개방됐다. 대화형 캔버스와 시작용 앱도 함께 제공된다. 이 세계 모델은 텍스트, 참조 이미지 또는 두 가지를 함께 입력받아 주변 환경음부터 대화까지 동기화된 소리를 갖춘 연속적인 환경을 생성한다. 키보드로 이동할 수 있으며, 이동 중에도 텍스트로 날씨, 조명, 사물, 이벤트를 바꿀 수 있다.

Gemini API의 Genie 4 사양문서에 명시된 값
모델 식별자models/genie-4 (Interactions API)
출력 영상 및 오디오1280x720, 16:9, 24 images/s, 스테레오 오디오 48 kHz
접근 조건유료 등급의 API 키
과금프레임당 비디오 240 tokens, 초당 약 0,10달러
세션 지속 시간60~90 s 후 품질 저하 가능, 최대 120 s
서비스 지역미국, 서유럽, 일본

문서에서는 탭을 닫아도 생성이 즉시 멈추지 않는다고 경고한다. 세션을 명시적으로 종료해야만(complete()) 과금이 중단된다. Genie 4는 3D 장면을 메모리에 유지하지 않는다. 사물이 8초 이상 시야에서 사라지거나 제자리에서 한 바퀴 돌면 기준점이 이동하거나 초기화될 수 있다. 모든 출력에는 SynthID 워터마크가 포함된다.

🔗 Gemini API의 Genie 4(Google) · Genie 문서(AI Studio)

Gemini API, 필요할 때 도구 스키마를 불러오는 Tool Retrieval을 미리 보기로 출시

11월 19일 — Google이 OpenAI와 Anthropic에서 이미 제공하던 도구 검색 기능을 Gemini API에 추가했다. Interactions API에서 미리 보기로 제공되는 Tool Retrieval을 사용하면, 수십 또는 수백 개의 도구에 연결된 에이전트가 요청마다 모든 도구의 매개변수 스키마를 보낼 필요가 없다. tool_search 도구를 추가하고 필요할 때 불러올 도구에 defer_loading: true 표시를 하면 된다. 모델은 도구의 이름과 설명만 보고, 필요할 때 이름으로 도구를 요청한다. 그러면 API가 같은 요청 안에서 서버 측에서 스키마를 불러오며, 별도로 색인을 구축할 필요가 없다.

이 방식은 원격 MCP 서버에도 적용되며, 불러온 스키마가 대화의 뒤쪽에 추가되므로 접두사 캐시도 유지한다. 자체 도구 레지스트리를 관리하는 팀은 한 차례의 추가 왕복 요청을 감수하고 검색을 자체적으로 수행할 수 있다. Tool Retrieval에는 별도 요금이 없다. tool_search는 고정된 소량의 입력 토큰을 추가하며, 불러온 각 스키마는 이후 대화가 끝날 때까지 입력 토큰으로 과금된다. Google은 절감 수치를 공개하지 않았으며, 자체 트래픽에서 효과를 측정하라고 권한다. 이 기능은 Gemini 4 전체 제품군을 포함해 Gemini 3.6 이후 모델에서 작동한다.

🔗 Gemini API의 Tool Retrieval(Google)


음성: GPT-Live-1.1 API 출시, 대기 모드는 분당 0,02달러

11월 19일 — 10월 15일 ChatGPT Plus와 Pro의 음성 기능에 도입된 지 한 달여 만에 GPT-Live-1.1이 OpenAI API에 추가된다(v1/live/sessions에서 gpt-live-1.1). 이 모델은 다국어 음성 대화에서 발음, 억양의 일관성, 음성 인식을 개선하며, 기존 Live 세션 설정에 연결해 사용할 수 있다.

가장 실질적인 새 기능은 대기 모드(standby)로, WebRTC 세션에서 GPT-Live-1과 GPT-Live-1.1 모두 사용할 수 있다. 설정 가능한 5~60초의 무음 시간이 지나면 통화를 끊지 않고 모델이 일시 정지되며, 누군가 다시 말할 때까지 분당 요금이 0,05달러에서 0,02달러로 내려간다.

