OrigoTech

Hon Hai Tech Day 2026의 Foxconn 로봇과 AI 에이전트 안전: 보도 자료가 말하는 것

Sat, 31 Oct 2026 11:00:00 +0100

2026년 10월 31일 기준으로 Foxconn은 Hon Hai Tech Day 2026(HHTD26, 10월 30일~31일, 타이베이)의 임바디드 인텔리전스 대부분이 “Robotics and Humanoid” 구역에 모여 있으며, 자사 팀이 NVIDIA의 Open Agent Safety Platform이 AI 에이전트 안전을 어떻게 뒷받침할 수 있는지 시연했다고 밝힌다. 보도 자료는 짧다. 휴머노이드의 이름도, 로보틱스 파트너도, 로봇 수도 밝히지 않으며, 전시된 것 중 실제 도입된 것이 있는지도 말하지 않는다.

핵심 요약

로보틱스: 보도 자료에 따르면 “Robotics and Humanoid” 구역에 행사 임바디드 인텔리전스의 대부분이 있다. Precision Manufacturing 구역은 Poketomo 컴패니언 로봇의 기반 기술을 소개한다.
에이전트 안전: Foxconn 팀은 NVIDIA Open Agent Safety Platform이 스마트 헬스케어, 스마트 제조와 로보틱스, 스마트 시티에서 에이전트 안전을 어떻게 뒷받침할 수 있는지 시연했다. 이는 시연이지 도입이 아니다.
누구의 것인가: 이 플랫폼은 NVIDIA의 것이다. Foxconn은 제작자가 아니라 시연하는 쪽이다. Foxconn이 에이전트 안전 제품을 출시한 것은 아니다.
빠진 정보: 로봇 이름, 파트너, 수량, 시연 또는 도입 여부, 명시된 병원이나 도시.

Foxconn은 로보틱스와 임바디드 인텔리전스에서 무엇을 보여 주는가?

행사에 맞춰 PR Newswire가 배포한 보도 자료에 따르면 “most embodied intelligence for HHTD26 assembled in the Robotics and Humanoid zone”이다. 임바디드 인텔리전스란 로봇 같은 물리적 몸체를 통해 행동하는 AI를 뜻한다. 같은 보도 자료에 따르면 Precision Manufacturing 구역은 Poketomo 컴패니언 로봇의 기반 기술을 소개한다.

로봇에 대해 보도 자료가 알려 주는 것은 이게 전부다. 휴머노이드 모델도, 로보틱스 파트너도, 전시된 로봇의 수도 밝히지 않으며, 시연품인지 도입된 장비인지도 말하지 않는다. 우리는 추측하지 않는다. NVIDIA와 관련된 또 다른 로보틱스 소식은 NVIDIA의 오픈 로봇 놀이터 Microduck에 대한 기사를 참조하라.

NVIDIA Open Agent Safety Platform이란 무엇인가?

HHTD26 보도 자료는 이를 설명하지 않는다. 아래 설명은 2026년 9월 28일 무렵 이를 보도한 AlternativeTo에서 가져온 것이다(AlternativeTo). 이 보도에 따르면 플랫폼은 두 개의 계층으로 이루어진다.

OpenShell: 에이전트가 파일, 자격 증명, 도구, 네트워크에 접근하는 것을 제한하는 오픈소스 소프트웨어 런타임.
Sentry: BlueField-4 DPU 기반의 레퍼런스 설계로, 대역 외 모니터링과 수 밀리초 이내의 격리를 제공한다.

HHTD26 보도 자료는 OpenShell도 Sentry도 언급하지 않는다. Foxconn 시연과의 연결은 언론이 설명한 NVIDIA 플랫폼이며, Foxconn 부스에서 이 두 계층을 보여 주었는지는 확인하지 못했다.

Foxconn은 에이전트 안전에서 무엇을 보여 주었는가?

보도 자료에 따르면 Foxconn 팀은 NVIDIA Open Agent Safety Platform이 스마트 헬스케어, 스마트 제조와 로보틱스, 스마트 시티의 세 분야에서 에이전트 안전을 어떻게 뒷받침할 수 있는지 시연했다. 표현은 시연의 것이다. 병원도 도시도 Foxconn이 판매하는 제품도 명시하지 않는다.

표현이 중요한 이유가 있다. 보도 자료는 이 플랫폼이 이 분야들에서 에이전트 안전을 “뒷받침할 수 있다”고 말한다. 이는 시연이 보여 주려는 것을 설명할 뿐, 측정된 결과나 고객, 도입을 뜻하지 않는다. Foxconn 시연과 연결된 탐지율이나 응답 시간 같은 수치는 찾지 못했고, 플랫폼 자체 외에 NVIDIA 측에서 이름이 밝혀진 참여자도 찾지 못했다.

출처: Foxconn 보도 자료(PR Newswire), AlternativeTo (확인일: 2026-10-31).

Tech Day가 아니라 2026년 6월의 일은 무엇인가?

일부 배경은 이전 발표에 속한다. 2026년 6월 1일(Computex 무렵)의 보도 자료에서 Foxconn은 프라이버시와 보안을 위해 OpenShell을 갖춘 NVIDIA NemoClaw 기반의 임상 에이전트 시스템 CoDoClaw를 소개했다(Foxconn). 이 보도 자료는 당시 병원 세 곳, 즉 Taipei Veterans General, Tungs' Taichung MetroHarbor, Taichung Veterans General을 언급했다. Nurabot과 ChemoRo 로봇도 언급했다.

Foxconn에 따르면 2026년 6월, Tech Day가 아닌 시점에 Nurabot은 하루 75~80건의 작업을 수행했고 간호사의 업무량을 약 30% 줄였다. 이 수치는 Foxconn 자체의 것이며 검증하지 못했다. HHTD26 보도 자료는 이를 반복하지 않으며, CoDoClaw와 그 병원들, 그 로봇들이 HHTD26 시연에 포함되었는지도 말하지 않는다.

보도 자료가 말하지 않는 것은 무엇인가?

휴머노이드든 아니든 로봇의 이름.
2026년의 로보틱스 파트너.
전시된 로봇의 수.
전시품이 시연품인지 도입된 것인지.
“스마트 헬스케어”와 “스마트 시티”라는 표현 뒤에 있는 병원, 도시, 프로젝트.
시연에서 OpenShell, Sentry, 또는 둘 다를 사용했는지.
에이전트 안전과 관련한 Foxconn의 상업적 제안.

비교표

비교표
항목	출처가 말하는 것	상태	출처
Robotics and Humanoid 구역	HHTD26 임바디드 인텔리전스의 대부분	Foxconn이 밝힘	Foxconn 보도 자료(PR Newswire)
Poketomo	Precision Manufacturing 구역의 컴패니언 로봇 기반 기술	Foxconn이 밝힘	Foxconn 보도 자료
에이전트 안전 시연	NVIDIA Open Agent Safety Platform, 3개 분야	시연	Foxconn 보도 자료
플랫폼 소유자	NVIDIA	2026년 9월 28일 무렵 발표	AlternativeTo
OpenShell과 Sentry	런타임과 BlueField-4 레퍼런스 설계	HHTD26 보도 자료에 언급 없음	AlternativeTo
CoDoClaw, Nurabot, ChemoRo	임상 에이전트와 로봇, 병원 명시	2026년 6월의 배경, Tech Day 아님	Foxconn(2026년 6월 1일)
로봇 이름, 파트너, 수량	제공되지 않음	명시되지 않음	Foxconn 보도 자료

자주 묻는 질문

Foxconn이 에이전트 안전 제품을 출시했는가?

아니다. 보도 자료는 Foxconn 팀이 NVIDIA의 플랫폼이 에이전트 안전을 어떻게 뒷받침할 수 있는지 시연했다고 말한다. 플랫폼은 NVIDIA의 것이고 Foxconn은 시연하는 쪽이다.

어떤 휴머노이드 로봇이 전시되는가?

보도 자료는 어느 것도 밝히지 않는다. “Robotics and Humanoid” 구역에 임바디드 인텔리전스 대부분이 있다고만 말한다.

OpenShell과 Sentry는 Foxconn 시연의 일부인가?

보도 자료는 말하지 않는다. 두 가지는 AlternativeTo가 설명한 플랫폼의 두 계층이지만, HHTD26 보도 자료는 어느 쪽도 언급하지 않는다.

Nurabot 수치는 Tech Day의 것인가?

아니다. Foxconn에 따르면 2026년 6월에 Nurabot은 하루 75~80건의 작업을 수행하고 간호사의 업무량을 약 30% 줄였다. Tech Day 보도 자료는 이를 반복하지 않는다.

방법과 한계

이 글은 PR Newswire가 배포한 Foxconn의 HHTD26 보도 자료(사본 한 건 추가), AlternativeTo, 2026년 6월 1일 Foxconn 보도 자료를 바탕으로 하며 모두 2026년 10월 31일에 확인했다. HHTD26 보도 자료는 직접 읽지 않고 자동 요약 도구를 통해서만 읽었다. 보도 자료가 짧고 독립적인 보도가 적어서, 로보틱스나 에이전트 안전 전시를 자세히 다룬 언론 보도는 찾지 못했다. 우리는 행사에 참석하지 않았다. 위에서 출처를 밝힌 것 외의 수치는 제시하지 않는다. 그 후 상황이 바뀌었을 수 있다.

출처

PR Newswire: Foxconn ecosystem enabling token factory for AI in spotlight at Hon Hai Tech Day 2026 (확인일: 2026-10-31)
AlternativeTo: NVIDIA unveils new safety platform amid rising security concerns about rogue AI agents (확인일: 2026-10-31)
Foxconn press center: June 1, 2026 release (확인일: 2026-10-31)

Hon Hai Tech Day 2026의 Foxconn \"token factory\": 무엇을 보여 주고 무엇을 빼놓았나

Sat, 31 Oct 2026 10:00:00 +0100

2026년 10월 31일 기준, Foxconn(Hon Hai)은 10월 30-31일 타이베이에서 열린 Hon Hai Tech Day 2026(HHTD26)에 역대 최다인 321개 전시물이 나왔고 그중 약 4분의 1이 "Token Factory" 구역에 있다고 밝혔다. 이 구역에서는 케이블, 배관, 팬이 없는 컴퓨트 트레이와 전력, 냉각, 고속 데이터 하드웨어를 보여 준다. 우리가 읽은 보도자료에서 Foxconn은 "token factory"를 정의하지 않았고, 랙 조립에 관한 여러 수치는 Foxconn이 아니라 언론에서 나왔다.

핵심 요약

행사: 2026년 10월 30-31일 타이베이 난강 전시센터 1관에서 열린 제7회 Hon Hai Tech Day로, Foxconn에 따르면 역대 최다인 321개 전시물이 나왔다.
구역: 전시물의 약 4분의 1이 "Token Factory"에 있으며, Foxconn은 이곳에서 케이블, 배관, 팬이 없는 컴퓨트 트레이, 코패키지드 옵틱스(CPO), NVIDIA의 800 VDC 전력을 쓰는 모의 AI 데이터 홀을 선보인다.
Vera Rubin: Foxconn은 "랙 수준 AI 시스템 통합에서 서브마이크론 부품 제조까지" 자사의 작업을 부각한다고 밝혔다. 트레이 조립 시간과 랙 생산 능력에 관한 수치는 CNA와 UDN에서 나왔으며 서로 다르다.
빠진 것: 우리가 읽은 자료에는 "token factory"의 공식 정의, 이번 행사에 한정된 생산 일정, 생산 능력이나 고객 수치가 없다.

Foxconn의 "token factory"란 무엇인가

공식 정의는 찾지 못했다. 우리가 읽은 보도자료는 이 표현을 제품이 아니라 전시 구역의 이름으로 쓴다. Foxconn이 아닌 우리의 한 문장 설명은 이렇다. 토큰은 모델이 읽고 생성하는 텍스트 단위이고, 여기서 "token factory"는 토큰을 대규모로 생산하는 하드웨어를 뜻하는 것으로 보인다. 그 이상의 일반적인 해설은 덧붙이지 않는다.

이 표현은 Foxconn이 이 주제에서 이미 다른 곳에 쓰는 용어 "AI factory"와 나란히 놓여 있다. 두 용어 모두 출처에 나온 대로 영어로 둔다.

Token Factory 구역에서는 무엇을 보여 주나

행사를 계기로 PR Newswire가 배포한 Foxconn 보도자료에 따르면 이 구역은 여러 품목을 다룬다.

케이블, 배관, 팬 없이 설계한 컴퓨트 트레이.
광학 부품을 칩 패키지와 함께 배치하는 코패키지드 옵틱스(CPO).
전력, 냉각, 고속 데이터 하드웨어.
NVIDIA의 800 VDC 전력 분배를 쓰는 모의 AI 데이터 홀.
NVIDIA Cloud Partner인 Visionbay.ai. Foxconn은 이 회사가 NVIDIA DSX MaxLPS 원칙에 따라 부지를 계획한다고 밝혔다.

Storm.mg는 인쇄회로기판(PCB)으로 만든 20미터 길이의 벽이 전시됐다고도 전한다(Storm.mg). 이는 이 매체에서만 확인했다. Foxconn 회장 Young Liu가 행사에서 연설했고, 보도자료에 따르면 NVIDIA, Google, Schneider Electric이 무대에서 AI 인프라에 관해 발표했다. 우리는 이 발표를 직접 보지 않았으므로 요약하지 않는다.

Vera Rubin, DSX POD와는 어떤 관계인가

Foxconn은 이 행사를 통해 NVIDIA의 Vera Rubin 플랫폼을 위한 "랙 수준 AI 시스템 통합에서 서브마이크론 부품 제조까지" 자사의 작업을 부각한다고 밝혔다. 보도자료는 NVIDIA DSX POD를 모듈형 컨테이너에 Vera Rubin 랙을 사전 통합하기 위한 "표준화된, 공장에서 제작하는 레퍼런스 디자인"이라고 설명한다. 설명된 순서는 출하 전 검증, 이어서 현장 연결이다.

10월 21일 NVIDIA GTC Berlin에서 발표된 DSX POD는 앞선 기사 VS Code 1.143, GPT-6, Google Cloud의 DSX POD를 참고하자.

출처: Foxconn 보도자료(PR Newswire), CNA, 확인일: 2026-10-31.

리드타임과 생산 능력에 대해 어떻게 말하나

수치 두 가지는 우리가 읽은 Foxconn 보도자료가 아니라 언론에서 나왔다.

CNA에 따르면 Vera Rubin 랙 컴퓨트 트레이의 조립 시간은 2시간 넘게에서 약 20분으로 줄었다(CNA). 수치는 보도된 대로, 반올림한 값으로 적는다.

CNA에 따르면 Foxconn의 AI 랙 생산 능력은 주당 1,000대에서 시작해 1년 사이에 두 배가 됐다. UDN 기사는 이 수치를 주당 2,000대로 전한다(UDN). 차이는 짚어 두되 해소하지는 않는다. 어느 쪽이 맞는지, 두 수치가 같은 지표를 가리키는지 우리는 알 수 없다.

전망에 관해 UDN은 Young Liu가 2027년에도 두 자릿수 성장을 유지한다고 전한다. 이는 경영진의 예측이지 실적이 아니다. UDN은 휴스턴의 공장 6곳도 언급한다. 그 이상 자세한 내용은 찾지 못했다.

Level 1부터 Level 12까지, 공급망은 어디서 만들어지나

Chinatimes에 따르면 Foxconn은 AI 랙 공급망을 "Level 1부터 Level 12까지"로 설명한다(Chinatimes).

대만과 베트남이 레벨 1~3과 레벨 5를 맡는다.
신주가 메인보드(L6)를 맡는다.
타오위안이 시스템 통합(L10)을 맡는다.
미국과 멕시코가 레벨 11과 12를 시작했다.

이 구분은 Chinatimes에서만 찾았고 다른 곳에서는 확인하지 못했다. 한 매체의 설명으로 받아들이자.

출처: Chinatimes(2026년 10월 30일), 확인일: 2026-10-31.

Foxconn이 말하지 않은 것

우리가 읽은 출처에는 다음 사항이 나오지 않는다.

"token factory"의 공식 정의.
주당 랙 생산 능력 수치 두 가지(1,000대에서 두 배, 또는 2,000대) 중 어느 쪽이 맞는지, 그리고 두 배가 됐다는 것이 측정된 결과인지.
이번 행사에 한정된 Vera Rubin의 생산량이나 일정.
AI 인프라 사업의 생산 능력, 고객, 매출 수치.
케이블, 배관, 팬이 없는 컴퓨트 트레이가 제품인지, 시제품인지, 시연용인지.
Foxconn이 조립하는 DSX POD 랙이 언제 어디로 출하되는지.

이 빈칸을 추정치로 메우지 않는다.

비교표

비교표
항목	출처가 전하는 내용	2026년 10월 31일 기준 상태	출처
HHTD26	제7회, 10월 30-31일, 타이베이 난강, 1관, 전시물 321개	Foxconn이 발표	Foxconn 보도자료(PR Newswire)
Token Factory 구역	전시물의 약 4분의 1, 케이블·배관·팬 없는 컴퓨트 트레이, CPO	행사에서 전시	Foxconn 보도자료
AI 데이터 홀	모의 구성, NVIDIA의 800 VDC 분배	행사에서 전시	Foxconn 보도자료
Visionbay.ai	NVIDIA Cloud Partner, DSX MaxLPS 원칙에 따라 부지 계획	Foxconn이 진술	Foxconn 보도자료
PCB 벽	20미터	한 매체가 보도	Storm.mg
NVIDIA DSX POD	공장 제작 레퍼런스 디자인, 컨테이너, 출하 전 검증	Foxconn이 설명	Foxconn 보도자료
트레이 조립 시간	2시간 초과에서 약 20분	보도됨, 반올림	CNA
랙 생산 능력	주당 1,000대에서 1년 사이 두 배(UDN: 주당 2,000대)	수치가 다름	CNA, UDN
Level 1~12 공급망	대만, 베트남, 신주, 타오위안, 미국과 멕시코는 L11-12 시작	한 매체가 보도	Chinatimes
2027년 전망	두 자릿수 성장 유지	경영진 예측	UDN

자주 묻는 질문

"token factory"란 무엇인가

공식 정의는 찾지 못했다. Foxconn이 아닌 우리의 설명은 이렇다. 토큰은 모델이 읽고 생성하는 텍스트 단위이고, 여기서 이 용어는 토큰을 대규모로 생산하는 하드웨어를 뜻하는 것으로 보인다.

Foxconn은 이미 Vera Rubin 랙을 대량으로 만들고 있다고 말하나

우리가 읽은 보도자료에는 없다. 보도자료는 Foxconn이 랙 통합에서 부품 제조까지의 작업을 부각한다고만 말한다. 조립 시간과 생산 능력 수치는 보도자료가 아니라 CNA와 UDN에서 나왔다.

NVIDIA DSX POD란 무엇인가

보도자료에 따르면 모듈형 컨테이너에 Vera Rubin 랙을 사전 통합하고 출하 전에 검증한 뒤 현장에서 연결하는 "표준화된, 공장에서 제작하는 레퍼런스 디자인"이다.

랙 생산 능력은 어느 수치를 믿어야 하나

CNA는 주당 1,000대에서 시작해 1년 사이 두 배가 됐다고 전하고, UDN은 주당 2,000대라고 전한다. 차이는 해소할 수 없다. 둘 다 언론 보도로 받아들이자.

방법과 한계

이 글은 행사를 계기로 PR Newswire가 배포한 Foxconn 보도자료(사본에 따라 10월 29일 또는 30일자), CNA, Storm.mg, Chinatimes, UDN을 2026년 10월 31일에 읽고 작성했다. 보도자료는 직접 읽지 않고 자동 요약 도구를 통해서만 읽었다. 독립적인 보도는 적다. Reuters, DigiTimes, Focus Taiwan 기사나 애널리스트 논평은 찾지 못했다. 여러 수치가 한 매체에만 의존한다. 우리는 행사에 참석하지 않았다. 이 글은 투자 조언이 아니며 이후 상황이 바뀌었을 수 있다.

출처

PR Newswire: Foxconn ecosystem enabling token factory for AI in spotlight at Hon Hai Tech Day 2026 (확인일: 2026-10-31)
CNA: Hon Hai Tech Day coverage (Chinese) (확인일: 2026-10-31)
Storm.mg: Hon Hai Tech Day coverage (Chinese) (확인일: 2026-10-31)
Chinatimes: Hon Hai Tech Day coverage (Chinese) (확인일: 2026-10-31)
UDN: Hon Hai Tech Day coverage (Chinese) (확인일: 2026-10-31)

Walmart, 매장을 AI 쇼핑 에이전트에 연다: Agent Gateway의 기능과 남은 과제

Sat, 31 Oct 2026 09:00:00 +0100

2026년 10월 31일 기준, Walmart는 승인된 AI 에이전트가 고객을 대신해 Walmart와 Sam's Club(미국 사이트)에서 검색하고 구매할 수 있게 하는 MCP 서버, Walmart Agent Gateway를 출시했다고 밝혔다. Gateway는 초대받은 사람만 쓰는 초기 베타다. 두 번째 도구인 Agent Profiles는 10월 21일 발표 이후 "이달 안에" 나올 예정이다. Walmart는 가격, 미국 외 국가, 정식 출시일을 밝히지 않았다.

핵심 요약

Walmart가 출시한 것: 초대 방식의 초기 베타 MCP 서버(요청은 walmart.com/agents를 통해 접수)로, Walmart는 언제든 중단할 수 있다고 밝혔다.
고객의 통제: 기본적으로 모든 구매에 고객의 승인이 필요하다. 대안은 고객이 정하는 지출 한도다(Walmart가 든 예: 50달러, 100달러, 200달러). Walmart에 따르면 에이전트는 카드 데이터를 받지 못하며 결제 수단을 추가하거나 바꿀 수 없다.
Agent Profiles: 정확한 날짜 없이 2026년 11월 출시가 예상된다. 에이전트마다 고객 계정에 자체 프로필이 생기고 구매 내역이 따로 표시된다.
알려지지 않은 것: 베타 참여자 목록, 가격, 미국 외 국가, 전체 약관, 한도가 주문 단위인지 일 단위인지 월 단위인지 여부.

Walmart는 2026년 10월 21일에 무엇을 발표했나

Walmart가 2026년 10월 21일 뉴스룸에 올린 글에 따르면, 회사는 고객의 통제권을 유지하면서 에이전트가 고객을 대신해 쇼핑할 수 있게 하고 있다. TechCrunch는 CEO John Furner가 Masters of Scale Summit에서 이 내용을 말했다고 전한다(TechCrunch).

도구는 두 가지다. Walmart Agent Gateway는 AI 에이전트가 외부 서비스를 호출할 수 있게 하는 개방형 표준인 Model Context Protocol(MCP) 기반 서버다. 용어가 낯설다면 MCP 설정 가이드를 참고하자. 두 번째 도구인 Agent Profiles는 아래에서 다룬다. 언론 보도에 따르면 Gateway는 접근을 요청하는 기업과 개발자에게 열려 있고, 고객 쪽은 Walmart+ 멤버십 없이도 모든 Walmart 계정 보유자에게 열려 있다(TechCrunch, KSL을 통한 Reuters).

