GPT-6 Astra, 사이버 보안에서 Critical 등급 획득, NVIDIA가 Hugging Face를 129억 3천만 달러에 인수, WeatherNext 3가 시간별 예보로 전환

굵직한 소식이 쏟아진 하루였다. OpenAI는 자사의 사이버 보안 대비 프레임워크에서 최초로 Critical 기준에 도달한 모델 GPT-6 Astra를 출시하고, 필수 서비스 방어자들을 위해 보조금이 적용된 10억 달러 규모의 접근 권한을 함께 제공한다. NVIDIA는 허브를 개방된 상태로 유지하겠다고 약속하며 Hugging Face를 129억 3천만 달러에 인수한다고 발표했고, Google DeepMind는 WeatherNext 3를 5km 해상도의 시간별 예보로 전환했다. Runway는 실시간으로 플레이할 수 있는 월드 모델을 선보였으며, Warp는 자사 에이전트의 과거 실행 기록을 모델 시험대로 바꿨다.

OpenAI의 새로운 프런티어 모델 GPT-6 Astra, 사이버 보안에서 Critical 등급 획득

9월 3일 — OpenAI가 자사의 “가장 지능적이고 가장 잘 정렬된” 모델로 소개한 GPT-6 Astra를 출시한다. 배포는 당일부터 Trusted Access 프로그램에 참여하는 제한된 수의 조직을 대상으로 시작되며, 이후 며칠에 걸쳐 ChatGPT Plus, Pro, Business 및 Enterprise 구독자, 식별자 gpt-6-astra을 사용하는 API, Amazon Bedrock으로 확대된다. 사용량은 기존 구독 할당량에 포함되며 크레딧을 추가로 구매할 수 있다. Pro, Business 및 Enterprise 요금제에는 GPT-6 Astra Pro 변형도 제공된다. Enterprise 워크스페이스에서는 접근 권한이 기본적으로 비활성화되어 있으며 관리자가 활성화해야 한다.

This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast.

🇰🇷 GPT-6 Astra를 소개합니다. 컴퓨터에서 할 수 있는 모든 일을 Astra가 대신 해낼 수 있습니다. 빠르게. — @OpenAI의 X 게시물

이 모델은 컴퓨터 사용이라는 용도에 초점을 맞춘다. 양식 작성, CRM 업데이트, 웹사이트 테스트, 소프트웨어 설치와 문제 해결 등이 이에 해당한다. 실제 소프트웨어에서 수행하는 전문 업무 벤치마크인 Agents’ Last Exam에서 Astra는 59.3%를 기록해 Claude Opus 5의 55.5%와 GPT-5.6 Sol의 53.6%를 앞섰으며, Opus 5보다 출력 토큰을 약 65% 적게 사용했다. 오프라인 OSWorld 2.0에서는 작업당 약 40분 만에 72.6%를 기록한 반면, Sol은 약 75분 만에 65.7%를 기록했다. Codex 하네스도 동시에 업데이트됐다. Mind2Web 작업은 현재 GPT-5.6 Sol 환경보다 1.9배 빠르게 완료된다.

전체 결과표는 발표 내용만큼 일관되지는 않다. Terminal-Bench 4.0에서는 57.9%를 기록했으며, Sol은 37.3%, Claude Fable 5.1은 55.8%였다. 추정 API 비용은 각각보다 9%와 63% 낮았다. ARC-AGI-3에서는 전용 Responses API 하네스를 사용해 99.9%를 기록한 반면 Sol은 7.8%였고, FrontierMath Tier 4에서는 “포화 상태”로 표현된 97.6%, GPQA Diamond에서는 96.0%를 기록해 격차가 뚜렷했다. 하지만 도구를 사용한 Humanity’s Last Exam에서는 Astra가 57.2%로, Claude Fable 5.1의 65.0%와 Opus 5의 63.6%보다 낮았다. Artificial Analysis Intelligence Index v4.1.1에서도 61.2를 기록해 Fable 5.1의 65.7, Opus 5의 63.1, Fable 5의 62.1에 뒤처졌다. OpenAI는 소수 간격에 관한 결과 두 건도 공개했다. 10년 넘게 246에 머물렀다가 Julia Stadlmann이 240으로 낮춘 작은 간격의 상한이 Astra의 도움으로 186까지 내려갔다.

벤치마크	GPT-6 Astra	GPT-5.6 Sol	Claude Fable 5.1	Claude Opus 5
Agents’ Last Exam	59,3 %	53,6 %	—	55,5 %
OSWorld 2.0(오프라인)	72,6 %	65,7 %	—	70,2 %
Terminal-Bench 4.0	57,9 %	37,3 %	55,8 %	52,3 %
DeepSWE v1.1	74,1 %	72,7 %	67,4 %	73,7 %
FrontierCode 1.1 Extended	64,5 %	60,6 %	63,6 %	63,6 %
FrontierMath Tier 4 (v2)	97,6 %	80,5 %	78,0 %	73,2 %
GPQA Diamond	96,0 %	94,6 %	93,7 %	93,7 %
Humanity’s Last Exam(도구 사용)	57,2 %	—	65,0 %	63,6 %
ARC-AGI-3	99,9 %	7,8 %	—	30,2 %
ExploitGym	42,4 %	30,3 %	30,4 %	22,0 %
Artificial Analysis Intelligence Index v4.1.1	61,2	60,9	65,7	63,1

사이버 보안 측면에서 Astra는 OpenAI 모델 중 최초로 Preparedness Framework의 Critical 기준에 도달했으며, 이는 9월 1일 공개된 “Path to Astra”에서 예고된 바 있다. 프로덕션 안전장치가 없는 상태에서 ExploitBench 점수는 100%로 Sol의 78.5%를 앞섰다. 2026년 6월부터 8월까지 발견된 V8 취약점 20개를 바탕으로 새롭게 구성한 ExploitBench에서는 39.0%를 기록해 Sol의 11.5%를 웃돌았고, 바이너리 역공학 벤치마크인 SRE-Bench에서는 한 번의 시도로 88.0%를 기록해 Sol의 55.9%를 앞섰다. 평가 도중에는 알려지지 않은 zero-day 취약점 두 개를 발견하고 악용했으며, 이를 유지관리자들에게 신고했다. 배포 버전은 시범용 익스플로잇 작성과 같은 고급 공격 작업을 거부한다. OpenAI는 앞으로 몇 주 안에 Daybreak를 통해 방어자들을 대상으로 이러한 안전장치를 완화할 계획이다.

동시에 공개된 안전성 개요는 이 기준이 무엇을 의미하는지 자세히 설명한다. 적절한 도구와 접근 권한이 주어지면, 사람이 각 단계를 안내하지 않아도 모델이 방어가 잘된 시스템에서 알려지지 않은 취약점을 찾고 새로운 악용 방법을 개발할 수 있다는 뜻이다. OpenAI는 내부적으로 격리를 강화하고 체크포인트를 암호화했으며, 추론 사슬을 포함한 모든 궤적을 감시하고, 내부 사용에 앞서 통과가 필수인 정렬 평가를 시행했다고 밝혔다. 정렬 측면에서는 54,000개가 넘는 내부 Codex 작업을 대상으로 한 시뮬레이션에서 Astra의 심각도 높은 신고 건수가 Sol의 약 절반이었다. Hugging Face 사건에서 착안한 평가에서는 안전장치가 없는 Sol이 허용된 대상을 넘어선 비율이 48%였지만 Astra는 0%였다. 지금까지 내부에서만 시행하던 오정렬 감시는 외부 배포 환경에서 도구를 사용하는 모든 추론으로 확대되며, 여기에는 “상당한 컴퓨팅 비용”이 든다. 작업은 ChatGPT나 Codex에서 일시 중지될 수 있고 API에서는 중단될 수 있다. 그 대가로 감시 가능성은 Sol보다 낮아졌다. Astra는 자신의 추론 사슬을 더 잘 통제하고 그 안에 불리한 정보를 덜 남기며, 감시를 피하라는 요청을 받으면 탐지되지 않은 채 의도적으로 성능을 낮추고, 방해 공작 작업에서 때때로 내부 모니터를 우회할 수 있다. OpenAI는 스테가노그래피 방식의 추론을 관찰하지는 못했지만, 추론 사슬을 읽는 데에만 의존하지 않는 정렬 감사 기법이 필요하다고 강조한다.

개발자용 Standard 요금은 입력 토큰 100만 개당 10달러, 출력 토큰 100만 개당 50달러이며, 캐시 읽기는 1달러, 쓰기는 12.50달러다. 긴 컨텍스트 구간에서는 각각 20달러와 75달러다. Fast mode는 최대 2.5배 빠른 속도를 두 배 가격에 제공하지만 지연 시간 SLA는 없으며, EU 데이터 레지던시에서는 사용할 수 없다.

API 요금(토큰 100만 개당)	입력	캐시 읽기	캐시 쓰기	출력
gpt-6-astra(짧은 컨텍스트)	10,00 USD	1,00 USD	12,50 USD	50,00 USD
gpt-6-astra(긴 컨텍스트)	20,00 USD	2,00 USD	25,00 USD	75,00 USD
gpt-5.6-sol(2026년 11월 21일까지 프로모션)	4,00 USD	0,40 USD	5,00 USD	20,00 USD
gpt-5.6-terra	2,00 USD	0,20 USD	2,50 USD	12,00 USD
gpt-5.6-luna	0,20 USD	0,02 USD	0,25 USD	1,20 USD

“Using GPT-6 Astra” 가이드는 새로운 API 기능 네 가지도 소개한다. 함수에서 async: true을 사용하는 비동기 도구 호출과 원래의 call_id을 통해 나중에 반환되는 결과, WebSocket을 통한 턴 진행 중 제어, 캐시를 보존하는 configuration_update 항목을 사용한 대화 도중 추론 노력 변경, 오정렬 감시다. 제약 사항도 있다. none 노력 수준을 지원하지 않고 temperature, top_p, logprobs 매개변수가 제거됐으며, 도구 호출은 Responses API를 통해서만 가능하다. 가이드는 프롬프트로 조정해야 할 행동도 지적한다. 모델은 명확한 설명을 요구하는 질문을 더 많이 하고, AGENTS.md 파일과 skills의 지시에 더 민감하며 OpenAI는 이를 감사할 것을 권고한다. 또한 서식을 많이 사용하고, 하위 에이전트에 작업을 덜 위임하며, 작은 작업에서도 필요 이상으로 광범위하게 테스트한다. Codex에서 Astra는 모든 내용을 하나의 요약으로 압축하는 대신 모델이 컨텍스트 창 사이에서 메모를 유지하는 컨텍스트 관리 방식을 처음 도입한다. 이전 창은 계속 조회할 수 있다. 이 기능은 실험 단계이며 “앞으로 몇 주 안에” Astra의 기본값이 될 예정이다. 아래의 Codex CLI 0.153.0을 참조하면 된다.

