Claude Tag가 Slack에 합류, Mistral OCR 4가 OlmOCRBench를 장악, Runway가 Seedance 4K와 Kling 3.0을 통합

2026년 6월 23일은 두 가지 큰 축으로 정리된다. 업무 환경 속 AI( Slack의 Claude Tag, 일반 공급 상태의 Copilot CLI, Cursor 3.8)와 멀티모달 출력 품질(문서용 Mistral OCR 4, Seedance 4K를 탑재한 Runway, L’Odyssée를 다룬 ElevenLabs)이다. Claude Code v2.1.187, NVIDIA DFlash, Together AI의 ParallelKernelBench, 그리고 문화적 인식에 관한 Cohere Labs 연구가 더해지며, 발표는 7개 분야로 넓게 펼쳐졌다.

Claude Tag — Claude가 팀의 공유 멤버로 Slack에 통합되다

6월 23일 — Anthropic이 Enterprise 및 Team 고객을 위한 Claude Tag 베타를 출시한다. 핵심은 Claude가 Slack 안에서 일반 팀원처럼 자리 잡아, @Claude을 통해 채널 전체에 접근 가능하고, 지속 메모리와 비동기 작업 능력을 갖춘다는 점이다.

작동 방식

관리자는 Claude에게 선택한 채널 접근 권한을 부여하고, 원하는 도구·데이터·코드베이스에 연결한다. 이후 누구나 @Claude로 멘션해 작업을 맡길 수 있다. Claude는 이를 단계로 나눈 뒤 실행하고, 결과를 스레드로 답한다. 다음 네 가지 특성은 Claude Tag를 기존의 Claude in Slack 통합과 구분한다.

특징	설명
멀티플레이어 모드	채널당 하나의 공유 Claude — 각 구성원은 Claude가 무엇을 작업 중인지 볼 수 있음
지속 메모리	Claude가 대화가 이어질수록 맥락을 축적해, 매번 다시 설명할 필요가 없음
앰비언트 모드	Claude가 채널을 능동적으로 모니터링하고, 활성화되면 선제적으로 행동함
비동기 작업	작업이 여러 시간 또는 여러 날에 걸쳐 백그라운드에서 실행됨

거버넌스

각 채널은 도구, 데이터, 메모리에 대해 자체 범위를 가지며, 채널 간 맥락은 섞이지 않는다. 각 작업의 시작 주체를 포함한 전체 작업 로그는 관리자가 확인할 수 있고, 조직 또는 채널 단위로 토큰 한도를 설정할 수 있다.

Anthropic에 따르면 제품 팀이 생성한 코드의 65%가 내부 버전의 Claude Tag로 생성된다. 사용 범위는 메트릭 추적, 지원 티켓 처리, 버그 진단 같은 작업으로 확장되고 있다. Claude Tag는 Opus 4.8에서 동작하며, 기존 Claude in Slack 애플리케이션을 대체한다 — 기존 관리자는 이전을 위해 30일의 시간이 주어진다.

🔗 Anthropic — Claude Tag 소개

Cursor 3.8 — Cursor 맞춤 설정 (Marketplace Leaderboard, Plugin Canvases, Team Marketplaces)

6월 22-23일 — 6월 22일에 공개되고 6월 23일 X에서 발표된 Cursor 3.8 변경 로그는 “Customize Cursor”라는 제목을 달고 있다. 여기에는 중앙 집중형 사용자 지정 페이지와 3가지 팀 통합 기능이 추가된다.

새로운 “Customize” 페이지

이 단일 진입점은 사용자, 팀, workspace 수준에서 plugins, skills, MCPs, 하위 에이전트, 규칙, 명령, hooks를 한데 모은다. custom MCP도 이 페이지에서 설정할 수 있다.

세 가지 주요 기능

기능	설명
Marketplace Leaderboard	팀에서 가장 많이 사용되는 plugins, skills, MCPs 대시보드 — 클릭 한 번으로 설치 가능
Plugin Canvases	plugins에 미리 구성된 canvases를 포함할 수 있음; 첫 예시는 Atlassian canvas(issue, project, document의 실시간 보기)
확장된 Team Marketplaces	로컬 저장소에 더해 GitLab, Bitbucket, Azure DevOps 지원

Atlassian canvas는 이 개념의 구체적 시연이다. 이제 plugin은 명령어나 텍스트 도구만이 아니라, 구조화된 시각적 인터페이스도 노출할 수 있다.