에이전트는 어떻게 구매하고, 누가 무엇을 통제하나

Walmart에 따르면 고객이 먼저 결정한다. 구매마다 승인하거나 지출 한도를 정한다. 그다음 에이전트가 Gateway를 통해 움직이고, Walmart는 사람이 Walmart.com에서 보는 것과 같은 가격으로 주문을 처리하며 할인과 수수료는 구매 전에 표시된다.

출처: Walmart 보도자료(2026년 10월 21일), ppc.land, 확인일: 2026-10-31.

Walmart는 고객이 정한 한도 이하에서도 추가 승인을 요구할 수 있다고 밝혔다. 에이전트는 작업에 필요한 정보만 받으며, Gateway는 전체 구매 내역을 공유하지 않고도 고객이 자주 사는 품목을 찾도록 돕는다고 한다. 고객이 에이전트에 맡긴 정보는 에이전트 제공업체의 개인정보 처리방침이 적용되고, Walmart에 전달되는 데이터는 Walmart의 정책이 적용된다.

Agent Profiles와 지출 한도는 무엇을 제공하나

Walmart에 따르면 에이전트마다 고객 계정에 전용 프로필이 생기고, 그 에이전트가 한 구매는 따로 표시된다. 프로필은 에이전트가 Gateway를 처음 쓸 때 자동으로 만들어진다. 고객은 Walmart 계정에 로그인해 연결하며 언제든 삭제할 수 있다. Reuters는 출시 시기를 "다음 달"이라고 전하며, Walmart는 정확한 날짜를 밝히지 않았다.

한도에 관해 보도자료는 50달러, 100달러, 200달러를 예로 든다. ppc.land는 한도가 주문 단위인지 일 단위인지 월 단위인지 명시되지 않았다고 지적한다(ppc.land). 따라서 한도가 실제로 어떻게 작동하는지는 말하지 않는다.

에이전트가 실수하면 어떻게 되나

Walmart에 따르면 에이전트가 의도대로 움직이지 않더라도 평소의 반품 절차가 적용된다. Walmart는 또한 "Agents that do not follow these terms will be blocked from Walmart's site."라고 밝혔다. 우리는 이 약관을 읽지 않았으므로(방법 항목 참고) 약관이 무엇을 요구하는지, 책임에 관한 규정이 무엇인지 말할 수 없다.

이미 연결된 곳은

Walmart 보도자료는 Walmart 자체 어시스턴트 Sparky와 함께 Muse(Meta), ChatGPT, Gemini "등"을 기존 대화형 커머스 연동으로 꼽는다. Gateway 베타 참여자는 한 곳도 거명하지 않는다. ppc.land와 actuia도 같은 점을 지적한다(actuia).

KSL 판 Reuters는 이 세 곳이 Gateway를 통해 연결될 수 있다고 소개한다(KSL을 통한 Reuters). 이는 보도자료의 표현보다 강하다. 베타 페이지에 대한 언론 보도는 Gateway가 Sparky를 통해 에이전트를 연결한다고 덧붙이는데, 보도자료는 이를 명시하지 않는다. Sparky에 관한 수치는 찾지 못했다.

출시 진행 상황은

시작됐다고 발표된 것은 Gateway 베타뿐이다. Agent Profiles는 예정돼 있고, 여러 항목이 공개되지 않았다.

출처: Walmart 보도자료, TechCrunch, ppc.land, 확인일: 2026-10-31.

이 발표가 Amazon과 비교되는 이유

TechCrunch는 Walmart의 행보를 환영 매트에 비유하며, 이 매체와 ppc.land가 서드파티 에이전트를 제한하거나 차단한다고 전하는 Amazon과 대비시킨다. actuia에 따르면 Amazon이 Perplexity를 상대로 낸 소송은 진행 중이며 기각 신청에 대한 심리가 2026년 11월 20일로 잡혀 있다. 우리는 이에 더 보태지 않는다.

Mizuho의 애널리스트 David Bellinger는 KSL을 통한 Reuters 인용에서 에이전트 쇼핑이 아직 실험적이라고 보면서도, 경영진의 지지는 이것이 실체가 있는 무언가라는 신호로 읽는다. 이는 인용이 아니라 우리의 의역이다.

비교표

비교표
항목	Walmart의 설명	2026년 10월 31일 기준 상태	출처
Walmart Agent Gateway	승인된 에이전트용 MCP 서버, Walmart와 Sam's Club(미국)	초대 방식의 초기 베타, 중단될 수 있음	Walmart, ppc.land
Agent Profiles	에이전트별 프로필 하나, 구매 내역 별도 표시, 삭제 가능	"이달 안에"(2026년 11월) 예정, 정확한 날짜 없음	Walmart, KSL을 통한 Reuters
구매 승인	기본적으로 구매마다 필요	발표됨	Walmart
지출 한도	고객이 설정, 예: $50, $100, $200	발표됨, 주문·일·월 단위 여부는 명시되지 않음	ppc.land
카드 데이터	에이전트에 제공되지 않음, 결제 수단 변경 불가	발표됨	Walmart
반품과 차단	평소의 반품 정책 적용, 규정 위반 에이전트 차단	발표됨, 약관은 우리가 읽지 않음	Walmart
베타 참여자	거명되지 않음	공개되지 않음	ppc.land, actuia
가격, 국가, 정식 출시	발표되지 않음	공개되지 않음	TechCrunch, ppc.land

자주 묻는 질문

AI 에이전트가 내 카드 번호를 볼 수 있나

Walmart에 따르면 볼 수 없다. 에이전트는 카드 데이터를 받지 못하며 결제 수단을 추가하거나 바꿀 수 없다.

지금 Gateway를 쓸 수 있나

초대를 받아야만 쓸 수 있다. 초기 베타이며, 기업과 개발자는 walmart.com/agents에서 접근을 요청할 수 있다. Walmart는 베타를 언제든 중단할 수 있다고 밝혔다.

에이전트가 대신 쇼핑하게 하려면 Walmart+가 필요한가

필요 없다. TechCrunch와 Reuters에 따르면 모든 Walmart 계정 보유자가 대상이며 Walmart+ 멤버십은 필요 없다. 이는 에이전트 개발자가 아니라 고객에 해당하는 내용이다.

고객은 에이전트를 쓰기 전에 무엇을 확인해야 하나

Walmart의 보도자료를 기준으로, 구매마다 승인하는 기본값을 유지하고, 선택한 지출 한도를 살피고, 에이전트 제공업체의 약관과 개인정보 처리방침을 읽고, Agent Profiles가 나오면 에이전트 프로필에서 구매 내역을 검토하면 된다.

방법과 한계

이 글은 2026년 10월 21일자 Walmart 보도자료, TechCrunch, KSL을 통한 Reuters, ppc.land, actuia를 2026년 10월 31일에 읽고 작성했다. Walmart 보도자료는 직접 읽지 않고 자동 요약 도구를 통해서만 읽었다. walmart.com/agents 페이지는 봇 차단 때문에 읽을 수 없어 내용은 언론 보도에서 가져왔다. Agentic Access Terms는 읽지 않았다. "검색과 구매" 외에 Gateway가 할 수 있는 일은 우리가 읽은 자료에 자세히 나오지 않는다. 이 출처들에 공개된 수치가 없으므로 매출, 사용자, 트래픽 수치는 싣지 않는다. 이 글은 구매 조언이 아니며 이후 상황이 바뀌었을 수 있다.

출처

Walmart newsroom: Making it possible for agents to shop on behalf of customers (확인일: 2026-10-31)
TechCrunch: While Amazon blocks AI agents, Walmart rolls out the welcome mat (확인일: 2026-10-31)
Reuters via KSL: Walmart launches tools for AI agents to shop for customers (확인일: 2026-10-31)
ppc.land: Walmart lets AI agents buy within customer-set limits (확인일: 2026-10-31)
actuia: Walmart sets the rules for AI shopping agents (확인일: 2026-10-31)

Nvidia, Microduck을 모든 개발자의 로보틱스 놀이터로: 공개된 것과 아닌 것

Fri, 30 Oct 2026 22:00:00 +0100

2026년 10월 30일 현재 Nvidia가 Microduck과 관련해 내세우는 것은 학습 쪽이다. 오픈소스 시뮬레이션 프레임워크 Isaac Lab 3.0과 Hugging Face에 게시된 sim-to-real 튜토리얼이다. 로봇 자체는 출시 가격 399달러의 25cm 이족 보행 로봇으로, Pollen Robotics와 Hugging Face가 만들었고 Nvidia 프로세서는 들어 있지 않다. 배송과 Nvidia의 Hugging Face 인수는 둘 다 아직 보류 중이다.

핵심 정리

Nvidia가 제공하는 것: 시뮬레이션과 학습 도구. Nvidia가 공동 서명한 Hugging Face 튜토리얼(10월 21일)은 Isaac Lab 3.0에서 보행을 학습시켜 실제 로봇으로 옮기는 방법을 보여준다.
로봇의 정체: Hugging Face의 로보틱스 팀인 Pollen Robotics가 개발한 소형 이족 보행 로봇으로, 세금과 배송비 별도 399달러다(Modern Robotics에 따르면 출시 가격). 공식 README에 따르면 프로세서는 Nvidia 칩이 아니라 Rockchip RK3566이다.
공개된 것: Apache-2.0 라이선스로 Rust로 작성된 로봇 소프트웨어와 학습 리포지토리 microduck_rl. 기구 및 전자 설계 파일이 공개됐는지는 확인되지 않았다.
보류 중인 것: 배송(상점은 이제 신규 주문에 4~6개월을 안내한다)과 서명은 됐지만 마무리되지 않은 Hugging Face 인수.

이 글에서는 Nvidia(시뮬레이션과 학습 도구)와 Pollen Robotics 및 Hugging Face(로봇과 그 소프트웨어)를 계속 구분해서 다룬다.

Microduck이란?

Microduck은 키 25cm(약 10인치)의 소형 이족 보행 로봇으로, Hugging Face의 로보틱스 팀인 Pollen Robotics가 개발했다. GitHub 리포지토리에 따르면 무게는 약 800g이다. 서보 모터 15개를 갖추고 있고, 공식 README에 따르면 Rockchip RK3566 프로세서로 구동된다(GitHub, pollen-robotics/microduck). 언론 보도에는 RAM 1GB, 저장 공간 32GB, 전면 카메라, 깊이 센서, 관성 측정 장치 2개, 약 1시간의 배터리 사용 시간이 추가로 언급된다(eesel, Modern Robotics).

Pollen Robotics를 인수한 쪽은 Hugging Face이며 그 반대가 아니다. 인수는 2025년 4월 14일 금액 비공개로 발표됐다(TechCrunch).

Microduck은 2026년 10월 21일 수요일 GTC Berlin 기조연설에서 공개됐고, 무대에는 네 대가 올랐다. Modern Robotics에 따르면 Jensen Huang이 직접 소개했으며 시연이 완벽하지는 않았다. Nvidia의 GTC Berlin 블로그는 이 로봇을 "10-inch biped robots by Hugging Face that run on open source software"라고 설명한다(Nvidia).

Nvidia의 역할은?

Nvidia의 몫은 학습 쪽이다. 2026년 10월 21일 Hugging Face에 게시되고 Nvidia가 공동 서명한 튜토리얼은 오픈소스인 Isaac Lab 3.0으로 시뮬레이션에서 실제 로봇으로 넘어가는 과정(sim-to-real)을 설명한다. 예시 명령은 시뮬레이션 환경 4,096개를 병렬로 돌린다(Hugging Face).

Nvidia 개발자 블로그(10월 23일)는 더 나아간다. 경사로와 장애물이 있는 적응 학습은 NVIDIA RTX PRO 6000 Blackwell Workstation Edition 카드에서 병렬 환경 4,096개를 쓰며, 렌더링과 센서에는 Isaac Sim을 쓴다(Nvidia 개발자 블로그). Hugging Face 튜토리얼은 그래픽 카드를 명시하지 않는다.

따라서 사슬은 Nvidia의 도구에서 시뮬레이션으로 학습한 보행 정책으로, 그리고 다른 곳에서 만든 로봇으로 이어진다.

출처: Hugging Face 튜토리얼(2026년 10월 21일), Nvidia 개발자 블로그(2026년 10월 23일), Microduck GitHub 리포지토리, (확인일: 2026-10-30).

오늘 무엇을 할 수 있고, 시작하려면 무엇이 필요한가?

우리가 읽은 출처에서 카드가 명시된 유일한 예시는 Nvidia 자체의 것으로, RTX PRO 6000 Blackwell Workstation Edition이다. 최소 사양에 대한 언급은 찾지 못했으므로 제시하지 않는다.

코드를 읽는 데는 로봇이 필요 없다. 리포지토리는 Apache-2.0으로 공개돼 있고 학습 리포지토리 microduck_rl도 마찬가지다. Jetson의 경우 Nvidia나 Pollen의 공식 지원은 찾지 못했다. 우리가 찾은 자료는 Jetson Orin NX 16GB에서 microduck_rl을 학습시키는 Seeed Studio의 서드파티 튜토리얼뿐이다(Seeed Studio). 로봇 자체는 Jetson이 아니라 RK3566에서 동작한다.

이 글은 단계별 가이드가 아니다. 실제 절차는 위에 링크한 튜토리얼을 따라야 한다.

무엇이 공개됐고 무엇이 아닌가?

공개: Apache-2.0으로 Rust로 작성된 로봇 소프트웨어와 학습 리포지토리 microduck_rl(GitHub). Isaac Lab 3.0은 튜토리얼에서 오픈소스로 설명된다.
확인되지 않음: 기구 및 전자 설계 파일. 공개됐다는 확인은 찾지 못했다. eesel은 공개되지 않았다고 밝히고, Modern Robotics는 소프트웨어만 언급한다. 따라서 하드웨어를 오픈소스라고 부르지 않는다.
Nvidia의 것이 아님: Pollen Robotics와 Hugging Face가 개발한 로봇.

배송과 Hugging Face 인수는 어디까지 왔나?

배송. 사전 주문은 2026년 8월 27일에 시작됐고, 배송 목표는 크리스마스 이전이었다. Modern Robotics(10월 23일)에 따르면 상점은 이제 신규 주문에 4~6개월을 안내하며, 봄으로 미뤄질 위험이 있다. 사전 주문 수는 배송된 로봇 수가 아니며, 확인할 수 없었기 때문에 사전 주문 수치는 제시하지 않는다.

Hugging Face 인수. 마무리되지 않았다. Nvidia는 2026년 9월 2일 최종 계약을 체결하고 129억 3,030만 달러의 가격을 발표했다. 인수 완료는 규제 당국의 승인을 전제로 2027년 상반기로 예상된다(Nvidia, Form 8-K). Yahoo Finance를 통한 Reuters(10월 28일)에 따르면 미국 법무부가 경쟁에 미칠 영향에 대해 질문했다(Yahoo Finance). 앞선 기사에서 반독점 문제를 다뤘다.

출처: Nvidia(블로그와 Form 8-K), TechCrunch, Modern Robotics, (확인일: 2026-10-30). 이미 일어난 사실은 채워서, 예상 날짜는 윤곽선으로 표시했다.

"모든 개발자의 놀이터": 무엇이 입증되나?

이 표현은 질문의 틀을 잡기 위해 우리가 쓴 것이다. 출처가 보여주는 것은 더 좁다. Nvidia는 Hugging Face에 개발자, 연구자, 크리에이터가 1,800만 명 넘게 있다고 밝혔는데(2026년 9월 3일), 이는 Microduck이 아니라 플랫폼을 설명하는 수치다. Microduck에 대해 출처가 보여주는 것은 공개된 소프트웨어, 공개된 학습 리포지토리, Nvidia가 공동 서명한 튜토리얼, 그리고 이 로봇이 오픈소스 소프트웨어로 동작한다는 Nvidia 자체의 설명이다.

출처는 한계도 보여준다. eesel과 Modern Robotics에 따르면 교육용 로봇이고, 손이 없으며, RAM이 1GB이고, 배터리는 약 1시간 가고, 신규 주문은 4~6개월이 걸린다. 이를 쓰는 개발자가 몇 명인지에 대한 수치는 찾지 못했다.

비교표

비교표
항목	주체	2026년 10월 30일 현황	출처
Isaac Lab 3.0(시뮬레이션, 학습)	Nvidia	오픈소스. sim-to-real 튜토리얼에서 사용	Hugging Face
적응 학습, 환경 4,096개	Nvidia	RTX PRO 6000 Blackwell Workstation Edition에서 실행된다고 설명	Nvidia 개발자 블로그
로봇 소프트웨어(Rust, Apache-2.0), microduck_rl	Pollen Robotics, Hugging Face	공개	GitHub
기구 및 전자 설계 파일	Pollen Robotics, Hugging Face	공개 여부 미확인	GitHub, eesel
로봇(25cm, 서보 모터 15개, RK3566)	Pollen Robotics, Hugging Face	8월 27일부터 사전 주문. 출시 시 세금과 배송비 별도 $399	GitHub, Modern Robotics
배송	Pollen Robotics, Hugging Face	목표는 크리스마스 이전. 상점은 4~6개월 안내	Modern Robotics
Hugging Face 인수	Nvidia	9월 2일 계약 체결. 승인을 전제로 2027년 상반기 완료 예상	Nvidia, Form 8-K

자주 묻는 질문

Microduck은 Nvidia 칩을 쓰나?

아니다. 공식 README에 따르면 로봇은 Rockchip RK3566으로 동작한다. Nvidia의 역할은 시뮬레이션과 학습 쪽이다.

Nvidia가 Hugging Face를 소유하고 있나?

아니다. Nvidia는 2026년 9월 2일 인수 계약에 서명했으며 거래는 마무리되지 않았다. 완료는 규제 당국의 승인을 전제로 2027년 상반기로 예상된다.

Microduck은 완전한 오픈소스인가?

소프트웨어는 Apache-2.0으로 공개돼 있다. 기구 및 전자 설계 파일이 공개됐는지는 확인되지 않았고, 우리는 그렇다고 주장하지 않는다.

Microduck은 언제 배송되나?

배송 목표는 크리스마스 이전이었다. Modern Robotics에 따르면 상점은 이제 신규 주문에 4~6개월을 안내하며, 봄으로 미뤄질 수 있다.

방법과 한계

이 글은 2026년 10월 30일에 읽은 Nvidia의 블로그와 Form 8-K, Hugging Face 튜토리얼, Microduck GitHub 리포지토리, TechCrunch, Yahoo Finance를 통한 Reuters, Modern Robotics, eesel, Seeed Studio에 의존한다. 무대에서 누가 로봇을 소개했는지는 언론 보도에서만 나온 것이며 1차 출처로 확인하지 못했다. 상점 페이지는 읽지 않았으므로 가격과 배송 기간은 언론 보도에서 가져왔다. Pollen Robotics와의 관계가 확인되지 않은 microducks.org 사이트는 제외한다. 가격은 세금과 배송비 별도의 출시 가격이다. 이 글은 투자나 구매에 대한 조언이 아니며, 그 뒤로 상황이 바뀌었을 수 있다.

출처

Nvidia: Nvidia to acquire Hugging Face (확인일: 2026-10-30)
Nvidia Form 8-K, 2026년 9월 2일 (SEC) (확인일: 2026-10-30)
Reuters via Yahoo Finance: DOJ questions, 2026년 10월 28일 (확인일: 2026-10-30)
TechCrunch: Hugging Face buys a humanoid robotics startup (확인일: 2026-10-30)
GitHub: pollen-robotics/microduck (확인일: 2026-10-30)
Hugging Face: Microduck, Isaac Lab and sim-to-real (확인일: 2026-10-30)
Nvidia developer blog: teaching robots like Microduck to walk in simulation (확인일: 2026-10-30)
Nvidia: GTC Berlin 2026 news (확인일: 2026-10-30)
Modern Robotics: Microduck at GTC Berlin (확인일: 2026-10-30)
eesel: Microduck (확인일: 2026-10-30)
Seeed Studio: microduck_rl on Jetson (확인일: 2026-10-30)

덧칠된 그림, 사라진 작품: AI는 도난 미술품 추적을 어떻게 돕는가

Fri, 30 Oct 2026 21:00:00 +0100

2026년 10월 30일 기준으로 AI는 주로 온라인에서 발견된 사진을 도난 신고된 작품의 데이터베이스와 대조하는 방식으로 도난 미술품 수사를 돕는다. 이탈리아에서는 카라비니에리의 SWOADS 시스템이 2004년에 도난당한 뒤 범인들이 손을 댄 그림을 사진 한 장만으로 몇 시간 만에 포착했다. 시스템은 일치 가능성이 높은 후보를 제시하고, 이를 확인하는 것은 사람이며, 작품을 되찾는 일은 여전히 경찰의 몫이다.

핵심 요약

AI가 하는 일: 온라인에서 수집한 이미지와 텍스트를 도난 작품의 기준 데이터와 비교해 일치 가능성이 높은 후보 목록을 만든다. 수사를 하지는 않는다.
덧칠된 캔버스: 2004년에 도난당한 뒤 범인들이 변형한 “Sant'Agnese”는 2024년 10월 골동품 박람회에서 발견되어 몇 시간 만에 포착되었고 이튿날 압수되었다.
보도된 실적과 그 한계: SWOADS는 2023년 11월 이후 회화와 조각 300점 이상의 회수에 기여한 것으로 보도되었다. 이 수치는 언론 보도에서 나온 것이며 독자적으로 검증하지 못했다.
사람의 개입: 일치 후보는 사람이 확정하거나 기각하며, 시스템은 도난 신고가 되지 않은 작품은 찾을 수 없다.

서로 다른 두 가지 용도를 구분한다. 도난 작품을 찾는 도구(SWOADS, INTERPOL)와 나치에게 약탈된 작품을 위한 연구용 도구(Santa Clara University)이다. 후자는 소장 이력을 복원하는 도구이며 아직 실험 단계다.

AI는 덧칠된 작품을 어떻게 찾는가?

SWOADS는 Stolen Works of Art Detection System의 약자다. 문화유산 보호를 맡은 부대(TPC)에서 카라비니에리가 운영하는 프로젝트다. Il Sole 24 Ore(2024년 6월 18일)에 따르면 이 시스템은 웹, 소셜 네트워크, 다크 웹을 수집해 AI로 이미지와 텍스트를 기준 데이터와 비교하고, 사람이 확정하거나 기각하는 일치 후보 목록을 만든다. 같은 기사는 3D 물체와 영상을 다루기 위한 업그레이드가 진행 중이라고 전한다.

원리는 도난품을 위한 검색 엔진이다. 경매 회사나 중개상, 판매자가 올린 사진을 도난 신고된 작품의 이미지와 비교한다. 유사도가 충분히 높으면 시스템이 단서를 제시한다. 그러면 수사관이 두 이미지를 살펴보고 조치를 취할지 판단한다.

출처: Il Sole 24 Ore, 2024년 6월 18일(확인일: 2026-10-30). 이 도표는 언론에 실린 설명을 단순화한 것이며 수치는 포함하지 않는다.

