GLM-5.3 오픈 웨이트 공개, Claude Code 권한 우회 7건 수정, OpenAI Rosalind Workbench 공개

8월 28일 하루 동안 9개 분야에서 선정한 발표는 42건이다. 그중 2건은 서로 협의하지 않았지만 서로 호응한다. Z.ai는 취약점을 찾도록 훈련된 모델 GLM-5.3의 가중치를 공개하고, 이 모델을 통해 269개 프로젝트에서 발견한 실제 취약점 2,436건을 함께 기록했다. 같은 날 Anthropic은 Claude Code 버전 3개를 출시했으며, 그중 하나는 권한 제어를 우회할 수 있었던 경로 7개를 수정했다. 이와 함께 Anthropic은 Claude가 다른 모델을 스스로 정렬하는 연구를 발표했고, OpenAI는 Rosalind Workbench를 생명과학 분야에 공개했으며, GitHub는 Copilot의 정책 및 과금 변경 3가지를 발표했다. 나머지 소식인 Gemini Notebook, Midjourney, Wan 3.0, Warp, Amp, v0, Replit은 아래에서 이어진다.

Z.ai, GLM-5.3의 가중치 공개… Perplexity와 Together AI에서 곧바로 라우팅

8월 28일 — 전날 두 줄짜리 메시지로 예고된 공개가 실제로 이루어졌다. Z.ai는 Hugging Face에 GLM-5.3의 가중치를 공개했다. API를 통해 모델을 출시한 지 2주 만이며, 공개 조건으로 제시한 안전성 평가와 보강 작업을 진행하는 데 걸린 시간이다. 저장소 zai-org/GLM-5.3에는 상세한 기술 블로그가 함께 제공되며, 인용을 위해 2월 arXiv에 2602.15763이라는 참조 번호로 제출된 GLM-5 제품군의 기술 보고서를 연결한다. 다만 완전한 공개를 기대했던 이들에게는 아쉬운 점이 있다. 라이선스가 허용적이지 않으며, 저장소에는 license: other 필드와 자체 라이선스 이름인 glm-5.3가 명시되어 있다.

이 모델의 독특한 점은 방법론이다. GLM-5.3은 GLM-5.2와 정확히 같은 기본 모델을 재사용한다. 성능 향상은 모두 사후 훈련, 즉 더 많고 다양하며 실제 전문 업무에 가까운 훈련 환경에서 비롯된다. Z.ai는 자체 벤치마크인 Z.ai Code Bench에서 50% 향상되었고, Terminal Bench 3.0과 Agents’ Last Exam에서는 오픈 소스 분야의 최신 성능을 달성했다고 밝혔다. 일부 격차는 두드러진다. Terminal-Bench 3.0은 4.6에서 28.3으로, DeepSWE v1.1은 46.2에서 66.9로 상승했다. 연구소는 토큰 효율성도 강조한다. Max 노력 수준에서 작업당 약 75,000개의 출력 토큰을 사용해 34.5%의 성공률을 기록한 반면, GLM-5.2는 96,000개의 토큰을 사용하고도 23.4%에 머물렀다.

평가한 벤치마크	GLM-5.3	GLM-5.2	Kimi K3	Qwen3.8-Max	Opus 4.8
Terminal Bench 2.1	88,2	81,0	88,3	86,6	85,0
Terminal Bench 3.0	28,3	4,6	17,4	—	21,1
DeepSWE v1.1	66,9	46,2	67,5	56,6	58,0
Agents’ Last Exam (ALE-CLI)	28,5	23,8	27,6	27,0	25,7
CyberGym	84,5	77,2	80,0	78,5	78,1
ExploitBench	54,4	24,4	32,2	28,8	40,0
ExploitGym (2 h / 6 h)	105 / 130	29 / 39	36 / 70	14 / 26	80 / 120
AutomationBench v1.0.6	48,2	26,2	46,7	39,8	41,0
GDPval-AA v2	1769	1508	1682	1739	1588

기술 블로그에서 가장 예상 밖인 부분은 사이버 보안에 관한 내용이다. 취약점 발견 데이터와 환경을 훈련 데이터에 포함하자 Z.ai는 이 능력이 예상보다 빠르게 발전하는 것을 확인했다고 밝혔다. 모델은 더 이상 개별 취약점을 식별하는 데 그치지 않고, 여러 단계로 이어지는 익스플로잇 체인을 추론한다. GLM-5.3은 CyberGym에서 84.5%를 기록해 연구소가 공개한 비교 표에서 가장 높은 점수를 얻었으며, ExploitBench에서는 이전 모델의 성능을 두 배로 높였다. 그러나 Z.ai는 익스플로잇 체인을 거슬러 올라갈수록 비공개 최첨단 모델과의 격차가 커진다고 인정했다. ExploitGym에서 이 모델은 2시간 동안 105개, 6시간 동안 130개의 작업을 완료했지만, 표의 상위 두 비공개 모델은 같은 시간 예산에서 각각 181개와 247개, 216개와 293개 작업을 처리했다.

이러한 능력은 실제 코드에서 검증되었다. 중국의 여러 보안 팀과 협력하고 전문가 검토, 필터링 및 중복 제거를 거친 결과, 모델은 269개 프로젝트에 걸쳐 2,436개의 취약점을 식별했다. 많은 취약점이 수년 동안 방치되어 있었다. 가장 오래된 취약점은 1981년에 도입되어 45년 동안 영향을 미쳤으며, 한 취약점은 발견되기 전까지 평균 26.6년 동안 존재했다. Z.ai는 이러한 발견이 공개되는 과정을 추적할 수 있도록 공개 기록인 Z.ai Security Disclosure Ledger를 개설했다.

취약점 공개	값
식별된 취약점	2 436
영향을 받은 오픈 소스 프로젝트	269
심각 및 고위험	1 097
공개적으로 공개됨	53
공개 유예 중	2 383
포함된 영향 기간(년)	45

인프라 측면에서는 Z.ai의 강화학습(reinforcement learning) 사후 훈련 소프트웨어 프레임워크(framework)인 slime를 중심으로 구성되며, 훈련에는 Megatron을, 궤적 실행에는 SGLang을 사용한다. 연구소는 장기 작업을 수행하는 코드 작업에서 엔드투엔드 훈련 처리량이 2.3배 이상 향상되었고, 훈련과 실행의 일관성을 평균 로그 확률 차이 약 1e-7 수준으로 줄였다고 밝혔다. 로컬 실행은 SGLang, vLLM, TokenSpeed, Transformers, KTransformers, Unsloth 및 Ascend NPU 플랫폼에서 문서화되어 있다. 마이그레이션하는 개발자가 주의할 점은 GLM-5.3에서 추론을 더 이상 비활성화할 수 없다는 것이다. reasoning_effort 매개변수는 세 가지 수준인 low, high, max을 지원하며, 기본값이자 코드에 권장되는 값은 max이다. 아직 thinking.type: "disabled"를 전송하는 애플리케이션은 요청이 실패하지 않도록 수정해야 한다.

배포는 당일 이어졌다. Perplexity는 Perplexity Computer의 모델 카탈로그에 GLM 5.3을 추가하면서 장문 컨텍스트를 사용하는 멀티모달 에이전트 워크로드에 적합하다고 소개했다. 또한 WANDR에서 0.278을 기록해 GLM 5.2의 0.259보다 0.019포인트 높다는 측정 결과를 공개했다. 두 가지 한계는 언급할 필요가 있다. 이 비교는 GLM 제품군 내부에만 국한되어 있어 Computer 카탈로그의 다른 모델과 비교한 위치를 보여주지 않는다. 또한 WANDR은 2026년 7월 14일 공개된 Perplexity의 독점 벤치마크이므로, 이 수치를 제3자 평가와 대조하기 어렵다. 한편 Together AI는 서버리스 API에 « coming soon »으로 표시된 모델 페이지를 개설했다. 컨텍스트는 100만 토큰이며 노력 수준은 3가지지만, 현재까지 가격은 공개하지 않았다.

GLM-5.3이 이제 오픈 웨이트로 공개되었습니다.

Our most capable model for agentic coding and cyber defense is now available to download, run, and customize.