🔗 Cursor — 변경 로그 3.8 · Marketplace Leaderboard 트윗 · Plugin Canvases 트윗 · Team Marketplaces 트윗

Copilot CLI — 새로운 터미널 인터페이스가 일반 공급 상태로

6월 23일 — GitHub가 Microsoft Build 2026에서 미리 공개했던 GitHub Copilot CLI의 새로운 터미널 인터페이스(TUI)의 일반 공급(GA)을 발표한다.

핵심 기능

새 TUI는 Session(기본), Gists, Issues, Pull requests라는 탭 시스템을 도입하며, Tab으로 이동할 수 있다. 어떤 탭에서든 c는 프롬프트에서 아이템을 참조하고, o는 브라우저에서 열며, /는 검색을 시작한다.

구성은 이제 세션 내에서 전부 안내된다.

/mcp add 또는 /mcp search로 GitHub MCP Registry를 탐색하고 설정 파일을 건드리지 않고 서버를 설치
/skills로 화살표 키를 사용해 skills를 활성화 또는 비활성화
/plugin로 marketplace, 저장소, 로컬 경로에서 plugins 설치
/settings로 인라인 구성 수정

이 인터페이스는 접근성도 지원한다. 테마 색상(기본, dim, 고대비, /theme을 통한 색각 이상 모드), 좁은 터미널을 위한 적응형 구성 요소, 화면 판독기 자동 감지 기능이 포함된다.

업데이트: 터미널에서 copilot update.

🔗 GitHub 변경 로그 — Copilot CLI TUI GA

GitHub Copilot app — BYOK(Bring Your Own Key) 지원

6월 23일 — GitHub Copilot app이 이제 BYOK를 지원한다. 사용자는 자신이 보유한 모델 공급자에 대해 에이전트 세션을 실행할 수 있다.

지원되는 공급자

Azure OpenAI, Anthropic, 자체 호스팅 Ollama, LM Studio, 그리고 OpenAI 호환 gateway 전부. 설정은 설정 → 모델 공급자(endpoint + API key)에서 수행한다. 키는 로컬 OS 키체인에 저장되며, 인터페이스가 읽지 않는다.

용도	설명
혼합 모델	복잡한 작업에는 frontier 모델, 실행에는 로컬 모델을 결합
자체 tenant 트래픽	자체 클라우드 계정, tenant 또는 내부 gateway를 통한 추론 라우팅
통합 선택기	추가된 공급자의 모델이 Copilot 호스팅 모델과 함께 표시됨

참고: Copilot Business 및 Enterprise 플랜에서는 관리자가 정책 설정에서 “Copilot CLI”를 활성화해야 한다.

🔗 GitHub 변경 로그 — Copilot App BYOK

Runway가 Seedance 4K, Seedance Mini, Kling 3.0 Turbo를 통합하다

6월 23일 — Runway가 자사 플랫폼에서 바로 사용할 수 있는 3개의 타사 비디오 생성 모델의 즉시 사용 가능 상태를 발표한다.

추가된 3개 모델은 Seedance 4K(4K 고해상도 생성), Seedance Mini(더 빠른 사용을 위한 경량 버전), Kling 3.0 Turbo(Kuaishou의 Kling 모델 최신 버전의 터보 모드)이다. 이로써 Runway는 자체 Gen-4 및 Aleph 2.0 모델에 더해, 최첨단 생성형 비디오 모델의 집계기로 자리매김한다.

이처럼 단일 플랫폼 안에서 여러 모델을 함께 쓰는 방식은, 창작자가 해상도·속도·스타일 등 각 사용 사례에 맞는 모델을 도구 전환 없이 선택하게 해준다.

신규 구독자에게는 첫 3개월 동안 30% 프로모션 코드가 제공된다(코드: 30RUNWAY).

🔗 Runway — Seedance와 Kling 3.0

ElevenLabs — Michael Caine의 라이선스 음성으로 낭독된 호메로스의 『오디세이』

6월 23일 — ElevenLabs가 The Odyssey를 출시한다. 이는 영국 배우 Sir Michael Caine과의 공식 협업으로 제작된 AI 음성으로 낭독한 호메로스의 『오디세이』 오디오북이다. 이 작품에는 오리지널 음악과 영화적 사운드 디자인이 함께 제공된다.

이 오디오북은 ElevenLabs의 오디오 리딩 앱인 ElevenReader(elevenreader.io)에서 무료로, 그리고 독점적으로 이용할 수 있다. 이 제작은 ElevenReader 플랫폼을 실용적인 음성 합성을 넘어 프리미엄 AI 콘텐츠로 홍보하려는 전략을 보여준다.