GPT-Live 세션 유형분당 요금
활성 세션0,05달러
대기 모드(WebRTC, 추론 일시 정지)0,02달러

백엔드 모델과 도구 사용량은 별도로 과금되며, 두 버전에는 각각 별도의 동시 세션 제한이 적용된다. Python 3.56.0 및 Node 7.61.0 SDK에 이 모델이 추가되었으며, OpenAI는 출시에 맞춰 언어와 지역별 억양에 관한 가이드도 제공한다.

🔗 @OpenAIDevs 발표 · GPT-Live-1.1 소개 · 언어와 지역별 억양을 위한 GPT-Live 프롬프트 작성


하드웨어와 클라우드: Ignite의 NVIDIA와 Microsoft 소식, RTX Spark 미니 PC 출시

NVIDIA와 Microsoft, Azure의 Vera Rubin부터 Foundry의 Nemotron 3.5까지 Ignite에서 협력 확대

11월 19일 — NVIDIA는 Microsoft Ignite를 맞아 데이브 살바토르가 작성한 게시물에서 Microsoft와의 협력 확대 내용을 자세히 소개했다. Vera Rubin NVL72 시스템은 Azure 데이터 센터에서 가동 중이며, 이를 사용하는 가상 머신에 대한 접근이 확대된다. 게시물은 Azure의 Vera Rubin을 미리 보기 단계로 설명하며, 정식 출시일은 밝히지 않았다.

NVIDIA와 Microsoft 발표게시물에 따른 상태
Vera Rubin NVL72 기반 Azure VM접근 확대, 미리 보기
Nemotron 3.5 Super, Lightning, Embed, Rerank, Parse 및 Content SafetyFoundry Managed Compute에서 제품군 확대
Nemotron 3.5 Bolt 및 Transcribe곧 제공 예정
Foundry Local의 Nemotron 3.5 및 Cosmos 모델Azure Local 환경을 포함한 지원 확대
Azure LocalRTX PRO 6000 Blackwell GPU 도입 예정, Jetson Thor와 Jetson Orin으로 확대
Windows 365의 Direct Stream초당 60프레임의 4K 스트림 2개, 2027년 초 공개 미리 보기
Microsoft Discovery의 BioNeMo 및 ALCHEMI카탈로그 추가, RFD4-Proteina 첫 통합

게시물에서 제시한 사례에 따르면, EY는 구매 기록을 분류하기 위해 Foundry의 서버리스 사후 학습 서비스인 Programmed Training으로 Nemotron 공개 모델을 조정했다. 자체 평가 데이터셋에서 정확도가 55 % 향상되었으며, 비용은 최첨단 독점 모델의 15분의 1 수준이었다고 한다. Microsoft AI는 사후 학습의 강화 학습에서 수행하는 롤아웃(rollouts) 추론에도 NVIDIA Dynamo를 사용한다. 게시물은 Azure의 MLPerf 결과도 언급한다. Training v6.1에서는 GB200 NVL72 시스템에서 최대 10 240개의 NVIDIA GPU를 사용해 해당 평가에서 가장 큰 규모를 기록했다. Inference v6.1에서는 Signal65에 따르면 Azure의 GB300 NVL72가 DeepSeek-R1의 대화형 처리량에서 다른 클라우드 제출 결과보다 10 % 이상 앞섰다. 가격은 공개되지 않았다.

🔗 Ignite의 NVIDIA와 Microsoft 발표(NVIDIA)

NVIDIA, ASUS·Dell·MSI의 RTX Spark 미니 PC 출시 발표

11월 18일 — NVIDIA가 ASUS ProArt GR1X와 MSI EdgeMesa N AI+ 시리즈 등 ASUS, Dell, MSI의 RTX Spark 데스크톱 미니 PC 출시를 발표했다. Acer, GIGABYTE, HP 제품과 Microsoft Surface RTX Spark Dev Box도 곧 출시된다. 이 제품들은 10월에 출시된 노트북과 같은 플랫폼을 사용한다. 20코어 NVIDIA Grace 프로세서, 6 144개의 CUDA 코어를 갖춘 Blackwell RTX GPU, 최대 128GB의 통합 메모리, 최대 1페타플롭의 인공지능 성능을 제공한다. NVIDIA는 이 제품들이 매개변수 1,200억 개의 모델을 로컬에서 실행할 수 있다고 밝혔다. 가격은 공개되지 않았다.