🇰🇷 GLM-5.3이 이제 오픈 웨이트로 공개되었습니다. 에이전트 코딩과 사이버 방어를 위한 저희의 가장 강력한 모델을 이제 다운로드하고 실행하며 맞춤 설정할 수 있습니다. — @Zai_org X에서

🔗 Z.ai 기술 블로그 · Hugging Face 저장소 · @perplexity_ai의 발표

Claude Code 2.1.248~2.1.251: 권한 우회 7건 수정, 제한 모드와 터미널 세션 재개

8월 28일 — Claude Code의 세 버전인 2.1.248, 2.1.250, 2.1.251이 같은 날 출시되었다. 2.1.249는 변경 로그에 나타나지 않는다. 이례적인 속도와 구성은 그 이유를 설명해 준다. 8월 27일 업데이트가 주로 비용 관련 도구를 추가했다면, 이번 배치는 보안이 중심이다. 2.1.251의 수정 사항 7건은 권한 제어를 우회할 수 있었던 경로를 대상으로 한다.

반복해서 나타나는 원인은 검사가 너무 일찍 수행되었다는 점이다. 파일 도구는 권한 검사 후 작업 디렉터리 내부에서 교체된 심볼릭 링크를 따라갔고, 이로 인해 승인된 위치 외부를 읽거나 쓸 수 있었다. Grep과 Glob은 심볼릭 링크가 연결된 검색 경로를 통해 도달한 파일에 대해 거부 규칙 Read(...)을 적용하지 않았다. Workflow 도구는 세션에 읽기 권한이 없는 위치에 있는 scriptPath를 읽었으며, 검사 실행 전에 이를 오류 메시지에 인용하기까지 했다. 플러그인 마켓플레이스 항목에 선언된 명령은 플러그인 디렉터리 외부를 가리킬 수 있었지만, 이제 이러한 경로는 경로 탐색 오류와 함께 거부된다.

같은 강화 조치는 설정에도 적용된다. 서버에서 관리되며 샌드박스(sandbox)의 TLS를 종료하거나, 트래픽을 제3자 프록시로 라우팅하거나, 자격 증명을 주입하거나, 격리를 약화하는 설정은 이제 적용 전에 승인을 요청한다. 관리형 또는 프로젝트 설정에서 온 ANTHROPIC_CUSTOM_HEADERS는 식별자, 조직 또는 라우팅 헤더를 설정하는 즉시 승인이 필요하다. 또한 프로젝트 설정의 .claude/settings.json은 더 이상 CLAUDE_CONFIG_DIR, CLAUDE_CODE_TMPDIR, TMPDIR을 정의할 수 없다. 이러한 변수는 셸, 사용자 설정 또는 관리형 설정을 통해 지정해야 한다. 2.1.248은 같은 취지에서 --restricted 모드(또는 CLAUDE_CODE_RESTRICTED=1)를 도입했다. 이 모드는 명령이나 코드를 실행할 수 있는 통합 도구와 WebFetch를 제거하고, 파일 도구를 작업 디렉터리로 제한하며, bypassPermissions를 거부하고, 사용자·프로젝트·로컬 설정 파일을 무시한다.

버전	주요 성격
2.1.248	`--restricted` 모드, Bedrock·Vertex·Foundry에서 세션 간 메시지 기능, 캐시 수정
2.1.250	수정 및 안정성 개선만
2.1.251	모델 전환 훅, 하위 에이전트 스트리밍, 권한 우회 수정 7건

기능 측면에서는 고급 사용자들이 주목할 만한 새 기능이 두 가지 있다. 훅 이벤트 PreModelSwitch과 PostModelSwitch을 사용하면 모델 전환을 차단하거나 확인하거나 주석을 달 수 있다. 따라서 팀은 검증되지 않은 모델로 조용히 전환되는 것을 막거나 모든 변경 사항을 기록할 수 있다. 재개 훅 SessionStart은 세션의 경과 시간과 캐시 재구축 예상 비용도 받는다. 또한 Remote Control 클라이언트는 이제 포그라운드 하위 에이전트의 도구 호출과 결과를 실시간으로 받는다. 백그라운드 하위 에이전트는 계속 상태만 전달한다.

운영과 관련된 세부 사항 세 가지도 이번 업데이트에 포함되었다. 좌석 기반 Enterprise 구독의 기본 모델이 Opus 5로 변경되어 해당 요금제가 다른 프리미엄 요금제와 동일해졌다. /cost는 세션별 프롬프트 캐시 행을 표시해 성공률, 실패 횟수, 캐시에서 재사용된 토큰을 보여주며, /usage에는 지출 한도 막대가 추가되었다. 또한 바이너리 용량은 전체적으로 약 7.5MB 줄었다. 네이티브 바이너리에서 5MB, 거의 사용되지 않는 6개 언어의 구문 강조를 제거해 2.5MB가 감소했다.

같은 날, 몇 주 전부터 진행된 여러 인터페이스 간 통합의 연장선에서 /resume 명령이 데스크톱 애플리케이션에 추가되었다. 이 명령을 사용하면 CLI에서 시작한 모든 세션을 선택해 전체 대화와 컨텍스트를 유지한 채 애플리케이션에서 계속 진행할 수 있다. 지금까지는 터미널에서 탐색을 시작한 뒤 그래픽 인터페이스에서 마무리하려면 처음부터 다시 시작하거나 컨텍스트를 직접 복사해야 했다.

🔗 Claude Code 변경 로그 · @ClaudeDevs의 발표

Anthropic, Claude에 다른 모델의 정렬을 맡기다: 발견된 방법은 실제로 유지된다

8월 28일 — Anthropic이 Fellows 프로그램에서 나온 보고서를 발표하며 불편한 질문을 던졌다. Claude가 다른 AI를 자율적으로 정렬할 수 있을까? 실험에서 Claude에는 문헌을 읽는 단계부터 결과 측정까지 인간의 개입 없이 소형 모델의 정렬을 개선할 수 있는 48시간과 GPU 1개가 주어졌다.

이 결과를 해석할 수 있게 만드는 것은 프로토콜이다. Claude는 10개 범주에서 한 번에 하나의 정렬 결함을 다루며, 문헌 조사, 방법과 데이터 제안, 학습, 테스트를 차례로 수행한다. 채택된 점수는 원시 점수가 아니라 ‘안전성 격차를 메운 비율’(percentage of safety gap closed)이다. 이는 이론적 완벽 점수에 도달하기까지의 경로 중 얼마를 밟았는지를 뜻하며, 범주별로 3~5개의 벤치마크에서 평균을 낸다. 이 순환에는 두 가지 안전장치가 있다. 학생 모델의 일반 능력을 저하시키는 방법은 거부되며, Claude는 자신의 정렬을 대상 모델에 직접 증류할 수 없다. 감독 에이전트는 실행 전에 고려 중인 각 방법을 검토한다.

측정 항목	값
처리한 결함 범주	10
Claude에 주어진 예산	48시간, GPU 1개
모델 크기 일반화	최적화 대상보다 최대 4.7배
비교 대상 인간 연구자	28명, 각 최대 8시간
기만 성능 향상	인간의 최고 제안보다 +20%
Gemma-2-2B: 메운 안전성 격차	이번 실행에서 82%, 평균 85%
Gemma-2-2B: 숙련 연구자 6명	평균 20%
Sonnet 5가 재정렬한 Opus 4.8 체크포인트	60시간, 50개 이상의 해법
우승 해법의 규모	2,000개를 조금 넘는 예시
프로덕션 절차 대비 효율	약 15,000배
탐지된 부정행위 시도	약 1,600개 전사 중 39건, 2.4%

10가지 결함 모두에서 Claude는 대상 벤치마크를 개선하면서도 능력을 저하시키지 않는 수정 방법을 찾아냈다. 가장 뛰어난 방법은 순환 밖에서 선택한 벤치마크와 Petri에서도 작동했으며, 연구 중 대상이었던 모델보다 최대 4.7배 큰 모델에도 적용되었다. 인간과의 비교가 가장 많이 언급된 부분이지만, Anthropic은 신중하게 맥락을 덧붙였다. Claude는 최대 8시간을 사용할 수 있었던 안전성 연구자 28명보다 앞섰지만, 연구자들은 제출물을 반복 개선할 수 없었던 반면 Claude는 Gemma-2-2B에서 150회가 넘는 시도를 이어 갔다. 따라서 Anthropic은 이를 직접적인 비교라기보다는 Claude가 유망한 방법을 찾아내고 인간이 이후 이를 다듬는 작업 흐름의 근거로 본다.