Michael Caine과의 협업은 ElevenLabs와 배우 간의 공식 라이선스 계약에 기반하며, 이 특정 제작을 위해 그의 목소리를 AI 형태로 재현할 수 있게 한다.

“Before you see the film, hear the original epic. Today, we’re releasing The Odyssey: an audiobook narrated by the voice of Sir Michael Caine, with original music and cinematic sound design.”

🇰🇷 “영화를 보기 전에 원작 서사를 들어 보세요. 오늘 우리는 Sir Michael Caine의 목소리로 낭독되며, 오리지널 음악과 영화적 사운드 디자인이 더해진 『오디세이』를 출시합니다.” — @ElevenLabs

🔗 ElevenReader — The Odyssey

Mistral OCR 4 — 구조화된 로컬라이제이션을 갖춘 SOTA 문서 처리

6월 23일 — Mistral이 자사의 문서 처리 모델인 Mistral OCR 4를 출시한다. 이 모델은 SOTA(State Of The Art — 최신 기술 수준)로 소개된다. 광학 문자 인식의 공개 기준 벤치마크인 OlmOCRBench에서 OCR 4는 85.20점을 주장하며, Mistral 기준으로 벤치마크 1위를 기록했다고 한다.

기술적 특징

OCR 4는 각 텍스트 블록을 경계 상자로 찾아내고, 제목·표·수식·서명 등으로 분류한 뒤, 영역별 신뢰도 점수를 부여한다. 이러한 구조화된 로컬라이제이션은 검증된 인용, 작성, RAG 분할, 인간 검수 루프의 기반이 된다.

측면	상세
OlmOCRBench	85.20점 — Mistral 기준 벤치마크 1위
다국어 평가	Mistral 내부 평가 1위; 희귀 언어에서 가장 큰 향상
인간 검증	12개 이상의 언어에서 독립 주석자가 600개 이상의 실제 문서를 블라인드 분류

이용 가능성

Mistral API, Mistral AI Studio의 Document AI, Amazon SageMaker, Microsoft Foundry를 통해 즉시 이용할 수 있다. Snowflake Parse Document 지원은 다음 업데이트에서 제공될 예정이라고 발표되었다. 이 모델은 단일 컨테이너에서 자체 호스팅도 가능하다.

🔗 Mistral — OCR 4 · X 스레드

Claude Code v2.1.187 — 자격 증명 보안, 조직별 모델 제한

6월 23일 — Claude Code v2.1.187은 두 가지 새로운 거버넌스 기능과 여러 주목할 만한 수정 사항을 도입한다.

새 sandbox.credentials 매개변수는 샌드박스화된 명령이 자격 증명 파일과 비밀이 포함된 환경 변수에 접근하지 못하도록 차단한다. 이는 자동화 모드 또는 공유 환경에서 Claude Code를 사용하는 팀에 추가 보호를 제공한다.

이제 조직은 관리 콘솔에서 모델 제한을 구성할 수 있다. 이러한 제한은 모델 선택기, --model, /model, 그리고 ANTHROPIC_MODEL 변수에 적용된다. 명시적 메시지는 사용자의 선택이 조직 설정에 의해 제한된다는 점을 알려 준다.

수정 사항 중에는 다음이 포함된다. 무기한(최대 5분) 차단되던 원격 MCP 도구 호출이 이제는 오류와 함께 종료된다. 한국어 또는 CJK 텍스트 붙여넣기는 더 이상 바이트 단위로 클립보드를 전달하는 터미널에서 깨진 문자(mojibake)를 만들지 않는다. 구조화된 출력(--json-schema)은 성공 이후 StructuredOutput를 무한히 다시 호출하지 않도록 수정되었다.

🔗 Claude Code 변경 로그

Warp가 GLM 5.2를 추가하고 YAML에서 모델 자동 라우터를 실험하다

6월 23일 — Warp가 자사의 AI 터미널에서 GLM 5.2의 공식 지원을 발표한다. 이 모델은 Fireworks에서 호스팅되며, 코드 생산에서 토큰 효율이 좋다고 설명된다. Warp는 다른 공급자에 연결하기 위한 BYO(Bring Your Own) inference도 지원한다.

CEO Zach Lloyd는 동시에 YAML로 구성 가능한 모델 자동 라우터 실험을 공유한다. 자연어로 어떤 작업이 어떤 모델로 라우팅되는지 기술하는 방식이다. 예를 들어 프런트엔드는 GLM 5.2, 복잡한 아키텍처 결정은 GPT 5.5 High로 보낼 수 있다. 이 선언적 라우팅 접근 방식은 도구를 바꾸지 않고도 작업 유형별 비용/품질 비율을 최적화할 수 있게 해준다.