덧칠된 작품은 까다로운 사례다. 도둑이 사람이 가장 먼저 보는 세부 요소를 바꾸기 때문이다. 우리가 읽은 출처에는 SWOADS가 이런 변경을 어떻게 처리하는지 설명이 없으며, 사용된 알고리즘에 대해서는 추측하지 않는다.

최근의 두 회수 사례는 무엇을 보여 주는가?

두 건이 보도되고 있다. 두 사례는 매우 다르며, 우리가 읽은 출처에서 SWOADS의 성과로 꼽힌 것은 첫 번째뿐이다.

2004년에 도난당한 “Sant'Agnese”(성 아녜스). BBC를 인용한 ThePrint에 따르면 이 캔버스는 2004년 8월 아브루초 지방 술모나의 한 교회에서 도난당했다. 범인들은 그림을 변형했다. 어린 양은 두루마리로 바뀌었고, 후광과 종려나무 가지는 지워졌다. 이 그림은 2024년 10월 파르마의 골동품 박람회에서 발견되었다. SWOADS가 사진 한 장으로 몇 시간 만에 포착했고, 카라비니에리는 이튿날 압수했다. 도난부터 회수까지 약 20년이 걸렸다(보도된 날짜로 계산한 수치).

1972년에 도난당한 Filippo Palizzi의 “Riposo della pastorella”. 이 그림은 1972년 6월 펠트레의 Carlo Rizzarda 현대미술관에서 도난당했다. Il Dolomiti에 따르면 이 미술관은 2001년까지 문을 닫은 채였다. ThePrint에 따르면 이 그림은 2026년 4월 피에몬테의 한 경매 회사에 매물로 나온 채 발견되었다. 판매자는 선의의 개인이었고, 그림은 펠트레 시로 돌아갔다. 약 54년이 걸린 셈이다(1972년 6월부터 2026년 4월까지 우리가 계산한 수치).

출처: Il Dolomiti와 ThePrint가 보도한 날짜로 계산(확인일: 2026-10-30).

이 두 기간은 도난당한 작품이 수십 년 뒤에 합법적인 시장에서 다시 나타날 수 있음을 보여 준다. AI가 얼마나 자주 성공하는지는 알려 주지 않는다. 사례 두 건은 성공률이 아니다.

SWOADS의 실적은 무엇을 말하고, 무엇을 말하지 않는가?

ThePrint(2026년 10월 29일)는 BBC(10월 28일)를 인용해, SWOADS가 2023년 11월 이후 회화와 조각 300점 이상, 그리고 동전, 필사본, 종교 용품 같은 소형 물품 165,000점 이상의 회수에 관여했으며 총 가치가 2억 300만 유로를 넘는다고 보도했다. 우리는 BBC를 직접 읽지 않았고, 이 수치를 독자적으로 검증하지 못했다. 또한 “관여했다”가 어떤 기준으로 집계되었는지, 예컨대 시스템이 단서를 찾았는지 아니면 확인만 도왔는지도 알 수 없다.

같은 보도는 다음과 같은 한계를 열거한다.

매우 유명한 작품은 판매 카탈로그에 좀처럼 나타나지 않는다. 개발자 중 한 명인 Salvatore Rapicavoli 중령은 이 방식으로 최근 가장 널리 알려진 도난 사건의 작품을 찾을 것으로 기대하지 않는 것으로 전해진다.
Art Recognition사의 Carina Popovici는 이런 시스템이 정확히 하나의 질문, 즉 이 이미지가 도난 신고된 작품과 일치하는가라는 질문에 답한다고 강조한 것으로 전해진다. 그의 말에 따르면(BBC를 전한 ThePrint 기준) 회수는 수사관과 사법 협력에 달려 있다.
시스템은 다른 각도에서 본 3D 물체와, 원본과 복제품의 구별에 어려움을 겪는다.
도난 신고가 되지 않은 것은 탐지할 수 없다.

숫자에 대한 주의 사항이 있다. 다른 보도에서 약 2억 6,500만 유로와 100,000점이라는 수치를 볼 수 있다. 이는 카라비니에리 TPC가 2023년에 모든 수사를 합산한 총계이며 SWOADS의 성과가 아니므로, 여기서는 사용하지 않는다.

INTERPOL과 ID-Art는 무엇을 제공하는가?

INTERPOL은 설명과 사진이 갖춰진 약 57,000점의 물품을 담은 Stolen Works of Art 데이터베이스를 운영한다. 이 데이터베이스는 INTERPOL의 국가 중앙 사무국과 파트너(UNESCO, ICOM, ICCROM)만 입력할 수 있으며, 누구든 승인된 접근을 요청할 수 있다.

ID-Art는 INTERPOL의 모바일 앱이다. 무료이고 계정이나 비밀번호 없이 조회할 수 있으며, 수동 검색 또는 이미지 인식을 이용한 사진 검색을 제공한다. 아랍어, 영어, 프랑스어, 스페인어의 4개 언어로 이용할 수 있다. 따라서 구매자, 갤러리, 세관 직원은 INTERPOL에 신고된 범위 안에서 물품을 데이터베이스와 대조해 볼 수 있다. 앱의 이용 수치는 찾지 못해 제시하지 않는다.

AI는 나치 약탈 미술품에도 도움이 되는가?

여기서는 문제가 다르다. 작품이 최근의 절도로 도난당한 것이 아니라 나치 정권 아래에서 소유자에게서 빼앗긴 것이기 때문이다. 2026년 7월 5일 Santa Clara University는 연구자 Michael Santoro, Haibing Lu, Michele Samorani가 개발한 “AI Provenance Assistant”를 발표했다. 이 도구는 나치의 약탈 전담 조직 ERR의 기록인 Jeu de Paume 데이터베이스를 활용하며, 대학은 이를 약 30,000점으로 추산한다.

이 도구는 그림을 되찾지 않는다. 작품을 누가 언제 소유했는지, 즉 소장 이력의 경로를 복원하는 데 도움을 준다. 대학은 아직 확장할 수 있는 단계가 아니며 원천 데이터가 어수선하다고 밝혔다. 대학은 이 도구를 다른 데이터베이스로 넓힐 계획이다. 이 도구는 실제 운용 도구가 아니라 연구 시제품에 머문다.

이 도구들의 한계는 무엇인가?

신고된 것만 찾는다. 데이터베이스에 없거나 기록이 불충분한 작품은 대조할 수 없다.
증거가 아니라 단서를 만든다. 모든 일치 후보는 사람이 확인해야 하며, 회수는 경찰, 법원, 국가 간 협력에 달려 있다.
어려운 사례가 남아 있다. 앞서 인용한 보도에 따르면 다른 각도의 3D 물체와 원본 대 복제품의 구별은 알려진 약점이다.
보도된 성과는 감사를 거치지 않았다. 집계 수치는 언론 보도에서 나온 것이며, 잘못된 단서에 대한 정보는 없다. 오류율은 제시하지 않는다.

수집가, 갤러리, 구매자는 무엇을 할 수 있는가?

다음은 일반적인 예방 조치이며 법률 자문이 아니다.

작품을 기록해 두자. 여러 각도에서 찍은 선명한 사진을 치수, 표식, 설명과 함께 보관한다. 좋은 기준 이미지는 대조 시스템이 필요로 하는 것이다.
도난은 신속히 신고하자. 작품이 국가 및 국제 데이터베이스에 등록될 수 있도록 당국에 알린다.
구매 전에 확인하자. INTERPOL 데이터베이스나 ID-Art 앱에서 검색하고, 작품의 소장 이력을 요청한다.

비교표

비교표
도구	운영	찾는 대상	보도된 수치	출처
SWOADS	Carabinieri TPC (이탈리아)	온라인(웹, 소셜 네트워크, 다크 웹)의 도난 작품	2023년 11월 이후 회화와 조각 300점 이상, 소형 물품 165,000점 이상, 2억 300만 유로 초과 (보도 기준, 미검증)	ThePrint (BBC 인용), Il Sole 24 Ore
Stolen Works of Art database	INTERPOL	회원국과 파트너가 도난 신고한 작품	약 57,000점	INTERPOL
ID-Art	INTERPOL	같은 데이터베이스를 수동 또는 사진으로 검색	확인된 수치 없음	INTERPOL
AI Provenance Assistant	Santa Clara University	나치 약탈 작품의 소장 이력(Jeu de Paume 기록)	원천 데이터베이스에 약 30,000점	Santa Clara University

자주 묻는 질문

AI가 도난당한 그림을 스스로 찾아내는가?

아니다. SWOADS 같은 도구는 일치 가능성이 높은 후보를 제시하고, 사람이 이를 확정하거나 기각한다. 작품을 압수하는 일은 수사관의 몫이다.

AI는 덧칠된 그림을 알아볼 수 있는가?

“Sant'Agnese”의 경우 ThePrint에 따르면 도둑이 변형한 캔버스가 몇 시간 만에 포착되었다. 한 건의 사례로 이 방식이 전반적으로 얼마나 믿을 만한지는 알 수 없으며, 오류율도 찾지 못했다.

물품을 직접 확인할 수 있는가?

어느 정도는 가능하다. INTERPOL의 ID-Art 앱은 무료이고 계정이 필요 없으며 사진으로 검색할 수 있다. INTERPOL에 신고된 작품만 다룬다.

Santa Clara의 도구는 약탈된 미술품을 되찾아 주는가?

아니다. Jeu de Paume 기록을 바탕으로 시간에 따른 작품의 소유자를 복원하는 데 도움을 준다. 2026년 7월 5일에 아직 확장할 수 없는 시제품으로 발표되었다.

방법과 한계

이 글은 2026년 10월 30일에 확인한 언론 보도와 INTERPOL 및 Santa Clara University의 페이지를 바탕으로 한다. SWOADS 수치는 BBC(10월 28일)를 인용한 ThePrint(10월 29일)에서 가져왔다. BBC를 직접 읽지 않았고 독자적으로 검증하지 못했다. 20년과 약 54년이라는 기간은 보도된 날짜로 우리가 계산한 것이다. 사용된 알고리즘, 오류율, SWOADS가 만들어 내는 단서의 수에 대한 정보는 없다. 이 글은 법률 또는 전문가의 조언이 아니며, 그 후 상황이 바뀌었을 수 있다.

출처

ThePrint: AI found a painting stolen in 1972, how Italy is using tech to recover missing art (확인일: 2026-10-30)
Il Sole 24 Ore: the hunt for stolen art, artificial intelligence allied with the Carabinieri (확인일: 2026-10-30)
Il Dolomiti: AI traces an artwork stolen in 1972 (확인일: 2026-10-30)
INTERPOL: Stolen Works of Art database (확인일: 2026-10-30)
INTERPOL: ID-Art mobile app (확인일: 2026-10-30)
Santa Clara University: a team uses AI to uncover Nazi-looted art (확인일: 2026-10-30)

EMBRACE: Cursor, GitHub Copilot, Claude Desktop, VS Code, Codex 내장 브라우저의 결함

Fri, 30 Oct 2026 20:00:00 +0100

2026년 10월 30일 현재, 보안 업체 Forever Security는 AI 코딩 도구 5종인 Cursor, GitHub Copilot, Claude Desktop, VS Code, Codex의 내장 브라우저에서 결함을 발견했다고 보고했다. Forever에 따르면 Cursor와 Copilot은 수정되었고, VS Code와 Codex는 게재 시점에 수정되지 않았다. Claude Desktop은 Forever가 제시한 변형의 상태가 명시되지 않았으며, Noma Labs에 따르면 인접한 결함은 수정되었다. 이 글은 우리가 독자적으로 검증하지 못한 연구자의 설명에 근거하며, 대부분의 공급업체는 입장을 내놓지 않았다.

핵심 요약

결함 세 가지 유형: 웹 페이지와 에이전트 사이의 브리지를 통한 코드 실행, 주소 표시줄 위조, 프로젝트 폴더 밖 로컬 파일 읽기.
상태는 제각각이다: Forever에 따르면 Cursor와 GitHub Copilot은 수정되었고, VS Code와 Codex는 게재 시점에 수정되지 않았으며, Claude Desktop은 Forever가 제시한 변형의 상태가 명시되지 않았다.
공급업체가 확인한 것: The Register에 "aware of the issue and working to address it"라고 밝힌 OpenAI뿐이다. 나머지는 모두 Forever의 주장이다.
해야 할 일: 업데이트하고, 내장 브라우저에서 신뢰할 수 없는 페이지와 낯선 프로젝트를 피하며, 기기에 둔 시크릿을 줄인다.

우리는 결함의 유형과 상태만 설명하며, 어떤 것도 재현하는 방법은 다루지 않는다. 공급업체가 확인한 것, 연구자가 주장한 것, 명시되지 않은 것을 구분한다. 수정 상황은 이 날짜 이후 바뀔 수 있다.

EMBRACE 연구가 밝힌 것은?

AI 보안 기업 Forever Security는 2026년 10월 29일 연구 결과를 공개했다. 연구자 Gal Weizman은 이를 "EMbedded BRowser, trusted like a real one"의 약자인 EMBRACE로 명명했다. 핵심 아이디어는 이렇다. 데스크톱 AI 도구는 일반 브라우저에는 없는 기능(에이전트로 이어지는 브리지, 로컬 파일 접근, 자체 주소 표시줄)을 갖춘 브라우저를 내장하고 있어, 웹의 일반적인 위협 모델이 깨진다. 우리가 읽은 출처에는 CVE 식별자가 언급되지 않는다.

Forever에 따르면 결함은 세 가지 유형이다.

페이지와 에이전트 사이의 브리지를 통한 코드 실행 (Cursor).
주소 표시줄 위조 (GitHub Copilot).
로컬 HTML 페이지를 통한 프로젝트 폴더 밖 로컬 파일 읽기 (Codex, VS Code, Claude Desktop). Forever에 따르면 테스트 기기에서 이는 SSH 키, 개발자 토큰, 환경 파일, 비공개 문서의 탈취로 이어질 수 있었다.

아래 차트는 Forever가 보고한 도구별 상태를 요약한다.

출처: Forever Security, Help Net Security, The Register, Hackread, 확인일: 2026-10-30. 상태는 Forever가 보고한 것이며 공급업체가 확인한 것이 아니다.

어떤 도구가 영향을 받고, 수정은 어디까지 진행되었나?

아래 내용은 별도 표기가 없으면 모두 "Forever에 따르면"이다.

Cursor: 내장 브라우저에 로드된 페이지가 에이전트의 입력창에 접근해 숨겨진 지시를 삽입할 수 있었다. 테스트에서는 호스트에서 명령이 실행되었다. Help Net Security는 이 공격이 모델에 따라 달라서 시도할 때마다 통하는 것은 아니라고 지적한다. 9월 10일에 보고되었으며 Cursor는 Forever에 답하지 않았다. Forever는 보안 권고도 버전 번호도 없이 10월 1일에 결함이 조용히 수정된 것을 확인했다.
GitHub Copilot: 다른 페이지가 로드된 상태에서도 페이지가 미리보기에 거짓 주소(예를 들어 가짜 로그인 페이지)를 표시하게 만들 수 있었다. 테스트한 버전은 1.1.27이며 9월 26일에 발견되었다. GitHub는 Forever의 보고가 오기 전인 10월 13일 버전 1.1.29에서 이를 수정했다.
Claude Desktop (Anthropic): 같은 유형의 로컬 파일 읽기다. Forever는 7월 23일에 보고했으나 Anthropic이 "Workspace Trust" 보안 경계를 이유로 거부했다고 밝혔다. Forever는 또 다른 회사인 Noma Security가 7월 24일 "같은 결함"을 보고했고 Anthropic이 이를 유효하다고 인정했다고 덧붙인다. Forever의 글은 자신들이 제시한 변형이 수정되었는지는 명시하지 않는다.
Codex (OpenAI): 내장 브라우저에 프로젝트 폴더 제한이 없어서 로컬 페이지가 파일을 직접 읽을 수 있었다. 7월 27일에 보고되었고 Forever는 답을 받지 못했으며, 게재 시점에 수정되지 않았다.
VS Code (Microsoft): 프로젝트 폴더 제한은 페이지에는 적용되지만 그 백그라운드 스크립트(웹 워커)에는 적용되지 않는다. 9월 10일에 보고되었으며, Forever에 따르면 Microsoft는 "Workspace Trust" 기준으로 이 보고를 무효로 분류했고, 게재 시점에 수정되지 않았다.

이와 별개로 Noma Labs는 2026년 10월 14일 Claude Code 데스크톱 앱의 HTML 미리보기 창에 있는 인접 결함 "SneakPeek"을 공개했다. CSO Online이 전한 Noma에 따르면 첫 수정은 우회되었고 최종 수정은 Claude Desktop 1.30096.1 이상(2026년 8월 17일)에 포함되며, Anthropic이 부여한 CVSS 점수는 8.7(높음, v4.0)이고 CVE는 준비 중이다. Forever는 이를 자신들의 결함과 같은 것으로 본다. 우리가 읽은 출처는 이 수정이 Forever의 변형까지 포괄하는지 확인해 주지 않으므로, 우리는 그 변형에 대해 결론을 내리지 않는다.

공급업체는 무엇을 확인했고 무엇을 확인하지 않았나?

우리가 읽은 출처 기준으로 확인된 공급업체 입장은 하나다. OpenAI 대변인이 The Register에 회사가 "aware of the issue and working to address it"라고 말했다. Cursor, GitHub, Microsoft, Anthropic은 The Register가 기사를 게재할 때까지 답하지 않았다.

나머지는 모두 연구자의 설명이다. 보고 날짜, 답변이 없었다는 점, "미수정" 상태, 그리고 Workspace Trust를 이유로 거부되었다는 보고들이 그렇다. 이는 보고된 입장이지 공급업체에 대한 조사 결과가 아니다. Noma의 보고 날짜도 설명에 따라 다르다. Forever에 따르면 7월 24일이고, 언론이 전한 Noma에 따르면 7월 4일이다. 우리는 어느 쪽이 맞는지 판단하지 않는다.

내장 브라우저가 일반 브라우저보다 위험한 이유는?

일반 브라우저는 웹 페이지를 신뢰할 수 없는 것으로 취급한다. 페이지는 기기의 나머지 부분에 접근할 수 없는 격리된 공간에서 실행된다. AI 도구의 내장 브라우저는 기기에서 행동할 수 있는 에이전트 옆에 놓여 있고, 로컬 파일에 닿을 수 있으며, 자체 주소 표시줄을 보여 준다. 페이지와 이런 기능 사이의 경계가 약하면 페이지가 마땅한 수준보다 더 큰 영향력을 얻는다. 일반적으로 프로젝트 폴더 제한은 페이지에는 적용되면서도 페이지가 실행시킬 수 있는 모든 것에는 적용되지 않을 수 있다.

Forever가 더 넓게 지적하는 대상은 프로젝트를 신뢰할지 묻는 프롬프트인 Workspace Trust다. 연구자는 개발자가 작업을 하려고 "신뢰"를 누르기 때문에 이것이 실제로는 거의 아무것도 보호하지 못한다고 말한다. 이는 Forever의 평가이며 공급업체의 발표가 아니다. 더 넓은 맥락은 AI 생성 코드의 보안에 관한 우리 글을 참고하자.

보고는 얼마나 오래 열려 있나?

차트는 보고에서 수정까지, 또는 결함이 아직 열려 있을 때는 보고에서 10월 29일까지 걸린 일수를 보여 준다. 이 기간은 공급업체가 공표한 것이 아니라 Forever가 보고한 날짜로 계산한 것이다.

출처: Forever Security가 보고한 날짜로 계산, 확인일: 2026-10-30.

Cursor는 보고에서 수정까지 21일이 걸렸고, Copilot은 발견에서 수정까지 17일이 걸렸다(보고 없음). VS Code는 49일, Codex는 94일째였으며 둘 다 10월 29일 현재 열려 있었다. Claude Desktop은 Forever의 보고 이후 98일째이며 상태는 명시되지 않았다. 이런 기간의 이유는 알 수 없다.

영향을 받는 개발자는 얼마나 되나?

이 수치는 Hackread가 인용한 Forever의 추정이다. VS Code를 쓰는 개발자는 약 4,000만 명이고, Codex의 주간 사용자는 500만 명이 넘는다. Forever는 영향을 받을 수 있는 사용자가 "hundreds of millions"라고 말한다. 이는 설치 기반의 추정치이며 영향을 받은 기기의 수가 아니다.

지금 해야 할 일은?

업데이트한다. GitHub Copilot은 1.1.29 이상. Cursor는 최신 상태로(10월 1일 수정, 버전은 공개되지 않음). Claude Desktop은 Noma에 따른 SneakPeek 수정 버전인 1.30096.1 이상이며, 재시작한 뒤 버전을 확인하자.
VS Code와 Codex (게재 시점에 미수정). 내장 브라우저에서 신뢰할 수 없는 HTML 페이지나 낯선 프로젝트를 열지 않는다. 습관적으로 프로젝트를 신뢰함으로 표시하지 말고, 신뢰하는 프로젝트 목록을 검토한다(Help Net Security가 전한 Forever의 조언).
노출되는 것을 줄인다. 범위가 좁고 수명이 짧은 토큰을 선호하고, 개발 기기에 수명이 긴 키와 시크릿을 두지 않는다. 이는 EMBRACE에 국한되지 않는 일반적인 위생 수칙이다.
조직. 워크스테이션에서 이 도구들을 파악하고, 내장 브라우저 관련 통제를 검토한다(Hackread를 통한 Forever의 조언).

도구 페이지: Cursor, GitHub Copilot, Claude Code, Codex.

비교표

비교표
도구	결함 유형	보고	공급업체 대응	10월 29일 기준 상태
Cursor	페이지-에이전트 브리지	9월 10일 (Forever)	Forever에 답 없음, The Register에도 없음	10월 1일 수정, 권고 없음 (Forever)
GitHub Copilot	주소 표시줄 위조	9월 26일 발견, 보고 없음	10월 13일 1.1.29에서 수정	수정됨 (Forever)
Claude Desktop	로컬 파일 읽기	7월 23일 (Forever)	Forever에 따르면 Workspace Trust를 이유로 거부, Noma의 보고는 Forever에 따르면 수용	Forever가 제시한 변형은 명시 없음
Codex	로컬 파일 읽기	7월 27일 (Forever)	Forever에 답 없음, OpenAI는 "aware of the issue"(확인됨)	미수정 (Forever)
VS Code	로컬 파일 읽기	9월 10일 (Forever)	Forever에 따르면 Workspace Trust 기준으로 무효	미수정 (Forever)

자주 묻는 질문

어떤 도구가 영향을 받나?

Forever Security는 Cursor, GitHub Copilot, Claude Desktop, VS Code, Codex의 내장 브라우저에서 세 가지 유형의 결함이 서로 다른 상태로 있다고 보고한다.

결함은 수정되었나?

Forever에 따르면 Cursor(10월 1일)와 GitHub Copilot(10월 13일)은 수정되었고, VS Code와 Codex는 게재 시점에 수정되지 않았다. Claude Desktop은 Forever가 제시한 변형의 상태가 명시되지 않았으며, Noma에 따르면 인접 결함의 수정은 1.30096.1에 들어 있다.

