Claude Sonnet 5 모든 요금제에서 사용 가능, Claude Science 베타 공개, Amp가 Orbs 출시

2026년 6월 30일은 AI 생태계에 매우 밀도 높은 하루를 기록한다. Anthropic은 동시에 Claude Sonnet 5 — 지금까지 가장 에이전트 성향이 강한 Sonnet 모델로, 이제 Free 및 Pro 요금제에서 기본값이며 네이티브 100만 토큰 창을 제공한다 — 와 Claude Science를 출시하는데, 후자는 NVIDIA의 BioNeMo Agent Toolkit을 통합한 과학 연구자 전용 작업 환경이다. 개발 도구 측면에서는 Amp가 감독 없이 실행되는 에이전트를 위한 전용 클라우드 머신인 Orbs를 배포하고, Google은 개발자용으로 Nano Banana 2 Lite와 Gemini Omni Flash를 제공한다. 한편 OpenAI는 계산 생물학 분야의 연구 수준 벤치마크인 GeneBench-Pro를 공개한다.

Claude Sonnet 5 — Free 및 Pro 기본 모델, 100만 토큰 컨텍스트

6월 30일 — Anthropic은 Claude Sonnet 5를 출시하며, Sonnet 계열의 새로운 모델로서 지금까지 가장 에이전트 성향이 강하도록 설계했다고 밝혔다. Sonnet 5는 에이전트 벤치마크(BrowseComp, OSWorld-Verified)에서 Opus 4.8과의 격차를 줄이면서도 더 낮은 가격을 유지하고, 출시 당일부터 Free 및 Pro 요금제의 기본 모델이 된다.

특성	값
API 식별자	`claude-sonnet-5`
컨텍스트 창	100만 토큰 (네이티브)
입력 가격(프로모션)	백만 토큰당 $2
출력 가격(프로모션)	백만 토큰당 $10
기본 적용 요금제	Free, Pro
제공 여부	API, 모든 Claude 요금제

주요 기능으로는 자율 계획 수립, 여러 단계에 걸친 도구 사용, 레거시 코드(brownfield code)에서의 복잡한 작업 수행, 코드 규칙 준수 향상 등이 강조된다. 보안 측면에서 Sonnet 5는 전반적인 바람직하지 않은 동작 비율이 Sonnet 4.6보다 낮지만, 일부 사이버보안 작업에서는 사전 훈련 없이도 약간 향상된 능력을 보이므로 Cyber Verification Program을 통한 실시간 보호와 함께 출시된다. 전체 System Card는 anthropic.com에서 확인할 수 있다.

확장된 제공 범위: Sonnet 5는 GitHub Copilot에서도 일반 제공 상태로 사용 가능하다(Pro, Pro+, Max, Business, Enterprise 요금제, Business 및 Enterprise는 데이터 보존 0, VS Code, JetBrains, Xcode, CLI, github.com, iOS 및 Android에서 선택 가능) 그리고 Microsoft Foundry의 NVIDIA GB300 NVL72 GPU에서도 사용할 수 있다.

🔗 Anthropic 발표 — Claude Sonnet 5

Claude Code v2.1.197 — 기본 모델로 Sonnet 5 적용

6월 30일 — 2.1.197 버전의 Claude Code는 Sonnet 5 출시와 함께 CLI 도구에서 기본 모델로 설정된다. 네이티브 100만 토큰 컨텍스트 창은 Claude Code 세션에서 바로 사용할 수 있다. 백만 토큰당 $2/$10의 프로모션 요금은 2026년 8월 31일까지 유효하다. 이 기본 모델을 사용하려면 2.1.197 버전으로 업데이트해야 한다.

🔗 릴리스 v2.1.197 — Claude Code

Claude Science — NVIDIA BioNeMo를 갖춘 베타 과학 워크벤치

6월 30일 — Anthropic은 과학 연구자를 위해 특별히 설계한 AI 작업 환경인 Claude Science의 베타 제공을 발표한다. 이 애플리케이션은 일반적으로 분산되어 있는 도구들을 하나의 공간에 모은다: 전문 데이터베이스, Jupyter, R, HPC 클러스터 터미널, 온디맨드 GPU 실행.