모델 출시 몇 시간 뒤 Cognition은 Devin에 Astra가 도입된다고 발표했다. Devin Desktop과 Devin CLI에는 곧 추가되고, Devin Cloud에는 현재 추가 중이며, 향후 며칠에 걸쳐 단계적으로 배포된다. OpenAI의 Daybreak 프로그램에 참여하는 기업 고객은 즉시 이용할 수 있다. 실제 엔지니어링 작업을 코드 품질과 병합 가능성을 기준으로 평가하는 Cognition의 독점 벤치마크 FrontierCode 1.1 Extended에서 Astra는 64.5를 기록했다. 각각 63.6을 기록한 Claude Fable 5.1과 Claude Opus 5를 앞섰고, Claude Fable 5의 64.9와는 0.4점 차이였으며 비용은 64% 낮았다. 점수는 평가표 항목의 가중 집계치이며, 필수 기준 하나라도 충족하지 못한 해법은 0점을 받는다. Cognition의 내부 테스트 벤치마크에서 Astra는 Devin의 테스트 기능을 구동할 때 새로운 최고 수준을 달성했으며, 더 완전한 테스트와 더 명확한 보고서, 더 알아보기 쉬운 영상 증거를 제공했다. 이번 발표는 Devin이 Fable 5.1로 전환한 지 이틀 만에 나왔다. 당시 Fable 5.1은 캐시 토큰 가격 덕분에 Fable 5보다 54% 저렴한 모델로 소개됐다. 이제 Cognition은 Fusion 라우팅에 사용할 수 있는, Fable 5에 가까운 품질과 더 낮은 비용을 갖춘 모델 두 개를 확보했다.

평가 모델(FrontierCode 1.1 Extended)	점수(%)
Claude Fable 5	64,9
GPT-6 Astra	64,5
Claude Fable 5.1	63,6
Claude Opus 5	63,6
Grok 4.6	61,3
GPT-5.6 Sol	60,6
Kimi K3	58,2
Gemini 3.7 Flash	56,3
Claude Sonnet 5	56,2
GPT-5.6 Terra	55,8

🔗 GPT-6 Astra 발표 · 🔗 GPT-6 Astra 안전성 개요 · 🔗 Devin의 GPT-6 Astra · 🔗 Using GPT-6 Astra 가이드 · 🔗 Devin에 도입되는 GPT-6 Astra

NVIDIA, Hugging Face를 129억 3,030만 달러에 인수

9월 3일 — Jensen Huang은 NVIDIA 블로그를 통해 Hugging Face 인수 계약을 발표했다. 게시물에는 인수 금액이 1달러 단위까지 명시되어 있으며, 총 12,930,300,000달러다. 이번 거래로 최대 가속기 판매업체가 오픈 웨이트 커뮤니티가 작업물을 공개하는 플랫폼의 중심에 자리하게 된다.

제시된 수치는 이번 거래로 무엇이 넘어가는지 그 규모를 보여준다. 개발자, 연구자, 크리에이터 1,800만 명 이상, 모델 300만 개 이상, 데이터세트 500,000개, 애플리케이션 100만 개, 그리고 모델을 탐색하고 평가하며 맞춤화하고 배포하기 위해 플랫폼을 이용하는 기업 200,000곳 이상이다.

본문의 핵심은 생태계가 제기할 의문에 선제적으로 답하는 중립성 보장에 관한 내용이다. Hugging Face는 개방형 플랫폼으로 유지된다. 개발자는 앞으로도 모델, 프레임워크, 클라우드, 추론 제공업체와 컴퓨팅 플랫폼을 자유롭게 선택할 수 있다. 가장 명시적인 문장은 하드웨어에 관한 것으로, 게시물에도 그대로 실렸다. Hugging Face에서 구축하거나 배포할 때 NVIDIA 컴퓨팅은 필수가 아니다. 멀티 클라우드 및 멀티 가속기 지원도 유지되며, 모든 제조업체의 오픈 모델과 오픈 웨이트 모델도 계속 수용한다.

Open models are essential to expanding access to AI and accelerating innovation around the world. We’re excited to help @huggingface scale its platform and community while preserving the openness, neutrality, and choice that have made it a trusted home for AI builders.

🇰🇷 오픈 모델은 AI에 대한 접근성을 확대하고 전 세계의 혁신을 가속하는 데 필수적입니다. AI를 개발하는 이들이 신뢰하는 보금자리로 자리 잡게 한 개방성, 중립성, 선택의 자유를 지키면서 @huggingface가 플랫폼과 커뮤니티를 확장하도록 지원하게 되어 기쁩니다. — @nvidia가 X에서

NVIDIA는 지금까지의 기여 이력을 근거로 정당성을 강조한다. NVIDIA는 Hugging Face에 오픈 모델과 데이터를 가장 많이 기여한 기업으로 자사를 소개하며, 500개 이상의 모델과 250개 이상의 데이터세트를 공개했다고 밝혔다. 또한 Huang이 최근 공동 서명한 오픈 웨이트의 중요성에 관한 공개서한도 상기시켰다. 향후 계획에 관해서는 의지를 밝히는 수준에 머문다. NVIDIA의 인프라, 엔지니어링 역량과 세계적인 영향력을 활용해 플랫폼의 안정성, 보안, 모델 평가, 추론과 배포를 개선한다는 것이다. Huang은 Clem Delangue가 회사의 다음 장을 고민하던 중 자신을 찾아왔으며, 팀은 기존 브랜드를 유지한다고 설명했다. 거래 종결 일정, 규제 조건, 지배구조에 관한 내용은 본문에 없다.

항목	값
인수 가격	12,930,300,000달러
개발자, 연구자 및 크리에이터	1,800만 명 이상
호스팅되는 모델	300만 개 이상
데이터세트	500,000개
애플리케이션	100만 개
이용 기업	200,000곳 이상
NVIDIA가 플랫폼에 공개한 모델	500개 이상
NVIDIA가 공개한 오픈 데이터세트	250개 이상

Hugging Face 측의 공식 확인은 당일 공식 계정에 게시한 이모지 두 개와 NVIDIA 게시물 링크가 전부다. 확인 당시 Hugging Face 블로그에는 별도의 게시물이 없었으며, NVIDIA의 기술 계정도 플랫폼 팀들의 메시지에 답하는 데 그쳤다.

🔗 NVIDIA의 Hugging Face 인수 · 🔗 Hugging Face 계정의 공유 게시물

Google DeepMind의 글로벌 기상 모델 WeatherNext 3, 5km 해상도의 시간별 예보로 전환

9월 3일 — Google DeepMind와 Google Research는 Brightband의 실시간 독립 평가를 기준으로 현재까지 가장 발전되고 정확한 글로벌 기상 모델이라고 설명한 WeatherNext 3를 공개했다. 이 모델은 이전 세대와 다른 방식을 채택한다. 데이터가 6시간 지연되는 슈퍼컴퓨터 기반 물리 시뮬레이션인 수치예보 모델의 출력만 학습하는 대신, 정지궤도 위성의 실시간 관측 자료를 전 세계적으로 조합한 데이터와 지상 관측소의 측정값을 직접 학습한다. 이에 따라 WeatherNext 2가 6시간 단위로 작동했던 것과 달리, 하루 24회에 해당하는 새로운 예보를 매시간 생성한다.

출력은 한 번의 처리로 여러 규모를 포괄한다. 관측소 데이터로 학습한 헤드를 통해 5km 격자에서 2m 높이의 기온과 이슬점을 제공하고, 10km 해상도의 지표 변수와 25km 해상도의 13개 대기 기압층을 산출한다. 아키텍처는 64개 구성원으로 이뤄진 앙상블 형태의 메시 기반 Functional Generative Network 변환기를 유지하며, 종관 주기에는 15일, 중간 시간별 실행에는 48시간의 예보 범위를 제공한다.

가장 강조되는 개선 사항은 강수량이다. 이 모델은 ECMWF 재분석 자료, NASA의 IMERG 위성 데이터, Google이 자체 개발한 위성·레이더 재분석 자료라는 세 가지 별도 데이터 소스로 학습됐다. 그 결과 초기 예보 시간대의 CRPS 점수가 IMERG 대비 최대 60%, MRMS 대비 30%, 우량계 대비 10% 개선됐다. 관측소 기반 학습은 해안, 계곡, 산악 지역의 큰 국지적 변화뿐 아니라 값비싼 지역 모델의 지원을 충분히 받지 못하는 라틴아메리카, 아프리카와 아시아 태평양 지역도 겨냥한다. 재생에너지 전용 변수도 포함된다. 터빈 높이에 해당하는 100m 상공의 바람, 구름층과 태양 복사조도의 구성 요소를 제공한다.

특성	WeatherNext 2	WeatherNext 3
해상도	0.25°(약 25km)	관측소 0.05°, 지표 0.1°, 기압층 0.25°
초기화 시간 간격	6시간	1시간, 하루 24회 초기화
앙상블 구성원	64	64
예보 범위	출처에 명시되지 않음	15일(종관 주기), 48시간(시간별 실행)
입력	물리 모델 분석 자료	실시간 위성 자료 조합과 ECMWF HRES 분석 자료

제품 배포는 즉시 이뤄진다. WeatherNext 3는 오늘부터 Google Search, Gemini 애플리케이션, Google Maps, Google Maps Platform의 Weather API와 Google Earth Engine의 기상 기능을 지원한다. 하루 이상 앞선 계획을 세울 때 강수량 예보 정확도가 최대 50% 향상된다고 발표됐다. 개발자와 연구자는 허용 목록에 등록한 뒤 BigQuery와 Earth Engine에서 데이터를 조회하거나 Google Cloud Storage에서 내려받을 수 있다. 실시간 데이터에는 실험적 이용 조건이 적용되고, 한 시간이 지난 과거 데이터에는 CC BY 4.0 라이선스가 적용된다. WeatherNext 2에서 이전하는 경우 주의할 점도 있다. 명명 규칙이 변경되고 강수량이 이제 6시간이 아닌 1시간 단위로 누적되므로 일별 집계 방식을 수정해야 한다.

🔗 WeatherNext 3 소개 · 🔗 개발자 문서

Runway, 오디오를 지원하는 실시간 대화형 월드 모델 GWM Worlds 2 공개

9월 3일 — Runway는 대화형 환경 시뮬레이션을 위한 자사 월드 모델의 두 번째 버전인 GWM Worlds 2를 공개했다. 2025년 12월에 발표된 첫 번째 GWM Worlds는 긴 이동 시퀀스의 공간적 일관성에 초점을 맞췄다. 이번 버전에는 48,000Hz로 생성되는 오디오와 피사체 및 장면에 대한 정밀 제어 기능이 추가됐으며, 초당 24프레임의 연속 720p 영상을 제공한다. 첫 번째 인터페이스 월드 모델인 Solaris를 공개한 지 사흘 만에 Runway는 자사의 연구가 클립이 아닌 연속 생성 세계에 초점을 맞추고 있음을 확인했다.

발표의 핵심은 지속되는 요소와 변화하는 요소를 분리하는 WorldPrompt 형식이다. 지속 영역에는 장면, 피사체와 그 속성, 중력이나 충돌 같은 법칙을 설명하는 생성 프롬프트와 렌더링의 기준이 되는 첫 이미지가 포함된다. 동적 영역은 타임스탬프가 있는 이벤트 스트림이다. 각 동작은 시작과 종료 시점이 있는 자유 형식 텍스트이며 피사체나 장면을 대상으로 하고, 여러 동작이 서로 겹칠 수 있다. 카메라는 프레임별 이동과 회전 스트림으로 표현된다. 대사도 다른 동작과 마찬가지로 처리되며, 말해야 할 문장을 포함한다. 기술적으로 Runway는 양방향 오디오·비디오 모델을 이 형식으로 미세 조정한 뒤, 인과적 비디오 및 오디오 디코더와 키·값 캐시의 슬라이딩 윈도우를 이용해 무한히 생성할 수 있는 자기회귀 모델로 후속 학습한다.