소프트웨어 측면에서는 에이전트 작업을 로컬 모델과 클라우드 모델에 분배하는 Switchyard를 Hermes에서 사용할 수 있게 되었다. Adobe는 Premiere에서 일반적인 H.264 결과물을 만드는 데 걸리는 시간을 50 % 넘게 줄였으며, 이제 Windows on Arm에서 기본 실행되는 Illustrator는 에뮬레이션 버전보다 최대 30 % 빠르다. Blender 5.3에는 DLSS 4.5 Ray Reconstruction이 통합된다. Ignite에서 발표된 내용으로는 Windows Server 2028이 DGX Station for Windows에 도입되며, Windows ML은 llama.cpp를 통해 Hugging Face의 모든 GGUF 모델을 실행한다.

🔗 RTX Spark 미니 PC 출시(NVIDIA)


공개 모델: DaisyRose-27B와 Hermes 어댑터로 Qwen3.8-27B 성능 향상, OVHcloud의 Olala mini 공개, PEFT v0.22.0 출시

RadixArk, 강화 학습으로 미세 조정해 Terminal-Bench 4.1 점수를 두 배로 높인 Qwen3.8-27B 기반 DaisyRose-27B 공개

11월 18일 — RadixArk가 자사의 첫 모델로 소개하는 DaisyRose-27B를 공개했다. Qwen3.8-27B를 자사의 오픈 소스 프레임워크 Miles로 강화 학습한 모델이다. 원본 모델의 오류를 공략하도록 Eigent AI와 함께 설계한 약 1 200개의 장시간 에이전트 작업을 사용했으며, 시도당 최대 1,5시간이 걸리고 도구 호출이 100회를 넘는 작업도 포함된다. 가중치는 Apache 2.0에 따라 BF16, FP8, NVFP4 형식으로 공개되며, 기반 모델의 256K 토큰 문맥과 이미지 이해 기능을 유지한다. 학습에는 H200 144개로 18일이 걸렸다.

벤치마크(점수, %)Qwen3.8-27BDaisyRose-27B
Terminal-Bench 4.1 (pass@1)5,612,0
Terminal-Bench 2.173,075,5
DeepSWE v1.142,246,2
SWE Bench Pro v291,394,7
GPQA Diamond89,290,7

RadixArk는 GPU 연산 활용률(MFU)도 Megatron 기반 오픈 소스 학습기의 16 %에서 37 %로 높여 GPU 사용 시간을 57 % 줄였다고 발표했다. 이는 개발사가 제시한 수치다.

🔗 DaisyRose-27B(RadixArk 게시물) · DaisyRose-27B-NVFP4(Hugging Face)

harness-hub, 추론 없이 SWE-Bench Pro 점수를 29,4 %에서 43,1 %로 높인 Qwen3.8-27B용 Hermes 어댑터 공개

11월 19일 — harness-hub 프로젝트가 pi와 OpenCode에 이어 Qwen3.8-27B의 세 번째 LoRA 어댑터를 공개했다. 이번에는 Nous Research의 에이전트 하네스인 Hermes용이며, GGUF 버전도 제공한다.

벤치마크(pass@1)Qwen3.8-27BHermes 어댑터 적용
SWE-Bench Pro(고난도 작업 51개), 추론 없음29,4 %43,1 %
SWE-Bench Pro(고난도 작업 51개), xhigh 추론45,1 %51,0 %
Terminal-Bench 2.1, 추론 없음44,7 %58,8 %
Terminal-Bench 2.1, xhigh 추론58,8 %57,6 %

핵심 장점은 자원 효율성이다. 추론을 사용하지 않은 어댑터가 xhigh 추론을 사용하는 기반 모델과 같은 수준의 성능을 내면서 토큰은 3,5~4,4배 적게 사용한다. 작업당 10 000토큰의 예산에서 Terminal-Bench 2.1의 51 %, SWE-Bench Pro의 39 %를 해결했으며, 기반 모델의 xhigh 설정은 각각 28 %와 0 %였다. 학습 방법(TRL의 AsyncGRPOTrainer, OpenEnv, safeagents)은 금요일 공개 예정인 게시물에서 자세히 설명할 예정이다.