기능	설명
조정 에이전트	+60개의 사전 구성된 스킬과 커넥터(유전체학, 단일 세포, 단백질체학, 구조 생물학, 화학 정보학)
재현 가능한 아티팩트	정확한 코드, 환경, 전체 이력이 포함된 그림과 원고
연산 관리	노트북, SSH를 통한 HPC 클러스터, 또는 온디맨드 GPU(Modal) — 1개에서 수백 개의 GPU까지
검토 에이전트	인용을 확인하고, 계산을 검증하고, 오류를 실시간으로 수정
세션 포크	원래 흐름을 잃지 않고 두 가지 접근 방식을 비교
기본 과학 렌더링	단백질 3D 구조, 유전체 트랙, 화학 구조

제공 여부: Pro, Max, Team 및 Enterprise 요금제에서 macOS와 Linux용 오픈 베타(https://claude.com/science)로 제공된다. 학술 연구실과 비영리 단체를 위한 할인 Team 요금제도 예정되어 있다.

NVIDIA BioNeMo Agent Toolkit 통합: Claude Science는 BioNeMo Agent Toolkit을 프로덕션에서 통합한 최초의 환경으로, 연구자들이 자연어를 통해 NVIDIA의 GPU 가속 도구에 접근할 수 있게 한다:

BioNeMo 도구	성능
NVIDIA Parabricks	유전체 분석: 몇 시간 → 몇 분
RAPIDS-singlecell	25초 만에 130만 개 세포 전처리(GPU 없이 52분 대비)
nvMolKit	화학 정보학 3,000배 더 빠름(유사성, 컨포머)
BioNeMo open models	Evo 2, Boltz-2, OpenFold3
BioNeMo NIM	프로덕션용으로 준비된 추론 마이크로서비스

베타 피드백: Allen Institute의 Jérôme Lecoq는 액터-크리틱 에이전트를 사용해 100페이지가 넘는 과학 리뷰를 작성하며, 소요 시간을 2년에서 몇 주로 줄였다고 전한다. UCSF Brain Tumor Center의 Stephen Francis는 교종 역학 분석에서 10배의 가속을 확인했다고 말한다.

AI for Science 그랜트 프로그램: 최대 50개의 선정된 프로젝트가 각자 최대 $30,000의 Claude 크레딧과, 일부 프로젝트의 경우 최대 $2,000의 Modal 컴퓨트 크레딧을 받는다. 신청 마감은 2026년 7월 15일이며, 수상자 통지는 7월 31일 이전에 이루어진다.

🔗 Anthropic 발표 — Claude Science

Amp : Agents in Orbs — 감독 없이 실행되는 에이전트를 위한 클라우드 머신

6월 30일 — Amp는 감독 없이 코딩 에이전트를 실행하도록 설계된 전용 클라우드 머신인 Orbs를 출시하며, 로컬 머신이 꺼져 있는 동안에도 사용할 수 있다.

특성	값
RAM	orb당 32GB
CPU	orb당 16코어
요금	분 단위 과금 $1.66/시간
시작	자동 절전 기능이 있는 빠른 시작

orb는 터미널이나 Amp TUI에서 한 줄 명령으로 시작할 수 있다: amp -ox "<prompt>". 제어 방식은 로컬 실행과 동일하게 유지된다: 코드 리뷰, 파일 탐색, 통합 터미널. 변경 사항은 amp sync <thread-id>를 사용해 로컬 머신으로 동기화된다. 로컬 자원 충돌 없이 여러 에이전트를 동시에 실행할 수 있으며, 웹, CLI 또는 모바일에서 각 에이전트의 상태에 접근할 수 있다.

분 단위 과금 모델은 활성 작업 사이에 자동 절전이 적용되며, 에이전트가 입력을 기다리거나 입출력 작업을 수행할 때 비용을 최소화하도록 설계되었다. 이 제안은 Anthropic의 Claude Code Remote와 같은 영역에 Amp를 위치시키지만, 눈에 띄는 차이점은 각 에이전트마다 공유 컨테이너가 아닌 전용 전체 머신(32GB, 16코어)을 제공한다는 점이다.