명령줄의 Claude Code도 영향을 받나?

Forever는 이를 테스트했다고 보고하지 않았다. 연구는 데스크톱 애플리케이션의 내장 브라우저를 다룬다. 그렇다고 명령줄 도구가 안전하다는 뜻은 아니다. 우리가 읽은 출처에서는 이를 조사하지 않았다.

VS Code나 Codex를 쓴다면 어떻게 해야 하나?

내장 브라우저에서 신뢰할 수 없는 HTML 페이지와 낯선 프로젝트를 피하고, 습관적으로 프로젝트를 신뢰함으로 표시하지 말며, 가능하면 수명이 긴 시크릿을 기기에 두지 말고 공급업체의 업데이트를 지켜보자.

방법과 한계

이 글은 Help Net Security, The Register, Hackread, CSO Online이 전한 2026년 10월 29일자 Forever Security의 설명에 의존하며, 독자적으로 검증하지 않았다. OpenAI가 The Register에 한 발언을 제외하면 날짜, 답변, 상태는 모두 연구자의 주장이다. The Register가 접촉한 공급업체(Cursor, GitHub, Microsoft, Anthropic)는 기사가 게재될 때까지 답하지 않았다. Noma Labs 페이지는 직접 다시 읽지 않았다. 기간은 우리가 계산한 것이다. 이는 특정 환경을 위한 보안 조언이 아니며, 그 뒤 수정 상황이 바뀌었을 수 있다.

출처

Forever Security: EMBRACE, hacking 5 AI assistants' embedded browsers (technical) (확인일: 2026-10-30)
Help Net Security: research on AI assistant browser vulnerabilities (확인일: 2026-10-30)
The Register: researchers find bugs in 5 AI developer tools, with OpenAI and Microsoft flaws still unpatched (확인일: 2026-10-30)
Hackread: EMBRACE flaws in AI coding tools (확인일: 2026-10-30)
CSO Online: Claude Code's 256KB blind spot (SneakPeek, Noma) (확인일: 2026-10-30)
Noma Labs: SneakPeek (언론 인용, 직접 다시 읽지 않음)

소버린 AI: 캐나다는 Cohere를, 프랑스는 Mistral을 밀지만 모든 나라가 자체 AI를 갖게 될까?

Fri, 30 Oct 2026 18:00:00 +0100

2026년 10월 29일 캐나다 총리 Mark Carney는 Cohere에 최대 C$16억의 지분 투자를 한다고 발표했다. 프랑스에는 이미 2026년 9월 8일 €30억 규모의 투자 라운드를 발표한 Mistral AI가 있다. 하지만 "자체 AI를 갖는다"는 말은 서로 크게 다른 것들을 아우른다. 사실이 아니라 분석인 우리의 판단은 이렇다. 대부분의 나라는 조정했거나 오픈 모델을 바탕으로 한 소버린 AI를 갖게 되고, 자국만의 프런티어 모델을 갖는 나라는 드물 것이다. 여기서 주권은 독립보다 통제를 뜻한다.

핵심 정리

캐나다(사실): NVIDIA, Bell, Schwarz Group 등 민간 투자자와 함께 Cohere에 최대 C$16억의 지분을 분할 납입한다(총리 보도자료).
프랑스(사실): Mistral은 Samsung Electronics가 주도한 €30억 Series D를 발표했으며, 투자 후 기업가치는 €210억을 넘는다(회사 수치).
세계(사실, Counterpoint): 미국과 중국을 제외하고 55개국 넘게 운영 중인 소버린 LLM을 갖고 있으며, 이런 모델의 56%는 기존 기반 모델을 조정한 것이다.
의존성(분석): 두 회사 모두 Nvidia를 투자자로 두고 있고, Nvidia는 자사 GPU에 대한 미국의 수출 통제를 보고한다. "소버린"이 "자급자족"을 뜻하는 경우는 드물다.

우리는 진술을 세 종류로 구분한다. 사실은 공식 보도자료나 언론에서 온다. 회사 주장은 Cohere나 Mistral이 스스로 밝힌 내용이며 해당 회사의 말로 표기한다. 분석은 우리의 판단이며 그렇게 표시한다. 금액은 원래 통화(C$, €, US$)로 두며 환산하거나 합산하지 않는다. 이 기사는 투자 조언이 아니다.

캐나다는 Cohere에 무엇을 하고 있나?

오타와는 지분을 취득한다. 정부는 이를 민간 투자자와 함께하는 "commercial" 투자라고 설명한다(총리 보도자료). C$16억은 "최대"이며 분할 납입되고 약속 이행을 정기적으로 점검한다. 보도자료는 "$1.6 billion"이라고 쓰지만 캐나다 언론은 캐나다 달러라고 밝힌다. 확보하는 지분율은 우리가 본 출처에 나와 있지 않다.

정부 보도자료에 따른 Cohere의 약속은 다음과 같다. 2030년까지 캐나다에 좋은 보수의 기술직 일자리를 1,000개 이상 새로 만들 것, 2030년까지 캐나다에 17억 달러 이상의 컴퓨팅 인프라를 추가할 것(우리 출처에는 통화가 명시되어 있지 않다), 법인 등록과 본사를 캐나다에 유지할 것, 연구 제휴와 학생·신규 졸업자를 위한 기회를 제공할 것, 캐나다 AI Safety Institute와 계속 협력할 것이다. 2024년에 오타와는 이미 Cohere의 컴퓨팅을 위해 최대 C$2억 4,000만을 약속한 바 있다(캐나다 정부).

Carney는 진정한 주권이 "depends on our ability to build, adopt, and govern AI on our own terms"라고 말했다. AI 담당 장관 Evan Solomon은 캐나다 기업이 세계적으로 성공하기 위해 캐나다를 떠나야 해서는 안 된다고 말하며, 캐나다를 대규모 언어 모델을 가진 몇 안 되는 나라 중 하나라고 불렀다(Global News).

Cohere 자신은 독일 Schwarz 그룹 계열사가 주도하는, 기업가치 C$357억에 최대 C$70억을 목표로 하는 Series E의 1차 클로징을 발표했다. 이는 회사 수치이며, Cohere는 캐나다 기술 업계 역사상 최대 규모의 민간 자금 조달이라고 말하는데 이것은 회사 주장이다. 신규 투자자는 Bell Ventures, Bullhound Capital, 캐나다 정부다. 기존 투자자는 Inovia Capital, NVIDIA, Prosperity7 Ventures다(Cohere 보도자료). Cohere는 2026년 3분기 말 연간 반복 매출이 전년 대비 165% 늘었다고도 밝혔으나 금액은 제시하지 않았고, 고객은 300곳으로 1년 전보다 20배 많다고 했다. 이는 독립적으로 확인하지 못했다. 2026년에 Cohere는 독일 Aleph Alpha와 합쳤다(Global News에 따르면 4월 발표, 총리 보도자료는 최근의 합병이라고 표현).

아래 차트는 두 라운드를 각자의 통화로 보여 준다.

출처: 캐나다 총리, Cohere, TechCrunch를 통한 Mistral. 회사 수치이며 확인일: 2026-10-30.

Mistral은 어디까지 왔나?

2026년 9월 8일 발표된 Mistral의 Series D는 투자 후 기업가치 €210억 초과(TechCrunch에 따르면 약 US$244억)에 €30억을 조달했다. Mistral은 이를 유럽 기술 기업 사상 최대 규모의 지분 라운드라고 부르는데, 이는 회사 주장이다. Samsung Electronics가 주도했고 EQT의 Scaleup Europe 펀드와 PSG Equity가 공동 주도했다. 기존 투자자 a16z, Nvidia, Salesforce Ventures가 참여했고, 신규 투자자 Advent, BlackRock, 룩셈부르크 대공국도 참여했다. ASML은 파트너이자 주요 투자자다. Samsung의 참여는 프랑스 당국의 지지를 받았으며, Emmanuel Macron은 "building a third way in AI"를 언급했다(TechCrunch).

조달 자금은 컴퓨팅과 인프라, 사업 성장, 해외 확장에 쓰인다. Mistral은 20개국에서 사업을 하며 정부와 기업이 통제권을 유지한 채 AI를 쓰도록 돕는다고 밝힌다. "유럽판 ChatGPT"를 만들려는 것이 아니며 중국 모델을 포함한 서드파티 오픈 웨이트 모델도 호스팅한다. 8월에는 처리 지역 선택 도구를 추가했고 7월에는 Microsoft와의 제휴를 확대했다.

인프라 쪽에서 Mistral은 2026년 3월 말 파리 인근 Bruyères-le-Châtel의 데이터센터를 위해 US$8억 3,000만의 부채를 조달했다. Nvidia 칩을 쓰며 2026년 2분기 가동이 예정되어 있다(TechCrunch). 목표는 2027년까지 유럽에서 200MW, 2030년까지 1GW의 컴퓨팅 용량이다. 2월에는 스웨덴 AI 인프라에 US$14억을 발표했다. Series D 이전 총 조달액은 Crunchbase 기준 €28억을 넘었다. 우리가 본 출처에서 Mistral은 매출 수치를 공개하지 않는다.

출처: TechCrunch(2026년 9월 8일, 3월 30일), Mistral 발표. 회사 수치이며 확인일: 2026-10-30.

Nvidia와 외국 펀드가 투자자라면 "소버린"은 무슨 뜻일까?

먼저 사실이다. Nvidia는 Cohere와 Mistral 모두에 이름이 밝혀진 투자자다. Cohere의 주도 투자자는 독일 기업(Schwarz)이고, Mistral의 주도 투자자는 Samsung Electronics다. Schwarz Digits는 Cohere의 모델을 자사 STACKIT 클라우드에 기반하게 할 계획이다.

Nvidia와 외국 펀드가 투자자라면 "소버린"은 무슨 뜻일까?
	Cohere	Mistral AI
주도 투자자	Schwarz 그룹 계열사(독일)	Samsung Electronics
공공 투자자	캐나다 정부	룩셈부르크 대공국
Nvidia	기존 투자자	기존 투자자
그 밖의 투자자	Bell Ventures, Bullhound Capital, Inovia Capital, Prosperity7 Ventures	EQT의 Scaleup Europe 펀드, PSG Equity, Advent, BlackRock, a16z, Salesforce Ventures. ASML은 파트너

국적은 출처가 밝힌 경우에만 적었다. Nvidia는 FY2026 연차 보고서에서 미국이 자사 GPU에 전 세계적 수출 통제를 부과했고, 추가 통제가 나올 가능성이 높으며, 이것이 하류 사용자에게까지 확대될 수 있다고 밝힌다.

우리의 분석: 모델은 한 나라에서 개발되고 호스팅되고 관리되더라도, 칩은 미국 규정의 적용을 받는 미국 공급업체에서 온다. 그렇다면 주권은 외국 의존성이 없다는 뜻이 아니라, 데이터를 어디서 처리하고 누가 계약을 쥐며 어떤 법이 적용되는지를 선택할 수 있는 능력을 뜻한다. Cohere 스스로 US$6,000억 규모의 소버린 AI 시장이라는 McKinsey의 전망을 인용하는데, 이는 회사가 인용한 수치다.

유럽은 무엇을 준비하고 있나?

2026년 7월 30일 EuroHPC Joint Undertaking은 최소 7개 회원국에서 최대 7개의 "AI 기가팩토리"를 구축·운영할 컨소시엄을 선정하는 공모를 시작했다. €200억이 넘는 민간 투자가 예상된다. 신청은 2026년 11월 12일에 마감되고, 선정은 2027년 초로 예상되며, 부지는 선정 후 18개월 안에 가동되어야 한다. 공공 자금(EU와 회원국)이 앵커 고객 역할을 하며, 상당 부분은 2028년부터 2035년까지의 차기 재정 프레임워크에서 나온다(EuroHPC JU). 미국 지출 규모는 빅테크 설비투자 기사를 참고하라.

소버린 LLM을 가진 나라는 이미 몇 곳일까?

미국과 중국을 제외한 Counterpoint Research의 2026년 상반기 "Sovereign AI LLM" 지수는 80개국 넘게 평가했다. 55개국 넘게 운영 중인 소버린 LLM이 있고, 170개 넘는 모델이 분석되었으며, 10곳이 "주권 스펙트럼"의 최전선에 있다. 소버린 LLM의 56%는 기존 기반 모델을 조정한 것이다. Counterpoint는 소버린 LLM을 외국 LLM에 대한 의존을 줄이려는 국가 전략적 이유(데이터 보안, 언어 다양성, 기술 독립)로 개발한 LLM이라고 정의한다.

출처: Counterpoint Research, 2026년 상반기 지수. 확인일: 2026-10-30.

지역별 결과는 다음과 같다. 중동이 앞선다(UAE는 Falcon H1이 1위, 사우디아라비아는 ALLaM과 Jais 2). 인도에는 Sarvam 105B가, 러시아에는 GigaChat 3.1 Ultra(파라미터 7,020억 개)가 있다. 한국은 아시아·태평양 파운데이션 LLM의 17%를, 일본은 11%를 차지한다. 서유럽에서는 모델의 59%가 파운데이션 모델이며 Mistral AI가 이끈다. 캐나다에서는 Cohere가 유일한 소버린 AI 개발사다. 중앙아시아와 아프리카는 약 80%가 조정 모델이다(이집트와 카자흐스탄이 선두). 라틴아메리카에서 소버린 활동은 칠레와 브라질에 한정되며 조정한 Llama 모델이다(Counterpoint Research).

곧 모든 나라가 자체 AI를 갖게 될까?

이 절은 예측이 아니라 우리의 분석이며, 미래에 대한 수치는 제시하지 않는다. 위의 데이터는 세 단계를 시사한다.

프런티어 모델: 이를 가진 나라나 기업은 극소수다. Cohere의 CEO Aidan Gomez는 Cohere를 미국과 중국 밖에서 가장 큰 AI 기업이라고 부르는데, 이 주장은 확인하지 못했다.
국가 또는 지역 파운데이션 모델: 서유럽의 Mistral처럼 소수의 주체가 맡는다.
조정 모델 또는 오픈 모델의 소버린 배포: 조정 모델 비중이 56%임을 고려하면 가장 널리 퍼진 단계다.

확산을 제한할 수 있는 것은 컴퓨팅, 칩, 인재, 비용, 수출 통제다. 확산을 밀어 주는 것은 데이터 보호, 현지 언어, 통제의 정치적 가치다. 이 판단이 맞다면 "모든 나라가 자체 AI를 갖는다"는 대개 세 번째 단계를 뜻하게 될 것이다. 우리가 틀릴 수도 있다.

개발자와 기업에는 무엇이 달라지나?

두 업체 모두 배포 통제를 강조한다. Cohere는 프라이빗·퍼블릭 클라우드, 온프레미스, 에어갭 환경을 내세우며, 2026년 제품에는 에이전트 플랫폼 North와 Command A+가 있다. Mistral은 처리 지역 선택을 제공한다. 현실적인 질문은 어떤 의존성이 남느냐다. 칩, 클라우드, 계약이 그것이다. 모델 페이지에서 모델을 비교하고 용어집에서 용어를 찾아볼 수 있다. 우리는 어떤 구매도 권하지 않는다.

Cohere와 Mistral 비교

Cohere와 Mistral 비교
기준	Cohere (캐나다)	Mistral AI (프랑스)
본사	토론토	프랑스(데이터센터는 파리 인근)
가장 최근 발표된 라운드	Series E, 1차 클로징, 최대 C$70억 목표	Series D, €30억 (2026년 9월 8일)
발표된 기업가치	C$357억	투자 후 €210억 초과
공공 지원	캐나다의 지분 최대 C$16억, 컴퓨팅 C$2억 4,000만(2024년)	룩셈부르크가 신규 투자자, Samsung의 참여를 프랑스 당국이 지지, 우리가 본 출처에는 프랑스 정부 지분 언급 없음
주요 투자자	Schwarz 그룹 계열사	Samsung Electronics
인프라	2030년까지 캐나다에 17억 달러 이상의 컴퓨팅 추가(약속), STACKIT 예정	파리 인근 데이터센터용 부채 US$8억 3,000만, Nvidia 칩, 스웨덴 US$14억
용량 목표	우리가 본 출처에는 명시 없음	2027년까지 유럽 200MW, 2030년까지 1GW
배포	프라이빗·퍼블릭 클라우드, 온프레미스, 에어갭	처리 지역 선택, 오픈 웨이트 모델 호스팅

자주 묻는 질문

캐나다는 Cohere에 얼마를 투자하나?

민간 투자자와 함께 최대 C$16억의 지분을 분할 납입한다(총리 보도자료. 보도자료는 "$1.6 billion"이라고 쓰며 캐나다 언론은 캐나다 달러라고 밝힌다). 확보하는 지분율은 우리가 본 출처에 나와 있지 않다.

Mistral은 프랑스 정부의 지원을 받나?

룩셈부르크가 신규 투자자이고, Samsung의 참여는 프랑스 당국의 지지를 받았으며, Macron은 이번 라운드를 환영했다. 우리가 본 출처에는 프랑스 정부의 지분 투자는 언급되지 않는다.

소버린 AI는 미국으로부터 독립적일까?

반드시 그렇지는 않다. 두 회사 모두 Nvidia가 투자자이고, Nvidia는 자사 GPU에 대한 미국의 수출 통제를 보고한다. 우리의 분석: 주권은 데이터와 모델이 어디서 돌아가는지에 대한 통제이지 완전한 독립이 아니다.

모든 나라가 자체 AI를 갖게 될까?

우리의 판단으로는 대부분의 나라는 조정 모델이나 오픈 모델의 소버린 배포를 갖고, 프런티어 모델을 갖는 나라는 드물 것이다. 이는 예측이 아니라 분석이다.

방법과 한계

사실은 아래 출처에서 가져왔고 2026년 10월 30일에 확인했다. 회사 수치(기업가치, 성장률, 고객 수, 순위)는 감사를 받지 않았으며 해당 회사의 말로 표기했다. 금액은 통화 간에 환산하지 않는다. 기업가치는 발표된 수치이며 우리의 추정이 아니다. Counterpoint의 지수는 미국과 중국을 제외한다. 출처에 언급이 없는 부분은 그렇다고 밝혔다. 이 기사는 투자 조언이 아니다.

출처

Prime Minister of Canada: Canada announces landmark investment in Cohere (확인일: 2026-10-30)
Cohere: Series E announcement (PR Newswire) (확인일: 2026-10-30)
Global News: Ottawa AI investment in Cohere (확인일: 2026-10-30)
TechCrunch: Mistral raises €3B as sovereign AI becomes big business (확인일: 2026-10-30)
TechCrunch: Mistral AI raises $830M in debt for a data center near Paris (확인일: 2026-10-30)
EuroHPC JU: AI gigafactories call (확인일: 2026-10-30)
Counterpoint Research: Sovereign AI LLM index, H1 2026 (확인일: 2026-10-30)
Government of Canada: C$240 million for Cohere's compute (December 2024) (확인일: 2026-10-30)

Binance, 사상 최대 규모 암호화폐 해킹 피해: 거래소를 여전히 믿어도 될까

Fri, 30 Oct 2026 16:00:00 +0100

2026년 10월 29일, 사용자들이 지갑에서 자금이 빠져나가고 있다고 제보하자 Binance가 보안 사고를 확인했다. 2026년 10월 30일 기준 도난액 추정치는 약 63억 달러로, 사실이라면 2025년 2월 Bybit 해킹의 약 4배에 이르는 사상 최대 규모의 암호화폐 도난이다. Binance는 손실을 보전하겠다고 밝혔다. 근본 원인은 공개되지 않았고, 공격자를 공식적으로 지목한 당국도 없다.

핵심 요약

금액: CoinDesk가 전한 TRM Labs와 Binance 자체 추정으로는 약 63억 달러다. 다른 집계는 약 53억 달러에서 59억 달러 사이다. 모두 잠정치다.
원인과 배후: Binance의 잠정 판단은 DevOps 엔지니어의 노트북이 침해됐다는 것이다. TRM Labs는 높은 확신도로 북한 해킹 조직의 소행으로 본다. Binance와 당국 모두 이번 사고에 대해 이를 확인하지 않았다.
동결: 스테이블코인 발행사 등이 약 25억 달러에서 30억 달러를 동결했다. 동결은 회수가 아니다.
신뢰: 이번 사례는 약점이 준비금 수치만이 아니라 핫월렛과 서명 시스템에 있음을 보여 준다. 모든 거래소에 대한 평결은 아니다.

모두 10월 30일 낮 시점의 수치다. 조사는 진행 중이며 수치는 출처마다 다르고 몇 시간 안에 바뀔 수 있다. 우리는 확인된 사항(온체인 데이터, 경영진의 공개 발언), 분석된 사항(TRM Labs, Blockaid, ZachXBT의 분석), 공개되지 않은 사항(공식 근본 원인과 공식 배후 지목)을 구분한다.

Binance에서 무슨 일이 있었나

TechCrunch에 따르면 Binance는 사용자들이 지갑에서 자금이 빠져나간다고 알리자 10월 29일 "보안 사고"를 확인했다. 대변인 Ross O'Leary는 거래소가 "예방 차원에서" 여러 네트워크의 입금과 출금을 중단했다고 말했다. 10월 30일 이 글을 쓰는 시점까지 재개됐다는 보도는 없었다.

아래 차트는 TRM Labs가 관측한 10월 29일(UTC)의 주요 온체인 사건을 시간순으로 놓은 것이다.

출처: TRM Labs, 온체인 관측(분석), 확인일: 2026-10-30.

TRM에 따르면 준비는 최소 36시간 전에 시작됐고, 10월 28일 아침 Tornado Cash를 통해 운영자 지갑에 자금이 채워졌다. 10월 29일에는 XRP가 먼저 빠져나갔고, 20:20에 Bitcoin 핫월렛이 EIP-7702 위임 트랜잭션(승인 50건)과 함께 털렸다. 약 20:23에는 16억 1,500만 USDT를 포함한 Ethereum 핫월렛이 스윕됐고, 이후에도 스윕이 23:56까지 이어졌다.

시장은 당일 반응했다. CoinDesk는 bitcoin 4.8% 하락, ether 5.7% 하락, BNB 8% 하락, AAVE 11% 하락을 전하며, 24시간 동안 약 14억 달러가 청산됐다고 보도했다. 일부는 사고 이전에 bitcoin이 이미 하락하고 있었던 데 따른 것이다. 이는 상황 설명이지 예측이 아니다.

얼마가 어느 블록체인에서 도난됐나

TRM Labs는 각 이체 시점의 가격으로 약 63.6억 달러, 현재 가격으로는 약 62.3억 달러로 집계한다. Binance 자체 추정은 약 63억 달러다(CoinDesk). 차트는 TRM이 10개 블록체인별로 나눈 내역을 보여 준다.

출처: TRM Labs(분석), 확인일: 2026-10-30. 합계 약 63.6억 달러.

Ethereum이 약 37.9억 달러이고 Bitcoin은 18,270 BTC로 약 14.7억 달러다. 모두 인터넷에 연결된 핫월렛이었다(TechCrunch).