🔗 X의 @yb2698 발표 · Qwen3.8-27B-hermes-adapted(Hugging Face)

OVHcloud, 12개 벤치마크에서 평균 68,0점을 기록한 Olala mini 7A1B 가중치를 Hugging Face에 공개

11월 19일 — 11월 17일 발표된 Olala mini 7A1B를 이제 Hugging Face에서 Apache 2.0 라이선스로 내려받을 수 있다. OVHcloud의 첫 언어 모델 제품군을 여는 모델로, 기본, SFT, GGUF, MLX 버전이 제공된다.

Olala mini 7A1B 특성공개된 값
매개변수6,8십억 개, 이 중 토큰당 약 1십억 개 활성화
구조Mamba-3와 어텐션을 결합한 혼합 전문가 구조, 총 36개 층 중 7개 층에 KV 캐시 사용
문맥32K 토큰, 128K 버전 곧 공개 예정
학습12,8T 토큰, 영어 및 그 외 36개 언어
추정 환경 영향약 40 t의 CO2 및 1,16 GWh
12개 벤치마크 평균68,0, SFT 체크포인트보다 15,2점 높음

이 모델은 유럽의 공공 슈퍼컴퓨터 3대인 JUPITER(GH200 GPU 1 024개 포함), Jean Zay, MeluXina에서 학습되었다. 답변 전에 추론하며, 네 가지 추론 강도를 제공하고, 강화 학습을 통해 도구 호출을 학습했다. 강점은 지시 이행이며, 약점은 경시대회 수학이다.

🔗 X의 @OVHcloud · Olala-v1.0-mini-7A1B(Hugging Face)

Hugging Face, PEFT 1.0에 앞서 PaCA·Astra·NoRA 기법을 추가한 PEFT v0.22.0 공개

11월 19일 — Hugging Face의 효율적인 미세 조정 라이브러리가 v0.22.0으로 업데이트되었다. 어댑터 층을 추가하는 대신 사전 학습된 가중치에서 무작위로 선택한 입력 열을 직접 미세 조정하는 PaCA(Partial Connection Adaptation)가 추가되었다. 원 논문에 따르면 비슷한 정확도에서 LoRA보다 학습 시간이 22 %, 메모리 사용량이 16 % 적다. 새로운 LoRA 초기화 방식인 Astra와 NoRA도 추가되었으며, 텐서 병렬 처리와 FSDP2 지원을 강화하고 모델 상태 진단 기능을 도입했다. PEFT는 이제 Python 3.11을 요구한다. 릴리스 노트에 따르면 다음 버전은 1.0으로, API 정리와 기존 호환성을 깨는 몇 가지 작은 변경이 포함되며, 먼저 출시 후보 버전(release candidate)이 공개될 예정이다.

🔗 PEFT v0.22.0


과학: Ai2, 논문에 근거한 이론을 제안하는 에이전트 Theorizer를 Asta에 출시

11월 19일 — Ai2가 과학 연구용 에이전트 플랫폼 Asta에 Theorizer를 제공하고, 코드를 Apache-2.0 라이선스로 공개했다. 이 에이전트는 문헌을 탐색하고, 각 논문에서 추출할 정보를 정하고, 결과를 비교한 뒤, 모든 주장이 이를 뒷받침하는 논문으로 연결되는 이론을 제안한다. 새로운 이론이라고 판단한 항목을 표시하면서도 검색 과정에서 선행 연구를 놓칠 수 있다고 알린다. Ai2는 실제 사례로 이를 설명한다. 알려진 유발 변이가 없는 폐선암 사례(전체의 약 20~30 %)에서는 CDK2 단백질 의존성이라는 예비 단서를 제시했으며, 이는 실험실 검증이 필요하다. 또한 이론 한두 개를 기대했던 Allen Institute의 신경과학자에게 VIP 인터뉴런에 관한 후보 이론 50개를 제안했다. Asta 사용 비용은 일정 토큰 한도까지 Ai2가 지원하며, 기술 논문은 ACL 2026에 게재되었고, 12월 10일에는 웹 세미나가 예정되어 있다.