워크플로 관점에서 Orbs는 하루를 마무리할 때 백그라운드에서 에이전트를 시작해 두고, 다음 날 아침 어떤 기기에서든 검토 가능한 pull request를 확인하게 해준다.

🔗 Amp 발표 — Agents in Orbs

Nano Banana 2 Lite와 Gemini Omni Flash, API에서 사용 가능

6월 30일 — Google DeepMind는 개발자를 위한 두 개의 새 모델을 동시에 출시한다: 고속 이미지 생성을 위한 Nano Banana 2 Lite와 대화형 비디오를 위한 Gemini Omni Flash.

Nano Banana 2 Lite (gemini-3.1-flash-lite-image)

항목	값
지연 시간	이미지당 4초
비용	1,000장당 $0.034
제공 여부	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

권장 대체 대상인 레거시 모델 gemini-2.5-flash-image보다 품질이 더 좋고, 속도는 더 빠르며, 비용은 더 낮다. 이 모델은 속도 우선에도 불구하고 프롬프트 충실도, 인물 일관성, 이미지 내 텍스트 렌더링을 유지한다. 또한 대중용 서비스에도 배포된다: Search의 AI Mode, Gemini 앱, NotebookLM, Google Photos, Google Flow, Google Ads.

Gemini Omni Flash (gemini-omni-flash-preview)

항목	값
비용	비디오 초당 $0.10
최대 길이	10초(더 긴 길이는 추후 발표 예정)
제공 여부	Gemini API, Google AI Studio, Gemini Enterprise Agent Platform

이 모델은 입력으로 이미지+텍스트+비디오를 사용하는 멀티모달 레퍼런싱, 텍스트/그래픽 동기화, 내장된 SynthID 워터마킹을 갖춘 자연어 기반 대화형 비디오 편집을 목표로 한다. 현재 한계는 다음과 같다: 길이는 10초로 제한되며, API를 통한 오디오 참조 및 장면 확장은 지원되지 않고, 장면 변경 사이의 인물 일관성은 아직 완벽하지 않다.

이미지 → 비디오 체이닝: Interactions API는 최대 3회 연속의 순차 편집을 위한 세션 기록을 관리하여, Nano Banana 2 Lite로 이미지를 빠르게 만든 뒤 Gemini Omni Flash로 애니메이션을 적용할 수 있게 한다. Google은 이 체이닝을 세 가지 응용 사례로 시연한다: Anywhere (상징적인 장소로의 이동), Space Lift (인테리어 디자인), Omni Product Studio (이커머스 이미지→비디오).

🔗 Google DeepMind 발표 — Nano Banana 2 Lite와 Gemini Omni Flash

GeneBench-Pro — 연구 수준의 계산 생물학 벤치마크

6월 30일 — OpenAI는 AI 에이전트가 계산 생물학에서 추론하는 능력을 측정하는 연구 수준 벤치마크인 GeneBench-Pro를 공개한다. 핵심 개념은 research taste로, 분석을 이끄는 일련의 판단을 뜻한다: 어떤 질문이 데이터로 탐색 가능한지, 언제 초기 계획을 수정해야 하는지, 초기 진단이 접근 방식을 어떻게 바꿔야 하는지.

범위: 통계 유전학, 집단 유전체학, 정량 유전학, 조절 유전체학, 기능 유전체학, 단백질체학, 임상 유전체학, 암 유전체학, 미생물 유전체학, 법의 유전학 등 10개 분야에 걸친 129개 질문.

결과:

모델	점수(최대 추론 수준)	점수(Pro 모드)
GPT-5.6 Sol	28.7%	31.5%
GPT-5 (구축 시점 기준선)	< 5%	—

GPT-5.6 Sol은 GPT-5.2보다 약 6배 더 많은 질문을 해결하면서도 대략 3분의 2 수준의 토큰만 사용한다. 이 성장 속도라면 벤치마크는 2026년 말까지 포화될 수 있다. 인간 전문가라면 GeneBench-Pro 문제 하나를 푸는 데 20~40시간, 즉 수천 달러가 든다고 추정할 수 있으며, AI 추론 비용은 문제당 몇 달러 수준이다.