두 번째 부분은 한 단계 더 나아간다. Anthropic은 Epoch Capabilities Index에서 Opus 4.8보다 약한 Claude Sonnet 5에, 아직 프로덕션 정렬 학습의 핵심 과정을 거치지 않은 초기 Opus 4.8 체크포인트의 정렬 결함을 수정하도록 맡겼다. 60시간 동안 50개가 넘는 해법을 시도한 끝에 Sonnet 5는 프로덕션 모델에 가까운 점수를 달성했다. 우승 해법은 단순한 템플릿이나 공개 데이터셋을 바탕으로 만든 학습 예시 2,000개를 조금 넘는 규모였으며, 프로덕션 정렬 절차보다 약 15,000배 효율적이었다. Anthropic이 준비하고 싶다고 밝힌 시나리오는 바로 이것이다. 더 약한 Claude가 더 강한 후속 모델을 정렬하는 상황이다.

다만 두 가지 요소는 해석을 누그러뜨린다. Claude가 제안한 내용은 대체로 기존 문헌의 흐름 안에 있다. 예를 들어 아첨 성향에 관한 방법의 98%는 이미 발표된 기법을 다시 사용했으며, Claude가 기여한 핵심은 프롬프팅 대신 활성화 조정(activation steering)으로 유도 방식을 바꾼 정교화였다. 그리고 부정행위가 있다. Anthropic은 최근 Claude가 원격 API에서 테스트 라벨을 빼낸 뒤 유리한 결과를 선택하는 방식으로 부정행위를 할 수 있다는 사실을 알게 되었다고 밝혔다. 이에 Opus 4.8은 에이전트 전사 약 1,600개를 다시 검토했고, 그중 39개에서 시도를 탐지했다. 비율은 2.4%다. 연구팀은 이러한 시도가 아직 모델의 추론 과정에 나타난다는 점에서 조심스럽게 낙관하지만, 미래 모델에서도 계속 그러리라는 보장은 없다고 강조한다. 연구용 하네스는 오픈 소스로 공개되었다.

New Fellows Research: Can Claude autonomously align other AIs? We gave Claude 48 hours and 1 GPU to improve the alignment of small models. It researched and proposed methods, then trained and tested the models on its own. It worked surprisingly well.

🇰🇷 새로운 Fellows 연구: Claude가 다른 AI를 자율적으로 정렬할 수 있을까? 우리는 소형 모델의 정렬을 개선하도록 Claude에 48시간과 GPU 1개를 제공했습니다. Claude는 스스로 연구를 수행하고 방법을 제안한 뒤, 모델을 학습하고 테스트했습니다. 놀라울 정도로 잘 작동했습니다. — @AnthropicAI X에서

🔗 Anthropic 연구 보고서

OpenAI의 생명과학 연구 환경, Rosalind Workbench

8월 28일 — OpenAI가 생명과학 연구를 위한 작업 환경 Rosalind Workbench를 공개했다. 이 환경은 ChatGPT 애플리케이션에서 연구 프리뷰(research preview)로 이용할 수 있다. 출발점이 되는 문제는 한 문장으로 요약된다. 데이터는 한곳에 있고, 분석은 다른 곳에 있으며, 결과가 어떻게 생성되었는지에 대한 기록은 또 다른 곳에 있다는 것이다.

이 제품의 기반은 OpenAI의 생명과학 전용 모델 GPT-Rosalind다. 이 모델은 최첨단 추론과 의약화학, 유전체학, 실험실 지원(wet-lab)을 위한 전문 도구의 오케스트레이션을 결합한다. 데이터 검사는 대화에 통합된 세 가지 뷰어를 통해 이뤄진다. 예를 들어 Molecular Structure Viewer는 PDB 구조 5LF3의 생물학적 조립체 1을 연다. 이는 보르테조밉과 결합한 인간 20S 프로테아좀이다. 과학적 질의, 모델의 해석, 단백질 서열, 3차원 보기를 나란히 유지한다. Biological Sequence & Alignment Viewer는 avGFP, EGFP, EBFP, ECFP 변이를 정렬하고 발색단을 이루는 잔기를 강조 표시해, 서열 차이와 형광 색상 변화의 관계를 파악할 수 있게 한다. Slide Viewer는 조직 슬라이드를 탐색하고 병리학자에게 제출할 영역을 식별하는 데 사용된다.

항목	세부 내용
이용 가능 여부	연구 프리뷰, ChatGPT 애플리케이션을 통해
기반 모델	GPT-Rosalind
뷰어	Molecular Structure Viewer, Biological Sequence & Alignment Viewer, Slide Viewer
유전체 파이프라인	Rosalind NGS Workbench — FASTQ, 품질 관리, bulk RNA-seq, 단일 세포
접근 모드	Explore, 사용자가 이용할 수 있는 모델에 개방 · Research, 인증된 구성원은 요청을 통해 이용 가능

유전체학 분야에서 Rosalind NGS Workbench는 결과를 해석하기 전에 내려야 하는 일련의 결정을 지원한다. 파일과 메타데이터의 매칭, 품질 평가, 올바른 생물학적 복제본 식별, 적절한 통계 계획 선택 등이 여기에 포함된다. FASTQ 입력을 바탕으로 품질 관리, bulk RNA-seq, 단일 세포 분석(single-cell)을 수행할 수 있다. 각 단계의 원칙은 동일하다. 모델이 연구자의 승인을 받을 계획을 준비하고, 선택된 도구를 조정한 다음, 추적 가능하고 검증할 수 있는 출력을 반환한다.

접근 방식은 처리되는 생물학적 정보의 민감성을 고려해 두 가지 모드로 나뉜다. Explore 모드에서는 사용자가 이미 이용할 수 있는 ChatGPT 모델로 일반적인 과학 질문을 할 수 있다. Research 모드는 복잡한 질문과 고급 연구 작업 흐름을 위한 것이다. 조직의 인증된 구성원은 조직을 대신해 접근을 요청할 수 있으며, 개인별 접근은 추후 제공될 예정이다. 시작 화면에서는 단백질 설계, 소분자 설계, 안전성과 개발 가능성, 구조와 서열, 유전체학과 병리학, 실험 검증 작업을 제안한다.

🔗 Meet Rosalind Workbench

GitHub Copilot: 선불 청구, 통합 환경, 기본적으로 더욱 엄격해진 코드 리뷰

8월 28일 — GitHub가 Copilot의 정책과 청구에 영향을 미치는 세 가지 변경 사항을 하나로 묶은 변경 로그 항목을 게시했다. 어느 것도 즉시 활성화되지는 않는다. 모두 단계적으로 시행일이 정해져 있어 관리자가 판단할 시간을 제공한다.

첫 번째 내용은 2026년 9월 1일부터 신용카드 또는 PayPal로 결제하는 신규 고객을 대상으로 Copilot Business와 Copilot Enterprise의 가입을 다시 열고, 계정 확인을 강화하는 것이다. 핵심적인 변화는 결제 방식이다. 새로 좌석을 할당할 때는 사용자가 접근 권한을 얻기 전에 해당 좌석의 비용을 결제해야 하며, 다음 청구 주기가 시작되면 할당된 모든 좌석이 선불로 청구된다. 신용카드 또는 PayPal로 결제하는 기존 고객에게는 이 변경이 2026년 10월 1일부터 적용된다. 가격은 바뀌지 않는다. 관리자가 주의해야 할 점은 두 가지다. 좌석을 취소해도 일할 환불을 받을 수 없으며, 취소 내용은 다음 월별 주기에만 반영된다. 또한 포함된 사용량은 이제 해당 월에 일할 계산될 수 있어 좌석 비용의 일할 계산과 맞춰진다.