🔗 Asta의 Theorizer(Ai2) · allenai/asta-theorizer 저장소


기업용 인공지능: Sakana AI와 Salesforce, 일본 공공 부문을 위한 양해각서 체결

11월 19일 — Sakana AI가 일본 중앙 행정기관과 지방자치단체를 대상으로 자사 인공지능 모델을 미국 소프트웨어 기업 Salesforce의 제품에 통합하기 위한 양해각서를 체결했다고 발표했다. 명시된 목표는 이들 기관의 행정 효율과 디지털 전환에 기여하는 것이다. Sakana AI는 일본 공공 부문의 요구에 맞는 기술을 계속 개발하겠다고 밝혔다. 일본어로 작성된 이 게시물은 Jiji 통신사의 기사를 인용하며, 발표에는 일정이나 구체적인 제품명, 금액이 제시되지 않았다.

🔗 X의 @SakanaAILabs


단신

다른 서비스로 확장되는 Gemini 4 Neon

  • Antigravity CLI 1.5.12 — Gemini API 키(GEMINI_API_KEY) 하나만 있으면 네 가지 추론 수준 모두에서 Gemini 4 Neon을 사용할 수 있다. Remote Control의 브라우저 보기에서는 여러 대화를 나란히 표시하며, /fork에 걸리는 시간은 최대 1시간에서 몇 초로 줄었다. 🔗 출처
  • Genspark — Gemini 4 Neon이 AI Chat과 Code Agent에 도입된다. Google이 내세우는 장점(xhigh 추론 강도에서 Artificial Analysis 종합 순위 3위, 코딩 에이전트 지수 1위, 최상위 모델보다 작업당 비용이 50~80% 저렴)을 소개했으나, 요금제나 크레딧 정보는 명시하지 않았다. 🔗 출처