추정치가 다른 이유는 무엇일까. 방법과 기준 시점이 다르기 때문이다. Chainalysis는 도난 시점 기준 약 59억 달러로 본다(CoinDesk). Ethereum, Bitcoin, Tron의 온체인 누적 집계는 약 55.7억 달러이고, Glassnode는 약 53억 달러라고 한다(Bitcoin.com News). Arkham은 한때 공격자와 연결된 지갑이 57억 달러 넘게 보유한 것을 확인했다. 오래됐거나 낮은 수치에는 무관한 이체가 섞여 있는 경우도 있다. 규모를 가늠하자면, CoinDesk가 인용한 DefiLlama 데이터에서 Binance의 자산은 약 1,440억 달러였으므로 도난액은 그 약 4%에 해당한다.

무엇이 동결됐고 무엇을 잃었나

여러 발행사가 빠르게 움직였다. 경영진 발언에 따르면 Tether는 15.7억 달러 넘는 USDT(CEO Paolo Ardoino)를, Circle은 8억 달러 넘는 USDC(CEO Jeremy Allaire)를 동결했다. TRM의 온체인 집계로는 각각 약 17.7억 달러와 8억 2,500만 달러다. Binance 공동 CEO Yi He는 Ripple에서 약 2억 달러가 동결됐다고 밝혔지만, TRM이 온체인에서 확인한 것은 RLUSD 4,050만 개뿐이다. World Liberty Financial은 USD1 약 2,780만 달러를, Arbitrum Security Council은 약 3,000만 달러를 동결했다. Aave는 예방 차원에서 Ethereum V3 마켓을 일시 동결했으며, 컨트랙트가 공격받은 것은 아니다.

출처: CoinDesk를 통한 경영진 발언, TRM Labs, 확인일: 2026-10-30.

Binance는 UTC 23:35에 검증된 동결 총액이 25.4억 달러라고 보고했고, 이후 약 30억 달러라고 밝혔다(CoinDesk). TRM의 합계는 약 27억 달러다. 합계는 서로 맞춰지지 않았다. 동결은 발행사 쪽에서 자금을 막는 것이지 사용자에게 돌려주는 것이 아니다.

공격자에게는 무엇이 남아 있을까. TRM은 스테이블코인 발행사의 손이 닿지 않는 420,000 ETH 넘게와 18,270 BTC, 약 24억 달러를 집계했다(10월 30일 UTC 00:30). TRM은 초기 자금 세탁도 관측했다. 약 3억 2,500만 USDT를 UniswapX로 팔아 약 122,300 ETH를 받았는데 할인율이 10%를 넘었다. TRM은 다음 경로로 브리지, 스왑 서비스, OTC 중개인이 유력하다고 평가한다.

공격은 어떻게 가능했나

설명이 두 가지 있으며 어느 쪽도 최종적이지 않다.

Binance(잠정, 공식 발언). 조사 결과 "DevOps 엔지니어의 노트북이 침해됐을 가능성이 있다"고 하며, 이로 인해 서비스 컨테이너에 접근해 무단 출금 요청을 제출할 수 있었을 것이다. Binance는 "지갑 개인 키가 유출됐다는 증거는 없다"고 밝히고, 사실이 검증되면 사후 분석을 내놓겠다고 약속했다(CoinDesk).

TRM Labs(분석). 가장 유력한 원인은 공격자가 Binance의 핫월렛 서명 시스템이 여러 체인에서 트랜잭션에 서명하도록 만들었다는 것이다. Ethereum에서는 계정이 일시적으로 컨트랙트 코드를 실행할 수 있게 하는 EIP-7702가 스위퍼 컨트랙트를 실행하는 데 쓰였고, 연속된 nonce에 미리 서명된 승인 50건이 사용됐다. 나머지 9개 체인에서는 일반적인 서명 이체가 관측됐다. Blockaid는 서명 인프라가 침해됐다는 쪽을 가장 먼저 지목했으며, 키가 유출됐다고는 보지 않는다고 밝혔다.

쉽게 말해 핫월렛은 출금을 빠르게 처리하려고 온라인에 자금을 두므로 자동으로 서명해야 하고, 콜드월렛은 자금을 오프라인에 보관한다. 위의 메커니즘은 Binance의 잠정 판단이거나 외부 분석이다. 공식 근본 원인은 공개되지 않았다.

배후는 누구인가

TRM Labs는 높은 확신도로 이번 도난을 북한 조직 TraderTraitor의 소행으로 본다. FBI가 Bybit 사건에서 지목한 바로 그 조직이다. ZachXBT는 Lazarus일 "가능성이 높다"고 말한다. Blockaid는 수법이 일치한다고 밝혔다. 이는 분석이다. 현 단계에서 Binance와 당국 모두 이번 사고의 배후를 확인하지 않았다. "북한"은 분석가들의 가설로 받아들여야 하며 조사 결과가 아니다.

역대 최대 해킹인가

확인 가능한 수치로는 명목 금액 기준으로 그렇다. TRM과 CoinDesk는 기록된 암호화폐 도난 중 사상 최대라고 설명한다. 차트는 각 도난 시점의 금액을 사용한다.

출처: Decrypt, Fortune(Chainalysis), TRM Labs, The Hacker News, 확인일: 2026-10-30.

2025년 2월 Bybit는 콜드월렛에서 약 14억 달러를 잃었다(Decrypt, Fortune을 통한 Chainalysis). TRM 집계로는 15억 달러이며, FBI는 이를 북한의 소행으로 지목했다. Ronin(브리지, 2022년)은 공개 시점에 약 6억 2,200만 달러, Poly Network(2021년)는 약 6억 1,100만 달러를 잃었으며 후자는 거의 전액이 반환됐다. Coincheck(일본, 2018년)은 약 5억 3,000만 달러를 잃었고 사용자에게 약 4억 달러를 상환했다. Binance 자체도 2019년 5월 약 4,000만 달러를 잃은 적이 있다.

비교에는 한계가 있다. 금액은 도난 시점의 가격으로 산정되고, 브리지 공격은 거래소 핫월렛 도난과 성격이 다르며, 일부 과거 수치는 출처마다 엇갈린다(Decrypt는 Ronin에 대해 5억 5,200만 달러도 제시한다).

사용자는 보상받을까

Binance 공동 CEO Yi He는 "Binance가 모든 해킹 손실을 보전할 것"이며 "사용자 자금은 안전하다"고 말했고, 회사가 수사 당국과 협력하고 있다고 밝혔다. 현재는 경영진이 아니지만 최대 주주인 창업자 Changpeng Zhao는 "Binance에 대한 해킹으로 보인다"고 적었고, 사용자 자금이 "전액 보전될" 것으로 예상했다. Binance는 SAFU 기금과 회사 자금으로 손실을 메우겠다고 밝혔다.

CoinDesk에 따르면 SAFU는 bitcoin으로 약 10억 달러로, 63억 달러에 크게 못 미친다. 따라서 보전 여부는 SAFU만이 아니라 Binance의 재무 상태에 달려 있다. 현재로서는 아무도 검증할 수 없는 약속이다. 선례는 있다. 2019년 SAFU는 출금이 약 일주일간 중단된 뒤 사용자에게 상환했고(The Hacker News), Coincheck은 2018년 약 4억 달러를 상환했다. 둘 다 훨씬 작은 금액이었다.

Binance는 비공식 링크와 메시지를 이용한 사기에 대해서도 경고했다.

암호화폐 거래소를 여전히 믿을 수 있을까

절대적인 평결은 없으며, 이는 금융 조언이 아니다. 거래소가 자산을 보관하므로 사용자는 거래 상대방 위험을 진다. 거래소의 보안, 회계, 지급 능력에 기대는 것이다.

지급준비금 증명(proof of reserves)은 흔히 Merkle 트리나 영지식 증명으로 만드는 스냅숏이다. 특정 시점에 자산이 잔액을 충당함을 보여 준다. 그러나 핫월렛이 안전하다거나 부채가 빠짐없이 반영됐음을 보여 주지는 못하며, 전면 감사도 아니다. 이번 사고는 준비금 스냅숏이 점검하지 않는 핫월렛과 서명 시스템을 노렸다.

더 넓은 맥락도 중요하다. Chainalysis에 따르면 2025년에 34억 달러 넘게 도난당했고, 북한이 약 59%(약 20억 달러, 사상 최대)를 차지했다. 해킹 3건이 전체의 3분의 2 넘게를 차지했다. 수법에는 IT 인력 침투와 사회공학이 포함됐다. 자기 보관에도 위험이 있다. 2025년 개인 지갑 침해는 158,000건으로 2022년의 약 3배였다. 거래 상대방들도 반응했다. Wintermute는 Binance 노출이 자기자본의 20% 미만이라고 밝혔고, GSR은 5% 미만이라고 밝혔다. 같은 날 Polymarket은 외부 서비스 제공업체(DebugBear)가 침해된 뒤 출금을 잠시 중단했고, 사용자 자금 약 200만 달러가 영향을 받았다. Binance와의 연관성은 확인되지 않았다(TechCrunch).

어느 플랫폼이든 확인할 기준:

지급준비금 증명을 공개하는가, 그리고 그 증명이 다루는 범위와 빠진 범위를 설명하는가?
핫월렛과 콜드월렛에 각각 얼마를 보관하며, 서명을 승인할 수 있는 사람은 누구인가?
보험 또는 보상 기금이 있으며 규모를 공개하는가?
과거 사고 때 어떻게 소통했으며 사후 분석을 공개했는가?

보안 수칙:

거래소에는 거래하는 만큼만 두자.
출금 주소 화이트리스트를 켜자.
피싱 방지 코드를 설정하자.
SMS 대신 보안 키나 패스키를 쓰자.
"자금 회수"를 제안하는 메시지는 의심하자. 이런 사고 뒤에는 사기가 따라온다.

비교표

비교표
기준	Binance 2026	Bybit 2025	Binance 2019
금액	약 63억 달러(추정 53억~63.6억 달러)	약 14억 달러(Decrypt, Chainalysis), 15억 달러(TRM)	약 4,000만 달러(약 7,000 BTC)
피해 지갑 유형	핫월렛	콜드월렛	핫월렛
제시된 원인	침해된 DevOps 노트북(Binance, 잠정), 서명 시스템을 통한 사전 서명(TRM, 분석)	여기서는 명시하지 않음	피싱과 바이러스(Binance 발표)
배후 지목	TraderTraitor, 북한(TRM, 분석), 미확인	FBI가 북한으로 지목	여기서는 명시하지 않음
보상	보전을 약속했으나 아직 검증 불가	여기서는 명시하지 않음	SAFU, 출금 약 일주일 중단

자주 묻는 질문

Binance 사용자의 자금은 안전한가

Binance는 사용자 자금이 안전하며 모든 해킹 손실을 보전하겠다고 밝혔다. 현재로서는 이 약속을 독립적으로 검증할 수 없고, 이 글을 쓰는 시점에도 출금은 중단된 상태였다.

얼마가 도난당했나

TRM Labs와 Binance 자체 추정으로는 약 63억 달러이고, Chainalysis는 약 59억 달러라고 하며 다른 온체인 집계는 더 낮다. 모든 수치는 잠정치이며 측정 방식이 다르다.

해킹의 배후는 누구인가

TRM Labs는 높은 확신도로 북한 조직 TraderTraitor의 소행이라고 보고, ZachXBT는 Lazarus를 거론한다. Binance와 당국 모두 이번 사고에 대해 확인하지 않았다.

Binance에서 암호화폐를 인출해야 할까

개인이 판단할 문제이며 우리의 조언이 아니다. 이 글을 쓰는 시점에 출금이 중단돼 있으므로, 행동하기 전에 위의 기준과 Binance의 공식 발표를 확인하자.

방법과 한계

이 글은 2026년 10월 30일 낮 시점의 공개 보도(주로 TRM Labs, TechCrunch, CoinDesk)와 경영진 발언에 근거한다. 온체인 관측은 외부 분석 업체에서 나온 것이므로 분석으로 표시했다. 금액은 산정 시점과 방법에 따라 달라지며, 출처 간 합계는 맞춰지지 않았다. 이 글의 어떤 내용도 투자 조언이나 가격 예측이 아니다. Binance가 사후 분석을 공개하거나 당국이 공격자를 지목하면 이 글을 수정하겠다.

출처

TechCrunch: Binance pauses withdrawals as hackers are suspected of stealing billions in crypto (확인일: 2026-10-30)
TRM Labs: North Korea steals $6.36 billion from Binance in the largest hack in history (확인일: 2026-10-30)
CoinDesk: Potential multi-billion Binance hack hitting crypto markets (확인일: 2026-10-30)
CoinDesk: live updates (확인일: 2026-10-30)
Bitcoin.com News: Inside the $5.8B Binance hack, what's confirmed and what isn't (확인일: 2026-10-30)
Blockaid: Binance hack analysis (확인일: 2026-10-30)
Decrypt: Biggest crypto hacks of all time (확인일: 2026-10-30)
Fortune: North Korea stole a record amount of crypto (Chainalysis) (확인일: 2026-10-30)
The Hacker News: Binance cryptocurrency hacked (2019) (확인일: 2026-10-30)

Apple MacBook Pro에 터치스크린: PROLED XDR OLED, M5 Pro와 M5 Max, 2,899달러부터

Fri, 30 Oct 2026 14:00:00 +0100

2026년 10월 28일 Apple은 PROLED XDR이라 부르는 탠덤 OLED 디스플레이와 Mac 최초의 터치를 갖춘 14인치와 16인치 MacBook Pro 신제품을 발표했다. M5 Pro와 M5 Max 칩을 쓰며 미국 가격은 2,899달러부터 시작한다. 주문은 10월 28일에 열렸고, 제품은 2026년 11월 6일 금요일에 고객과 매장에 도착한다.

핵심 요약

디스플레이: 터치 센서가 패널에 내장된 14.2인치와 16.3인치 탠덤 OLED로, 이 모델들에서 Mini-LED를 대체한다. Apple은 최대 피크 밝기가 2,000니트라고 밝힌다.
터치: 스크롤, 핀치 줌, 드래그 앤 드롭을 지원하며, Touch ID는 있지만 Face ID는 없다. Apple의 보도 자료는 스타일러스를 언급하지 않는다.
가격과 날짜: 2,899달러(14인치 M5 Pro)부터 4,799달러(16인치 M5 Max)까지이며 2026년 11월 6일에 출시된다.
본체: Apple에 따르면 14인치는 3파운드(약 1.36kg), 16인치는 4파운드(약 1.81kg)로 이전보다 가볍다.

별도 언급이 없는 한 수치는 Apple의 10월 28일 보도 자료에서 가져왔다. 이는 Apple 자체의 주장이며, 우리는 제품을 테스트하지 않았다.

터치스크린 MacBook Pro에서 무엇이 달라지나

세 가지가 한꺼번에 바뀐다. 화면 기술, 입력 방식, 본체다. 디스플레이는 Mini-LED 패널을 대체하는 PROLED XDR이라는 탠덤 OLED 패널이며, 터치 센서가 여기에 직접 내장된다. 노치는 Dynamic Island로 바뀐다. 화면을 만질 때 안정적이도록 힌지가 새로워졌고, 섀시는 더 얇고 가벼워졌다.

Apple의 하드웨어 총괄 Johny Srouji는 이를 “the world's best laptop display”라고 부른다. 이는 Apple의 주장이지 독립적인 검증 결과가 아니다. 칩은 2026년 3월과 같은 M5 Pro와 M5 Max다.

macOS에서 터치는 어떻게 작동하나

Apple은 스크롤, 핀치 줌, 드래그 앤 드롭, 더블 탭으로 화면 채우기, 스와이프로 창 배치를 들었다. 화상 통화 중 터치를 쓸 때를 위해 고급 비디오 안정화 기능도 추가했다고 한다. 소프트웨어는 macOS 27 “Golden Gate”다.

MacRumors에 따르면 macOS가 터치를 클릭으로 변환하므로 기존 앱 상당수가 이미 작동한다. Apple은 개발자를 위해 제스처 API도 업데이트했다. 보도 자료는 스타일러스를 언급하지 않으며, 노트북은 Face ID 대신 Touch ID를 유지한다.

Dynamic Island는 Spotlight, 실시간 현황(Live Activities), Siri AI를 화면 상단으로 가져온다. Siri AI는 macOS 27.2에서 6개 언어로 베타 제공되며, 서버 기반 기능 일부에는 일일 사용 한도가 있다. 이곳의 Spotlight는 Siri AI를 쓸 수 있고 켜져 있어야 한다.

PROLED XDR 디스플레이는 주장대로일까

아직은 알 수 없다. 이는 Apple의 수치이지 독립적인 측정이 아니며, 보도 자료는 해상도를 밝히지 않는다. 아래 차트는 새 피크 밝기를 이전 모델의 HDR 수치와 비교한다.

출처: Apple 보도 자료(2026년 10월 28일). 이전 모델 수치는 9to5Mac.

9to5Mac에 따르면 Apple은 HDR과 SDR 모두에서 최대 2,000니트의 피크 밝기를 내세우며, 이전 모델은 HDR에서 1,600니트였다. 명암비 10,000,000:1과 10Hz에서 120Hz의 ProMotion도 내세운다. 색 영역으로는 P3, Adobe RGB, Rec. 2020의 80% 이상을 든다.

화면에는 반사 방지 코팅이 있고, 유리에 새겨 넣는 나노 텍스처 옵션, DICOM 모드(진단 목적이 아닌 용도), 서드파티 하드웨어와의 젠록도 지원한다.

가격과 출하 시기

미국 가격은 2,899달러에서 4,799달러까지이며, 교육 할인가는 150달러에서 300달러 낮다. 사전 주문은 2026년 10월 28일 미국을 포함한 30개 국가와 지역에서 열렸고, 배송과 매장 판매는 2026년 11월 6일 금요일에 시작한다. 일부 매체는 사전 주문을 “10월 30일”이라고 썼지만, 기준은 Apple의 보도 자료다.

출처: Apple 보도 자료(2026년 10월 28일). 미국 표준 가격.

교육 할인가는 같은 순서로 2,749달러, 3,199달러, 4,199달러, 4,499달러다. Apple Upgrade 리스는 세전 36개월 동안 월 55.99달러부터 시작한다. 전원 어댑터는 59달러(70W), 79달러(96W), 99달러(140W)에 판매된다.

더 얇고 가벼워졌나

Apple에 따르면 그렇다. 14인치는 3파운드(약 1.36kg)로 이전보다 0.5파운드 가볍고, 16인치는 4파운드(약 1.81kg)로 0.7파운드 가볍다.

출처: Apple 보도 자료(2026년 10월 28일).

14인치는 0.5mm, 16인치는 1mm 가까이 얇아졌다. Apple은 케이스가 100% 재활용 알루미늄이라고 밝힌다.

Apple은 2026년 9월 테스트에서 배터리 사용 시간이 최대 24시간(사용 방식과 구성에 따라 다름)이고, 고속 충전은 30분에 50%까지 된다고 밝힌다. 포트는 Thunderbolt 5 3개, HDMI, SDXC 카드 슬롯, MagSafe, 헤드폰 잭이며 Wi-Fi 7과 Bluetooth 6을 지원한다.

로컬 AI와 개발자에게 달라지는 점

칩은 2026년 3월 발표와 같다. 메모리는 M5 Max에서 최대 128GB 통합 메모리(M5 Pro는 3월 발표 기준 최대 64GB), 저장 공간은 최대 16TB다. 메모리 대역폭은 M5 Pro에서 307GB/s, M5 Max에서 614GB/s에 이른다. 로컬 AI에서는 메모리 용량과 대역폭이 가장 중요하다. 용어집과 모델 비교를 참고하라.

GPU 코어마다 Neural Accelerator가 있다. Apple은 2026년 2월 테스트에서 M4 Pro와 M4 Max에 비해 AI용 GPU 피크 연산이 4배 이상이라고 밝힌다. 3월에 Apple은 M5 Pro에 최대 20개, M5 Max에 최대 40개의 GPU 코어와 18코어 CPU(슈퍼 코어 6개, 퍼포먼스 코어 12개)를 제시했다. 10월 보도 자료는 이 모델들의 코어 수를 다시 밝히지 않으므로 여기서는 단정하지 않는다.

개발자를 위해 보도 자료는 업데이트된 제스처 API를 언급한다. Apple은 각주에서 Notion, Canva, Zoom, Microsoft Word, Excel, PowerPoint, Outlook, Adobe Lightroom, DaVinci Resolve, Blender, Maxon Cinema 4D와 ZBrush, Shapr3D, djay Pro를 “later this year” 나올 서드파티 앱으로 꼽는다.

터치 모델과 3월 모델 중 무엇을 살까

2026년 3월 모델도 계속 판매되며, 9to5Mac에 따르면 가격은 그대로다. Apple의 보도 자료는 이를 확인하지 않는다. 두 모델은 M5 Pro와 M5 Max 칩을 공유하므로 성능은 비슷할 것이다. 다만 OLED 디스플레이도, 빛나는 로고도, 더 얇은 디자인도 없다.

선택은 터치, 화면 종류와 밝기, 무게, 가격이라는 각자가 저울질해야 할 기준에 달려 있다. TrendForce는 9to5Mac을 통해, Apple이 2027년에 이 MacBook Pro를 120만 대에서 150만 대 출하할 수 있다고 추산한다. 이는 애널리스트의 추정이지 Apple의 수치가 아니다.

비교표

비교표
기준	새 MacBook Pro (터치, PROLED XDR)	2026년 3월 MacBook Pro (Mini-LED)
디스플레이	탠덤 OLED, 14.2인치와 16.3인치	Mini-LED
피크 밝기	최대 2,000니트(HDR과 SDR)	HDR 1,600니트(9to5Mac)
터치	있음, 패널에 내장	없음
화면 상단	Dynamic Island	노치
무게, 14인치 / 16인치	3파운드 / 4파운드	3.5파운드 / 4.7파운드
칩	M5 Pro, M5 Max	M5 Pro, M5 Max
미국 시작 가격	2,899달러부터	변동 없음으로 보도(9to5Mac), Apple은 확인하지 않음

자주 묻는 질문

새 MacBook Pro에 터치스크린이 있나?

그렇다. Apple은 Mac 최초의 터치이며 터치 센서가 PROLED XDR 패널에 내장돼 있다고 밝힌다.

가격과 출하 시기는?

미국 기준으로 14인치 M5 Pro의 2,899달러부터 16인치 M5 Max의 4,799달러까지다. 사전 주문은 2026년 10월 28일에 열렸고 배송은 2026년 11월 6일에 시작한다.

Face ID나 스타일러스가 있나?

Face ID는 없고 Touch ID가 있다. Apple의 보도 자료는 스타일러스를 언급하지 않는다.

어떤 칩을 쓰나?

2026년 3월 MacBook Pro와 같은 M5 Pro와 M5 Max이며, 통합 메모리는 최대 64GB(M5 Pro) 또는 128GB(M5 Max)다.

방법과 한계

수치는 Apple의 2026년 10월 28일 보도 자료와 2026년 3월 3일 칩 발표에서, 표시한 경우에는 9to5Mac과 MacRumors에서 가져왔다. 이는 Apple의 주장이다. 아직 독립적인 테스트가 없으며 OrigoTech도 제품을 테스트하지 않았다. 가격은 미국 가격이며 다른 곳에서는 다를 수 있다. 이전 모델의 가격은 9to5Mac에서만 가져왔다. TrendForce 수치는 애널리스트의 추정이다. 구매 조언이 아니다.