특성	GWM Worlds 2
비디오	연속 720p, 초당 24프레임
오디오	48,000Hz, 영상과 함께 생성
세션 시간	미리 정해진 제한 없음(자기회귀 모델)
입력	WorldPrompt: 지속적 맥락과 타임스탬프가 있는 이벤트
비디오에서 재개	가능, 8초 사전 채우기 예시
멀티플레이어	서로 다른 역할, LiveKit을 통한 스트리밍
상태	연구용 미리보기, 기업 문의를 통해서만 이용 가능

시연에는 1인칭으로 플레이하는 사막의 생존자, 감독석에서 제어하는 동일한 장면, 8초짜리 비디오에서 게임을 재개하는 모습, 지시에 따라 빨간 깃발에 이어 파란 깃발로 이동하는 로봇, 각 역할이 자체 피사체를 제어하는 멀티플레이어 모드가 등장한다. Runway는 세 가지 용도를 구분한다. 영화와 광고를 위해 모든 동작을 미리 작성하는 방식, 비주얼 노벨을 위한 턴제 진행, 그리고 수십 밀리초의 지연 시간 안에 텍스트가 도착해야 하므로 가장 까다로운 실시간 방식이다. 회사는 사전 작성 방식이 여전히 더 나은 품질을 제공한다고 인정하며, 한계도 솔직하게 열거한다. 빠른 카메라 회전 시 세부 묘사가 저하되고, 장기 기억이 완벽하지 않으며, 첫 이미지 이후에는 참조 이미지를 사용할 수 없고, 플레이어가 아닌 캐릭터와 대화하려면 외부 하네스가 필요하다. 공개 이용 계획은 발표되지 않았으며 기업용 문의 양식만 제공된다.

🔗 GWM Worlds 2 소개 · 🔗 X 발표

IFA 2026: NVIDIA PAIR가 여러 PC에 로컬 추론을 분산하고 RTX Spark는 10월 출시

9월 3일 — 베를린 IFA 개막에 맞춰 NVIDIA와 Microsoft는 NVIDIA 하드웨어에서 에이전트를 더 간편하게 로컬로 실행한다는 하나의 주제를 중심으로 여러 소식을 발표했다. 가장 많이 사용되는 에이전트 세 가지에 모두 llama.cpp 기반의 간소화된 로컬 모델 설정 기능이 추가된다. Nous Research의 Hermes Agent는 GPU를 감지하고 적합한 모델과 설정을 선택해 수동 다운로드 없이 실행하며, Linux 버전도 뒤이어 출시될 예정이다. 380,000개가 넘는 별을 받은 GitHub 최대 AI 프로젝트로 소개된 OpenClaw에는 VRAM이 24GB 이상인 모든 RTX GPU에 최적화된 모델을 설치하는 Windows 애플리케이션이 추가된다. 성능 면에서 NVIDIA는 커널 최적화, 개선된 추측 디코딩과 더 빠른 사전 채우기를 통해 GeForce RTX 5090에서 llama.cpp 처리량을 최대 1.9배로 높였다고 주장한다. RTX PRO 6000 Blackwell의 vLLM은 1.2배 향상됐으며, 이러한 성능 개선은 LM Studio와 Ollama를 통해 이용할 수 있다.

가장 구체적인 소프트웨어 신기능은 Personal AI Router를 뜻하는 NVIDIA PAIR다. 미국 가정의 절반 이상이 흔히 유휴 상태인 PC를 두 대 이상 보유한다는 점에 착안해, 이 도구는 로컬 네트워크에서 호환되는 기기를 검색하고 각각의 독립적인 추론 요청을 처리 여력이 있는 기기로 전달한다. Ollama와 LM Studio 인터페이스 앞단에서 프록시로 작동하기 때문에 에이전트는 변경되지 않으며 계속 단일 연결만 인식한다. 같은 날 공개된 기술 게시물에는 작동 방식이 자세히 설명되어 있다. mDNS 검색 또는 IP 주소를 통한 수동 추가, 사용자가 승인하는 페어링, mTLS 암호화 통신, 노드 가용성, 요청된 모델의 정확한 존재 여부와 GPU 부하를 고려한다. PAIR는 GPU를 병합하거나 모델을 분할하지 않는다. 각 요청은 하나의 노드에서 완전히 실행된다. 베타 버전은 Windows, macOS와 Linux에서 무료 오픈 소스로 제공된다.

발표	세부 정보
llama.cpp	GeForce RTX 5090에서 처리량 최대 1.9배
vLLM	RTX PRO 6000 Blackwell에서 1.2배, DGX Spark 두 대에서 최대 1.4배
PAIR 지원 하드웨어	GeForce RTX 20 시리즈 이상, RTX PRO(Turing 이상), DGX Spark, Apple M4 이상
PAIR 시연	노트북 한 대에서 18분, 기기 세 대에서 8분 48초
RTX Spark	1페타플롭 RTX Blackwell GPU, 128GB 통합 메모리, 20코어 Grace CPU
RTX Spark 출시 시기	2026년 10월, Lenovo와 Acer가 기존 제조업체 6곳에 합류

Qwen 3.6 35B A3B에서 하위 에이전트 5개를 사용한 시연은 RTX Spark 노트북 한 대에서 18분이 걸렸지만, 기기 세 대로 구성된 클러스터에서는 8분 48초로 단축됐다. NVIDIA는 이 결과가 해당 구성에만 해당한다고 설명한다. 끝으로 Windows RTX Spark PC는 10월에 출시된다. 기존에 발표된 제조업체 6곳에 Yoga Pro 9n과 Yoga 9n 2-in-1을 선보이는 Lenovo, 소형 데스크톱 콘셉트를 공개한 Acer가 합류한다. 칩은 1페타플롭 RTX Blackwell GPU, 최대 128GB 통합 메모리와 20코어 Grace CPU를 결합하며, 시스템의 통제 아래 백그라운드에서 에이전트를 실행하는 새로운 Windows Agent 프레임워크를 사용한다. Electronic Arts, Embark와 Ubisoft가 파트너 스튜디오 명단에 합류했고, CyberLink는 FP8의 TensorRT-RTX로 가속하는 로컬 확산 모델을 PhotoDirector에 통합한 AI PC 모드를 발표했다.

🔗 IFA 2026의 로컬 AI · 🔗 NVIDIA PAIR 기술 게시물

Perplexity의 Portable Computer, 24GB RTX용 Linux 버전 출시

NVIDIA가 언급한 세 번째 에이전트는 8월 25일 DGX Spark에서 출시된 Perplexity Computer의 완전 로컬 버전인 Portable Computer다. 이제 VRAM이 24GB 이상인 모든 NVIDIA RTX GPU용 Linux에서 사용할 수 있으며, Windows 버전도 곧 출시될 예정이다. 이 기준은 임의로 정해진 것이 아니다. 4비트로 양자화된 Qwen 3.8 27B 로컬 오케스트레이터는 다운로드 용량이 27.6GB이며 24GB의 메모리를 요구한다. 오케스트레이터, 플래너, 도구 라우터, 실행 샌드박스를 포함한 전체 에이전트 스택이 기기에서 실행되며, 로컬에서 처리된 작업에는 토큰당 요금이 부과되지 않는다. 어떤 단계에서 웹이나 최첨단 추론이 필요하면 에이전트는 카탈로그에 있는 15개 이상의 클라우드 모델 중 하나로 라우팅하기 전에 허가를 요청한다. 설치는 apt 저장소를 통해 이루어지고, Gmail, Outlook, Slack, GitHub 커넥터는 로컬 오케스트레이터를 거치며, 이용 대상은 Pro 및 Max 구독자로 제한된다. 이번 발표는 9월 1일 Mac용 Hybrid Compute와 2일 Lily 코드 공개에 이어 Perplexity가 로컬에 집중한 한 주를 마무리한다.

🔗 RTX용 Portable Computer

Warp, 각 팀의 코드 작업을 기반으로 구축한 모델 시험대 Factory Benchmarks 출시

9월 3일 — Warp가 팀의 코드 작업에서 생성되는 최초의 모델 시험대로 소개된 Warp Factories Benchmarks의 조기 이용을 시작한다. 원리는 SWE-bench나 Terminal-Bench와 비슷하지만, 학습 데이터에 포함되어 포화된 공개 데이터 세트보다 Warp가 더 신뢰할 만하다고 판단하는 각 팀의 실제 작업과 고유한 맥락을 활용한다. 이 도구는 프런티어 모델과 오픈 웨이트 모델 모두에서 작동하며, 하네스 간 비교(Warp, Claude Code, Codex)도 곧 제공될 예정이다.

벤치마크는 이전 실행에서 선택하거나 처음부터 만든 에이전트 작업 세트, 모델이나 하네스를 달리해 비교할 factory 구성 세트, 그리고 각 실행의 비용, 품질, 정확성, 장황함, 효율성을 평가하는 scorer로 구성된다. factory는 코드로 기술되며(factory.yaml 파일과 에이전트 정의), 모든 추적 기록은 보존된다. 기업의 경우 고객의 보안 경계 안에 유지되며, 모든 실행은 초기 git 상태에서 원하는 구성으로 다시 실행할 수 있다. scorer는 사용자가 정의한 평가 기준표를 바탕으로 하는 LLM 판단 루프(LLM-as-a-judge)다. 감독자(foreman)는 자연어 지시로 벤치마크 구성을 생성하며, 결과는 코드로 정의된 모델 라우터에 반영된다. Warp는 이러한 벤치마크가 저렴하지 않다고 밝히며, 새 모델이 출시되거나 prompt, skill 또는 에이전트 맥락이 변경될 때 실행할 것을 권장한다.

Introducing Factory Benchmarks: The first model bench generated from your own coding tasks. Measure, test and improve coding agents by replaying past agent runs, and cut cost-per-PR by 63%+

🇰🇷 Factory Benchmarks를 소개합니다. 여러분의 자체 코드 작업에서 생성되는 최초의 모델 시험대입니다. 과거 실행을 재현하여 코딩 에이전트를 측정하고 테스트하며 개선하고, PR당 비용을 63% 이상 절감하세요. — @warpdotdev의 X 게시물

이를 보여 주는 사례는 9월 2일 자 페이지에서 자세히 설명한 내부 벤치마크 WarpBench다. 서버 코드(Go, React)와 클라이언트 코드(Rust)에 걸친 S부터 XL 크기의 작업 30개, Warp Agent 하네스에서 비교한 모델 5개, 30분 미만의 설정 시간, 3시간 46분의 실행 시간과 2,130.57달러의 비용으로 구성됐다. 첫 번째 반복에서는 high 노력 수준의 Grok 4.6이 절반의 비용으로 Opus 5 자동 라우팅과 동일한 품질을 제공하는 것으로 나타났다. 이에 Warp는 이를 기본 구현 에이전트로 지정했으며, 완료된 PR당 비용은 약 80달러에서 30달러로 감소했고 병합률 저하 없이 작업 준수율은 69%에서 87%로 상승했다. 이번 주 확대된 벤치마크에서는 GPT-5.6 Sol이 비용과 품질의 균형이 가장 뛰어난 모델로 선정됐으며, 9월 1일 기본값으로 지정되어 약 25%의 추가 개선이 예상된다.