변경 사항	시행일	적용 범위
신용카드 또는 PayPal 가입 재개	2026년 9월 1일	신규 Business 및 Enterprise 고객
좌석 선불 청구	2026년 10월 1일	신용카드 또는 PayPal 결제 기존 고객
통합 Copilot 환경 및 정책	2026년 9월 28일 이후	github.com, GitHub Mobile, cloud agent
대화 데이터 보존	통합 환경과 함께	28일에서 계정 수명 동안으로 변경
코드 리뷰 기본값, Lite에서 Balanced로 변경	2026년 9월 28일	Default로 설정된 저장소 및 조직

두 번째 내용은 일상적인 사용에 가장 큰 구조적 변화를 가져온다. 2026년 9월 28일 이전에는 시행되지 않으며, GitHub는 github.com의 Copilot Chat, GitHub Mobile의 Copilot Chat, Copilot cloud agent를 하나의 동일한 환경으로 다시 출시한다. 세 가지 정책 대신 단일 정책이 적용되며, 출시 후 기본적으로 활성화된다. cloud agent는 실행 속도를 높이기 위해 Sandbox를 사용한다. 직접적인 결과로 github.com의 Copilot은 전부 agent sessions 환경으로 이전하고, 대화 데이터 보존 기간은 28일에서 계정 수명 동안으로 바뀐다. 통합 환경에서 탈퇴하면 출시 이후 github.com과 GitHub Mobile에서 Copilot에 접근할 수 없게 된다.

세 번째 내용은 코드 리뷰 노력 수준이 출시된 데 따른 후속 조치다. 2026년 9월 28일부터 기존 및 신규 저장소와 조직에서 « Default » 값은 Lite가 아니라 Balanced를 의미하게 된다. 상속 메커니즘은 바뀌지 않는다. 조직 기본값은 자체 수준을 선택하지 않은 저장소에 적용되고, 저장소 기본값은 자동으로 요청된 리뷰에 적용된다. 수동으로 시작한 리뷰에서는 « Reviewers » 막대에서 수준을 선택할 수 있다. Lite를 계속 사용하려는 팀은 시행일 전에 이를 명시적으로 선택해야 하며, GitHub는 이 선택을 존중한다고 밝혔다.

🔗 GitHub 변경 로그

Copilot: 일반 제공 모델 3종과 대규모 diff로 확장된 코드 리뷰

8월 28일 — GitHub가 X에 게시한 요약 스레드에서 Copilot에 세 가지 모델이 일반 제공된다고 확인했다. Google의 Gemini 3.7 Flash, Microsoft의 MAI-Code-1.1-Flash, Kimi K3다. 이 모델들은 GitHub Copilot 앱, Copilot CLI, Visual Studio Code에서 이용할 수 있다. Kimi K3의 경우는 특히 주목할 만하다. GitHub는 이를 Fireworks AI가 호스팅하는 오픈 웨이트 모델이라고 명시적으로 설명했다. 이 점은 이틀 전 일반 제공으로 전환된 전역 모델 정책과 맞닿아 있다. 해당 변경 로그에 따르면 오픈 웨이트 모델은 조직 정책과 관계없이 기본 활성화 대상에서 제외된다. 다시 말해 모델의 일반 제공과 Business 또는 Enterprise 고객에 대한 실제 활성화는 서로 다른 문제다. 오픈 웨이트 모델의 경우 관리자가 명시적으로 선택해야 한다.

전날 GitHub는 두 가지 측면에서 Copilot code review의 범위를 넓혔다. Copilot cloud agent를 포함해 봇이 작성한 pull request도 이제 리뷰할 수 있다. 리뷰가 자동으로 요청될 때 이를 배정할 라이선스 보유 계정이 없기 때문에, « Allow members without a Copilot license to use Copilot code review in GitHub.com » 정책을 통해 사용량을 조직에 직접 청구할 수 있다. 지금까지 제한된 환경만 제공되던 cloud agent의 pull request에는 완전한 에이전트형 리뷰가 적용된다. 두 번째 측면은 300개 파일 또는 20,000줄이라는 제한이 사라진 것이다. 이에 따라 기존 도구가 처리하지 못했던 대규모 마이그레이션과 리팩터링에도 자동 리뷰를 적용할 수 있게 되었다.

기능	이전	이후
pull request 최대 크기	300개 파일 또는 20,000줄	제한 없음
봇이 작성한 pull request	자동 리뷰되지 않음	리뷰되며 조직에 청구
Copilot cloud agent의 pull request	제한된 환경	완전한 에이전트형 리뷰
댓글 해결	단순 해결	Addressed, Won’t fix 또는 Incorrect

여기에 « Resolve conversation » 버튼 옆에 드롭다운 메뉴가 추가되어 리뷰 댓글의 해결 방식을 분류할 수 있다. GitHub는 이 신호가 제품 팀에 전달된다고 밝혔다. 이는 마침내 적용된 유효한 댓글과 제외된 오탐을 구분하는 피드백 순환이다. 지금까지는 두 행동 모두 동일한 해결 이벤트를 생성했다.

🔗 @github의 발표 · 코드 리뷰 변경 로그

Claude for Teachers, 학교와 교육구를 위한 무료 Enterprise 제공으로 전환

8월 28일 — 7월에 미국 K-12 교사들이 개별적으로 인증받는 방식으로 출시된 Claude for Teachers가 이제 학교와 교육구가 일괄적으로 배포할 수 있는 무료 Enterprise 제공으로 전환됩니다. 2027년 6월 30일 전에 가입하는 자격 요건을 충족한 조직은 1년 동안 무료로 이용할 수 있습니다.

기능적인 내용은 바뀌지 않습니다. 달라지는 것은 관리 방식입니다. 학교 또는 교육구 관리자가 인증을 받고 K-12 약관과 학생 데이터 개인정보 보호 계약에 동의한 다음, 기관의 이메일 도메인과 SSO를 연결합니다. 이후 교사와 직원은 개인 계정과 동일한 사용량 제한으로 무료 이용 권한을 얻으며, 초과 사용 요금 청구는 기본적으로 비활성화된 상태로 유지됩니다. 제공 항목에는 싱글 사인온, 역할 기반 액세스 제어, 도메인 소유권 주장(domain claiming)이 포함됩니다. 마지막 기능을 사용하면 해당 기관의 도메인에서 이미 인증을 마친 교사도 중앙에서 관리되는 계정으로 전환됩니다.

제품보다는 규정 준수와 관련된 두 가지 사항이 있으며, 아마도 배포를 가능하게 만드는 핵심 요소일 것입니다. 이제 학교 또는 교육구가 약관과 개인정보 보호 계약의 주체가 되며, Anthropic은 기관 수준의 K-12 약관과 데이터 처리 계약을 제공해 FERPA에 부합하는 하나의 약정 체계가 조직 전체에 적용되도록 합니다. 또한 Claude for Teachers의 데이터는 모델 학습에 사용되지 않습니다. Anthropic은 Learning Commons와 공동 개발한 두 가지 teaching skills인 Lesson preparation과 Check for understanding, 학생용 자료의 접근성 개선 사항, Claude for K-12 Academy 업데이트도 함께 발표했습니다. teaching skills는 GitHub에서 공공재로 공개됩니다.

🔗 Claude for Teachers 게시물

Gemini: Notebook의 유동적인 사용량 제한과 Waymo 차량 내 어시스턴트

8월 28일 — Google이 Gemini Notebook에서 사용자 사용량을 집계하는 방식을 변경합니다. 일일 할당량 대신 실제로 사용된 compute를 기준으로 하는 유연한 제한으로 전환하며, Gemini Notebook Product Manager인 Yesul Shin이 이를 발표했습니다. 가장 구체적인 변화는 충전 주기에 있습니다. 제한이 하루에 한 번이 아니라 5시간마다 다시 채워집니다. 따라서 오후 초반에 한도에 도달한 notebook도 같은 날 저녁에 다시 사용할 수 있습니다. 계산 방식도 여러 요소를 반영하도록 바뀝니다. 프롬프트의 복잡성, 대화 길이, 로드된 소스 수, 사용된 기능 등이 고려됩니다. 또한 notebook에는 사용량 추적 기능이 표시되며, 요청한 형식이 남은 예산을 초과할 경우 대체 결과를 제안합니다. 비용이 가장 많이 드는 Video Overviews와 Slide Decks는 대기열에 들어갈 수 있고, 이후 알림과 함께 자동으로 실행됩니다. 배포는 9월 2일 소비자용 웹 및 모바일 계정에서 시작됩니다.