🔗 Warp — GLM 5.2 · Warp — 자동 라우터

Together AI — CUDA 커널 생성을 위한 멀티 GPU 벤치마크 ParallelKernelBench

6월 23일 — Together AI가 실제 프로덕션 코드베이스(Megatron-LM, DeepSpeed, TensorRT-LLM, NeMo-RL)에서 가져온 87개의 멀티 GPU 문제로 구성된 벤치마크 ParallelKernelBench(PKB)를 공개한다. 목표는 LLM이 PyTorch + NCCL을 대체해 NVLink 대칭 메모리를 직접 활용하는 CUDA 커널을 얼마나 잘 생성하는지 측정하는 것이다.

현재 결과는 이 작업에서 frontier 모델의 한계를 보여 준다.

모델	해결한 문제(zero-shot)	baseline보다 더 빠름
GPT-5.5	28/87	22/87
Gemini 3 Pro	24/87	12/87
Claude Opus 4.7	20/87	12/87
Gemini 3 Pro (agentic)	35/87	26/87

agentic 모드(컴파일/테스트/수정 루프)는 Gemini 3 Pro를 크게 개선해 정답 수를 24개에서 35개로 끌어올리지만, 약 20단계 이후에는 정체된다. PKB는 오픈 소스이며 기여를 환영한다.

🔗 Together AI — ParallelKernelBench · 트윗

NVIDIA DFlash — Blackwell GPU에서 최대 15배의 speculative decoding

6월 23일 — NVIDIA가 speculative decoding을 위해 설계된 오픈 소스 경량 블록 diffusion model(lightweight block diffusion model)인 DFlash를 공개한다. NVIDIA Blackwell GPU에 배포된 DFlash는 사용자에게 체감되는 반응성을 유지하면서 추론 처리량을 최대 15배까지 높일 수 있다.

speculative decoding은 가벼운 초안 모델을 사용해 여러 tokens를 병렬로 생성한 뒤, 하나의 주 모델 패스로 tokens를 검증하거나 수정함으로써 필요한 패스 수를 줄이는 방식이다. DFlash는 이 아키텍처의 초안 역할에 해당하는 부분으로, Blackwell 계열에 맞게 최적화되어 있다.

🔗 NVIDIA — DFlash · 트윗

면역학에서의 GPT-5 — 3년 된 실험의 수수께끼가 한 세션 만에 해결되다

6월 23일 — OpenAI가 면역학에서 GPT-5 Pro의 활용 사례를 공개했다. 면역학자 Derya Unutmaz(Jackson Laboratory / UConn)는 2022년부터 설명되지 않던 T 세포 실험의 메커니즘을 밝히기 위해 GPT-5 Pro를 사용했다.

GPT-5 Pro는 데옥시글루코스가 IL-2 단백질의 구축을 방해한다는 점을 찾아냈고, 그 결과 노출된 T 세포가 대량으로 Th17 세포(염증 반응)로 바뀌는 이유를 설명했다. 또한 이 모델은 림프종을 표적으로 하는 CD8+ T 세포에 대한 미공개 실험 결과도 정확하게 예측했다.

Unutmaz는 이제 암 돌연변이 데이터셋을 편집하고 정밀 면역치료 연구를 가속화하기 위해 GPT-5 Pro, Codex, GPT-5.2 Deep Research를 활용하고 있다. OpenAI는 오용 위험(생물학/화학)을 다시 강조하며 Preparedness Framework를 안내했다.

🔗 OpenAI — GPT-5 Immunology Mystery

Cohere Labs — 다국어만으로는 충분하지 않다: LLM에는 문화적 인식이 부족하다

6월 23일 — Cohere Labs가 22개국 출신 참가자 81명을 대상으로 한 설문조사 기반 연구를 발표했다. 핵심 결론은 다국어 LLM이 반드시 다문화적인 것은 아니라는 점이다.

설문조사에서 나온 몇 가지 수치: 비영어권 응답자의 89.5%는 AI와 상호작용하고 더 나은 답변을 얻기 위해 언어를 바꾼다. 38%는 AI가 자신의 문화를 이해하지 못한다고 평가했다(5/10 미만). 63%는 상호작용 중 문화적 규범이 침해되는 경험을 했다(독일식 격식, 한국 역사 맥락, 이집트 아랍어 등). 67%는 향후 문화적 주변화가 더 심해질까 우려한다. Cohere Labs는 문화적 인식을 사후 추가가 아니라 설계 요건으로 처음부터 통합해야 한다고 주장한다.