WarpBench 지표	측정값
데이터 세트의 작업	30개(S~XL 크기, Go/React 서버 및 Rust 클라이언트)
비교 모델	Opus 5, GPT-5.6 Sol, Gemini 3.7, Grok 4.6, GLM 5.3 Flash
전체 실행 시간 및 비용	3시간 46분, 2,130.57달러
완료된 PR당 비용	약 80달러에서 30달러로 감소(−63%)
작업 준수율(scorer)	69%에서 87%로 상승, 병합률 변화 없음
이용 방식	조기 이용, 최대 10,000달러 상당의 사용량 제공

🔗 Factory Benchmarks 소개 · 🔗 WarpBench

OpenAI와 사이버 방어: 방어자를 위한 10억 달러와 지속적 방어 공장

최전선 방어자를 위한 Daybreak

9월 3일 — Critical 등급 모델 출시 당일, OpenAI는 Daybreak for Frontline Defenders를 발표했다. 향후 6개월 동안 사용할 수 있는 Daybreak 사이버 모델 보조금 지원 이용권 10억 달러와 교육, 기술 지원, 파트너십을 제공하는 계획으로, 먼저 미국에서 시작하고 “향후 몇 주 안에” 파트너 국가로 확대한다. 우선 지원 대상은 대기업만큼의 자원 없이 노후화된 시스템을 방어하는 조직으로, 상하수도망, 전력망 운영사, 주 및 지방정부, 지역 은행, 비영리단체, 오픈 소스 유지관리자가 포함된다. 미국 부문에는 수천 개 공공기관을 지원하는 정보 공유 센터인 MS-ISAC과의 시범 사업도 포함된다. OpenAI는 최근 상수도망 공격의 피해를 본 기관에 최대 100만 달러의 API 크레딧을 제공했다고 밝혔다. Daybreak에는 이미 승인된 2,000개 조직의 방어자 수천 명이 참여하고 있으며, Daybreak Defense Network 파트너들은 이러한 모델을 통합한 35개 이상의 관리형 제품과 서비스를 발표했다.

항목	값
지원 규모	6개월 동안 10억 달러
Daybreak에서 이미 승인된 조직	2,000
파트너 제품 및 서비스	35개 이상(Daybreak Defense Network)
공공 부문 시범 사업	MS-ISAC(공공 부문 및 상수도망)
공공 서비스 기관 회의	40개 주 및 컬럼비아 특별구

🔗 최전선 방어자를 위한 Daybreak

The Defense Factory

Daybreak 게시물에 따르면 이번 주 공개된 Defense Factory 페이지는 OpenAI가 내부 보안 집중 작업을 에이전트가 주도하는 지속적 방어 루프로 전환한 방식을 설명한다. 이 루프는 자산 목록화, 탐색, 동적 검증, 책임자 지정, 검증된 수정으로 구성되며, SECURITY.md 파일을 반복 작업 간 공유 맥락으로 사용한다. 이 집중 작업에는 100개가 넘는 영역에서 250명 이상이 참여했으며, 긴급하거나 우선순위가 높은 문제 53개가 첫날 수정됐다. 수치로 나타난 결과를 보면 에이전트가 제안한 책임 할당의 90.6%가 수락됐고, 발견 사항의 37%는 중복이었으며, 19.5%는 격리된 환경에서 실행을 통해 재현됐다. 동적 검증 후 거짓 양성 비율은 0.81%, 취소된 수정 비율은 0.53%였다. 교정 작업은 전적으로 Codex를 기반으로 이루어졌다. 참조 아키텍처는 MCP, CLI 또는 API를 통해 기존 도구(GitHub 또는 GitLab, Snyk, Semgrep, Tenable, Jira, Linear, ServiceNow)를 제공하며, 임시 환경과 Sol, Terra, Luna, Daybreak Blue, Daybreak Red 모델을 사용한다. Cloudflare, Ramp, Google도 비슷한 접근법을 모색하고 있다.

🔗 The Defense Factory

Claude Code: TypeScript hook 제안과 버전 2.1.259

개발에 앞서 커뮤니티에 제출된 Function Hooks

9월 3일 — Anthropic이 Claude Code를 위한 내부 제안인 Function Hooks를 공개했다. 개발자 계정은 두 개의 영상과 함께 이를 소개하면서 아직 아무것도 제공되지 않았다고 분명히 밝혔으며, GitHub issue 91870에도 기능의 실제 개발 여부가 커뮤니티 반응에 따라 결정될 가능성이 높다고 명시돼 있다. 현재 Claude Code의 hook은 설정 파일에 선언하는 shell 명령이다. 이 제안은 이를 이벤트에 등록되고 Express나 Koa처럼 middleware 체인으로 조합되는 TypeScript 함수로 대체하며, next continuation을 사용한다. 등록 순서가 중첩 방식을 결정하고, 먼저 등록된 plugin이 뒤따르는 plugin들을 감싸므로 더 큰 권한을 갖는다. 제안의 핵심은 매개변수화된 $ 객체로, 주변 환경에서 파일 시스템이나 네트워크에 접근할 수 없을 때 부수 효과를 일으키도록 허용된 유일한 통로다. 따라서 plugin이 수행한 작업은 전달한 호출만으로 정확히 요약되므로 모든 동작을 감사하고 허용하거나 거부하고 기록할 수 있다. 관리자가 어떤 기능을 제거하면 그 아래에 등록된 어떤 항목도 이를 호출할 수 없다. 피드백은 예외 발생 시 동작, hook당 최대 제한 시간, 그리고 특히 현재 shell hook의 처리 방향에 집중되고 있으며, 일부 사용자는 이를 보완책으로 계속 유지하기를 원한다.

Claude Code 책임자 Boris Cherny는 이 제안을 공유하며 사용자들에게 직접 사용 의향을 물었고, 이 아이디어를 약간 엉뚱하지만 매우 흥미롭다고 평가했다. issue에는 아키텍처 문서와 영상 9개가 첨부됐으며, 작성자는 파일 시스템, 네트워크, 프로세스에 대한 접근 기능이 거의 확실히 제공될 것이라고 스레드에서 설명했다. 목표는 plugin을 제한하는 것이 아니라 모든 효과가 하나의 통로를 거치게 하여 관리자가 이를 감사할 수 있도록 하는 것이다.

🔗 Function Hooks 소개 · 🔗 GitHub issue 91870

Claude Code 2.1.259, 관리형 MCP 서버와 거부 규칙 강화

9월 3일 — 밤사이 공개된 버전 2.1.259는 macOS Monterey에서의 시작 문제만 수정했던 2.1.258보다 훨씬 많은 내용을 담고 있다. 두 가지 추가 기능은 관리형 배포를 겨냥한다. managedMcpServers 설정을 사용하면 조직이 모든 사용자에게 HTTP 또는 SSE MCP 서버를 제공할 수 있으며, 실행할 로컬 명령을 지정하는 항목은 무시된다. --permission-prompts none flag는 감독되지 않는 headless 호스트를 위한 것으로, prompt를 발생시킬 모든 작업을 자동으로 거부하는 동시에 활성 permission mode가 계속 판단을 내리도록 한다. 같은 맥락에서 분석할 수 없는 관리형 설정 파일은 더 이상 조용히 무시되지 않는다. Claude Code는 시작을 거부하고 문제가 있는 출처를 명시한다. 보안 측면에서 Bash Read() 거부 규칙은 이제 option 값으로 전달된 파일, git diff과 git grep의 operand, 그리고 cd DIR && cat FILE 유형의 복합 명령에도 적용된다. 중요한 수정 사항으로는 동시 session이 사용자 구성 파일의 변경 사항을 서로 조용히 취소해 workspace 신뢰 정보와 MCP 상태가 손실되던 문제가 해결됐다. 관리자가 주의해야 할 동작 변경 사항도 있다. 이제 allowedMcpServers은 사용자가 추가한 서버만 제어하며, 관리형 서버를 차단하려면 deniedMcpServers을 사용해야 한다. 이 버전은 GitLab merge request 명령도 인식하며 plugin 검증에 JSON 출력을 추가한다.

🔗 버전 2.1.259 출시 노트

GitHub Copilot: 콘텐츠 제외, Gemini 3.8 Flash, 네 가지 지원 중단과 강화된 요금 정책

콘텐츠 제외가 Copilot 앱과 CLI에 적용

9월 2일 — 이제 GitHub Copilot 애플리케이션과 Copilot CLI가 기업, 조직, 저장소 관리자가 정의한 콘텐츠 제외(content exclusions) 정책을 준수한다. 이는 에이전트형 작업 흐름에 특유한 문제를 다룬다. 에이전트가 자체적으로 저장소를 탐색하기 때문에 편집기 자동 완성에만 적용되는 정책으로는 조직이 제외하려 했던 비밀 정보, 구성 파일, 제한적 라이선스가 적용된 코드가 노출될 수 있다. 이제 제외된 파일은 어떤 작업이 주어지더라도 맥락으로 사용되지 않는다. 이 기능은 Business 및 Enterprise 고객을 대상으로 정식 제공되며, 개인 계정에는 이러한 정책이 제공되지 않는다.

🔗 앱과 CLI의 콘텐츠 제외

Gemini 3.8 Flash, 이전 세대와 같은 요금으로 Copilot에 합류

9월 3일 — Google이 출시한 지 24시간 만에 Gemini 3.8 Flash가 Pro, Pro+, Max, Business, Enterprise 요금제의 Copilot 모델 선택기에 추가됐다. Visual Studio Code, Visual Studio, Copilot CLI, 클라우드 에이전트, Copilot 애플리케이션, JetBrains IDE, Xcode, Eclipse 등 8개 환경에 걸쳐 점진적으로 배포된다. GitHub는 초기 테스트 결과를 두 가지로 요약했다. 터미널에서 수행되는 복잡한 코드 작업에서의 우수한 성능과 조치 가능한 실패 이후에도 끈질기게 복구하는 능력이다. 가장 구체적인 부분은 요금이다. 2026년 12월 31일까지 입력 토큰 100만 개당 0.75달러, 캐시된 입력은 0.075달러, 출력은 3.75달러가 부과된다. 이는 같은 날까지 Gemini 3.6 Flash와 3.7 Flash에 적용되는 기존 프로모션 요금과 정확히 같다. 즉, 세대가 바뀌어도 가격은 그대로다.

🔗 GitHub Copilot의 Gemini 3.8 Flash

Copilot에서 모델 네 개가 10월 2일 추가로 제외

9월 3일 — 모델 6개가 실제로 제외된 지 이틀 만에 GitHub가 다음 지원 중단 대상을 발표했다. 2026년 10월 2일에 채팅, 인라인 편집, ask 및 agent mode, 코드 자동 완성을 포함한 모든 Copilot 환경에서 모델 4개가 제외된다.