출처

Apple Newsroom: Apple unveils groundbreaking MacBook Pro with PROLED XDR display (확인일: 2026-10-30)
Apple Newsroom: Apple debuts M5 Pro and M5 Max (March 3, 2026) (확인일: 2026-10-30)
9to5Mac: Apple announces redesigned MacBook Pro, its first touchscreen Mac (확인일: 2026-10-30)
MacRumors: Apple's new MacBook Pro (확인일: 2026-10-30)
9to5Mac: Apple expected to ship up to 1.5 million OLED touchscreen MacBook Pros in 2027 (TrendForce) (확인일: 2026-10-30)

빅테크 AI 설비투자, 한 분기에 2,070억 달러 도달…AWS·Azure·Google Cloud 성장 가속

Fri, 30 Oct 2026 10:00:00 +0100

2026년 10월 30일 기준으로 Amazon, Microsoft, Alphabet, Meta가 모두 9월 분기 실적을 발표했다. 네 회사가 한 분기에 쓴 설비투자(capex)는 합계 약 2,070억 달러다. 클라우드 매출은 AWS가 39%, Azure가 48%, Google Cloud가 103% 늘었고, Amazon과 Microsoft는 모두 수요가 공급 가능한 용량을 여전히 웃돈다고 밝혔다.

핵심 정리

지출: 네 그룹의 2026년 3분기 설비투자 합계는 2,074억 달러다(Amazon 759억 달러, Alphabet 514억 달러, Microsoft 452억 달러, Meta 349억 달러).
성장: AWS +39%(5년 가까이 만에 가장 빠른 속도), Azure +48%, Google Cloud +103%이며, 모두 전년 동기 대비다.
전망: Amazon, Alphabet, Meta의 2026년 설비투자 가이던스는 합계 5,500억~5,700억 달러이고, Amazon과 Alphabet은 2027년에 더 늘어날 것으로 본다.
현금: Alphabet, Meta, Amazon 모두 투자가 영업현금을 웃돌아 잉여현금흐름이 마이너스다.

2026년 3분기는 2026년 9월 30일에 끝난 분기를 뜻한다. Microsoft는 회계연도 1분기(7월~9월)다. 별도 표기가 없으면 수치는 각 회사의 자료와 컨퍼런스콜에서 가져왔다. 이 기사는 Microsoft와 Alphabet을 다룬 10월 29일 기사의 후속으로, Amazon과 Meta를 더해 완성했다.

AWS, Azure, Google Cloud는 얼마나 빠르게 성장하고 있나?

세 클라우드 사업부 모두 모회사보다 빠르게 성장했으며, 특히 Google Cloud의 성장세가 두드러진다. 아래 차트는 사업부별 분기 매출과 성장률을 보여 준다.

출처: Amazon, Microsoft, Alphabet의 2026년 3분기 실적. 수치는 각 회사가 발표한 그대로다.

AWS 매출은 460억 달러로 39% 늘었고, 영업이익은 178억 달러, 연환산 매출 규모는 1,840억 달러였다. Amazon의 전체 매출은 2,019억 달러(+12%), 순이익은 207억 달러였다. CNBC에 따르면 주당순이익은 1.89달러로 예상치 1.96달러에 못 미쳤다. CEO Andy Jassy는 "Overall demand for AWS capacity remains exceptionally strong."이라고 말했다.

Azure 매출은 331.7억 달러로 48% 늘었으며, Microsoft 전체 매출은 923억 달러(+19%)였다. Microsoft Cloud는 639억 달러(+30%)에 달했다. Microsoft는 클라우드 영업이익을 공개하지 않았다. Google Cloud 매출은 307억 달러(30,709백만 달러)로 전년 동기의 152억 달러에서 늘었고, 영업이익은 36억 달러에서 111억 달러로 증가했다. Alphabet의 전체 매출은 1,276억 달러(+25%)였다.

빅테크 네 곳은 한 분기에 얼마를 투자했나?

네 회사는 석 달 동안 합계 2,074억 달러를 투자했다. Amazon이 759억 달러로 가장 많고, 클라우드 사업이 없는 Meta도 349억 달러를 쓴다.

출처: 각 회사의 2026년 3분기 자료. Amazon 수치는 현금 기준 설비투자다.

Amazon에 관해 한 가지 유의할 점이 있다. CNBC는 773억 달러로 보도했지만 이 기사는 현금 설비투자 759억 달러를 쓴다. 차이가 어디서 비롯됐는지는 확인하지 못했다. Meta의 설비투자는 1년 전 194억 달러였다.

2026년과 2027년 계획은?

네 곳 중 세 곳이 2026년 연간 목표를 제시한다. Amazon은 약 2,200억 달러(변동 없음), Alphabet은 1,950억~2,050억 달러, Meta는 1,350억~1,450억 달러(기존 1,300억~1,450억 달러에서 범위를 좁힘)다. 합치면 5,500억~5,700억 달러다.

출처: Amazon, Alphabet, Meta의 2026년 3분기 실적 및 컨퍼런스콜.

Microsoft는 연간 목표를 제시하지 않지만 다음 분기 설비투자가 500억 달러를 넘을 것으로 예상한다. Amazon은 2027년에 지출이 "meaningfully" 늘어날 것으로, Alphabet은 설비투자가 "increase significantly"할 것으로 내다봤으며, Meta는 2027년 설비투자 수치를 내놓지 않았다. CEO Mark Zuckerberg는 Muse 서비스를 "compute-intensive"하다고 설명했다. Microsoft CFO Amy Hood는 "We still have demand that exceeds supply."라고 말했다. 그는 다음 분기 Azure 성장률을 고정환율 기준 49%~50%로 가이던스했다.

수주잔고는 지출을 정당화하는가?

계약된 수주잔고는 Microsoft 6,770억 달러, AWS 5,780억 달러, Google Cloud 5,610억 달러로 규모가 크다. 이 수치들은 직접 비교할 수 없다.

출처: Microsoft, Amazon, Alphabet의 2026년 3분기 실적 및 컨퍼런스콜.

Microsoft의 수치는 상업 잔여 이행 의무(RPO)로 73% 늘었다. Azure만이 아니라 모든 상업 계약을 포함한다. 수주잔고는 계약은 됐지만 아직 인식되지 않은 매출이며, 계약은 지연되거나 재협상될 수 있다. 이는 수요를 보여 줄 뿐 이익을 뜻하지는 않는다. 설비투자의 정의도 조금씩 다르다. Microsoft는 금융리스를 포함하고, Alphabet은 부동산·설비 매입액을 집계하며, Amazon은 현금 설비투자를 쓴다.

잉여현금흐름은 따라가고 있나?

완전하지는 않다. 잉여현금흐름은 영업현금흐름에서 설비투자를 뺀 값이며, 아래 수치는 기준이 달라 항목별로 직접 비교해서는 안 된다.

Alphabet: 3분기 마이너스 91억 달러(영업현금흐름 423억 달러에서 설비투자 514억 달러를 뺀 값).
Meta: 3분기 마이너스 21억 달러이며, 1년 전에는 플러스 106억 달러였다.
Amazon: 최근 12개월 기준 마이너스 424억 달러이며, 1년 전에는 플러스 147억 달러였다(Constellation Research).

Alphabet과 Meta는 분기 수치이고 Amazon은 12개월 수치다. 클라우드 마진은 오르고 있다. Google Cloud의 영업이익은 36억 달러에서 111억 달러로 늘었다. 그렇다고 이 그룹들이 손실을 내는 것은 아니다. 투자가 현금을 소모하고 있을 뿐이다.

비교표

비교표
	클라우드 매출 3분기	전년 대비 성장률	클라우드 영업이익	그룹 설비투자 3분기	그룹 설비투자 2026년	수주잔고
AWS (Amazon)	460억 달러	+39%	178억 달러	759억 달러(현금 기준, CNBC는 773억 달러)	약 2,200억 달러(변동 없음), 2027년 "meaningful" 증가	5,780억 달러
Azure (Microsoft)	331.7억 달러	+48%	비공개	452억 달러(금융리스 포함)	연간 목표 없음, 다음 분기 500억 달러 이상	6,770억 달러(상업 RPO, +73%, 모든 계약)
Google Cloud (Alphabet)	307억 달러	+103%(전년 152억 달러)	111억 달러(전년 36억 달러)	514억 달러(부동산·설비 매입액)	1,950억~2,050억 달러, 2027년 "increase significantly"	5,610억 달러
Meta	클라우드 없음	해당 없음	해당 없음	349억 달러(1년 전 194억 달러)	1,350억~1,450억 달러(기존 1,300억~1,450억 달러)	해당 없음

개발자에게 의미하는 것

실무에서는 용량이 쟁점이다. Amazon은 고객 수요가 "exceptionally strong"하다고 하고 Microsoft는 수요가 공급을 웃돈다고 하므로, AI 워크로드를 계획할 때는 사용 가능한 용량이 주시해야 할 제약일 수 있다. Jassy는 Amazon이 "14초마다" AI 가속기를 하나씩 설치하고 있고, Graviton과 Trainium 칩에 대한 약정이 1년 새 20배로 늘었으며, Trainium이 2027년 하반기부터 AWS 밖에서도 제공될 것이라고 말했다(MarketBeat 컨퍼런스콜 요약). Google은 TPU 판매가 Google Cloud에 "a meaningful contributor"였다고 밝혔고, Gemini API가 분당 약 320억 토큰을 처리하며 이는 1년 전의 4배가 넘고 Gemini 앱 사용자는 10억 명이라고 했다. Jassy는 또 AWS가 2027년과 2028년에 40% 넘게 성장하고 5년에서 10년 안에 연매출 1조 달러에 이를 수 있다고 말했다. 이는 경영진의 발언이며 우리의 전망이 아니다. 모델과 가격을 비교하려면 모델 비교와 용어집을 참고하라.

자주 묻는 질문

빅테크는 2026년 3분기에 얼마를 썼나?

Amazon, Alphabet, Microsoft, Meta는 한 분기에 설비투자로 2,074억 달러를 썼다. 각각 759억 달러, 514억 달러, 452억 달러, 349억 달러다. 정의는 회사마다 조금씩 다르다.

어느 클라우드가 가장 빠르게 성장하나?

Google Cloud가 +103%로 307억 달러를 기록해 가장 빠르다. Azure는 +48%, AWS는 +39%다. 규모가 가장 큰 곳은 460억 달러의 AWS다.

지출을 현금흐름으로 감당하고 있나?

현재는 그렇지 않다. Alphabet(마이너스 91억 달러), Meta(마이너스 21억 달러), Amazon(12개월 기준 마이너스 424억 달러) 모두 잉여현금흐름이 마이너스이며, 기준 기간은 서로 다르다.

다음에 무엇을 지켜봐야 하나?

Microsoft의 다음 분기 Azure 성장률 49%~50% 가이던스와 500억 달러 이상의 설비투자, 그리고 Meta와 Microsoft의 2027년 설비투자 수치다. Amazon과 Alphabet은 이미 2027년에 더 늘어날 것이라고 밝혔다.

방법과 한계

설비투자는 부동산, 설비, 데이터센터에 쓴 현금이다. Microsoft의 수치는 금융리스를 포함하므로 네 수치는 비슷하지만 같지는 않다. 수주잔고(RPO)는 계약됐으나 아직 인식되지 않은 매출이다. 잉여현금흐름은 영업현금흐름에서 설비투자를 뺀 값이며, 위에서 보듯 기준 기간이 회사마다 다르다. 모두 회사가 발표한 미감사 수치이고 아래 날짜에 수집했으며, 출처마다 조금씩 다를 수 있다(Amazon 관련 주석이 그 예다). 주식 시장 데이터는 제공하지 않는다. 이 기사는 투자 조언이 아니다.

출처

Alphabet: Third Quarter 2026 Results (SEC filing) (확인일: 2026-10-30)
Microsoft: Microsoft announces first quarter results (확인일: 2026-10-29)
CNBC: Microsoft earnings report (확인일: 2026-10-29)
The Motley Fool: Microsoft Q1 2027 earnings call transcript (확인일: 2026-10-29)
The Motley Fool: Alphabet Q3 2026 earnings call transcript (확인일: 2026-10-29)
CNBC: Amazon Q3 earnings report (확인일: 2026-10-30)
Constellation Research: AWS Q3 revenue growth surges 39%, capex stings Amazon's cash flow (확인일: 2026-10-30)
MarketBeat: Amazon Q3 earnings call highlights (확인일: 2026-10-30)
Fortune: Meta Q3 earnings, Zuckerberg, capex and Muse (확인일: 2026-10-30)
Meta: Meta Reports Third Quarter 2026 Results (확인일: 2026-10-29)

GitHub Octoverse 2026: 이제 풀 리퀘스트의 40% 넘게를 AI 에이전트가 시작한다

Fri, 30 Oct 2026 09:30:00 +0100

2026년 3월 GitHub 풀 리퀘스트의 17%는 코딩 에이전트가 쓴 초안으로 시작되었다. 9월에는 이 비율이 40%를 넘었다. 2026년 10월 28일 GitHub Universe 발표와 함께 공개된 GitHub의 연례 Octoverse 보고서의 핵심 수치다(GitHub).

이는 GitHub 자체 플랫폼의 측정값이다. GitHub는 Copilot과 코딩 에이전트도 판매하므로, 이 보고서는 GitHub 플랫폼이 어떻게 쓰이는지에 대한 유용한 데이터이지 독립적인 감사가 아니다.

핵심 수치

에이전트가 시작한 풀 리퀘스트: 2026년 9월에 40% 넘게로, 3월의 17%와 비교된다. 9월 한 달에만 약 1억 1,000만 건이며 3월 물량의 약 6배다.
전체 활동: 2026년 9월 30일까지 12개월 동안 푸시 179억 건으로 2024년과 2025년을 합친 것보다 많고, 커밋 343억 건, 병합된 풀 리퀘스트 13억 건(하루 약 350만 건)이다.
Copilot 사용자의 에이전트 이용: Copilot 월간 활성 사용자의 55%가 에이전트 기능을 사용하며, 1년 전에는 35%였다.
여러 모델: 9월에 모델을 직접 고르는 Copilot 사용자의 61%가 둘 이상을 사용했으며, 4개월 전의 50%에서 늘었다.

모든 수치의 출처: GitHub의 Octoverse 2026 글.

“에이전트가 시작했다”의 의미

GitHub는 첫 초안이 GitHub가 탐지할 수 있는 코딩 에이전트에게서 나온 풀 리퀘스트를 에이전트가 시작한 것으로 센다. 이후 개발자가 일부를 다시 써도 그대로 집계된다. GitHub는 일부 에이전트 사용은 탐지되지 않으므로 이 수치를 하한선이라고 부른다.

따라서 40%는 GitHub에 병합된 코드의 40%를 에이전트가 썼다는 뜻이 아니다. 보고서는 각 에이전트 초안이 리뷰 후 얼마나 남는지도 밝히지 않고, 공개 리포지토리와 비공개 리포지토리로 수치를 나누어 제시하지도 않는다.

에이전트의 풀 리퀘스트도 그만큼 병합되는가?

GitHub에 따르면 에이전트가 시작한 풀 리퀘스트의 약 87%는 여러 파일을 변경하며, 그렇지 않은 풀 리퀘스트는 79%다. 2월에는 에이전트가 관여한 풀 리퀘스트의 83%가 2주 안에 병합되어, 나머지의 약 86%에 조금 못 미쳤다. 9월에는 에이전트 쪽 수치가 90%에 이른 반면 비교 집단은 86% 안팎에 머물렀다.

병합률은 변경이 받아들여졌는지를 재는 것이지, 정확했는지 또는 나중에 수정이 필요했는지를 재는 것이 아니다. GitHub는 에이전트 설정 파일이 있는 새 리포지토리의 커밋 수가 없는 리포지토리의 8배였다고도 밝힌다. 이는 상관관계일 뿐, 이 파일이 추가 활동의 원인이라는 증거는 아니다.

리뷰가 병목이 되는 이유

에이전트가 초안을 쓰는 변경의 비중이 커지면 사람의 일은 작업을 명세하고 결과를 리뷰하는 쪽으로 옮겨 간다. 같은 주에 나온 GitHub 자체 출시도 그 방향을 가리킨다. Copilot Fusion은 작업마다 모델을 골라 조합하고, Agent Merge는 풀 리퀘스트에서 실패한 검사와 병합 충돌을 지켜본다.

보고서는 AI 지원 코드 리뷰와 GitHub Advanced Security의 사용량이 각각 전년 대비 90% 넘게 늘었으며, 노출된 비밀 정보를 막는 푸시 보호가 올해 58억 건의 검사를 수행했다고도 밝힌다.

언어와 국가

TypeScript는 기여자 기준으로 GitHub에서 가장 많이 쓰이는 언어이며 Python과 JavaScript가 뒤를 잇는다. GitHub의 개발자는 이제 2억 2,500만 명이 넘는다. 미국(3,830만 명)과 인도(3,200만 명)가 가장 큰 두 커뮤니티이며, 프랑스는 475만 명이다.

기억해 둘 점

40%는 첫 초안이 탐지 가능한 에이전트에게서 나온 풀 리퀘스트의 비율이며, GitHub가 자체 플랫폼에서 측정한 값이다.
이는 하한선이며, 코드 품질이나 에이전트 코드가 실제 서비스에 얼마나 들어가는지를 재는 수치가 아니다.
팀에게 실질적인 질문은 에이전트를 써야 하는가보다 그 결과물을 어떻게 리뷰하는가다. 테스트, 필수 검사, 명확한 작업 설명이 답이다.

Microsoft와 Google 실적: AI 투자가 늘며 Azure는 48% 성장, Google Cloud는 두 배로

Thu, 29 Oct 2026 09:30:00 +0100

이 정리는 2026년 10월 28일 수요일의 소식을 다룬다. Microsoft와 Alphabet은 같은 날 저녁 9월 분기 실적을 발표했고, 두 회사 모두 같은 방향을 가리킨다. AI 클라우드 수요는 여전히 이를 처리할 용량보다 빠르게 늘고 있다. 모델 쪽에서는 한 소규모 팀이 토큰을 하나씩 만드는 대신 확산 방식으로 텍스트를 생성하는 오픈 웨이트 언어 모델 Clover-35B를 공개했다. OpenCode, Zed, Cline도 새 버전을 내놓았다. 별도로 밝히지 않는 한 수치는 각 회사의 공식 발표에서 가져왔다.

Microsoft: Azure 48% 성장, 처음으로 달러 금액 공개

Microsoft는 회계연도 1분기(2026년 7월부터 9월)에 매출 923억 달러로 전년 대비 19% 증가했다고 보고했다. Microsoft Cloud 매출은 639억 달러(+30%)에 이르렀고 Azure는 48% 성장했다(Microsoft 보도 자료). 이 회사는 처음으로 Azure 매출을 달러로 밝혔는데, CNBC에 따르면 이번 분기 331억 7,000만 달러다.

지출: 금융 리스를 포함한 설비 투자는 452억 달러였다. CFO Amy Hood는 이번 분기에 예정되었던 일부 제3자 용량 인도가 지연되었으며, 설비 투자의 약 4분의 3이 주로 CPU와 GPU 같은 수명이 짧은 자산에 쓰였다고 말했다(실적 발표 컨퍼런스 콜 녹취록, The Motley Fool).
수주 잔고: 아직 매출로 인식되지 않은 계약 매출인 상업 부문 잔여 이행 의무는 73% 늘어 6,770억 달러가 되었다.
Foundry: Microsoft의 모델 및 에이전트 플랫폼은 매출이 전년 대비 “세 배 넘게” 늘었으나 달러 금액은 밝히지 않았다.
전망: CNBC에 따르면 Microsoft는 다음 분기 Azure 성장률을 고정 환율 기준 49%에서 50%로, 설비 투자를 500억 달러 이상으로 예상한다. Hood는 “공급을 넘어서는 수요가 여전히 있다”고 말했다.

Alphabet: Google Cloud 103% 성장, TPU 판매 포함

Alphabet의 3분기 매출은 25% 늘어 1,276억 달러가 되었다. Google Cloud는 두 배 넘게 성장해 매출 307억 달러(+103%)를 기록했으며, 1년 전에는 152억 달러였고 영업 이익은 111억 달러였다(Alphabet 실적 발표, SEC). Google은 자체 AI 칩인 TPU 시스템의 판매가 “의미 있는 기여 요인”이었다고 밝힌다. 이는 Oracle이 2027년부터 자사 클라우드에서 제공할 계획인 바로 그 제품이며, 10월 28일 정리에서 다룬 바 있다.

사용량: Sundar Pichai는 Google의 자사 모델 API가 이제 분당 320억 토큰에 가까운 양을 처리하며 이는 1년 전의 네 배가 넘고, Gemini 앱 사용자가 10억 명에 이르렀다고 말한다.
지출: 이번 분기 부동산 및 설비 구매는 514억 달러에 달했다. 잉여 현금 흐름은 마이너스 91억 달러로 돌아섰다.
전망: CFO Anat Ashkenazi는 2026년 설비 투자 범위를 1,950억 달러에서 2,050억 달러로 유지하고, 2027년에는 설비 투자가 “크게 늘어날” 것으로 예상한다. Google Cloud의 수주 잔고는 5,610억 달러다(실적 발표 컨퍼런스 콜 녹취록, The Motley Fool).

Meta는 일주일 앞선 10월 21일에 실적을 발표했다. 이번 분기 설비 투자는 349억 달러였고, 2026년 범위는 1,350억 달러에서 1,450억 달러로 좁혀졌다(Meta 보도 자료). Amazon은 아직 실적을 발표하지 않았다.

개발자에게 의미하는 바

개발자가 주목할 것은 숫자의 크기보다 용량이다. Microsoft와 Google 모두 수요가 처리 가능한 양을 넘는다고 말하며, 두 회사 모두 자체 데이터센터가 완공되기를 기다리는 동안 제3자 용량을 임대하고 있다. 이 수치는 회사 실적이며 해당 분기에 대한 감사를 거치지 않았고, 성장률은 2025년 같은 분기와 비교한 것이다.

Clover-35B: 오픈 웨이트 확산 언어 모델

University of Hong Kong의 NLP 그룹(Dream 7B의 저자들)에서 나온 팀 DiffuSpace가 Clover-35B-A3B-Preview를 Apache 2.0 라이선스로 공개했다(DiffuSpace 발표). 토큰을 차례로 쓰는 대부분의 언어 모델과 달리, Clover는 32개 토큰 블록을 병렬로 생성한 뒤 여러 차례에 걸쳐 다듬는다. 이 모델은 Qwen3.6-35B-A3B를 기반으로 하며, 전체 파라미터가 350억 개이고 토큰당 활성 파라미터는 약 30억 개이며 컨텍스트 윈도우는 131,072토큰이다(Hugging Face 모델 카드).