🔗 Cohere Labs — 글로벌 AI에서의 문화적 인식

간추린 소식

Zed — Hidden Gems: Part 4 (6월 23일) — Zed 팁 시리즈의 블로그 글: 대형 화면에서 구성 가능한 중앙 정렬 레이아웃, 병렬 에이전트와 함께하는 멀티 워크트리 키보드 탐색, 통합 터미널의 EDITOR=zed --wait, 짧은 니모닉을 위한 command_aliases. 🔗 Zed 블로그
NVIDIA Nemotron Office Hours (6월 23일) — NVIDIA AI가 Nemotron Labs에서 제공되는 Nemotron 3 모델군을 위한 라이브 Q&A 세션을 진행한다. 🔗 NVIDIAAI 트윗

이것이 의미하는 바

에이전틱 AI가 일상 도구에 자리 잡고 있다. Slack의 Claude Tag와 GA로 출시된 Copilot CLI는 서로 다르지만 상호보완적인 두 가지 도입 경로를 보여준다. Claude Tag는 팀의 협업 워크플로에 통합되는 데 초점을 맞춘다. 즉, 공유 메모리와 주도성을 가진 에이전트를 모두가 볼 수 있는 형태로 제공한다. Copilot CLI는 개별 개발자의 터미널에 통합되는 데 초점을 맞춘다. 즉, 탭, MCP 관리 가이드, 기본 접근성을 갖춘 구조화된 인터페이스를 제공한다. 두 경우 모두 목표는 사용자가 도구를 바꾸지 않아도 되도록, AI 도구와 기존 작업 환경 사이의 마찰을 줄이는 것이다.

개인화는 코딩 환경의 차별화 요소가 되고 있다. 중앙화된 “Customize” 페이지를 갖춘 Cursor 3.8과 GitHub Copilot의 BYOK는 같은 요구에 응답한다. 즉, 각 맥락에 어떤 모델, 어떤 도구, 어떤 워크플로를 적용할지 팀이 정밀하게 설정할 수 있게 하는 것이다. Cursor의 Marketplace Leaderboard는 사회적 차원을 도입한다. 즉, 팀이 가장 많이 쓰는 것이 더 잘 보이게 된다. Copilot의 BYOK는 주권의 차원을 도입한다. 즉, 트래픽이 기업 테넌트 안에 머무른다. 이 두 접근 방식은 개발 팀이 이러한 도구를 대하는 성숙도가 높아지고 있음을 보여준다.

멀티모달 및 문서 처리 모델이 새로운 품질 기준에 도달하고 있다. OlmOCRBench에서 85.20이라는 공표 점수를 내세운 Mistral OCR 4, Seedance 4K와 Kling 3.0 Turbo를 통합한 Runway, 시네마틱 오디오북을 내놓은 ElevenLabs — 이 세 발표는 고품질 멀티모달 콘텐츠 생성이 더 이상 떠오르는 사용 사례가 아님을 보여준다. 특히 Mistral은 단순한 원시 전사보다 구조화된 문서 지능(블록별 신뢰도 점수, RAG 지원)에 초점을 맞추고 있다.

GPU 커널 벤치마크는 사각지대를 드러낸다. Together AI의 ParallelKernelBench는 전통적인 코드 벤치마크에서 LLM이 보여주는 능력과, 멀티노드 GPU 최적화 코드를 실제로 생성하는 능력 사이의 의미 있는 격차를 지적한다. 최고 성능 모델(GPT-5.5)조차 zero-shot에서 87개 문제 중 28개만 해결하고, 그중 단 22개만 기존 기준선을 능가했다는 사실은 이 범주의 문제가 여전히 현행, 심지어 frontier 모델의 범위를 크게 벗어난다는 점을 보여준다. 에이전틱 접근은 성과를 높이지만 한계에 부딪힌다. 이는 병목이 단지 컨텍스트에만 있는 것이 아니라 GPU 통신 원시 프리미티브의 표현에도 있음을 시사한다.

LLM에서의 문화적 문제는 다국어를 넘어선다. Cohere Labs 연구는 이미 실무에서 관찰된 현상을 확인해 준다. 주로 영어로 학습된 모델은 다른 언어로 응답하더라도 서구적 문화 관점을 투사하는 경향이 있다. 더 나은 답변을 얻기 위해 언어를 바꾸는 비영어권 응답자 89.5%는 실제적인 비용이 존재함을 보여준다. 67%가 향후 문화적 주변화를 우려한다는 사실은, 이 문제가 단순히 기술 사용자만의 인식에 그치지 않음을 시사한다. 이는 평가 및 학습 시스템 설계에 반영해야 할 신호다.