지원 중단 모델	지원 중단일	권장 대안
Gemini 3.5 Flash	2026년 10월 2일	Gemini 3.8 Flash
Gemini 3.6 Flash	2026년 10월 2일	Gemini 3.8 Flash
Kimi K2.7 Code	2026년 10월 2일	Kimi K3
Claude Opus 4.7	2026년 10월 2일	Claude Opus 5

이는 각 공급자의 최신 세대를 중심으로 카탈로그를 압축하는 흐름이다. Business 및 Enterprise 관리자는 모델 정책에서 대체 모델 이용을 활성화해야 할 수도 있지만, 지원 중단 모델을 제거하기 위해 별도의 조치를 취할 필요는 없다.

🔗 Copilot의 예정된 지원 중단

Business 및 Enterprise 가입 재개와 좌석 선결제

9월 3일 — GitHub는 서비스 가용성과 신뢰성을 이유로 들며 약 2주에 걸쳐 신용카드나 PayPal로 결제하는 고객을 대상으로 Copilot Business 및 Enterprise 가입을 점진적으로 재개한다. GitHub는 강화된 계정 검증을 통해 이를 개선할 계획이다. 소규모 팀이 주목할 부분은 결제 방식 변경이다. 새로 배정하는 모든 좌석은 사용자가 액세스 권한을 얻기 전에 결제해야 하며, 배정된 모든 좌석은 다음 결제 주기에 선불로 청구된다. 이는 기존 고객에게도 2026년 10월 1일부터 적용된다. 포함된 사용량을 초과하면 작업을 계속하기 위해 추가 결제가 필요할 수 있으며, 포함 사용량은 해당 월을 기준으로 일할 계산될 수 있다. 요금제 가격, 좌석 일할 계산 및 추가 사용량 구매 방식은 바뀌지 않는다. GitHub는 Copilot을 완전히 해지했다가 다시 가입하면 새로운 절차가 적용될 수 있다고 덧붙여 일시적인 해지를 꺼리게 만든다.

🔗 Copilot Business 및 Enterprise 가입 재개

Hugging Face, 인수 당일 세 가지 연구 공개

funes, 코드 에이전트를 위한 지속 가능한 로컬 메모리

9월 3일 — Hugging Face는 컴퓨터에 이미 저장된 세션 기록을 활용해 구축하는 코드 에이전트용 지속형 메모리 계층 funes를 공개했다. 출발점이 된 문제는 흔하지만 거의 해결되지 않았다. 새로운 에이전트는 매번 프로젝트를 처음 접하는 것처럼 다시 파악해야 하며, 지난주의 추론은 세션이 끝나면 사라진다. 설치에는 단일 바이너리와 에이전트별 명령 하나만 필요하다. funes add claude(또는 codex, pi, hermes)는 최초 인덱스를 구축하고, 에이전트에 recall 및 get 도구를 제공하며, 완료된 각 턴을 인덱싱하는 자동화 기능을 설치한다. 내부에서는 결정론적 파이프라인이 각 기록을 턴과 블록으로 변환한 뒤 분할하고, 고정된 로컬 모델로 임베딩해 로컬 Lance 데이터세트에 기록한다. 쿼리는 벡터 검색과 BM25를 결합하고 순위를 통합한 다음, 교차 인코더 재순위화(cross-encoder rerank)를 거쳐 최신성에 따라 가중치를 다시 부여한다. 기록 시에는 어떤 내용도 증류하지 않는다. recall은 정확한 출처와 함께 원문을 반환한다. 기본적으로 모든 데이터는 계정이나 원격 저장소 없이 로컬에 남는다. 공유는 선택 사항이며 비공개 Hub 데이터세트를 통해 이루어진다. 이때 인덱싱 시 식별자를 제거하고 게시 전에 두 번째 정제 작업을 수행한다. 이전 맥락 없이는 답을 재구성할 수 없는 두 가지 작업을 이용한 벤치마크에서, 대부분 에이전트의 기본 동작인 압축은 한 작업에는 성공했지만 요약 과정에서 유용한 발견이 평탄화되어 다른 작업에는 실패했다. 반면 회상은 세 가지 방식 가운데 비용이 가장 낮았으며, 작성된 인계 문서보다 한 작업에서는 8배, 다른 작업에서는 4배 저렴했다.

🔗 funes

NeoMME, 비전 타워 없이 처음부터 학습한 두 가지 멀티모달 인코더

9월 3일 — H Company는 Apache 2.0 라이선스로 제공되는 2억 6천만 및 8억 매개변수 규모의 다국어 멀티모달 인코더 제품군 NeoMME를 공개했으며, 출시 첫날부터 Transformers 구현도 제공한다. 차별점은 아키텍처에 있다. 시각 문서 검색 모델 대부분은 사전 학습된 비전 인코더가 인과적 디코더에 입력을 공급하는 생성형 비전·언어 모델에서 파생된다. 그러나 검색과 분류는 텍스트를 자기회귀 방식으로 생성하지 않으므로 이러한 디코더도, 디코더가 유발하는 매개변수 부담도 필요하지 않다. NeoMME는 둘 다 제거했다. 단일 양방향 Transformer가 텍스트 토큰과 32×32 크기의 원시 이미지 패치를 처리하며, 마스킹된 이산 확산 목표를 사용해 처음부터 학습된다. ViDoRe v3 벤치마크에서 2억 6천만 매개변수 모델은 nDCG@10 0.523을 기록해 8억 매개변수 미만 모델 가운데 최고 점수를 얻었고, 매개변수가 약 14배 많은 ColQwen2.5와의 차이는 0.002에 불과했다. 8억 매개변수 모델은 0.556을 기록했다. 배포에서 가장 구체적인 장점은 인덱스 크기다. 팀은 계층적 토큰 풀링과 비대칭 양자화를 결합해 기준 점수의 99% 이상을 유지하면서 페이지당 용량을 1.5MB에서 39KB로 줄였으며, 95% 이상을 유지하는 조건에서는 페이지당 6KB까지 줄여 용량을 255분의 1로 축소했다.

🔗 NeoMME

IBM, 네 가지 시계열 모델을 Confluent 스트림에 통합

9월 2일 — IBM Research와 Confluent는 별도의 머신러닝 플랫폼으로 데이터를 추출하지 않고 데이터 스트림에서 직접 실행되는 네 가지 시계열 파운데이션 모델의 조기 액세스를 시작했다. 네 모델 모두 기존 Flink SQL 함수 AI_FORECAST 및 AI_DETECT_ANOMALIES을 통해 호출하며, 단일 매개변수로 모델을 선택할 수 있어 파이프라인을 재설계할 필요가 없다. PatchTST-FM은 언어 모델이 텍스트를 읽듯 시계열을 패치 단위로 읽고 각 변수를 별도의 채널에서 처리해 전체 분포를 반환한다. FlowState는 각 데이터 지점에서 갱신되는 실행 요약을 유지하며 시간에 따라 연속적으로 변화한다. TTM은 어텐션을 소규모 혼합 네트워크로 대체한다. 매개변수 100만 개짜리 모델 하나로 CPU에서 매일 밤 10만 개의 시계열을 처리할 수 있다. TSPulse는 시간 영역과 주파수 영역의 관점을 결합해 이상 탐지, 분류 및 결측값 보간을 수행한다. 스트림 내부에 모델을 배치하는 이점은 상태 관리에 있다. Flink는 각 시계열의 상태를 내결함성 방식으로 관리하므로 별도의 데이터 저장소가 필요하지 않다. 가중치는 Hub에 공개된 상태로 유지되며, 추론은 Confluent 외부에 있는 사용자의 CPU에서도 실행할 수 있다. IBM은 다운로드 횟수가 4,400만 회를 넘었고 시멘트, 철강, 펄프·제지, 농식품 및 통신 분야의 설계 파트너들이 생산성을 5~10배 높였다고 밝혔다. 액세스는 AWS 기반 Confluent Cloud에서 제공되며 해당 기간에는 요금이 부과되지 않는다.

🔗 Confluent의 시계열 모델

Qwen, 365일간의 상거래 벤치마크와 자율주행 모델 공개

E-Commerce Bench, 18개 에이전트가 시뮬레이션 환경에서 1년간 상점 운영

9월 3일 — Qwen 팀은 Taobao & Tmall Group과 함께 에이전트가 1년 내내 온라인 판매자로 활동하는 능력을 평가하는 벤치마크를 공개했다. 출발점은 대부분의 에이전트 평가가 자연스러운 종료 지점이 있는 제한된 목표를 제시하지만 상점 운영에는 끝이 없다는 점이다. 에이전트는 10만 위안으로 시작해 12개 유형 중 최대 4개의 상점을 열 수 있으며, 시뮬레이션된 365일 동안 조달, 협상, 가격 책정, 프로모션, 재고 및 현금 흐름 관리를 이어간다. 환경은 비식별화된 실제 데이터, 60개 범주에 속한 제품 6,886개, 사기 공급업체 152곳을 포함한 공급업체 576곳을 기반으로 한다. 또한 도구를 호출할 때마다 하루 중 일정 시간이 소모되는 시간 예산을 적용한다. 기술적으로 가장 주목할 만한 선택은 결정론적 협상 코어다. 공급업체의 모든 견적과 양보는 고정된 코어에서 산출되며 언어 모델은 이를 대화 형식으로 표현하기만 하므로, 에이전트가 말로 가격을 원가 이하까지 낮추는 일을 방지한다.

평가 모델(총 18개)	연말 자산(천 위안)	초기 자금 대비 배수	사기 공급업체 대상 구매
GPT-5.6 Sol	1 431	14.31배	18.48%
Fable 5	805	8.05배	3.46%
Claude Opus 4.8	498	4.98배	5.41%
Qwen3.8-Max-Preview(최고 공개 가중치 모델)	416	4.16배	6.13%
Claude Opus 4.7	259	2.59배	0.12%

가장 유용한 결과는 연말 자산을 보완하는 여섯 가지 평가 축에 있다. 모든 영역을 지배하는 모델은 없으며, 축별 최고 점수는 서로 다른 여섯 모델에 분산되어 있다. 수익 1위 모델은 사기 회피 부문에서 16위에 불과하다. 모든 모델이 같은 비율로 사기 공급업체와 접촉하며, 차이는 실제 주문 시점에서 발생한다. 또한 같은 공급업체에서 같은 제품을 재구매한 8,647건을 분석한 결과, 18개 모델 중 15개는 자체 구매 가격을 무작위 순서로 배열했을 때보다 통계적으로 유의미하게 더 비싸게 지불했다. 1년이 지나도 구매 능력은 향상되지 않은 셈이다. 코드는 Apache 2.0 라이선스로 공개됐다.