코딩 에이전트와 개발 도구

  • Codex CLI 0.172.0-alpha.2 — 이번 사전 출시 버전의 릴리스 노트는 비어 있다. 커밋 62개의 제목에 따르면 슬래시 명령의 인수 자동 완성, 로컬 MCP 서버의 기본 동작을 필요할 때 시작하는 방식으로 변경, /experimental의 사용자 지정 상태 표시줄을 준비하고 있다. 정식 버전 출시 전까지 내용이 바뀔 수 있다. 🔗 출처
  • iOS의 Codex — iOS용 ChatGPT 1.2026.314 버전은 보조 대화를 페어링된 컴퓨터에 저장하고, 클라우드 또는 특정 컴퓨터와 프로젝트에서 작업을 시작할 수 있는 선택기를 추가했으며, 아직 활성 상태인 하위 에이전트만 집계한다. 🔗 출처
  • Copilot CLI 1.0.115 및 Copilot SDK 2.0.2 — CLI의 사전 출시 버전 두 개는 갱신 토큰의 범위를 누락하는 MCP 서버에 연결할 때 발생하는 문제 등을 수정한다. SDK의 사전 출시 버전 2.0.2-preview.0은 macOS와 Linux의 신뢰 앵커에서 인증 기관 eMudhra의 문제가 있다고 보고된 키 16개를 제거한다. 정식 버전은 여전히 1.0.114다. 🔗 출처 · 🔗 Copilot SDK
  • GitHub CLI 2.105.0 — 사전 출시 버전에서 gh event listen은 풀 리퀘스트 이벤트(리뷰, 충돌, 새 커밋, 검사 묶음 완료)를 반복 조회하는 대신 기다리며, gh pr과 gh run도 이제 에이전트에게 이 명령을 권한다. Event Streams 이용에는 여전히 대기자 명단 등록이 필요하다. 🔗 출처
  • Copilot의 MCP 커넥터 — 모든 요금제에서 제공되는 공개 미리보기에 GitHub가 검증한 서비스 8개가 기존 25개 이상의 서비스에 추가된다. 추가된 서비스는 Box, Buildkite, Calendly, ClickUp, Mixpanel, Supabase, Webflow, Wix다. 🔗 출처
  • Gemini CLI v0.69.0 및 v0.70.0 — 9일간 새 버전이 나오지 않다가 같은 날 정식 버전 두 개가 출시됐다. v0.70.0에는 11월 10일 이후 병합된 규칙 엔진 보안 수정 사항이 포함되며, 사전 출시 버전 v0.71.0-preview.0은 PowerShell 명령 분석을 비동기 방식으로 바꾼다. 🔗 출처 · 🔗 v0.71.0-preview.0
  • mistral CLI 0.19.0 및 0.20.0 — mistral ocr process은 문서나 이미지를 Markdown 또는 구조화된 데이터로 변환하고, mistral evals judge는 mistral evals scorer로 대체되며, mistral agents init은 이제 API 키 없이 독립적으로 실행되는 Agents SDK 프로젝트를 생성한다. 🔗 출처 · 🔗 0.20.0
  • Delta 0.28 — 에이전트와 함께 코딩하는 Zed의 환경은 조직 전체의 대화 스레드를 검색하고, 모델 호출 없이 오래된 도구 실행 결과를 정리하는 소프트 압축을 기본으로 활성화한다. 🔗 출처
  • Windows용 Amp — 실험 버전 출시 열흘 뒤인 11월 17일, Amp가 Windows 앱을 발표했다. x64와 Arm에서 네이티브로 실행되며, 내장 실행기, Intune으로 배포할 수 있는 MSIX 패키지, 그룹 정책 설정을 제공한다. 🔗 출처
  • Warp Learn — Warp가 벤 홈스가 진행하는 무료 강좌인 ‘스스로 개선하는 소프트웨어 공장 만들기’를 선보인다. 에이전트를 활용한 개발 반복 과정부터 오류 모니터링으로 자동 시작되는 수정 작업까지 다루며, 전체 세 단원 중 두 단원이 공개됐다. 🔗 출처
  • DevinDash — Cognition이 Devin Bots를 확장해 DoorDash의 MCP 서버로 음식을 주문하는 모델을 선보인다. 샌프란시스코나 뉴욕의 정기 상담 행사(오피스 아워)에 참여한 Devin for Startups 소속 스타트업은 DoorDash 크레딧 1,000달러를 받을 수 있다. 🔗 출처

API와 플랫폼

  • Perplexity의 Agent API — xhigh 추론 강도가 Claude Opus 5.5 대신 GPT-6.2 Sol로 전환되며, 대체 모델은 없다. xhigh@2026-11-11.0 버전을 고정하면 기존 설정을 유지할 수 있다. 🔗 출처
  • Together AI와 Nous Portal의 Qwen4-Max — Together AI가 Alibaba의 대표 모델(전체 파라미터 2.4T 중 71B가 활성화되는 MoE, 컨텍스트 1M)을 30% 할인된 가격으로 제공한다. Nous Research는 Inferact와 함께 Nous Portal에서 5일간 무료로 제공하지만, 종료 날짜나 사용량 제한은 명시하지 않았다. 🔗 Together AI · 🔗 Nous Research