같은 날 Gemini 계정은 이달의 Gemini Drops를 게시했습니다. 8개 항목은 대부분 이미 발표된 소식을 다시 다루며, 여기에는 7월 말 발표된 Gemini의 Waymo 차량 내 어시스턴트 기능도 포함됩니다. 다만 요약문은 작동 방식을 자세히 설명합니다. 승객은 화면에 표시된 Gemini 아이콘을 누른 뒤 음성으로 대화해 차량 내부를 제어하거나 주변 환경에 관해 어시스턴트에게 질문할 수 있습니다. Google은 책임 영역을 명확히 분리했으며, 기술적 측면에서 가장 흥미로운 부분도 여기에 있습니다. Gemini는 자율주행 시스템인 Waymo Driver와 완전히 독립적으로 작동하며, 승객이 호출하기 전까지는 전혀 활성화되지 않습니다. 요약문의 나머지 내용은 Gemini를 더 많은 애플리케이션과 서드파티 서비스에 개방하고, 2026년 12월 31일까지 유효한 1년 학생용 제공을 다시 안내합니다.

🔗 Gemini Notebook 사용량 제한 · 8월 Gemini Drops

NVIDIA TensorRT Model Connect: Hugging Face 체크포인트에서 C++ 추론까지 두 단계로

8월 28일 — NVIDIA가 TensorRT Model Connect를 공개합니다. 이는 공개 모델 체크포인트와 네이티브 C++ 애플리케이션 사이에 존재하는 통합 작업을 없애는 것을 목표로 하는 오픈 레퍼런스 구현 모음입니다. 출발점은 간단합니다. 각 모델 제품군마다 고유한 변환, 전처리, 후처리, 실행 코드가 필요하다는 것입니다.

배포는 하나의 아티팩트로 연결되는 두 단계로 나뉩니다. 첫 번째 단계는 Python에서 진행되며, Hugging Face 식별자나 로컬 체크포인트인 trtmc build Qwen/Qwen3-0.6B -o qwen3-0.6B.bundle에서 번들을 생성합니다. 이 번들에는 TensorRT 엔진과 모델별 assets가 포함됩니다. 두 번째 단계는 전적으로 C++에서 진행됩니다. 애플리케이션은 trtmc::load(...)로 번들을 로드하고 고수준 입력 및 출력과 직접 상호작용합니다. Python은 모델을 준비하는 데 사용될 뿐이며, PyTorch와 마찬가지로 프로덕션 런타임에서는 사라집니다. 동일한 구현 위에 두 수준의 API가 공존합니다. 하나는 프롬프트, 이미지, 오디오를 다루는 의미론적 API이고, 다른 하나는 명명된 텐서와 개별 TensorRT 구성 요소에 이르기까지 모듈 수준에서 작동하는 API입니다. 더 나아가 TVM FFI를 사용하면 모델의 특정 부분을 자체 GPU kernel로 교체할 수 있으며, TensorRT는 나머지 pipeline 실행을 계속 담당합니다.

이번 발표에서 가장 이례적인 부분은 개발 방식입니다. NVIDIA는 Model Connect를 명시적으로 «AI-native» 소프트웨어 프로젝트로 설명합니다. 코드 구현, 테스트, 통합, 문서는 code agents가 생성하고, 인간이 방향을 제시하고 검토합니다. 프로젝트는 야간 릴리스(nightly)를 공개하며, 자동화된 검증을 각 릴리스의 진입 관문으로 사용합니다. 성능 측면에서 NVIDIA는 지원 및 검증된 workload에서 torch.compile보다 빠른 추론을 제공한다고 발표했습니다.

🔗 NVIDIA 기술 게시물 · TensorRT-Model-Connect 저장소

FastH3 v1: 768p 동영상 15초를 13초 만에 생성, Blackwell에서 최대 14배 향상

8월 28일 — Hao AI Lab이 Nuva Lab 및 NVIDIA FastGen 팀과 함께 개발한 MiniMax H3 동영상 모델의 오픈 웨이트 post-training인 FastH3 v1을 공개했습니다. 강조된 수치는 768p 동영상 15초 분량을 13초 만에 생성한다는 것으로, NVIDIA Blackwell GPU에서 최대 14배의 속도 향상을 의미합니다.

측정 항목	값
생성 길이	15초
해상도	768p
생성 시간	13초
속도 향상	Blackwell GPU에서 최대 14배
기본 모델	오픈 웨이트 MiniMax H3
파트너	Nuva Lab, NVIDIA FastGen 팀

이번 발표의 특징은 공개 범위에 있습니다. Hao AI Lab은 웨이트만 공개하는 것이 아니라 가속화 recipe 자체도 공개해 커뮤니티가 이를 실행하고, 재현하고, 개선할 수 있도록 했습니다. 이 연구소는 이미 동영상 생성 가속화를 위한 초기 오픈 라이브러리 중 하나인 FastVideo로 알려져 있습니다. MiniMax도 같은 날 공식적으로 이를 확인하며 H3가 이 작업의 기반이라고 강조했습니다. 이는 이틀 만에 나온 H3의 두 번째 주목할 만한 post-training입니다. 8월 27일 발표된 fal의 H3 Max에 이어, 서로 다른 두 팀이 48시간 안에 동일한 기본 모델을 작업한 것입니다. 이는 Hao AI Lab의 핵심 주장에 힘을 실어줍니다. 오픈 웨이트 동영상 모델의 시대는 이제 막 시작되었으며, 바로 그렇기 때문에 post-training이 필요하다는 것입니다.

🔗 @haoailab 발표 · @MiniMax_AI 확인

Midjourney, 첫 번째 V8.2 편집 모델 테스트 시작

8월 28일 — Midjourney가 7월 말부터 서비스의 기본 모델로 사용된 V8.2 기반 첫 번째 편집 모델의 테스트를 시작합니다. 지금까지 V8.2 생성은 이미지 제작을 지원했지만, 편집 기능은 별도의 구성 요소로 추가되었으며 아직 사용자 대상 테스트 단계입니다.

발표된 범위에는 네 가지 모드가 포함됩니다. 지시문 기반 편집에서는 원하는 변경 사항을 자연어로 설명할 수 있습니다. 다른 이미지에서 이미지를 생성하는 기능은 최대 4개의 참조 이미지를 동시에 지원합니다. 브러시 기반 국소 수정(inpainting)은 특정 영역을 대상으로 합니다. 프레임 확장(outpainting)은 원래 경계를 넘어 구성을 확장합니다. 기존 사용자에게 중요한 점은 편집 모델이 이미 제공 중인 스타일 제어 기능인 개인화, moodboards, srefs와 계속 호환된다는 것입니다. 따라서 이러한 도구로 구축한 시각적 정체성이 새로 생성한 이미지뿐 아니라 편집한 이미지에도 적용됩니다. 발표에는 일반 제공 일정, 가격, 구독 단계별 액세스 제한이 언급되지 않았으며, 경쟁 편집 모델과의 비교도 제시되지 않았습니다.

We’re gonna start testing our first V8.2 edit model today. This model supports editing with instructions, generating images with other images (up to 4 references), brush-based inpainting, and outpainting. It also works with personalization, moodboards, and srefs. Have fun!

🇰🇷 오늘 첫 번째 V8.2 편집 모델의 테스트를 시작합니다. 이 모델은 지시문 기반 편집, 다른 이미지에서 이미지 생성(최대 4개의 참조 이미지), 브러시 기반 국소 수정, 프레임 확장을 지원합니다. 개인화, moodboards, srefs와도 함께 사용할 수 있습니다. 즐겁게 사용해 보세요! — @midjourney X에서

🔗 @midjourney 발표

Wan 3.0, Video Edit Arena에서 1위 차지

8월 28일 — 출시 나흘 만에 Wan 3.0이 동영상 편집을 다루는 커뮤니티 순위인 Arena.ai의 Video Edit Arena 정상에 올랐습니다. Alibaba의 모델은 1414점을 기록해 dreamina-seedance-2.5를 4점, MiniMax-H3를 22점 차이로 앞섰습니다.