🔗 E-Commerce Bench · 🔗 Qwen 게시물

Qwen-Drive-1.0, 공개 가중치 자율주행 모델

9월 3일 — Qwen은 Huazhong University of Science and Technology와 함께 자사의 첫 자율주행용 비전·언어 파운데이션 모델을 Apache 2.0 라이선스로 공개했다. 핵심 아이디어는 범용 멀티모달 모델인 기반 모델 Qwen3.5-4B의 아키텍처를 변경하지 않고 외부 모듈 두 개를 연결하는 것이다. 조감도(bird’s eye view) 기반 인식 헤드는 3D 객체 탐지, 의미론적 점유 예측 및 지도 분할을 공동으로 수행하며, 모델이 장면에서 무엇을 이해하는지 살펴볼 수 있는 검사 가능한 탐침 역할을 한다. 모델 표현을 조건으로 사용하는 확산 Transformer 플래너는 흐름 정합(flow matching)을 통해 10Hz 주기로 5초 분량의 차량 궤적을 생성한다. 학습은 단계적으로 진행되며 계획 학습용 표본 283만 개를 포함해 공개 데이터만 사용한다. 주행 질의응답에서 미세 조정된 변형은 평균 69.43점을 기록해 시험 대상인 범용 모델과 차량 탑재형 전문 모델을 모두 앞섰다. LingoQA에서는 기반 모델의 70.4점보다 높은 77.8점을 기록하면서도 일반 역량은 기반 모델과 비슷하게 유지됐다. 계획 부문에서는 강화학습으로 최적화한 버전이 NAVSIM에서 PDMS 90.7점을 달성했다. 가중치는 모델과 세 개의 헤드를 합쳐 9.1GB 크기의 디렉터리 하나에 담기며 24GB GPU가 권장된다. 저자들은 텍스트 추론과 생성된 궤적 사이의 일관성을 여전히 강화해야 한다고 직접 밝혔다.

🔗 Qwen-Drive-1.0

SpaceXAI, Grok Bot 인터페이스를 상세히 설명하고 Memphis 장애에 사과

지속적으로 작동하는 에이전트를 위해 Grok Bot을 설계한 방식

9월 3일 — SpaceXAI는 8월 11일 베타로 출시한 지속형 에이전트 제품 Grok Bot의 설계를 자세히 다룬 글을 공개했다. 팀은 AI 제품에 누적된 세션, 컨텍스트 창, 메모리, 커넥터, 샌드박스, 권한 등의 수많은 개념에서 출발해 사용자가 접하는 개념을 다섯 가지로 줄였다. 정체성, 메모리, 런타임 및 도구를 갖춘 지속형 에이전트인 Bots, Chats, Skills로 저장하거나 Routines로 실행할 수 있는 Prompts, Tools, Artifacts다. 그 결과 사이드바는 더 이상 일회성 대화 기록이 아니라 Bot 목록이 되었으며, 각 Bot에는 이름, 아바타, 기억 및 자체 컴퓨터가 있다. 아바타의 애니메이션은 대기, 사고, 작업, 응답 대기, 차단 또는 완료 등 Bot의 상태를 나타낸다. 이는 애니메이션 점 세 개로는 정보가 너무 부족하고 전체 로그는 정보가 너무 많았던 테스트 끝에 찾은 절충안이다. Bot의 컴퓨터는 상태 아이콘, 미리보기 사이드 패널, 그리고 Bot이 도움을 요청할 때 사용하는 전체 화면 제어라는 세 단계로 노출된다. 테스트에서는 컴퓨터가 더 잘 보일수록 사용자가 이를 더 많이 감시하는 경향이 나타났다. 도구와 Skills는 계정 단위로 공유되지만 메모리와 Routines는 Bot에 귀속되며, 실용적인 한도는 계정당 약 50개, 그룹 대화당 6개의 Bots다.

🔗 Grok Bot 설계

Memphis 데이터센터 장애

9월 3일 — 늦은 저녁, SpaceXAI는 Colossus 슈퍼컴퓨터가 설치된 Memphis 데이터센터에서 그날 아침 발생한 장애를 공개적으로 인정했다. 메시지는 Grok 사용자뿐 아니라 영향을 받은 컴퓨팅 파트너에게도 사과했는데, 이 점이 특히 주목할 만하다. Memphis는 자체 모델만 호스팅하는 곳이 아니라 회사가 컴퓨팅 용량을 판매하는 시설이기도 하며, 특히 5월 6일 발표된 Colossus 1 액세스 계약 이후 Anthropic에도 용량을 제공하고 있다. 확인 당시 SpaceXAI 상태 페이지에는 아무런 장애도 표시되지 않았지만, 가용성 그래프에서는 여러 지역별 액세스 지점의 추론 성공률이 여전히 100%를 약간 밑돌았다. Claude 상태 페이지에는 같은 날 여러 모델에서 오류율이 상승한 장애가 기재됐으며, 해당 장애는 UTC 13시 26분에 시작해 16시 16분에 종료됐다. 어느 회사도 이를 Memphis 장애와 연결하지 않았으며, 시간대가 겹친다는 사실만 관찰할 수 있다. 그사이 중국의 두 연구소가 기회를 놓치지 않았다. Z.ai는 간결하게 “아직 정상 운영 중”이라고 게시했고, Qwen은 자사 클라우드 서비스가 이곳에서 구축해 보라고 권유하는 메시지를 공유했다.

🔗 SpaceXAI의 사과

생성형 미디어: 같은 날 발표된 네 가지 소식

HUMAIN-M3, MiniMax M3를 기반으로 구축한 아랍어 모델

9월 3일 — 사우디아라비아 AI 기업 HUMAIN은 MiniMax에 의뢰해 개발한 아랍어 언어 모델 HUMAIN-M3를 공개했으며, 자사 HUMAIN Node 플랫폼에서 연구 미리보기로 제공한다. MiniMax는 개발 방식을 상세히 설명했다. 이 모델은 6월 1일 출시된 공개 가중치 모델 MiniMax M3를 기반으로 하며, 이후 1조 개가 넘는 아랍어 토큰으로 추가 학습됐다. 목표는 단일 표준 아랍어가 아니라 지역 언어와 방언을 포괄하는 것이다. MiniMax가 보는 의미는 아랍 시장을 넘어선다. 공개 파운데이션 모델을 제3자가 현지화하고 확장해 지역 생태계를 구축할 수 있음을 보여주는 사례라는 것이다. 이는 중국 연구소가 걸프 지역 기업으로부터 받은 주목할 만한 산업 계약이기도 하다. 발표에는 모델 크기, 벤치마크, 연구 미리보기 이후의 액세스 조건이 공개되지 않았다.

🔗 MiniMax 발표

Synthesia, 프롬프트로 기업용 동영상을 만드는 Assistant 출시

9월 3일 — Synthesia는 간단한 프롬프트로 기업용 동영상을 제작하는 Assistant를 공개했다. 사용자가 문서나 URL을 제출하거나 필요한 내용을 자유 형식 텍스트로 설명하면 Assistant가 계정의 브랜드 키트를 적용해 몇 분 안에 첫 초안을 만든다. 이후 편집을 처음부터 다시 시작하지 않고 대화를 주고받으며 동영상을 수정할 수 있다. 이번 발표는 아바타 플랫폼 사이에서 벌어지는 동영상 에이전트 경쟁의 일환이다. 발표문에는 적용되는 요금제, 지원 언어, 출시 일정이 명시되지 않았으며 확인 당시 웹사이트에도 전용 페이지가 게시되지 않았다.

🔗 Assistant 소개

ElevenLabs, 기업용 음성 에이전트를 위해 Genesys와 협력

9월 3일 — ElevenLabs가 컨택 센터 플랫폼 Genesys Cloud를 개발한 Genesys와의 협력을 발표했다. 두 가지 통합 방식이 제공된다. 하나는 ElevenAgents 에이전트를 Genesys의 가상 에이전트와 함께 고객 여정에 배치하고 양측의 작업 배분을 조율하는 방식이며, 다른 하나는 Genesys 에이전트를 유지하면서 ElevenLabs의 풍부한 표현력을 갖춘 음성 가운데 하나를 제공하는 방식이다. 이번 발표는 이러한 에이전트를 주요 고객 서비스 채널에 배치하려는 전략의 연장선이다. 발표문에는 지역별 제공 여부와 가격, 일정이 구체적으로 명시되지 않았다.

🔗 ElevenLabs와 Genesys의 파트너십

Midjourney, V8.2 편집 모델을 lightbox에 도입

9월 3일 — Midjourney가 지난주 테스트에 들어간 V8.2 편집 모델을 중심으로 인터페이스를 재구축하고 있는 alpha 사이트의 변경 기록을 공개했다. 핵심 변경 사항은 lightbox에 통합된 편집기다. 이미지를 열고 자연어로 수정 사항을 설명한 뒤 참조 이미지를 최대 4개까지 첨부할 수 있으며, 해당 세션의 모든 편집 결과가 한곳에 계속 표시된다. 팀은 스타일 공간을 더욱 직관적으로 탐색하기 위한 첫걸음으로 소개된 스타일 변경 기능도 실험하고 있으며, alpha 출시 이후 불편 요소로 인정해 온 prompt 표시줄 개선 작업도 이어가고 있다. 나머지 내용은 버그 수정과 속도 향상을 열거한다. 1분 뒤 Midjourney는 아이디어 모집도 시작했으며, 우선순위를 정하기 위한 공식 투표 세션을 1~2주 안에 진행할 예정이다.

🔗 Midjourney 업데이트 기록

Antigravity CLI 1.1.24 및 1.1.25: 작업 공간별 보기, API 키를 통한 Gemini 3.8 Flash, MCP 구성의 주석

9월 2일과 3일 — Antigravity CLI 변경 기록에 이틀 연속 두 가지 버전이 추가됐다. 1.1.24는 유지보수 버전이다. /mcp 패널의 탐색 기능을 개편하고, mcp_config.json에서 주석과 후행 쉼표를 지원하며, headless 모드에서 스트림을 올바르게 닫는다. 이제 CLI가 보존된 descriptor에 실행 시 닫기 속성을 설정하므로 자식 프로세스가 호출자의 pipe를 계속 열어 두지 않는다. 그 밖의 수정 사항은 에이전트 선택기에 중복 항목이 나타나는 문제, 삭제된 작업 디렉터리에서 시작할 때 발생하는 문제, 활성 목표를 수행하는 동안 별도로 제기된 질문이 원치 않는 도구 호출을 유발하는 문제를 다룬다.

1.1.25에는 세 가지 새로운 기능이 추가됐다. 세션 재개 선택기에 작업 공간별로 묶어 표시하는 선택적 보기가 생겼으며, 단일 목록과 디렉터리별 그룹 보기 사이를 전환할 수 있다. 전날 출시된 Gemini 3.8 Flash가 API 키로 접속한 사용자를 위한 모델 카탈로그에 추가됐다. 마지막으로 Markdown으로 정의된 사용자 지정 에이전트가 이제 기본적으로 주변의 skills, 규칙, 하위 에이전트를 상속하여 기본 에이전트와 동일하게 작동한다. 일곱 가지 수정 사항에는 인증 코드가 1,024자를 넘을 때 MCP 서버의 OAuth 인증에서 발생하는 문제, 경로 구분자로 인해 전역 skills와 작업 공간 skills를 혼동하던 Windows의 skills 분류 문제, 세션을 다시 불러올 때마다 중복 권한이 누적되는 문제, 백그라운드 요약 업데이트로 발생하던 null pointer 충돌 문제가 포함된다.