업체 점수: SWE-bench Verified 73.6, Terminal-Bench 2.1 51.7. DiffuSpace는 이것이 자체 테스트한 다른 확산 모델(LLaDA2.2 flash, Mercury 2.5)과 Qwen3.6-35B-A3B를 앞선다고 밝힌다.
속도: 내부 에이전트 작업에서 NVIDIA GB300 GPU 1개, 배치 크기 1 기준으로 초당 680토큰, H200에서는 초당 515토큰이다. 이 수치는 독립적으로 재현되지 않았다.
하드웨어: BF16 가중치는 약 69GB를 차지한다. DiffuSpace는 16GB RTX 5070 Ti에서 INT4로 실행한 결과도 보고한다.

Clover는 컨텍스트 윈도우와 라이선스 정보와 함께 모델 비교에 추가되지만 점수는 싣지 않는다. 그곳에서는 이런 벤치마크를 추적하지 않기 때문이다.

OpenCode, Zed, Cline: 새 버전

OpenCode 2.2.1(10월 29일, 릴리스 노트): 새 /goal <objective> 명령은 검토자가 목표 달성을 확인할 때까지 세션을 계속 작동시키며, 일시 중지, 재개, 초기화 제어를 제공한다. 이 밖에 선택 사용형 예약 프롬프트(/schedule), 실험적 image_generate 도구, 데스크톱 앱의 새로 디자인된 모델 선택기가 추가되었다. @opencode/ai를 직접 가져오는 코드에는 호환성을 깨는 변경이 있다. fal, Black Forest Labs, Replicate, Stability 제공업체가 제거되었다.
Zed 1.26.2(10월 28일, 릴리스 노트): 선택형 내장 Python 언어 서버로 Pyrefly가 추가되고, 중첩된 변수를 펼치는 디버거 호버가 생겼으며, ACP 설정 기본값은 이제 새 에이전트 대화에만 적용된다.
Cline 4.1.26(10월 26일, 릴리스 노트): 클라우드 작업에 쓸 모델을 고르는 Local/Cloud 전환 기능이 추가되었고, Claude Sonnet 5.5가 Cline 제공업체의 기본 모델로 돌아왔다. 다른 대부분의 제공업체는 기본값이 바뀌었으며 대체로 Kimi K3.1 Pro, MiniMax M3.1 Flash, DeepSeek V4.1 Flash 1017로 바뀐다. 모델을 고정하지 않았다면 다른 모델이 쓰일 수 있다.

출처

Microsoft: Microsoft announces first quarter results (확인일: 2026-10-29)
CNBC: Microsoft stock jumps as cloud growth drives earnings and revenue beat (확인일: 2026-10-29)
The Motley Fool: Microsoft Q1 2027 earnings call transcript (확인일: 2026-10-29)
Alphabet: Third Quarter 2026 Results (SEC filing) (확인일: 2026-10-29)
The Motley Fool: Alphabet Q3 2026 earnings call transcript (확인일: 2026-10-29)
Meta: Meta Reports Third Quarter 2026 Results (확인일: 2026-10-29)
DiffuSpace: Clover-35B-A3B-Preview (확인일: 2026-10-29)
Hugging Face: Diffuspace/Clover-35B-A3B-Preview (확인일: 2026-10-29)
OpenCode: v2.2.1 release notes (확인일: 2026-10-29)
Zed: v1.26.2 release notes (확인일: 2026-10-29)
Cline: v4.1.26 release notes (확인일: 2026-10-29)

GitHub Agent Merge: Copilot이 풀 리퀘스트를 대신 고칠 수 있을까

Thu, 29 Oct 2026 00:00:00 +0000

풀 리퀘스트가 리뷰 준비를 마친 순간 GitHub Actions 워크플로가 실패한다. 원인을 조사하는 사이 기본 브랜치가 바뀌면서 병합 충돌까지 생긴다. GitHub의 Agent Merge는 이런 걸림돌을 감시하다가, 개발자가 다른 일을 하는 동안 해결 작업을 시작하도록 설계됐다.

10월 28일 GitHub는 github.com의 풀 리퀘스트 병합 상자에 Agent Merge를 직접 넣었다. Copilot은 실패한 Actions 워크플로, 병합 충돌, 또는 둘 다를 감시할 수 있다. 선택한 걸림돌이 나타나면 백그라운드에서 작업하며, 변경 사항을 검토하고 저장소의 병합 요건을 충족하는 일은 여전히 사용자의 몫이다(GitHub).

Agent Merge가 하는 일

GitHub에서 Agent Merge는 클라우드의 Copilot에 속한 기능이다. 풀 리퀘스트에서 기능을 켜고 처리할 걸림돌을 고르면, Copilot이 걸림돌을 감지했을 때 수리를 시도한다. GitHub는 에이전트가 시작된 이유를 풀 리퀘스트 타임라인에 올린다(GitHub Docs).

Agent Merge가 하는 일
걸림돌	Copilot이 할 수 있는 일
실패한 GitHub Actions 워크플로	원인을 조사하고 수정을 시도
병합 충돌	풀 리퀘스트 브랜치와 기본 브랜치 사이의 충돌 해결을 시도

수리 시도가 성공을 보장하지는 않는다. 테스트는 잘못된 단언문, 의존성 문제, 실제 회귀 때문에 실패할 수 있다. 충돌은 두 가지 유효한 변경이 맞붙은 경우일 수 있고, 이때 의도된 동작은 텍스트만으로 분명하지 않다. 변경을 받아들이기 전에 결과 diff를 확인하고 관련 검사를 다시 실행하거나 살펴봐야 한다.

GitHub에서 켜는 방법

클라우드의 Copilot을 쓸 수 있는 유료 Copilot 요금제가 필요하다. 조직이나 엔터프라이즈를 통해 접근 권한을 받는다면 해당 조직의 정책이 클라우드 기능을 허용해야 한다. 저장소의 Copilot 정책 Enable automations도 켜져 있어야 한다(GitHub Docs).

GitHub에서 풀 리퀘스트를 연다.
병합 상자에서 Watch and fix를 선택한다.
Fix failed Actions workflows, Resolve merge conflicts 또는 둘 다 고른다.
병합 상자와 풀 리퀘스트 타임라인에서 Agent Merge의 업데이트를 확인한다.
Copilot이 만든 변경을 검토하고 워크플로 결과를 확인한다.

Settings → Copilot → Cloud에서 사용자가 만드는 풀 리퀘스트에 기본으로 켜 둘 수도 있다. 개별 풀 리퀘스트에서 멈추려면 병합 상자에서 Unassign Copilot을 선택한다. GitHub는 이 기능이 스택형 풀 리퀘스트와 포크에서 연 풀 리퀘스트를 지원하지 않는다고 밝힌다.

Agent Merge가 풀 리퀘스트를 병합할까

GitHub의 클라우드 기능은 풀 리퀘스트를 준비하고 유지할 뿐이다. 이 기능을 켠다고 자동 병합이 켜지지는 않는다. GitHub의 별도 자동 병합 기능을 Agent Merge와 함께 쓸 수 있으며, 이 경우 저장소가 요구하는 리뷰와 검사를 충족하면 병합된다(GitHub Docs).

이 구분은 중요하다. 자동 병합을 켜 두었다면 수리가 성공한 뒤 설정된 요건이 충족되는 즉시 병합될 수 있다. 수동 확인 단계가 항상 한 번 더 있으리라고 가정하지 말고 저장소 규칙과 제안된 변경을 검토해야 한다.

Copilot 앱의 경험은 다르다. GitHub에 따르면 앱 버전은 리뷰 댓글에도 대응할 수 있고, GitHub가 허용하면 풀 리퀘스트를 병합할 수도 있다. VS Code도 자체 옵션을 갖춘 실험적 Agent Merge 경험을 문서로 안내한다. 이런 환경을 GitHub의 Watch and fix와 같다고 봐서는 안 된다(GitHub Docs; VS Code).

비용은 얼마인가

Agent Merge의 클라우드 기능에는 유료 Copilot 요금제가 필요하다. AI 크레딧 사용량은 풀 리퀘스트에서 기능을 켠 사람에게 청구되며, 이 사람이 풀 리퀘스트 작성자와 다를 수도 있다. GitHub는 Agent Merge 문서에서 수리 한 건당 고정 비용을 밝히지 않는다. 사용량은 작업 내용과 사용된 모델에 따라 달라진다(GitHub Docs).

GitHub의 개인 청구 문서는 Copilot Pro를 월 10달러, Pro+를 39달러, Max를 100달러로 안내하며 요금제마다 포함된 AI 크레딧 허용량이 다르다. 이는 요금제 가격이지 Agent Merge 요금이 아니다. 수리 한 번에 소비되는 양은 해당 허용량과 청구 규칙 안에서 따로 집계되는 사용량이다(GitHub billing). 널리 켜기 전에 사용량 대시보드와 요금제 약관을 확인해야 한다.

수정은 어디에서 실행되나

Agent Merge는 클라우드의 Copilot에 속하지만, GitHub에 따르면 수정은 클라우드 샌드박스가 아니라 GitHub Actions 기반 개발 환경에서 실행된다. 저장소의 사용자 지정 지침, 에이전트 스킬, .github/workflows/copilot-setup-steps.yml의 설정 단계를 활용할 수 있다(GitHub Docs).

따라서 저장소의 설정이 결과에 영향을 준다. 빠진 의존성이나 부정확한 지침은 에이전트가 보는 내용을 바꿀 수 있다. 테스트, 권한, 워크플로 설정에 영향을 주는 변경은 특히 주의해서 봐야 한다. 녹색 검사 표시는 유용하지만 워크플로의 원래 의도나 보안이 유지됐다는 증거는 아니다.

우리의 시각

Agent Merge는 익숙한 마찰, 즉 검사를 기다리다 실패를 확인하고 병합 가능한 상태로 만들려고 브랜치로 돌아가는 일을 겨냥한다. 1인 개발자나 소규모 팀에게는 백그라운드 수리가 그런 흐름 끊김을 줄여 줄 수 있다.

가치는 제안되는 수정의 품질과 그것을 검증하는 데 드는 시간에 달려 있다. 검사가 명확한 풀 리퀘스트에서 시작하고, 처리할 걸림돌 유형만 골라 켜고, 에이전트의 diff를 원래 목표와 비교하자. 크레딧 사용량도 리뷰 시간과 함께 추적하자. 의미 있는 결과는 올바른 검사를 통과하는, 정확하고 유지보수하기 쉬운 변경이지 단순히 녹색이 된 병합 상자가 아니다.

출처

GitHub, Agent Merge on pull requests, 2026년 10월 28일
GitHub Docs, getting pull requests ready with Agent Merge, 확인일: 2026년 10월 29일
GitHub Docs, managing pull requests in the Copilot app, 확인일: 2026년 10월 29일
VS Code, Agents window, 확인일: 2026년 10월 29일
GitHub Docs, individual Copilot billing, 확인일: 2026년 10월 29일

Android Studio Rabbit 2, Codex와 Claude 등 AI 에이전트가 IDE에 합류

Thu, 29 Oct 2026 00:00:00 +0000

Android 개발자는 이제 선호하는 코딩 에이전트를 쓰기 위해 Android Studio를 떠나지 않아도 된다. Google은 10월 28일 Android Studio Rabbit 2(버전 2026.2.2)를 안정 채널에 출시했다. 가장 큰 변화는 Bring Your Own Agent다. Android Studio 자체 도구와 함께 OpenAI Codex, Claude Agent 등 서드파티 에이전트를 지원한다(Google).

이번 출시에는 에이전트 스킬 관리, AI 기반 코드 리뷰, LeakCanary 통합, 안정 버전의 Android XR 에뮬레이터도 포함됐다. Google은 같은 행사에서 Android CLI와 플랫폼 기능도 별도로 발표했다. 이 가운데 일부는 Android Studio 기능이 아니거나 성숙도가 서로 다르다.

선호하는 코딩 에이전트를 직접 연결

Bring Your Own Agent(BYOA)는 개방형 Agent Client Protocol(ACP)을 통해 호환되는 코딩 에이전트를 Android Studio에 연결한다. Google에 따르면 개발자는 Claude Agent, Codex, Junie, Google Antigravity를 포함해 40개가 넘는 에이전트 중에서 고를 수 있다. 지원되는 에이전트는 에뮬레이터, 빌드 시스템, Logcat 같은 IDE 도구를 사용할 수 있다(Google).

예를 들어 Kotlin 앱을 개발하는 개발자는 IDE의 진단 정보에 접근할 수 있는 에이전트에게 빌드 실패 원인 조사를 맡길 수 있다. 에이전트는 변경을 제안하고 사용 가능한 도구를 쓸 수 있지만, 패치를 확인하고 관련 테스트를 다시 실행하고 실제 문제가 해결됐는지 판단하는 일은 여전히 개발자의 몫이다. 이 예시는 가능한 작업 방식을 보여줄 뿐 측정된 결과가 아니다.

시작하려면 에이전트 창을 열거나 Settings → Tools → AI → Agents로 이동해 에이전트를 선택하고 필요에 따라 인증한다. Google에 따르면 개인 구독 또는 기업 구독으로 인증할 수 있다. 사용 가능 여부, 할당량, 비용, 데이터 처리는 에이전트와 제공업체에 따라 다르다. Android Studio에 통합된다고 해서 모든 서드파티 구독이 무료가 되는 것은 아니다(릴리스 노트).

스킬, 코드 리뷰, 메모리 누수

Rabbit 2는 에이전트가 사용할 수 있는 전문 지침을 찾고 관리하는 스킬 관리자를 추가했다. Google은 XML 뷰를 Jetpack Compose로 마이그레이션하거나 레이아웃을 조정하거나 CameraX를 통합하는 작업을 위한 Android 및 Firebase 스킬을 예로 든다. 관리자는 Agent 패널이나 Settings → Tools → AI → Skills Manager에서 열 수 있다(Google).

AI Change Review는 에이전트가 만든 변경, 보류 중인 커밋, 이미 커밋된 변경을 검토할 수 있다. Google에 따르면 권장 수정 사항을 찾아내고 관련 변경을 묶은 안내도 만들 수 있다. 큰 diff를 훑어보기는 쉬워질 수 있지만, 이는 어디까지나 AI가 생성한 리뷰이며 코드가 올바르다는 증거는 아니다.

LeakCanary도 Profiler의 Android Studio 내장 에이전트와 통합됐다. 에이전트는 메모리 누수를 설명하고 코드 변경을 제안할 수 있다. 리소스를 의도보다 오래 붙잡는 앱에는 의미 있는 기능이지만, 제안된 수정은 앱에서 프로파일링과 테스트를 거쳐야 한다.

스킬, 코드 리뷰, 메모리 누수
기능	Google의 설명	확인할 점
Bring Your Own Agent	호환되는 에이전트를 IDE 도구에 연결	제공업체 약관, 권한, 생성된 변경
Skills Manager	에이전트용 전문 지침을 찾고 관리	설치된 스킬과 그 적합성
AI Change Review	수정을 제안하고 관련 변경을 묶음	정확성, 보안, 테스트 커버리지
LeakCanary 통합	누수 설명과 수정 제안을 지원	메모리 동작이 실제로 개선되는지
XR 에뮬레이터	지원되는 XR 기기 경험을 가상으로 테스트	가능할 때 실제 하드웨어에서의 동작

출처: Android Developers Blog, 2026년 10월 28일.

Android XR 에뮬레이터, 안정 버전 도달

Google에 따르면 XR, 오디오, 디스플레이 글래스용 에뮬레이터가 Android Studio에서 안정 버전이 됐다. 개발자는 컴퓨터에서 지원되는 경험을 테스트할 수 있고, 360도 사진이나 연결된 카메라 영상으로 디스플레이 글래스 환경을 맞춤 설정할 수 있으며, 가상 휴대폰과 글래스를 위한 개선된 페어링 마법사를 쓸 수 있다(Google).

덕분에 XR 개발자는 테스트할 때마다 실제 글래스가 없어도 반복 작업을 할 수 있다. 다만 특히 성능, 센서, 실사용 환경에서의 사용성은 실제 기기에서의 검증을 대체하지 못한다.

Android CLI와 새 에이전트 API는?

Google은 기기 스트리밍, Jetpack Compose 미리보기, 프로파일링을 포함한 Android CLI 관련 변경도 발표했다. Claude Code와 Codex용 공식 Android 플러그인도 함께 발표됐다. 이들은 관련 Android 개발자 도구이며, 모두 Rabbit 2 IDE 자체의 기능이라고 가정해서는 안 된다(Google).

같은 발표는 Android 앱에 에이전트 경험을 만들기 위한 API도 설명한다. 성숙도는 서로 다르다. AppFunctions는 베타이고, Jetpack Compose용 A2UI와 ML Kit Agentic API는 알파다. 개발자는 프로덕션 사용을 계획하기 전에 각 문서와 사용 가능 여부를 확인해야 한다.

업데이트 방법

Google은 Rabbit 2를 안정 릴리스로 안내한다. Android Studio에서 Help → Check for Updates를 사용하고, macOS에서는 Android Studio → Check for Updates를 사용한다. 공식 다운로드 페이지에서도 받을 수 있다.

외부 에이전트를 연결하기 전에 에이전트가 접근할 수 있는 파일과 도구, 제공업체의 데이터 약관, 구독 또는 API 비용을 확인해야 한다. 작은 작업부터 시작하고, 더 큰 리팩터링을 맡기기 전에 결과물을 검토해야 한다.

우리의 시각

Rabbit 2의 가장 큰 강점은 유연성이다. Android 개발자는 이미 쓰고 있는 빌드, 디버깅, 에뮬레이터 도구 가까이에 선호하는 에이전트를 둘 수 있다. 스킬과 안내형 리뷰도 에이전트가 만든 변경을 훑어보기 쉽게 하는 데 도움이 될 수 있다.

실질적인 시험대는 선택한 에이전트가 검토 부담을 늘리지 않고 프로젝트의 문제를 실제로 해결하느냐다. Google은 통합의 기능을 설명할 뿐, 모든 앱에서 보편적인 생산성 향상이 있음을 입증하지는 않는다. 실제 빌드 문제에 적용해 보고, 결과를 측정하고, 프로젝트에 중요한 검증은 계속 유지해야 한다.

출처

Google, Android Studio Rabbit 2 and AI agents, 2026년 10월 28일
Google, Android Studio Rabbit 2 release notes, 2026년 10월 29일 확인
Google, Android development tools and agent APIs, 2026년 10월 28일

Apple Creator Studio 11월 업데이트: Final Cut Pro, Logic Pro, AI의 새 기능

Thu, 29 Oct 2026 00:00:00 +0000

Apple이 11월에 크리에이티브 앱을 대폭 업데이트한다. 10월 27일 발표된 변경 사항에는 Mac용 Final Cut Pro의 MotionVFX 콘텐츠, Logic Pro의 새 음악 도구, Pixelmator Pro의 이미지 편집, Pages, Keynote, Numbers의 AI 어시스턴트가 포함된다. 기존 Apple Creator Studio 구독자는 추가 요금 없이 업데이트를 받는다. Apple은 11월 출시일을 정확히 밝히지 않았다(Apple).

추가 기능이 모두 같은 기기에서, 같은 조건으로 제공되는 것은 아니다. 새 어시스턴트는 하드웨어, 운영 체제, 언어 요구 사항이 따로 있는 베타 기능이다. 업그레이드를 계획하기 전에 크리에이터가 알아야 할 내용을 정리한다.

Final Cut Pro: MotionVFX와 더 쉬워진 이미지 편집

Mac용 Final Cut Pro는 템플릿, 타이틀, 트랜지션, 모션 그래픽을 포함한 MotionVFX 콘텐츠와 트래킹, 로토스코핑, 색 보정 같은 작업용 도구를 통합한다. Apple의 Content Hub도 Final Cut Pro 안에서 스톡 영상, 사진, 배경을 제공한다(Apple).

Apple은 Pixelmator Pro와의 더 직접적인 워크플로도 설명한다. 편집자는 타임라인에서 이미지를 열어 편집한 뒤 변경 사항을 프로젝트에 다시 저장할 수 있다. 그 밖에 발표된 편집 개선 사항으로는 키프레임 이징 옵션 추가, 클립을 기본 스토리라인에서 분리하는 기능, 23개 전사 언어 추가가 있다.

이 변경은 AI 생성만을 겨냥한 것이 아니다. 편집자에게는 더 나은 애니메이션 제어와 이미지 편집에서 타임라인까지 줄어든 단계가 새 효과만큼 중요할 수 있다. Apple은 MotionVFX 통합을 특히 Mac용 Final Cut Pro에 대한 것으로 소개하므로, 독자는 자신의 기기에서 쓸 수 있는 기능을 확인해야 한다.

Motion, Logic Pro, Pixelmator Pro

Motion에는 색 보정, 3D 카메라 트래킹, 선택 같은 작업용 MotionVFX 플러그인이 추가되며, 새 이징 컨트롤과 Displacement 필터도 함께 들어온다. Apple에 따르면 Compressor는 iPhone 18 Pro와 iPhone Duo의 시네마틱 모드 영상 인코딩을 지원한다(Apple).

Mac용 Logic Pro는 사운드 브라우저를 새로 디자인하고, 드럼을 분리할 수 있는 향상된 Stem Splitter와 베타 지능형 어시스턴트를 갖춘다. Apple은 이 어시스턴트가 Apple이 만든 모델과 OpenAI 모델을 함께 사용해 제작 작업을 돕는다고 밝힌다. Apple Intelligence를 지원하는 Mac과 macOS 27 이상이 필요하며 미국 영어로만 제공된다.

Pixelmator Pro의 Generate Fill은 이미지 영역을 선택하고 편집 내용을 설명할 수 있게 해 준다. Apple은 생성된 콘텐츠를 기존 레이어에 합치거나 마스킹이 적용된 새 레이어로 추가할 수 있다고 밝힌다. 특히 특정 장면이나 참조 이미지에 맞출 때는 시각적 일관성을 확인하기 위해 결과를 검토해야 한다.

Pages, Keynote, Numbers에 어시스턴트와 MCP

Apple은 Pages, Keynote, Numbers에 문서 맥락을 활용하는 베타 어시스턴트를 도입할 계획이다. Apple은 Pages에서는 글쓰기와 구조 재편, Keynote에서는 슬라이드 디자인, Numbers에서는 데이터 정리와 시각화를 돕는다고 설명한다. Apple에 따르면 이 어시스턴트는 Apple 모델과 OpenAI 모델을 사용한다(Apple).

어시스턴트에는 Apple Intelligence를 지원하는 기기와 iOS 27, iPadOS 27 또는 macOS 27 이상이 필요하며 미국 영어로만 제공된다. Apple은 macOS 27 이상에서 이 앱들의 Model Context Protocol(MCP) 지원도 발표했는데, 호환되는 외부 AI 도구가 문서와 상호작용할 수 있게 하는 기능이다. 구체적인 도구, 권한, 워크플로는 업데이트가 나왔을 때 확인해야 한다.