어시스턴트와 기업

  • ChatGPT가 데스크톱 앱에 거래 대사와 월말 결산을 위한 Accounting 플러그인을 추가 — 이 플러그인은 거래 대사, 청구 분개 작성, 월말 보고서 준비를 돕는다. macOS나 Windows에서 컴퓨터 사용 기능을 통해 작동하며, Enterprise에서는 관리자의 승인이 필요하다(앞서 링크한 11월 18일자 ChatGPT 릴리스 노트).
  • Perplexity Brain — Perplexity가 Brain이 작성한 개인용 스킬을 X에 소개하며 미국의 모든 개인 및 기업 구독자에게 이 기능을 제공한다고 발표했다. 반면 공식 게시물에서는 Max 구독자를 대상으로 설명한다. 무작위 실험에서는 자동 개선 기능을 사용한 이용자의 72.9%가 새 개인용 스킬을 얻었으며, 대조군에서는 6.5%였다. 🔗 출처 · 🔗 게시물
  • 서비스형 RAG — Perplexity가 서비스로 제공되는 RAG에 관한 안내서를 공개하고 공급업체 7곳의 순위를 매겼다. Perplexity Enterprise가 1위이며, AWS Bedrock, OpenAI, Azure AI Search, Pinecone, LlamaIndex, Vectara가 뒤를 이었다. 이 순위는 Perplexity가 자체적으로 매긴 것이다. 🔗 출처
  • Sumitomo Life — 2026년 6월 ChatGPT Enterprise로 전환한 일본 생명보험사가 주간 사용률이 80%를 넘는다고 발표했다. 이용자가 보고한 시간 절감 효과를 바탕으로 추산한 투자 수익률은 전체 기준 203%, 월 101회 이상 사용하는 직원의 평균은 524%다. 🔗 출처
  • 외부 구성원의 SSO — ChatGPT Enterprise, Edu, Healthcare 워크스페이스 소유자는 도메인이 인증되지 않은 외부 구성원을 SSO 적용 대상에서 제외할 수 있다. 면제는 워크스페이스 한 곳에만 적용되며, 해당 구성원이 떠나면 사라진다. 🔗 출처
  • Candid Health와 ElevenAgents — 미국의 의료 수익 주기 관리 플랫폼이 보험금 지급 거절과 관련해 보험사에 거는 전화를 ElevenLabs의 음성 에이전트에 맡긴다. 통합에는 48시간이 걸렸으며, 통화 12,860건, 월 850시간 이상의 시간 절감, 시범 통화의 59% 해결이라는 성과를 제시했다. 🔗 출처
  • Enterprise Live Migrations — AI 외 소식: Azure DevOps Services에서 데이터 저장 지역을 지정할 수 있는 GitHub Enterprise Cloud로의 연속 마이그레이션이 정식 출시됐다. Git 이력, 브랜치, 태그, 풀 리퀘스트는 최종 전환 시점까지 동기화된다. 🔗 출처
  • GitHub Actions의 RHEL 실행기 — AI 외 소식: 호스팅되는 대형 실행기의 Red Hat Enterprise Linux 9 및 10 이미지가 Team과 Enterprise Cloud 요금제에 정식 출시됐다. 🔗 출처

개방형 모델, 연구와 시뮬레이션

  • Genspark의 Deep Research — Genspark가 Baseten이 11월 10일 공개한 연구를 소개했다. 심층 연구용으로 사후 학습한 Qwen3.5-397B는 Genspark의 내부 평가기에서 0.759를 기록했으며, 기본 모델은 0.612, Opus 5.5는 0.738이었다. 이 모델은 에이전트의 기본 모델이 되며, 가중치는 Genspark가 보유한다. 🔗 출처 · 🔗 Baseten 게시물
  • BAR 벤치마크의 Muse Wonder — Meta가 법률 AI 플랫폼 Legora의 11월 순위를 소개했다. Muse Wonder는 종합 품질에서 최고 점수를 기록했으며, 분석과 추출을 포함한 네 가지 작업 유형에서 선두에 올랐다. 🔗 출처
  • Clairic — Cloudflare가 Hugging Face에 공개한 270억 파라미터의 타입 지정 구조화 추출 모델 Clairic의 시연을 Hub에서 이용할 수 있다. 모델은 10월 16일, Flash 버전은 11월 12일에 공개됐다. 🔗 출처
  • Airbnb의 Gemma 4 E2B — Google의 Gemma 계정에 따르면 Airbnb는 RTX Pro 6000 GPU 한 개에서 Gemma 4 E2B를 사용해 규칙을 분류했다. 최대 F1은 0.563에서 0.902로 상승했고, 지연 시간 중앙값은 최첨단 모델의 약 900 ms에 비해 35 ms였으며, 대량 처리 시 비용은 해당 모델들의 약 1%였다. 🔗 출처
  • Atto — NeuML이 파라미터 840개부터 2,800만 개까지의 초소형 문서 검색 모델군을 공개했다. 파라미터 90,000개의 밀집 모델은 BEIR의 일부 데이터에서 nDCG@10 0.4257을 기록했으며, 약 256배 큰 all-MiniLM-L6-v2는 0.4802였다. 🔗 출처
  • ja-NCM — 한 개발자가 토큰을 하나씩 생성하는 대신 개념 단위로 텍스트를 생성하는 일본어용 소형 오픈 웨이트 모델을 공개했다. 개발자에 따르면 비슷한 품질에서 자기회귀 모델보다 약 6배, 확산 모델보다 2.4배 빠르다. 🔗 출처
  • Into the Omniverse — NVIDIA가 에이전트로 구축한 시뮬레이션에 관한 게시물을 새 사례와 함께 세 번째로 재게시했다. 새 사례로는 GPT-6 Astra를 활용한 Falkor(KONGSBERG)의 산업 시설 디지털 트윈과, Microduck 로봇 768대 중 766대가 서 있는 상태를 유지한 Claude Code로 구성한 중환자실이 있다. 🔗 출처