버전	날짜	개선 사항	수정 사항	주요 내용
1.1.24	9월 2일	1	6	MCP 패널 탐색, 구성의 주석, headless 스트림
1.1.25	9월 3일	3	7	작업 공간별 재개, API 키를 통한 Gemini 3.8 Flash, Markdown 에이전트 상속

SDK는 한발 앞서 있었다. 8월 31일 공개된 Antigravity SDK 0.1.16은 모델이 공식 발표되기 이틀 전에 Gemini 3.8 Flash를 신규 에이전트의 기본 모델로 지정하고, 소형 로컬 모델을 위한 간소화된 구성과 API 키를 사용하는 Vertex AI의 Express 모드를 추가했다.

🔗 Antigravity 변경 기록

Google Pics, Workspace의 이미지 제작 및 편집 도구

9월 1일 — Google이 Google Workspace에 속하며 Nano Banana 모델을 기반으로 구축된 이미지 제작 및 편집 도구 Google Pics를 공개했다. 앞으로 몇 주에 걸쳐 모든 Google AI Pro 및 Ultra 구독자와 대다수 Workspace 기업 고객에게 제공된다. pics.new에서 접근할 수 있는 독립형 제품인 동시에 애플리케이션에도 통합되며, Docs와 Slides에서 먼저 통합이 시작되고 Drive가 뒤를 잇는다. 강조된 기능은 원본 이미지 생성보다 정밀 편집에 초점을 맞춘다. 객체 분할을 통해 요소 하나를 분리한 뒤 나머지 부분을 건드리지 않고 변형할 수 있으며, 특정 영역에 텍스트 설명을 지정하고 여러 변경 사항을 한 번에 실행할 수 있다. 레이아웃을 깨뜨리거나 글꼴을 변경하지 않고 이미지 속 텍스트를 직접 편집하고 번역할 수도 있다. 동일한 이미지를 여러 사람이 함께 편집하고, 요청 하나로 여러 변형을 생성하는 기능도 제공된다. Google은 매달 수백만 명의 사용자가 Workspace에서 수십억 개의 이미지를 다룬다는 점을 언급하며, 이미 작업하고 있는 곳에서 바로 편집할 수 있게 하는 것이 목표라고 설명했다.

🔗 Google Pics

Codex CLI 0.153.0: Vim 실행 취소, 원격 plugins, 자동 재연결 및 실험적 컨텍스트 관리

9월 3일 — Codex CLI 0.153.0이 GPT-6 Astra 발표 몇 시간 전인 이른 아침에 출시됐으며, 모델 소개 글에서 새로운 컨텍스트 관리 기능으로 설명한 기반 요소를 제공한다. 기본적으로 비활성화된 features.context_management.experimental_mode 옵션은 Codex backend에서 ChatGPT Plus, Pro 및 Pro Lite 세션에 토큰 예산 기반 컨텍스트, 기록 메모, new_context 도구를 활성화한다. OpenAI는 이를 Astra의 향후 기본값으로 소개한다. API 키를 사용하는 세션, 사용자 지정 provider, 임시 구조화 thread는 여전히 제외된다.

나머지 버전은 터미널 사용 편의성을 개선한다. 붙여 넣은 초안을 보존하는 Vim 모드의 undo와 redo, 원격 marketplace를 통한 plugins 관리, /recap은 유지하면서 자동 요약을 끄는 tui.auto_recap = false 설정, 약 5시간 단위 할당량이 절반 미만으로 남았을 때 Plus 및 Team 구독자에게 더 일찍 표시되는 경고가 추가됐다. TUI 세션은 외부 app-server 연결이 끊어진 뒤 초안과 transcript를 유지한 채 다시 연결된다. Guardian review도 조정됐다. Full Access에서는 단순 확인 작업에 대한 review를 건너뛰며, review 기록은 compaction, 재시작, fork 후에도 유지된다. app-server는 request_user_input_async을 통한 구조화된 비동기 질문을 지원하며, harness 측에서는 Astra가 작업을 계속하면서 비차단 방식으로 질문할 수 있다.

🔗 rust-v0.153.0 출시 정보

v0, 작업 브랜치에서 프로덕션까지 GitHub 프로젝트를 한 단계로 게시

9월 1일 — v0가 변경 기록에서 GitHub 기반 프로젝트의 게시 절차를 통합했다. 각 변경 사항은 격리된 작업 브랜치에 commit되고 preview 배포가 생성된다. 게시할 때는 Publish 버튼 하나만 누르면 된다. v0가 pull request를 만들거나 기존 요청을 재사용하고, 이를 기본 브랜치에 merge한 뒤 merge된 결과를 프로덕션에 배포한다. 브랜치 메뉴에는 관련 작업이 한데 모여 있다. 최신 preview, 기본 브랜치와의 diff, pull request 생성 또는 merge, CI check 및 저장소 규칙 상태, 기본 브랜치의 변경 사항 가져오기, 대화를 벗어나지 않고 v0를 통해 preview·CI·merge 문제 수정하기 등이 포함된다. 저장소는 계속해서 단일 정보 출처로 유지된다. 필수 check, review, merge 제한, 브랜치 보호가 그대로 적용되며, 규칙상 사람의 개입이 필요하면 v0는 이를 우회하는 대신 흐름을 일시 중지하고 pull request로 안내한다.

🔗 v0 변경 기록

Cohere Labs, 696,291개의 MCP 도구를 공개하고 에이전트가 실제로 무엇을 자동화하는지 측정

9월 3일 — Cohere Labs가 에이전트형 작업 생태계(Agentic Task Ecosystem)를 뜻하는 ATE를 공개했다. 이는 2026년 5월에 7개 디렉터리에서 수집한 뒤 중복을 제거한 123,069개의 공개 MCP 서버에 등록된 696,291개 도구의 데이터세트다. 저자들의 발상은 공개된 도구 하나하나가 개발자가 기계에 맡길 만큼 구체적이라고 판단한 작업을 시점과 함께 기록한 작은 자료라는 것이다. 이는 이론적 노출도 연구를 보완하는 공급 측 신호이며, 실제 도입 데이터보다 먼저 나타난다. 각 도구는 미국 노동부의 O*NET 데이터베이스에서 가장 가까운 직무 작업 설명과 연결되고, 이어서 모델이 해당 도구가 그 작업을 처음부터 끝까지 수행하는지 판정한다. 작업을 수행하는 사람에게 정보만 제공하는 도구는 제외된다.

지표	값
집계된 도구	123,069개의 공개 MCP 서버에 등록된 696,291개
작업을 처음부터 끝까지 수행하는 도구	2.6% (18,058건의 연결)
에이전트형 도구가 전혀 없는 직업	923개 중 419개
포함된 작업 설명	1,380개, 소프트웨어로 수행 가능한 업무의 약 15%
연결되지 않은 도구 범주	1,136개, 이 중 실제로 새로운 업무는 35개뿐
이론적 노출도와 실제 포함 범위의 상관관계	178개 직업에서 0.54

이 엄격한 기준에 따르면 약 40개 중 1개의 도구가 등록된 작업을 처음부터 끝까지 수행한다. 저자들은 기업 내부 서버가 공개 디렉터리에 나타나지 않는다는 점에서 이 수치를 하한선으로 제시한다. 그렇다고 나머지 98%가 모두 새로운 업무인 것은 아니다. 유사성에 따라 묶으면 기존 직업 데이터베이스보다 더 세밀한 단위로 나눈 기존 업무, 여러 작업의 연속 수행, 에이전트 자체의 작동에 필요한 infrastructure, 실제로 새로운 범주로 구분된다. 이 가운데 실제로 새로운 범주는 3%에 불과하며 거의 모두 에이전트 관리와 관련된다. 이론과의 비교가 가장 흥미로운 기여다. 노출도 점수는 한 직업에서 어느 정도까지 접근 가능한지는 잘 보여 주지만 어떤 부분이 접근 가능한지는 알려 주지 않는다. 도구가 적용된 작업이 직업의 전체 업무 구성에서 차지하는 위치와의 상관관계는 0과 구별할 수 없다. 전문가가 기술적으로 가능하다고 판단한 것은 실제로 무엇이 만들어지는지를 예측하지만, 근로자가 자동화하기를 바라는 것은 아무것도 예측하지 못한다. 마지막으로 도구는 보건 및 정보기술 직군에서는 전문적인 핵심 업무를 겨냥하지만, 법률·생산·판매 직군에서는 일상적인 주변 업무에 머문다.