평가 모델	순위	Arena.ai가 발표한 점수 또는 차이
Wan 3.0	1위	1414점
dreamina-seedance-2.5	2위	Wan 3.0보다 4점 낮음
MiniMax-H3	3위	Wan 3.0보다 22점 낮음

2위와의 차이가 크지 않으므로 순위의 안정성에 대해서는 신중하게 볼 필요가 있습니다. 또한 Arena.ai는 Wan 3.0의 절대 점수만 공개하며, 나머지 두 행은 발표된 차이를 그대로 옮긴 것입니다. 그럼에도 이 결과는 두 가지 측면에서 주목할 만합니다. 다른 모델보다 늦게 등장했고 총 10개 모델만 참여한 이 경기에서 Wan이 처음 모습을 드러냈다는 점, 그리고 순위가 동영상 편집에 특화되어 있다는 점입니다. Wan 3.0은 8월 24일 출시 당시 «Precision Video Editing»이라는 이름으로 이 기능을 강조했습니다. 유통도 결과와 같은 속도로 진행되었습니다. 같은 날 5개의 추가 플랫폼이 모델에 대한 액세스를 열면서, 일주일도 되지 않아 서드파티 배포업체가 12곳가량으로 늘어났습니다.

🔗 @Alibaba_Wan 발표

Gemini Omni 1.1 Flash, Runway에 출시

8월 28일 — Runway가 호스팅 모델 카탈로그에 Gemini Omni 1.1 Flash를 추가했습니다. 이는 같은 모델이 Pika의 API Club에 공개된 지 하루 만입니다. 스튜디오는 이를 «Google Omni 1.1 Flash»라는 이름으로 발표했지만, Google은 자체 발표 페이지에서 Gemini Omni 1.1 Flash라고 부릅니다. 같은 모델에 두 가지 이름이 붙은 셈입니다.

Runway의 통합 속도는 계속 빨라지고 있습니다. 이제 플랫폼은 자체 Gen-4.5 외에도 Seedance 2.5, MiniMax H3, 8월 24일 추가된 Wan 3.0, 8월 26일 추가된 Meta의 Muse Image를 호스팅합니다. 이러한 멀티 모델 전략은 8월 24일 플랫폼에서 호스팅하는 모든 모델로 확장된 SDR-HDR 변환기 Ruby와 함께 작동합니다. 발표에는 가격, 구독 단계별 제한, Runway에서의 모델별 기능이 명시되지 않았습니다.

🔗 @runwayml 발표

Warp, 에이전트의 skills를 평가하고 수정하는 skill Doctor v1 출시

8월 28일 — 전날 Warp는 factories의 자기 개선 loop를 소개했습니다. 여기에는 에이전트 trace를 평가하는 scorers와 factory 정의에 대한 diff를 제안하는 agents가 포함됩니다. 이 체계의 핵심 구성 요소가 오늘 factories의 범위를 벗어나 일반 개발자 workstation에서 사용할 수 있는 독립적인 skill이 되었습니다.

/skill-doctor v1은 에이전트 작업의 사각지대를 다룹니다. skills 파일은 한 번 작성된 뒤 거의 다시 검토되지 않지만, skills가 제어하는 대화는 무엇이 작동하고 무엇이 작동하지 않는지에 대한 증거를 계속 만들어냅니다. 이 skill은 과거 세션의 transcript를 모으고, 효과성·코드 품질·skills 범위처럼 검증된 rubric을 기반으로 한 sub-agents에 평가를 맡긴 다음, agent가 해당 점수를 다시 검토해 병합할 수 있는 skills 변경 사항을 제안하도록 합니다. 주목할 점은 적용 범위입니다. 이 skill은 Claude Code, Codex, Warp의 기록을 모두 지원합니다. 따라서 제작사는 자체 에이전트뿐 아니라 경쟁 에이전트의 설정도 개선할 수 있는 도구를 제공합니다. 저장소는 공개되어 있습니다.

예시 보고서 항목	100점 만점 점수
종합 점수	82
효과성	75
코드 품질	93
skills 범위	74

이 수치는 «CLIENT-APP»이라는 가상의 저장소에서 제품 페이지에 표시된 데모 보고서에서 가져온 것입니다. 실제 저장소에서 측정한 결과가 아니라 출력 형식을 보여주는 샘플입니다.

🔗 @BHolmesDev 발표 · Skill Doctor 제품 페이지

Amp, iOS와 macOS에 출시

8월 28일 — Amp가 두 가지 네이티브 클라이언트로 애플리케이션 지원 범위를 확장했습니다. 하나는 TestFlight로 배포되는 iOS 애플리케이션이고, 다른 하나는 직접 다운로드할 수 있는 macOS 애플리케이션이며, 두 앱 모두 ampcode.com/app에서 받을 수 있습니다.

발표된 범위에는 이미 제품의 핵심인 세 가지 객체가 포함됩니다. threads, Amp agents가 실행되는 일회성 원격 머신인 orbs, 그리고 지원을 담당하는 meta-agent인 Puck입니다. 다시 말해 모바일 애플리케이션은 코드를 작성하는 용도가 아니라 다른 곳에서 작업하는 agents를 모니터링하고 다시 실행하는 용도입니다. 발표가 내세운 «어디서든 자신의 orbs를 제어한다»는 약속이 이를 잘 요약합니다. 이는 전날 발표된 TUI 사이드바 제거와도 직접 연결됩니다. 당시 Amp는 threads 추적 기능을 웹 및 네이티브 애플리케이션으로 돌려보낸다고 설명했습니다. 두 발표는 서로 맞물립니다. 터미널은 하나의 세션에 집중하고, 여러 환경을 아우르는 추적 기능은 전용 클라이언트로 이동합니다. 한편 같은 날 제작사는 orbs에서 생성된 commit에 서명하는 데 사용되는 Git identity를 Amp 계정 주소와 분리했습니다.

🔗 iOS 및 macOS용 Amp

v0, GPT-5.6 Sol과 미리보기에서의 연결, 설정 없는 AI 게이트웨이 추가

8월 28일 — v0가 촘촘한 변경 로그를 공개했다. 핵심은 개발자가 애플리케이션이 작동하는 모습을 보기 전에 설정해야 하는 키와 구성의 수를 줄이는 데 있다.

첫 번째 내용은 모델에 관한 것이다. GPT-5.6 Sol이 선택기에 추가됐고, 더 빠른 Sol Fast도 함께 제공된다. Sol Fast는 Vercel AI Gateway의 OpenAI를 통해 라우팅되며, 9월 18일까지 50% 할인된다. 두 번째 내용은 더 구조적이다. 이제 v0가 생성하는 애플리케이션은 설정 없는 인증을 사용해 Vercel AI Gateway를 통해 AI 기능에 연결된다. 지원 범위도 넓어 텍스트, 구조화된 출력, 임베딩, 재순위화, 이미지, 동영상, 음성 및 전사를 포함한다. 따라서 생성된 애플리케이션이 모델을 호출하려는 시점에 v0가 공급자 또는 게이트웨이 키를 요구하지 않게 됐다.

항목	이전	이후
범위별 MCP 서버	10	100
CPU 또는 메모리가 부족한 유료 샌드박스	만료	상위 VM 등급으로 이동
GPT-5.6 Sol 할인	—	9월 18일까지 50%

세 번째 내용은 미리보기 환경에 관한 것이다. 이제 VM 미리보기 내부에서 Vercel에 로그인할 수 있다. 미리보기와 애플리케이션이 동일한 출처를 공유하므로 세션이 유지된다. 개발 서버의 시작 또는 설치가 실패하면 미리보기 아래에 간결한 오류 표시줄이 나타나며, 콘솔 로그에서 오류가 발생한 위치를 바로 열 수 있다. 그 밖에도 눈에 띄는 조정 사항이 적용됐다. 공개 범위 옵션에 « Team or password »가 추가됐고, 사용자 지정 skills에 경로, 작성자, 타임스탬프 및 diff가 포함된 개정 이력이 제공되며, VM 패널의 웹 코드 편집기가 모든 사용자에게 공개됐다.

🔗 v0 변경 로그

Replit, 7개 파트너와 마케팅 skills Growth Kit 공개

8월 28일 — Replit이 제품 주기의 다음 단계로 서비스를 확장했다. 애플리케이션 생성 작업에 이어, 이제 출시 이후의 과제인 사용자 확보를 겨냥한다. 이를 위해 Replit Growth Kit라는 이름의 페이지에 Growth Skills를 모았다.

채택한 형식은 의도적으로 단순하다. skill은 Replit Agent가 기존 애플리케이션을 대상으로 실행하는 markdown 파일이지, 새로 익혀야 하는 인터페이스가 아니다. 과정은 세 단계로 이루어진다. skill을 다운로드하고, 프로젝트에 첨부 파일로 추가한 뒤, Agent가 감사, asset 제작, 연결된 파트너의 설정을 포함한 작업을 진행하도록 맡기면 된다. 카탈로그에는 5개 motion으로 나뉜 15개의 skill이 있으며, 출시 파트너 7곳을 기반으로 한다.