방법: 문제는 편향 평가(ground-truth leakage)를 피하기 위해 합성적으로 구성된다(원인 구조는 알려져 있고, 데이터는 시뮬레이션됨). 오픈 소스: 대표적인 10개 질문이 Hugging Face에 공개되며, 50개 질문의 하위 집합은 독립적인 제3자 벤치마크를 위해 Artificial Analysis에 제공된다.

🔗 OpenAI 발표 — GeneBench-Pro

Together AI at ICML 2026 : 8편의 오픈 연구 논문

6월 30일 — Together AI는 ICML 2026(서울, 7월 6~11일)에서 채택된 8편의 논문 요약을 공개한다. 연구는 에이전트, 훈련, 알고리즘 최적화, 시스템, GPU 커널에 이르는 전체 스택(full stack)을 포괄한다.

논문	계층	핵심 결과
ThunderAgent	에이전트	에이전트 처리량 최대 3.6배
TTT-Discover	에이전트	최고 인간을 능가(오픈 120B 모델, 약 $500)
Aurora	알고리즘	프로덕션에서 추가 1.25배 속도 향상(MiniMax M2.1 229B)
Untied Ulysses	시스템	단일 8×H100 노드에서 5M 토큰(어텐션 메모리 −87.5%)
OEA	시스템	MoE 디코딩에서 최대 39% 더 빠름

TTT-Discover는 test-time에 RL을 적용한다: 각 시도가 다음 시도를 위한 훈련 데이터가 되며, 수학, GPU 커널, 경쟁적 알고리즘, 세포 생물학의 4개 영역에서 best-of-N을 능가한다. 120B 오픈 모델로 약 $500의 시뮬레이션을 사용한다. Untied Ulysses는 단일 8×H100 노드에서 5M 토큰을 달성한다(어텐션 메모리 −87.5%). 코드와 커널은 오픈 소스로 공개된다.

🔗 Together AI 블로그 — ICML 2026

ADK Go 2.0 — 휴먼 인 더 루프를 갖춘 멀티 에이전트 워크플로 엔진

6월 30일 — Google은 Gemini 에이전트를 구축하기 위한 공식 프레임워크인 Go용 Agent Development Kit (ADK) 2.0 버전을 출시했습니다. 이번 버전은 그래프 기반 워크플로 엔진을 1급 프리미티브로 도입합니다.

주요 새 기능: 별도 DSL 없이 Go 네이티브 그래프 프리미티브로 복잡한 에이전트 조합을 구성할 수 있으며, 사람의 검증이 필요한 시나리오를 위한 human-in-the-loop (HITL) 가 내장되어 있고, 자동 복원력(지수 백오프, 오류 처리, 재시도)을 갖춘 동적 오케스트레이션과 단순 에이전트와 복잡한 그래프가 공유하는 통합 런타임을 통해 텔레메트리와 상태 지속성을 단순화합니다. Go용 ADK는 다단계 에이전트 조합에 언어의 성능과 타입 안전성을 제공하며 기존 Python SDK를 보완합니다.

🔗 Google Developers Blog — ADK Go 2.0

JetBrains AI Assistant의 Copilot Agent

6월 30일 — JetBrains와 GitHub는 기존 Copilot 플러그인을 보완하는 형태로, JetBrains AI Assistant의 에이전트 선택기(agent picker)에 GitHub Copilot을 1급 에이전트로 통합한다고 발표했습니다.

이 통합은 ACP(Agent Communication Protocol)에 기반하며, Copilot 모델을 인터페이스에서 직접 선택할 수 있고, 추론 깊이를 조정할 수 있으며, Copilot이 프로젝트 안에서 추론하고, 변경 사항을 제안하고, 명령을 실행하고, 반복 수행하는 복잡한 다단계 프로그래밍 작업을 가능하게 합니다. 발표된 다음 단계는 NES(Next Edit Suggestions) 지원, 일반적인 워크플로를 위한 재사용 가능한 skill 호출, 그리고 IDE 내 도구 간 더 깊은 오케스트레이션입니다.