이것이 의미하는 것

최첨단 연구소의 재무·기술적 진전에는 이제 안전성에 대한 약속이 뒤따른다. Anthropic은 공모가를 제시 범위보다 높게 책정하고 공모 주식 수를 8억 2,500만 주에서 9억 8,000만 주로 늘렸다. 다음 날 다리오 아모데이는 상업적·정치적 압력에 굴복하지 않고, 모델이 안전하며 인간의 통제 아래 있음을 확신할 수 있을 때까지 학습과 배포의 속도를 조절하겠다고 약속했다. 연구에서 에이전트에 맡기는 비중이 커지고 있음을 측정하는 OpenAI는 연구소들이 재귀적 자기 개선 지표를 의무적으로 공개해야 한다고 요구한다. 두 입장은 같은 질문에 답한다. 자원과 역량이 이처럼 빠르게 늘어날 때 안전성도 그 속도를 따라가고 있음을 어떻게 보여 줄 것인가.

이제 에이전트는 연구소 자체 업무의 측정 가능한 몫을 담당한다. OpenAI에서는 2~4시간짜리 작업의 거의 절반을 에이전트가 혼자 완수하며, 정가 기준 연구자 한 명당 하루 사용액의 중앙값은 2,400달러다. Performance Factory는 ChatGPT의 속도 저하 원인을 조사하는 작업을 하루 17건씩 에이전트에 맡긴다. Replit은 조직 방식이 모델만큼 중요하다는 점을 보여 준다. 단독 성능이 가장 뛰어난 에이전트가 구성한 군집은 공유 보드로 협업하는 Claude Opus 5.5 군집보다 성능이 떨어진다. 모든 곳에서 최종 결정은 사람이 내린다. 엔지니어가 Performance Factory의 수정 사항을 병합하고, OpenAI 연구자들이 면밀히 감독하며, Devin은 사람이 검토할 풀 리퀘스트를 연다.

과금은 점점 실제 사용량에 맞춰진다. Cursor에서 Gemini 4 Neon은 작업당 비용을 기준으로 판매되며, 추론 강도 Medium에서는 3.07달러, Extra High에서는 10.67달러다. Genie 4는 생성된 세계의 시간 1초당 약 0.10달러를 청구하고, GPT-Live는 아무도 말하지 않을 때 분당 0.02달러로 내려간다. Tool Retrieval도 OpenAI와 Anthropic의 유사 기능처럼 개발자 측에서 같은 목표를 추구한다. 실제로 사용하는 도구의 스키마에 대해서만 토큰 비용을 지불하도록 하는 것이다.

개방형 모델에서는 기존 기반 모델에서 무엇을 끌어낼 수 있는지에 노력이 집중된다. DaisyRose-27B와 Hermes 어댑터는 모두 Qwen3.8-27B에서 출발한다. 전자는 강화 학습으로 Terminal-Bench 4.1 점수를 두 배로 높이고, 후자는 토큰을 3.5~4.4배 적게 사용하면서 최대 추론 모드와 동등한 성능을 낸다. PEFT는 이런 미세 조정을 지원할 도구를 제공하기 위해 1.0 버전을 준비하고, OVHcloud는 공공 슈퍼컴퓨터에서 학습한 유럽 모델을 탄소 발자국과 함께 공개하며, Ideogram은 4.6 버전의 가중치 공개를 약속한다. 이 수치는 여전히 각 개발사가 제시한 값이다.


출처