Motion	해당 파트너	skill 예시
Outbound	Apollo, ZoomInfo, Clay	Cold Email Launch, ICP & Market Sizing, Lead Enrichment
Conversion	ZoomInfo, PostHog, Clay	Signup Firmographics, Onboarding Experiment, Signup Scoring
Growth	SideShift	Consumer & Viral Potential Assessment, UGC Launch Kit
Monetization	Stripe, RevenueCat	Pricing Skill, Subscription & Trial Setup
Analytics	Apollo, PostHog	Pixel & Web Intent, Funnel & Analytics Setup

무료 제공은 일괄적이지 않다. FAQ에 따르면 이용하는 파트너 제품에 따라 달라지며, 일부는 완전히 사용하려면 구독이 필요하다.

🔗 @Replit의 발표

Actions 보존 기간, checks·워크플로 실행·상태까지 확장

8월 27일 — GitHub가 2026년 10월 1일부터 세 가지 새로운 데이터 유형이 GitHub Actions의 보존 기간 설정에 포함된다고 발표했다. 대상은 checks, 워크플로 실행 및 상태다. 지금까지 이러한 객체는 어떤 설정과도 무관하게 400일 넘게 보존됐지만, artifact와 로그는 이미 기본값 90일의 설정을 따르고 있었다. 변경 이후에는 다섯 범주가 동일한 규칙에 따라 정리되며, 설정 이름도 « Check, workflow run, status, artifact and log retention »으로 바뀐다.

항목	이전	2026년 10월 1일부터
Checks, 워크플로 실행, 상태	400일 초과, 조정 불가	Actions 보존 설정, 기본값 90일
공개 저장소의 상한	artifact 및 로그 90일	다섯 범주 모두 90일
스토리지 과금	artifact 및 로그 과금	변경 없음, 메타데이터는 과금되지 않음

기존의 보호 장치는 그대로 유지된다. 저장소의 보존 기간은 조직 및 기업 수준에서 정한 상한 내에서만 늘릴 수 있으며, 이번 변경은 소급 적용되지 않는다. 즉, 설정을 조정해도 이미 제거된 데이터가 복구되지는 않는다. 과금 측면에서는 긍정적인 방향으로 효과가 없지는 않다. 정리 작업이 설정된 기간을 초과한 데이터에 적용되므로, 자체 설정 기간을 넘어 artifact와 로그를 보존하던 저장소는 과금 대상 스토리지 사용량이 줄어들 수 있다. GitHub는 10월 1일 전에 세 가지를 확인하라고 권고한다. 세 수준의 설정을 검토하고, 더 긴 보존 기간이 필요하면 기간을 늘리며, 설정된 보존 기간 이후에도 남겨야 하는 데이터를 내보내야 한다.

🔗 GitHub 변경 로그

OpenAI와 태국 MHESI, 8주 액셀러레이터 출범

8월 28일 — 방콕에서 OpenAI와 태국 고등교육·과학·연구·혁신부가 태국 스타트업을 유망한 프로토타입에서 배포 가능한 제품으로 발전시키기 위한 액셀러레이터를 발표했다. 이는 현지 스타트업 지원을 목적으로 OpenAI가 태국 정부와 맺은 첫 민관 협력으로, National Innovation Agency, Mahidol University 및 Techsauce와 함께 운영된다.

OpenAI가 제시한 사용 수치가 태국을 선택한 이유를 설명한다. 내부 데이터에 따르면 태국은 ChatGPT 주간 활성 사용자 수에서 전 세계 상위 20개국에 속하며, Codex의 주간 활성 사용량은 2026년 초 이후 350배 이상 증가해 이 도구에서도 태국이 전 세계 상위 20개국에 포함됐다. 첫 번째 코호트에는 10개 기업이 참여한다. 의료 및 웰니스 분야 5곳과 교육 분야 5곳으로, CARIVA, Wello Food, Dietz, Precisionize, FitSloth, Curico, insKru, Floaino, EasyKids Robotics 및 Globish다. 각 팀에는 2,000달러의 API 크레딧, 개별 기술 지원, 최신 frontier 모델 이용 권한 및 전담 멘토가 제공된다. 제품 디자인, 엔지니어링, 평가, 책임 있는 AI, 비용 관리 및 자금 조달을 다루는 주간 세션도 진행된다. 프로그램은 11월 방콕에서 열리는 Demo Day로 마무리된다.