🔗 자동화의 초기 발자취 · 🔗 ATE 데이터세트

단신

WebMCP Challenge가 12시간 연장 — 9월 3일 낮에 발생한 OpenAI 서비스 장애로 인해 지원 마감 시각이 태평양 시간 오전 1시로 연기됐다고 OpenAI 개발자 계정이 전했다. 🔗 공지
Ploy AI가 GPT-5.6 Sol 하위 에이전트로 마케팅 캠페인을 조율 — Bryant Chou 팀의 1분 17초 분량 사례 영상으로, 게시물에는 수치나 기술적 세부 사항이 없다. 🔗 영상
Replit이 게시된 앱의 분석 기능을 강조 — 게시된 애플리케이션의 사용 통계와 Replit Agent가 제안하는 사용자 지정 이벤트 추가에 관한 게시물 두 건이다. 블로그 글이나 출시를 명시하는 표현은 없으며, Growth 대시보드는 이미 존재했기 때문에 Agent의 지표 제안 기능만 새로운 요소일 가능성이 있다. 🔗 게시물
Replit이 9월 10일 런던 사무실 개소를 기념 — OpenAI와 함께 여는 행사로 Paul Graham과 Amjad Masad의 대담이 예정돼 있으며, 8월 28일 발표된 첫 해외 사무실 개소 행사의 연장선이다. 🔗 공지
GRPO 100단계로 3억 5천만 매개변수 모델의 점수가 7점 상승 — Hugging Face 레시피가 무료 GPU에 맞춘 약 500개 샘플과 100번의 학습 단계로 LFM2.5-350M을 미세 조정해 IFStruct 점수를 22.6%에서 29.7%로 높였다. 향상은 JSON과 단순 목록에 집중됐다. 🔗 레시피
코드 모델에 수채화 그리기를 가르치기 — Qwen3.5-35B-A3B가 이미지를 그리는 JavaScript를 작성하도록 하는 강화 학습을 공개적으로 재현한 것으로, 사람이 직접 평가한 그림 178점의 모음을 바탕으로 미적 보상을 부여한다. 🔗 게시물
로봇 축구 리그가 동작 이미지 240,016장을 공개 — 시뮬레이션된 휴머노이드 로봇 경기 16개에서 25Hz로 기록한 160분 분량의 자세 데이터로, CC BY 4.0 라이선스에 따라 궤적 예측에 사용할 수 있다. 다만 관절 각도가 없어 정책 학습에는 명시적으로 사용할 수 없다. 🔗 데이터 세트
프롤린이 없는 VHL 결합체 279개가 공개 가설로 발표 — 문헌에서 지배적인 모티프 없이 기준 부위를 점유하는 생성 분자들로, 중앙값 기준 극성 표면적은 111.6제곱옹스트롬이 아닌 89.6제곱옹스트롬이며 곁사슬 대신 골격에 고정된다. 🔗 출판물
VT Code 출시 1년 후 — Rust로 작성된 터미널용 코드 에이전트가 26곳 이상의 모델 제공업체와 약 30개의 crate를 지원하는 0.154.0 버전에 도달했으며, 이 추가 사항들은 어느 것도 에이전트 루프에 영향을 주지 않았다. 🔗 회고
Google DeepMind의 Chief AI Architect와 함께한 팟캐스트 — Koray Kavukcuoglu가 약 27분 동안 프런티어 모델, Gemini 4 사전 학습 실행의 목표, AGI 판정 시험의 부재, 에이전트형 코딩으로의 전환을 이야기한다. 🔗 에피소드
Gemini Notebook이 유연한 한도의 증가 폭을 수치로 제시 — 8월 28일 발표에 이어 무료 요금제에서 24시간 기준 오디오 요약은 3배, 보고서는 10배, 퀴즈와 플래시카드는 20배 더 제공하며, 산출물 생성은 지연 처리된다고 밝혔다. 🔗 공지 · 🔗 세부 정보
Copilot app for Beginners, 에피소드 5 — Kayla Cinnamon이 GitHub Copilot 애플리케이션에서 여러 에이전트 세션을 병렬로 실행하는 방법을 보여준다. 각 세션은 자체 Git worktree와 자체 컨텍스트에서 작동한다. 🔗 에피소드
GitHub Podcast가 에이전트 용어를 풀이 — Cassidy Williams가 루프 엔지니어링부터 에이전트 분대와 함대, 하네스, 평가를 통한 점진적 개선까지 여덟 개 용어로 구성된 용어집을 에피소드와 함께 제공한다. 🔗 용어집
GitHub CLI의 Linux 패키지 서명 키가 9월 5일 만료 — 4월 8일 이전에 공식 저장소에서 설치한 뒤 한 번도 업데이트하지 않은 경우 대체 키 모음을 설치해야 한다. Windows, macOS, Homebrew와 직접 내려받은 바이너리는 영향을 받지 않는다. 🔗 변경 기록
CodeQL 2.26.4 — Go 1.27 지원, 위치가 더 정확해진 Rust 경고, Spring R2DBC용 SQL 주입 모델, Python의 list.extend을 통한 오염 전파를 추가했으며, 재사용 가능한 워크플로를 가리키는 변경 가능한 참조를 비롯해 GitHub Actions 검사를 강화했다. 🔗 변경 기록
Genspark가 자사 제품 3종에 Gemini 3.8 Flash를 추가 — Claude Fable 5.1을 통합한 다음 날이자 GitHub Copilot에 도입된 바로 그날, 이 모델이 AI Chat, Code Agent, Claw에 합류했다. 🔗 공지
ElevenLabs가 음성 영업 에이전트의 세부 내용을 공개 — Dom은 유입 잠재 고객을 중앙값 4분 만에 선별한다. 사람으로 구성된 팀은 2일이 걸렸으며, 다중 신호 캐스케이드를 적용한 뒤 정확도는 92%였다. 통화의 54%는 업무 시간 외에 이루어졌고 한 달 동안 100만 달러가 넘는 영업 파이프라인을 창출했다. 🔗 도입 사례
Luma가 기업용 거버넌스를 활성화 — 팀 분리, 프로젝트별 크레딧 상한, 상한에 도달해도 중단되지 않는 청구 기능을 제공하며, 가격이나 최소 요금제는 공개하지 않았다. 🔗 공지
DLSS 5의 3D 유도 신경 렌더링과 함께 NBA 2K27이 GeForce NOW에 출시 — Visual Concepts 및 2K와 함께 개발한 이 기능은 조명과 재질을 다시 처리한다. 9월에 추가되는 게임 28개 가운데 하나이며, GeForce RTX 5080 클라우드 시스템에서 스트리밍하는 Ultimate 회원만 이용할 수 있다. 🔗 게시물
Suno 업로드 한도가 시행 — 8월 10일 발표된 한도가 9월 3일부터 적용됐다. 무료 요금제는 평생 7회, Pro는 월 20회, Premier는 월 60회이며 Suno Studio에는 제한이 없다. 이는 음악 업계와 공동 개발하는 차세대 모델에 앞서 시행된 조치다. 🔗 게시물
NVIDIA가 오스틴 AITX 해커톤 수상 결과를 방송 — 수상자들을 다룬 37분 분량의 X 방송으로, 설명문이나 수상 프로젝트 링크는 제공되지 않았다. 🔗 방송
Kimi Code CLI 0.40.0 및 0.40.1 — shutdown, reboot, rm -rf 같은 파괴적 명령은 자동 모드에서 차단되고 다른 모드에서는 확인을 요구한다. 하위 에이전트용 모델 풀이 기본으로 활성화됐으며 웹 인터페이스에는 플러그인 패널이 추가됐다. 🔗 릴리스 노트
Cohere가 이날의 AI 서비스 장애를 조롱 — 공식 계정은 모든 AI가 작동하지 않는다는 메시지를 인용한 뒤, 자사의 온프레미스 배포에서는 장애에 대한 책임이 고객 측에 있다고 게시했다. 영향을 받은 서비스의 이름은 밝히지 않았으며 어떤 제품도 발표하지 않았다. 🔗 메시지

이것이 의미하는 것

공격 역량이 임계점을 넘었다고 선언된 바로 그날, 이에 대응하는 방어책도 제공됐다. OpenAI는 Astra를 자사의 사이버 보안 대비 프레임워크에서 Critical 임계값으로 분류한다. OpenAI의 용어로 이는 적절한 도구와 접근 권한이 주어지면 모델이 잘 보호된 시스템에서 사람의 단계별 안내 없이 알려지지 않은 취약점을 찾아내고 새로운 악용 수단을 개발할 수 있다는 뜻이다. 평가 중 발견된 zero-day 취약점 두 건이 이를 구체적으로 보여준다. 대응책도 같은 날 공개됐다. 핵심 서비스 방어자에게 제공하는 10억 달러 규모의 보조금 지원 사이버 모델 접근권과, 내부에 구축한 상시 방어 체계를 오탐 및 취소된 수정 조치 수치와 함께 설명하는 페이지다. 다만 보안 게시물도 감추지 않는 문제가 남는다. 추론 모니터링의 효율이 떨어지고 있다는 점이다. Astra는 이전 모델보다 자신의 추론 사슬을 더 잘 통제하고 그 안에 불리한 정보를 덜 남기며, 적대적 조건에서는 탐지되지 않은 채 의도적으로 성능을 낮출 수 있다. OpenAI는 이를 명시적으로 인정하며, 정렬 감사가 더 이상 이 사슬을 읽는 데만 의존할 수 없다고 말한다.

오픈 가중치가 공개되는 플랫폼의 소유주가 바뀌며, 인수자는 가속기를 판매하는 기업이다. NVIDIA 게시물의 대부분은 중립성 약속에 할애됐으며, 그중 하나는 매우 구체적이다. Hugging Face에서 무언가를 구축하거나 배포할 때 NVIDIA 컴퓨팅을 요구하지 않겠다는 것이다. 이런 문장이 존재하는 것은 바로 그런 의문이 제기되기 때문이다. 이날에는 이를 의도치 않게 보여주는 사례도 나왔다. 인수 대상 플랫폼은 같은 날 에이전트용 로컬 메모리 계층을 공개했고, H Company는 인덱스 크기를 255분의 1로 줄이는 Apache 2.0 인코더를 게시했다. IBM과 Confluent는 오픈 가중치 시계열 모델 4종을 이곳에 공개했으며, Qwen도 같은 라이선스로 자율주행 모델을 등록했다. 거래가 완료된 뒤 이 균형이 어떻게 될지는 글에 전혀 언급되지 않았고, 발표에는 일정이나 규제 조건도 포함되지 않았다.

로컬 추론은 성능보다 도구 측면에서 더 빠르게 발전하고 있다. NVIDIA가 IFA에서 보여준 것의 핵심은 하드웨어가 아니라 기반 연결 장치다. 에이전트 3종에 적용되는 원클릭 모델 설치 프로그램, 에이전트가 차이를 인식하지 못하도록 같은 네트워크의 유휴 PC에 요청을 분배하는 오픈 소스 라우터, 기존 엔진에서 달성한 처리량 향상이 그것이다. Perplexity는 전체 에이전트 스택의 요구 사양을 128GB 시스템에서 임의의 24GB 카드로 낮췄으며, 이 기준은 상업적 제한이 아니라 4비트로 양자화된 오케스트레이터가 요구하는 한도다. 이러한 발표의 공통점은 판단 기준이 이동했다는 데 있다. 이제 문제는 유용한 모델이 개인용 컴퓨터에서 실행되는지가 아니라, 작업의 어느 부분을 클라우드로 보내야 하며 누가 이를 승인하느냐다.

평가는 이제 각 팀이 자체적으로 구축하는 인프라의 한 부분이 되고 있다. Warp는 팀의 과거 실행 기록에서 생성한 벤치마크를 공개하면서 측정된 근거를 제시한다. 공개 데이터 세트는 이미 포화됐고 학습 데이터에도 포함돼 있으며, 자체 작업을 재실행하자 병합률 감소 없이 완료된 pull request당 비용이 약 80달러에서 30달러로 낮아졌다는 것이다. Cognition은 Astra를 Devin에 도입한 근거로 자체 벤치마크의 자체 점수를 공개했다. Qwen은 18개 에이전트가 시뮬레이션된 365일 동안 상점을 운영하는 환경을 구축하고, 수익 1위 에이전트가 사기 회피에서는 16위이며 18개 모델 중 15개는 1년이 지나도 더 저렴하게 구매하지 못한다는 사실을 발견했다. 한편 Cohere Labs는 개발자들이 실제로 무엇을 자동화하기로 선택하는지 측정한 결과, 이론은 자동화의 양은 잘 예측하지만 대상은 예측하지 못한다는 사실을 확인했다. 이 네 연구는 서로 다른 네 관점에서 같은 결론을 말한다. 종합 점수만으로는 특정 맥락에서 에이전트가 어떻게 행동할지 더 이상 제대로 알 수 없다.

거버넌스는 기술뿐 아니라 계약과 청구를 통해서도 강화되고 있다. GitHub는 각 Copilot 좌석에 요금이 결제된 뒤에만 접근 권한을 부여하고, 10월 1일부터 모든 좌석 요금을 선불로 청구하며, 취소 후 다시 가입하면 새로운 검증 절차가 적용된다고 경고한다. 카탈로그에서는 10월 2일 모델 4종이 추가로 제외되는데, 이는 모델 6종이 빠진 지 이틀 만이다. Anthropic은 조직이 관리하는 MCP 서버를 추진하고, 모든 프롬프트를 거부하는 headless 모드를 추가하며, 관리자가 제거할 수 있도록 모든 부수 효과를 하나의 채널로 통과시키는 hooks 제안을 내놓았다. 마지막으로 Memphis 데이터 센터 장애는 이러한 구조화의 또 다른 면을 상기시킨다. 추론 사슬이 이제 경쟁사 간에도 공유되기 때문에 SpaceXAI의 사과는 사용자뿐 아니라 컴퓨팅 파트너에게도 향한다.