🔗 GitHub Changelog — JetBrains의 Copilot Agent

Enterprise Copilot의 cost center별 사용자 IA 예산

6월 30일 — 이제 Enterprise 관리자는 cost center에 사용자별 IA 예산을 설정할 수 있습니다. 이 예산은 Enterprise 팀을 통해 나중에 추가되는 멤버를 포함해 해당 cost center의 모든 멤버에게 자동으로 적용됩니다. 우선순위는 개인 예산 > cost center 예산 > 전역 예산입니다. 이 예산은 포함된 풀 사용량과 추가 사용량 모두를 커버하며, 풀을 다 쓰기 전에 사용자를 차단할 수도 있습니다. 6월 30일부터 REST API로만 제공되며, 청구 인터페이스는 추후 제공될 예정입니다.

🔗 GitHub Changelog — 사용자별 IA 예산

Azure의 NVIDIA GB300 Blackwell Ultra에서 Claude — 일반 공급

6월 29-30일 — Anthropic의 Claude 모델이 이제 Microsoft Foundry에서 일반적으로 사용 가능하며, Azure에 호스팅되고 NVIDIA GB300 Blackwell Ultra GPU(Quantum-X800 InfiniBand 네트워크를 갖춘 NVL72 시스템)로 가속됩니다.

이 통합에는 인프라 수준에서 신원, 네트워크, 자격 증명, 실행 정책의 거버넌스를 다루는 NVIDIA Secure Agent Workspace Reference Design이 포함되어 있으며, 엄격한 컴플라이언스 요구 사항을 충족해야 하는 기업을 위해 설계된 프레임워크입니다. Claude 에이전트는 도메인별 기능을 위해 검증된 NVIDIA skill에 접근할 수 있습니다. 이번 일반 공급은 2025년 11월에 발표된 Microsoft × NVIDIA × Anthropic 3자 파트너십에 따른 것입니다.

🔗 NVIDIA Blog — GB300 Blackwell Ultra Azure에서 Claude

NVIDIA Omniverse + Metropolis: 산업용 IA 비전 에이전트

6월 30일 — NVIDIA는 Omniverse(OpenUSD 시뮬레이션), Metropolis(IA 비디오 배포), Cosmos(물리 세계용 파운데이션 모델)를 결합해 산업 현장 엣지에서 동작할 수 있는 IA 비전 에이전트를 구축하는 세 가지 완전한 워크플로를 공개했습니다.

1. 시각 검사(Roboflow + Corning): Defect Image Generation skill을 NVIDIA Cosmos와 결합해 실제 이미지로부터 결함 합성 데이터를 생성합니다. Corning 벤치마크 결과: 실제 이미지 단 8장만으로 평균 정확도 95%, 가장 어려운 클래스에서는 완전한 재현율을 기록했습니다. 몇 개 분기가 걸리던 프로젝트가 며칠로 줄어듭니다.

2. 스마트 시티(Kaohsiung의 Linker Vision): 개발 노력 85% 감소, 사고 대응 시간 80% 감소. 이 파이프라인은 비디오 증강에 Cosmos를, 미세 조정에 TAO를, 검색·요약·알림에 VSS를 사용합니다.

3. Foxconn의 산업 운영(GB300 라인): DeepHow를 통해 표준 절차 검증 정확도 99%, 최초 통과 수율 3% 향상.

🔗 NVIDIA Blog — Omniverse + Metropolis Vision AI

간단 소식

Claude Code v2.1.196 — 조직 기본 모델 — 관리자는 조직 콘솔에서 기본 모델을 설정할 수 있으며, 사용자가 개인적으로 모델을 선택하지 않은 경우 명령어 /model에서 «Org default»(또는 «Role default»)가 표시됩니다. 🔗 Release v2.1.196
Hugging Face — Community Evals에 통합된 Every Eval Ever (EEE) — HF는 Community Evals를 EEE(Every Eval Ever, EvalEval Coalition, 2026년 2월) 스키마와 상호 운용 가능하게 만듭니다. 평가 결과는 검증된 속성과 함께 HF 모델 페이지에 표시되며, community_evals_converter 도구가 인간 검토를 거쳐 HF → EEE 변환을 자동화하고, 이후 푸시를 수행합니다. 🔗 Blog Hugging Face — EEE
OpenAI — GNU libunwind의 18년 된 버그 수정 — Nathan Bronson의 엔지니어링 글: GNU libunwind의 단일 명령어 race condition이 _Ux86_64_setcontext에서 발생했으며(첫 x86_64 구현 시점부터 존재), Rockset에서 크래시를 일으켰습니다. 트리거의 세 가지 조건(높은 예외율, 높은 시그널율, 스택을 많이 소비하는 시그널 핸들러)은 OpenAI에서만 동시에 충족되었습니다. 수정 내용: libgcc로 마이그레이션하고 GNU libunwind에 업스트림 패치를 반영. 🔗 OpenAI Engineering — Core dump epidemiology