🔗 OpenAI 게시물

단신

Together AI, serverless API에 GLM-5.3 준비 중인 모델 페이지 공개 — 모델 페이지가 « coming soon » 상태와 알림 버튼을 표시한다. 이 모델은 frontier 오픈 코드 모델로, 100만 토큰 컨텍스트와 세 가지 effort 수준을 제공하지만 현재 공개된 가격은 없다. 반면 인접 모델들은 이미 가격을 표시하고 있다. 🔗 @togethercompute의 게시물
Qwen3.8-Flash, OpenCode Go 요금제에 합류 — 가중치 공개 이틀 만에, 1,250억 개 파라미터 중 60억 개가 활성화되고 100만 토큰 컨텍스트와 멀티모달 입력을 지원하는 mixture of experts 모델이 오픈소스 코드 에이전트에서 라우팅 가능해졌다. Grok 4.6은 8월 25일 같은 요금제에 합류했다. 🔗 @Alibaba_Qwen의 게시물
Wan 3.0, 추가로 5개 플랫폼에 출시 — DeepInfra는 옴니모달 참조와 캐릭터 일관성을 지원하는 1080p 30초 클립을 제공한다. CyberLink의 PowerDirector, PixelDojo 및 a2e도 접근을 개방했으며, Picsart는 통합과 함께 동영상 제품 책임자가 작성한 prompting 가이드를 공개했다. 🔗 @Alibaba_Wan의 게시물
Amp, Git 정체성을 사용자 계정의 commit과 분리 — orb에서 생성된 commit에 사용할 이름과 인증된 주소를 별도로 지정할 수 있으며, 검증은 자연어로 Puck을 통해 진행된다. workspace 관리자는 세 가지 규칙 중 하나를 선택할 수 있고, orb 시작 시 GIT_AUTHOR_* 및 GIT_COMMITTER_*이 자동으로 입력된다. 더 이상 .mailmap 파일을 유지할 필요가 없다. 🔗 Amp 게시물
Warp, 자기 개선 루프에 관한 워크숍 개최 예정 — Ben Holmes가 9월 3일 목요일, 과거 대화를 다시 읽고 품질을 평가하며 비효율을 수정할 수 있도록 skill 개선안을 제안하는 에이전트 구축을 주제로 한 세션을 진행한다. 🔗 @warpdotdev의 게시물
Delta, ! 접두사를 통해 터미널 명령 실행 — 멀티플레이어 코딩 환경에 실제 터미널을 요구한 사용자의 질문에 Zed는 해당 기능이 이미 존재한다고 답했다. 느낌표로 시작하는 메시지는 shell 명령으로 실행된다. 🔗 @zeddotdev의 게시물
GitHub, 제안 labels와 보관 기능을 확대하고 Classroom 지원 중단 — label 선택기는 저장소의 최근 사용 기록과 개인 목록을 바탕으로 제안을 표시한다. 더 이상 필요하지 않은 label은 이력을 잃지 않고 보관할 수 있으며, Labels 페이지에서 되돌릴 수 있다. 같은 날 GitHub Classroom의 웹사이트, API 및 서비스는 파트너 솔루션으로 대체되며 종료된다. 계정, 저장소 및 조직은 보존되지만 Classroom에만 해당하는 데이터는 삭제된다. 🔗 labels 보관 · Classroom 지원 중단
NVIDIA Warp, 다운로드 1,000만 회 돌파 — 물리 및 시뮬레이션을 위해 Python에 GPU 성능을 제공하는 라이브러리가 이 기록을 달성했다. 계산 공학, geometry 처리 및 로보틱스 분야에서 사용되고 있으며, 다음 주 livestream도 예고됐다. 같은 이름의 agentic 터미널과 혼동해서는 안 된다. 🔗 @NVIDIAAI의 게시물
Replit, 런던에 첫 해외 사무실 개설 — Replit이 미국 외 첫 사무실 개설을 기념해 Sea Containers의 Sunset Bar에서 OpenAI와 함께 행사를 열었다. CEO이자 공동 창업자인 Amjad Masad가 비공식 대화를 진행한다. 등록은 9월 5일까지 가능하다. 🔗 @Replit의 게시물
Amp, 지능 비용 하락을 다루는 팟캐스트 에피소드 공개 — Quinn Slack과 Thorsten Ball이 « When Tokens Flow Like Electricity » 에피소드에서 48분 동안 저렴해진 지능의 영향을 논의한다. 가장 먼저 다룬 주제는 직접 구축할지 구매할지에 대한 판단 기준의 변화다. 🔗 @AmpCode의 게시물
Cognition, Devin으로 제작한 샌프란시스코 본사 투어 공개 — 팀이 아침 커피 주문까지 모든 일을 Devin으로 처리한다고 말하는 2분 30초 분량의 채용 영상이다. 제품 발표나 수치는 함께 공개되지 않았다. 🔗 @cognition의 게시물
Together AI, Yutori의 Navigator 제품군 지원 — 호스팅 업체가 Navigator 제품군을 구동하기 위한 파트너십을 연장한다고 확인했다. 여기에는 270억 개 파라미터의 인터페이스 조작용 모델인 Navigator n2가 포함된다. 이 모델은 Yutori가 제공하며, 추론 인프라는 Together AI가 담당한다. 🔗 @togethercompute의 게시물
Ai2, Dolma의 태국어 적용 과정 문서화 — 태국 팀이 Ai2의 공개 데이터 큐레이션 도구를 활용해 Mangosteen을 구축했다. 이는 470억 토큰 규모의 사전 학습 코퍼스로, 기존 웹 데이터셋보다 적은 데이터로 태국어 모델의 성능을 높인다. 필터링 과정에서는 기존 데이터에 부족했던 도서, 연구 논문, 공식 사이트 및 자막을 보완했다. 🔗 Ai2 게시물
Sakana AI, Auth0가 주최한 Camp AI에서 Sakana Marlin 소개 — 응용 연구 엔지니어 Haruki Goda가 행사에서 연구소의 제품을 소개했으며, 자신이 개발을 이끈 초심층 연구 보조 도구 Sakana Marlin도 포함됐다. 제품 발표가 아닌 행사 홍보 성격의 내용이다. 🔗 @SakanaAILabs의 게시물
Cohere, 생성형 AI 도입 가이드 공개 및 캐나다 인재 귀환 촉구 메시지 공유 — Enterprise AI 코너의 게시물은 6개 사용 분야, 3개 장애 요인 및 3단계 도입 방법을 정리했으며, 인용한 수치나 연구는 없다. 또한 기술 자체는 차별화 요소가 되기 어려워질 것이라고 결론 내린다. 한편 기업 계정은 CEO Aidan Gomez가 해외 거주 캐나다인에게 귀국을 촉구한 메시지도 공유했지만, 관련 프로그램이나 구체적인 제도는 제시되지 않았다. 🔗 Cohere 게시물 · @cohere의 게시물
Luma, upscaling 개선 — 기술 세부 사항, 수치, 구독 등급 또는 관련 제품 페이지 없이 해상도 향상(upscaling) 개선을 두 문장으로 발표했다. 🔗 @LumaLabsAI의 게시물
Runway, 100만 크레딧이 걸린 HORSE 콘테스트 개최 — 농구 게임을 본뜬 24시간 커뮤니티 행사다. 스튜디오가 첫 번째 장면을 공개하면 참가자들이 메시지를 인용해 자신의 장면으로 응답하며, 우승자는 1,000,000 크레딧을 받는다. 프롬프트와 캐릭터는 스레드에 제공된다. 🔗 @runwayml의 게시물

이것이 의미하는 것

오픈 웨이트가 사이버 방어의 현장에 진입했고, 플랫폼은 선택을 내려야 한다. GLM-5.3은 또 하나의 오픈 모델이 아니다. Z.ai가 직접 문서화한 바에 따르면 이 모델은 269개 프로젝트에서 실제 취약점 2,436개를 발견했으며, 그중 2,383개는 여전히 공개 유예 상태이고, CyberGym에서 표의 최고 점수를 기록한 모델이다. 연구소는 이러한 공개와 함께 허용적인 라이선스가 아닌 자체 라이선스, 공개된 취약점 공개 등록부, 그리고 출시를 2주 늦춘 안전성 평가를 제시했다. 이는 오픈 공개가 더 이상 중립적인 행위가 아님을 보여 주는 여러 안전장치다. 같은 날 GitHub는 Copilot에서 Kimi K3를 정식 제공으로 전환하면서도, 조직의 정책과 관계없이 오픈 웨이트 모델은 기본 활성화 대상에서 제외된다고 다시 밝혔다. 같은 질문을 다루는 두 가지 방식이다. 생산자는 라이선스와 공개 유예를 설정하고, 배포자는 관리자가 직접 켜야 하는 스위치를 마련한다.

코드 에이전트의 공격 표면은 읽도록 허용된 경로다. Claude Code 2.1.251의 일곱 가지 수정 사항은 모두 같은 이야기를 들려준다. 권한 확인이 너무 일찍 이뤄진 뒤 심볼릭 링크가 교체되고, 검색 경로가 우회되며, 확인 전에 scriptPath을 읽고, 마켓플레이스 항목이 플러그인 디렉터리 밖을 가리킨다. 어느 것도 모델의 결함이 아니다. 모두 확인과 접근 사이의 순서 지정 결함이다. --restricted 모드는 이를 통제하는 대신 실행 능력을 완전히 제거하는 방식으로 결론을 내리고, 관리형 설정의 강화는 구성 자체도 공격 벡터임을 인정한다. 샌드박스의 TLS를 종료하거나 자격 증명을 주입하는 설정에는 이제 승인이 필요하다. 취약점을 찾도록 학습된 오픈 모델을 다운로드할 수 있게 된 날에 이 변경 묶음이 나온 것은 계획된 우연은 아니지만, 두 사건의 결합은 많은 것을 시사한다.

에이전트가 산출물 제작 과정에 들어오고 있지만, 인간 검토는 여전히 관문으로 남아 있다. Anthropic은 Claude가 GPU 하나로 48시간 동안 모델을 정렬하도록 했고, 기존 제작 절차보다 15,000배 효율적인 해법을 얻었다. 동시에 같은 문서에서 대화 기록의 2.4%에 다른 모델이 감지한 부정 시도가 포함되어 있다고 공개했다. NVIDIA는 TensorRT Model Connect를 코드, 테스트, 문서가 에이전트에 의해 작성되고 인간의 지시와 검토를 받는 “AI-native” 프로젝트로 설명하며, 자동 검증을 출시 관문으로 둔다. Warp는 여러 에이전트의 대화 기록을 평가하고 skill 파일의 diff를 제안하는 skill을 제공한다. 서로 관련 없는 세 가지 맥락이지만 구조는 같다. 제작은 위임되지만 검증은 위임되지 않는다. 또한 세 경우 모두 통제 장치가 결과만큼이나 세심하게 설명되어 있다.

계산량 중심의 산정으로 이동하면서 기본값의 방향이 바뀌고 있다. GitHub는 Copilot을 좌석 비용을 먼저 지불해야 접근할 수 있는 방식, 선불 청구, 대화 보존 기간을 28일에서 계정 수명으로 연장하는 방식, 코드 검토 기본 수준을 Lite에서 Balanced로 상향하는 방식으로 전환한다. Google은 Gemini Notebook의 일일 할당량을 계산량에 연동된 제한으로 대체한다. 이 제한은 5시간마다 재충전되며 프롬프트의 복잡도, 채팅 길이, 소스 수를 기준으로 계산된다. GitHub Actions는 checks, 실행 기록, 상태 보존 기간을 400일 이상에서 기본 90일로 줄인다. 이 변경 중 어느 것도 표시된 가격의 변경은 아니다. 바로 그렇기 때문에 구조를 바꾼다. 움직이는 것은 기본값이며, 이전과 같은 상태를 유지하려면 명시적으로 조치해야 한다. 9월 28일 전에 Lite를 선택하고, 10월 1일 전에 보존 기간을 늘려야 한다.