이것이 의미하는 바

차세대 모델과 100만 토큰 컨텍스트 경제. Claude Sonnet 5가 100만 토큰 네이티브 창을 갖고 백만 토큰당 $2/$10라는 가격에 제공되면서 장기 실행 에이전트의 경제성이 다시 계산됩니다. 저가형 진입 가격대에서는 컨텍스트를 잘라내야 했지만, 이제는 추가 비용 없이 전체 코드베이스나 장시간 작업 세션을 포함할 수 있습니다. 출시 첫날부터 Claude Code를 이 기본 모델로 전환하고, GB300에서 GitHub Copilot과 Microsoft Foundry에 일반 공급한 것은 광범위하고 동시적인 배포 전략을 보여줍니다. Sonnet 5는 실험실 모델이 아니라, 주요 엔터프라이즈 채널 전반에 즉시 배포된 생산 인프라입니다.

과학 연구의 인프라로서의 IA. Claude Science, GeneBench-Pro, BioNeMo 통합, 그리고 Together AI의 ICML 논문 8편은 하나의 신호로 수렴합니다. IA가 주변 도구가 아니라 과학적 과정 자체에 들어오기 시작했다는 것입니다. Claude Science는 HPC 클러스터를 오케스트레이션하고 완전한 이력과 함께 재현 가능한 산출물을 생성합니다. GeneBench-Pro는 research taste — 20~40시간짜리 분석에 대해 판단을 연속해서 내리는 능력 — 를 측정하고, GPT-5와 GPT-5.6 Sol 사이에 6배 개선 요소가 있다고 봅니다. Together AI의 TTT-Discover는 더 나아가, 약 $500의 시뮬레이션을 통해 사용 중 학습하는 1200억 파라미터의 개방형 모델이 4개 과학 분야에서 인간 최고 전문가를 능가할 수 있음을 보여줍니다. 이러한 동시다발적 움직임은 IA가 주도하는 과학 인프라의 윤곽을 그리며, 과거에는 대형 연구소만 접근할 수 있었던 분석을 규모의 경제로 가능하게 만듭니다.

클라우드 에이전트는 비동기 실행의 표준이 된다. Amp Orbs와 JetBrains AI Assistant의 Copilot Agent는 에이전트를 동기 세션의 맥락 밖으로 꺼내려는 같은 흐름의 두 가지 구현입니다. Amp는 개발자가 잠든 동안 돌아가는 감독 없는 코딩 에이전트를 위해 전용 머신(32GB, 16코어, $1.66/h)을 제공합니다. JetBrains의 Copilot은 추론 기반 다단계 작업을 위해 IDE의 기본 에이전트 선택기에 통합됩니다. 두 경우 모두 에이전트는 단순한 대화형 보조가 아니라 실제 작업 환경에서 결정을 내릴 수 있는 비동기 협업자가 됩니다.

생성형 미디어가 개발 파이프라인 경제에 진입한다. 1,000장당 $0.034의 Nano Banana 2 Lite와 Interactions API를 통한 체이닝이 가능한 초당 $0.10의 비디오용 Gemini Omni Flash는 전자상거래, 게임, 엔터테인먼트 애플리케이션의 계산식을 바꿉니다. 제품 이미지 10,000장을 만드는 데 34센트만 들고, 각 이미지는 40센트에 애니메이션화할 수 있습니다. NVIDIA GB300 인프라와 Omniverse + Metropolis 워크플로는 산업 측면의 그림을 완성합니다. 엣지에서의 IA 비전이 측정된 결과(Kaohsiung에서 개발 시간 85% 감소, Foxconn 라인에서 정확도 99%)를 내며, 미디어 생성이 실험의 영역을 벗어나 운영 계층이 되고 있음을 보여줍니다.