Pages, Keynote, Numbers에 어시스턴트와 MCP
앱	발표된 업데이트	주요 제한 사항 또는 맥락
Mac용 Final Cut Pro	MotionVFX, Content Hub, 개선된 편집 워크플로	MotionVFX 통합은 Mac용으로 설명됨
Mac용 Logic Pro	어시스턴트, 사운드 브라우저, 개선된 Stem Splitter	어시스턴트는 베타이며 미국 영어 전용, Mac과 OS 요구 사항 있음
Pixelmator Pro	Generate Fill과 편집 가능한 생성 콘텐츠	기기 지원 여부를 확인하고 생성 결과를 검토할 것
Pages, Keynote, Numbers	문서를 인식하는 어시스턴트와 MCP	어시스턴트는 베타이며 미국 영어 전용, MCP는 macOS 27 이상 필요

출처: Apple 발표, 2026년 10월 27일.

미국의 가격과 이용 가능 시기

Apple은 업데이트가 2026년 11월에 제공되며 기존 구독자에게는 무료라고 밝힌다. 새 Apple Creator Studio 구독은 미국에서 월 12.99달러 또는 연 129달러이며, 신규 구독자에게는 1개월 체험이 제공된다. Apple은 자격을 갖춘 대학생과 교육자를 위한 교육용 할인도 월 2.99달러 또는 연 29.99달러로 안내하는데, 인증과 약관이 적용된다(Apple).

Mac용 일회성 구매도 계속 가능하다. Apple은 Final Cut Pro를 299.99달러, Logic Pro를 199.99달러, Pixelmator Pro, Motion, Compressor를 각각 49.99달러로 안내한다. 보유한 버전의 App Store 목록과 기능 대상 여부를 확인해야 하며, 구독과 개별 구매는 서로 다른 제품이다. Pages, Keynote, Numbers, Freeform의 무료 버전은 계속 이용할 수 있다.

우리의 견해

Apple 발표에서 가장 실용적인 부분은 워크플로 개선일 수 있다. 편집 컨트롤이 늘고, 에셋이 통합되고, 타임라인과 이미지 편집기 사이의 이동이 짧아진다. 영상 크리에이터에게는 이런 추가 기능이 AI 생산성에 대한 막연한 약속보다 평가하기 쉽다.

베타 어시스턴트와 MCP 지원도 제품군을 더 유연하게 만들 수 있지만, 그 가치는 어시스턴트가 안정적으로 해낼 수 있는 작업, 부여되는 권한, 그리고 미국 영어 외 언어로의 확대 여부에 달려 있다. 새 도구가 실제 프로젝트에서 얼마나 잘 작동하는지 평가하려면 11월 출시와 직접 테스트가 필요하다.

출처

Apple, Creator Studio updates, pricing and requirements, 2026년 10월 27일
MacRumors, Creator Studio update, 2026년 10월 27일

GitHub Copilot Fusion이 모델을 대신 고른다: 더 적은 비용으로 더 나은 코딩?

Thu, 29 Oct 2026 00:00:00 +0000

개발자는 모든 작업에 강력한 모델을 써야 할까, 아니면 가장 어려운 문제에만 아껴 두어야 할까? 10월 28일 출시된 Copilot Fusion은 다른 접근을 제안한다. Copilot이 모델을 대신 고르고, 필요하면 조합하게 하는 것이다(GitHub).

약속은 매력적이다. 모든 작업에 가장 강력한 모델 값을 치르지 않고도 최상위 코딩 에이전트에 가까운 성능을 낸다는 것이다. 독립적인 평가가 이를 어느 정도 뒷받침하지만, Fusion이 여러분의 프로젝트에서 항상 더 저렴하다는 증거는 아니다. 수치가 무엇을 측정하는지, 그리고 요금이 어떻게 부과되는지 살펴본다.

새 모델이 아니라 오케스트레이터

Copilot Fusion은 모델을 라우팅하고 오케스트레이션한다. 노력 수준(effort level)을 고르면 Fusion이 사용 중인 플랜에서 쓸 수 있는 모델 가운데 선택하고, 어떻게 쓸지 결정한다. 모델 하나만 쓸 수도 있고, 작업에 필요하면 검토 단계를 추가할 수도 있다(GitHub 문서).

GitHub는 세 가지 실행 패턴을 설명한다.

새 모델이 아니라 오케스트레이터
패턴	작동 방식	목적
Single	모델 하나가 작업을 직접 처리한다.	단순한 작업에서 불필요한 검토를 피한다.
Cascade	한 모델이 해법을 초안으로 작성하고, 검사 단계에서 이를 받아들이거나 더 강력한 모델로 문제를 넘긴다.	어려운 사례에 더 많은 자원을 쓴다.
Critique	한 모델이 답을 초안으로 작성하고 다른 모델들이 검토한 뒤, 처음 모델이 수정할 수 있다.	작업에 필요할 때 검토를 추가한다.

출처: GitHub 문서. 이는 가능한 패턴이며, 선택은 작업과 고른 노력 수준에 따라 달라진다.

문서에 따르면 Standard는 일상적인 작업을 겨냥하며 작업당 모델 하나를 쓴다. High는 규모가 큰 변경을, Max는 가장 까다로운 문제를 우선한다. GitHub는 High와 Max가 모델 호출을 늘려 크레딧을 더 쓸 수 있다고 밝혔다. 사용자는 단계를 따라가며 응답 아래에서 사용된 모델을 확인할 수 있다(GitHub).

독립 테스트: 비용은 약 절반, 점수는 2점 낮다

Artificial Analysis는 Copilot CLI의 Fusion Max를 자사 Coding Agent Index v2.0으로 평가했다. 이 지수는 FrontierCode v1.1, Terminal-Bench 4.0, SWE-Atlas-QnA-AA에 같은 가중치를 둔다. 비교 대상은 개별 모델이 아니라 에이전트와 모델의 구성이다(Artificial Analysis).

독립 테스트: 비용은 약 절반, 점수는 2점 낮다
에이전트와 구성	코딩 지수	작업당 평균 비용
Claude Opus 5.5 Max를 쓰는 Claude Code	62 / 100	$11.42
Fusion Max를 쓰는 GitHub Copilot CLI	60 / 100	$5.59

출처: Artificial Analysis 에이전트 비교, 2026년 10월 29일 확인. 벤치마크 작업을 기준으로 계산한 비용이며, 여러분의 구독에서 한 작업에 드는 가격이 아니다.

이 지수에서 Fusion은 Claude Code보다 2점 낮고, 평균 비용은 약 51% 낮다. 결과는 테스트마다 다르다. Terminal-Bench 4.0에서 Fusion은 71%로 Claude Code의 63%를 앞서지만, FrontierCode에서는 51%로 56%에 못 미친다. 평균이 비슷하다고 해서 두 에이전트가 같은 문제를 푼다는 뜻은 아니다(Artificial Analysis).

이 결과로 여러분의 절감액을 예측할 수는 없다. 벤치마크 작업, 구성, 도구, 가격, 캐시 조건이 여러분의 환경과 다를 수 있다. 이 비교는 각자의 환경을 갖춘 완결된 시스템끼리 견준 것이며, 결과물이 여러분의 아키텍처에 맞는지, 유지보수하기 쉬운지는 보여 주지 않는다.

요금: 크레딧 방식이며 Fusion 전용 정액은 없다

Fusion 전용 요금은 따로 없다. GitHub는 사용한 모델마다 해당 요율로 요금을 부과하므로, 모델 여러 개가 관여한 작업은 한 번의 호출보다 비쌀 수 있다. 개인 플랜에서는 토큰 사용량이 GitHub AI Credits로 환산되며, 1크레딧은 사용량 0.01달러에 해당한다. 포함된 사용량과 정확한 규칙은 플랜에 따라 다르다(GitHub 개인 요금).

GitHub가 유료 개인 플랜에 대해 공개한 월간 제공량은 다음과 같다.

요금: 크레딧 방식이며 Fusion 전용 정액은 없다
플랜	표시된 월 가격	월간 포함 AI 크레딧
Copilot Pro	$10	1,500
Copilot Pro+	$39	7,000
Copilot Max	$100	20,000

출처: GitHub 문서, 2026년 10월 29일 확인. GitHub는 제공량의 일부가 변동적이라고 밝혔다. 무료, 학생, 비즈니스 플랜은 조건이 다르므로 비교하기 전에 사용량 대시보드를 확인하자.

유료 Copilot 플랜은 2026년 11월 30일까지 Fusion을 쓸 때 모델 비용의 30%를 할인받는다. 구독에 영구적으로 적용되는 할인은 아니다(GitHub).

집중된 변경에는 Standard로 시작하자. 난도가 높아 더 많은 추론이 필요하면 High나 Max로 옮기고, 소비한 크레딧과 결과를 검증하는 데 든 시간을 살펴보자. 의미 있는 비용은 첫 응답의 비용이 아니라 채택되어 검증된 해법의 비용이다.

이용 가능 범위와 로컬 모델

Fusion은 VS Code, Copilot CLI, GitHub Copilot 앱, JetBrains IDE에서 쓸 수 있으며, 플랜과 조직 정책에 따라 달라진다. 클라이언트를 업데이트하고 모델 선택기에서 Copilot Fusion을 고른 뒤 Standard, High, Max 중에서 선택하면 된다(GitHub).

GitHub는 Standard 노력 수준에서 로컬 모델 선택도 시험하고 있다. Copilot CLI에서는 직접 설정한 일부 모델을 macOS, Windows, Linux에서 실행할 수 있다. 설정은 사용자가 관리해야 하고 하드웨어도 충분히 갖춰야 한다. 실험적인 프리뷰다. 추론이 로컬에서 실행되더라도 라우팅은 클라우드에 남는다. 세션이 완전한 오프라인은 아니라는 뜻이다(GitHub).

우리의 평가

Fusion은 실제 문제를 겨냥한다. 작은 작업에 가장 강력한 모델을 쓰면 크레딧이 낭비될 수 있고, 가벼운 모델은 복잡한 변경에서 실패할 수 있다. 오케스트레이션은 이 절충을 더 자동으로 만들지만, 변경 사항을 검토할 필요가 사라지는 것도, 최종 비용의 불확실성이 없어지는 것도 아니다.

Artificial Analysis의 결과는 Fusion Max에 유망하지만, 모든 경쟁 제품을 모든 작업에서 이긴다는 증거는 아니다. 쓸 만한 시험은 대표적인 작업들을 비교하는 것이다. 작은 변경, 까다로운 버그, 여러 파일에 걸친 리팩터링을 같은 성공 기준으로 시험하면서 크레딧과 검토 시간을 기록하자.

출처

GitHub, Copilot Fusion 출시, 2026년 10월 28일
GitHub, Fusion의 작동 방식, 노력 수준, 요금, 2026년 10월 29일 확인
Artificial Analysis, Copilot Fusion 평가, 2026년 10월 28일
Artificial Analysis, Claude Code와 Copilot 비교, 2026년 10월 29일 확인
GitHub, 개인 요금과 크레딧, 2026년 10월 29일 확인
GitHub, Copilot Fusion의 로컬 모델, 2026년 10월 28일

Genie 4: Google이 움직이고 소리 내고 말하는 대화형 세계를 그리다

Thu, 29 Oct 2026 00:00:00 +0000

AI에 부탁하기만 하면 장면을 탐험하다가 날씨를 바꾸고, 카메라를 옮기고, 캐릭터를 등장시킬 수 있다고 상상해 보라. 10월 27일 Google DeepMind는 영상과 소리(배경음과 대사 포함)를 생성하는 대화형 세계 시뮬레이션 모델 Genie 4를 공개했다(Google DeepMind).

시연은 비디오 게임과 비슷해 보인다. 하지만 Genie 4는 여전히 접근이 제한된 연구 프로젝트이며, Google도 일관성과 세션 길이에 한계가 있음을 인정한다. 게임과 영화 창작자에게 당분간의 매력은 시각적 아이디어를 탐색하는 데 있을 수 있으며, 실제 성능은 Google이 고른 사례 밖에서 검증해야 한다.

월드 모델이란 무엇인가

월드 모델은 행동에 반응해 변화하는 환경의 표현을 만들어 내는 것을 목표로 한다. Google의 시연에서 사용자는 키보드로 이동하고 자연어로 지시를 내리며, 그동안 장면은 계속 이어진다. 모델은 상호작용이 진행되는 동안 장면의 모습과 반응을 생성한다(Google DeepMind).

Google은 Genie 4가 Gemini 계열의 기능을 활용한다고 밝힌다. Gemini는 사건을 구조화하고 시뮬레이션을 이끄는 데 도움을 주고, Genie는 환경의 모습과 소리를 생성한다. 아래 도식은 이 설명을 단순화한 것이며 완전한 기술 아키텍처는 아니다.

출처: Google DeepMind, Genie 4 발표, 2026년 10월 27일.

시연이 보여 주는 것

Google은 네 가지 기능을 내세운다. 지시로 장면을 실시간으로 바꾸기, 카메라로 탐험하기, 영상과 함께 소리 생성하기, 반응하고 말하는 캐릭터 만들기다. 또한 더 현실적이라고 설명하는 움직임과 충돌 사례도 보여 준다(Google DeepMind).

네이티브 오디오는 눈에 띄는 추가 기능이다. 바람 소리, 주변 소리, 음악, 대사가 장면과 함께 나올 수 있다. Google은 실시간 오디오의 정확도도 아직 개선이 필요하다고 밝힌다. 공개된 영상은 개발사의 시연일 뿐, 모든 시나리오를 아우르는 독립적인 평가가 아니다.

시연이 보여 주는 것
기능	Google이 보여 주는 것	유의할 점
실시간 지시	날씨, 카메라, 장면 요소를 바꾼다	복잡한 변경은 불일치를 키울 수 있다
영상과 소리	세계와 함께 배경음, 음악, 대사를 생성한다	오디오 정확도는 아직 개발 중이다
캐릭터	캐릭터가 반응하고 말하게 한다	여러 에이전트 사이의 복잡한 상호작용은 연구 과제로 남아 있다
탐험	대화형 장면을 돌아다닌다	연속 세션은 몇 분으로 제한된다

출처: Google DeepMind 발표와 모델 페이지.

완전한 비디오 게임을 만들 수 있을까

공개된 정보로는 그렇지 않다. 일반적인 게임 엔진은 보통 위치, 오브젝트, 인벤토리, 규칙, 충돌 같은 명시적 상태를 유지하며, 개발자는 이를 프로그래밍하고 제어할 수 있다. Genie 4는 대화형 장면을 생성한다. Google의 발표는 게임을 내보내거나, 인벤토리를 무기한 유지하거나, 게임 규칙을 보장하는 완전한 시스템을 설명하지 않는다.

그 차이는 Google이 인정한 한계에서 드러난다. 세션이 진행되는 동안 오브젝트와 세부 요소가 흐트러질 수 있고, 글자는 읽기 어려울 수 있으며, 복잡한 상호작용은 보완이 필요하고, 연속 탐험은 몇 분 동안만 이어진다. Google은 실제 장소가 완벽하게 재현되지 않는다고도 밝힌다(Genie 4 모델 페이지).

예를 들어 함정이 있는 저택 게임에서는 한 번 주운 열쇠가 계속 주운 상태여야 하고, 문은 상태를 유지해야 하며, 타이머는 안정적인 규칙을 따라야 한다. Genie 4는 방의 분위기나 모습을 탐색하는 데 도움을 줄 수 있지만, 이런 메커니즘에는 여전히 신뢰할 수 있는 시스템이 필요하다. 이는 우리가 든 예시이며, Google이 발표한 제품 기능은 아니다.

애니메이션과 Blender는 어떨까

Google은 창작 산업의 테스터들이 프리비주얼라이제이션, 즉 장면, 카메라 앵글, 조명, 대사를 빠르게 시험해 보는 용도를 탐색하고 있다고 말한다. 독립 영화 제작자에게 이런 도구는 Blender에서 제어 가능한 장면을 만들기 전에 시각적 방향을 탐색하는 데 도움이 될 수 있다(Google DeepMind).

생성된 시뮬레이션이 곧바로 편집 가능한 3D 프로젝트가 되는 것은 아니다. 발표는 Genie 4가 모델, 리그, 애니메이션, Blender 장면을 내보낸다고 밝히지 않는다. 따라서 공개된 이미지만으로는 오브젝트를 하나씩 꺼내 편집할 수 있다고 단정할 수 없다.

서킷을 재구성하는 경우에도 같은 주의가 필요하다. 그럴듯한 장면이라도 배치, 비율, 고저차는 틀릴 수 있다. Google은 실제 장소의 재현이 불완전하다고 인정한다. 정확한 트랙을 만들려면 여전히 참고 자료, 측정, 검증이 필요하다.

어떻게 접근할 수 있나

발표 시점에서 Genie 4는 제한된 신뢰 테스터 집단을 위한 연구 프리뷰다. Google은 이후 Project Genie를 통해 Google AI Ultra 구독자에게, 그리고 Gemini API와 Google AI Studio를 쓰는 얼리 액세스 파트너에게 접근을 열 계획이다. 대기자 명단이 열려 있지만, 발표는 정확한 일반 출시 날짜를 밝히지 않는다(Google DeepMind).

문서에는 Genie 4 전용 API 가격, 해상도, 프레임 속도도 공개돼 있지 않다. Ultra 구독자 대상 단계적 제공 계획이 있다고 해서 앞으로의 사용당 가격, 할당량, 모든 구독자의 즉시 접근이 정해진 것은 아니다.

우리의 평가

Genie 4는 진행되는 도중에 조종할 수 있는 경험에 시청각 생성을 한 걸음 더 가깝게 한다. 환경 탐색, 연출, 훈련 시나리오 쪽에서 흥미로운 방향이다.

시각적으로 그럴듯하다고 해서 정확성, 제어, 연속성이 보장되는 것은 아니다. 게임 엔진이나 3D 소프트웨어를 대체한다고 말하기 전에, 창작자가 세션 길이, 내보내기 옵션, 비용을 시험해 볼 수 있어야 한다. 지금 Genie 4는 완전한 제작 파이프라인보다는 연구와 창작 탐색 도구에 가까워 보인다.

출처

Google DeepMind, introducing Genie 4, 2026년 10월 27일
Google DeepMind, Genie 4 model page and limitations, 2026년 10월 29일 확인
Google, Genie 4 announcement, 2026년 10월 27일

Mistral, Large 4 가중치 공개: 개발자가 알아야 할 것

Thu, 29 Oct 2026 00:00:00 +0000

Le Chonk라는 별명이 붙은 Mistral Large 4를 이제 가중치 형태로 내려받을 수 있다. 이번 공개는 10월 6일 모델의 공개 API 프리뷰에 이은 것이며, 개발자에게 Mistral의 가장 큰 모델을 배포하거나 맞춤화할 또 하나의 방법을 제공한다. 가중치는 공개돼 있지만 라이선스에는 조건이 있고, 이런 규모의 모델을 돌리려면 여전히 상당한 하드웨어가 필요하다(Mistral 모델 카드, Hugging Face).

Mistral은 Large 4를 일반적인 텍스트와 이미지 이해뿐 아니라 코딩, 에이전트, 사이버 보안용으로 내세운다. 무엇이 달라졌는지, 호스팅 API는 얼마인지, 직접 돌리기 전에 무엇을 고려해야 하는지 살펴본다.

Mistral Large 4란?

Large 4는 멀티모달 전문가 혼합(mixture-of-experts) 모델로, 텍스트와 이미지를 입력받아 텍스트를 생성한다. Mistral은 총 매개변수 약 1조 개, 토큰당 활성 매개변수 490억 개를 제시하며, 임베딩과 출력 계층을 포함하면 520억 개다. 공개된 컨텍스트 윈도우는 100만 토큰이다(모델 카드).

전문가 혼합 구조는 토큰마다 네트워크의 일부만 활성화한다. 그렇다고 모델 전체에 활성 매개변수만큼의 메모리만 있으면 된다는 뜻은 아니다. 가중치 전체는 여전히 저장돼 있어야 하고 서빙 시스템이 쓸 수 있어야 한다.

이번 공개에는 FP8과 NVFP4 체크포인트가 포함되며, 커뮤니티가 만든 GGUF 양자화 버전도 있다. Mistral은 추론 강도를 낮음, 중간, 높음으로 제시하며 기본값은 높음이다. 성능은 체크포인트, 서빙 환경, 컨텍스트 길이, 작업에 따라 달라진다(Mistral, Hugging Face).

오픈 웨이트, 그리고 특수한 라이선스

Mistral은 이 모델을 수정된 MIT 방식의 라이선스인 Mistral Ecosystem Open-Weight License로 배포한다. 모델 카드에 따르면 상업적 사용과 비상업적 사용이 모두 허용되지만, 모델 서비스(model-as-a-service) 사업을 운영하려면 Mistral의 별도 상업 라이선스가 필요하다(모델 카드).

따라서 가중치는 명시된 조건 아래에서 내려받아 쓸 수 있지만, 이 라이선스가 Apache 2.0이나 제약 없는 MIT와 같은 것은 아니다. 개발자는 특히 고객에게 추론을 제공하려는 경우 자신의 배포 상황에 맞춰 실제 라이선스를 읽어야 한다.

코딩과 사이버 보안: 점수가 말해 주는 것

Mistral은 Artificial Analysis Coding Agent Index에서 48점을 기록했고, 이 비교에서 작업당 토큰을 GLM-5.3보다 47% 적게 썼다고 밝힌다. 이 수치는 Mistral이 보고한 것이며 벤치마크의 특정 에이전트 구성과 작업 부하에 좌우된다(모델 카드).

Mistral은 취약점을 찾아 고치는 것 같은 보안 활용 사례도 강조한다. Hugging Face는 한 취약점 재현 및 패치 테스트에서 82%를 기록했다고 인용한다. 이는 더 넓은 평가 가운데 한 작업의 점수일 뿐, 모델이 혼자서 코드베이스를 안전하게 만들 수 있다는 증거는 아니다(Hugging Face).

공개된 자료마다 코딩 지수 수치가 다르게 인용되는데, 서로 다른 평가나 버전을 반영한 것일 수 있다. 정확히 같은 실행끼리 맞춰 볼 수 있을 때까지는 하나의 순위로 합치지 않는 편이 낫다. 실제 프로젝트에서는 대표적인 같은 작업으로 모델을 비교하고, 구성을 기록하고, 생성된 코드를 검토해야 한다.

API 비용은?

Mistral의 모델 페이지는 2026년 10월 29일 기준으로 100만 토큰당 다음 가격을 제시한다.

API 비용은?
토큰 유형	표시 가격
입력	$0.70
캐시된 입력	$0.07
출력	$2.10

출처: Mistral 문서, 2026년 10월 29일 확인. 이 페이지는 서비스를 여전히 공개 프리뷰로 표시한다. 가격과 이용 가능 여부는 바뀔 수 있다.

예를 들어 캐시되지 않은 입력 토큰 100만 개와 출력 토큰 100만 개의 비용은 표시된 요금으로 2.80달러다. 실제 에이전트 작업은 여러 번 호출할 수 있고 입력, 출력, 캐시된 토큰의 소비량이 크게 다를 수 있다. 이 API 가격은 내려받은 가중치를 직접 돌리는 비용과는 별개다.

일반 노트북에서 돌릴 수 있을까?

지금까지 문서화된 구성으로는 현실적으로 어렵다. Hugging Face는 통합 메모리 512GB를 갖춘 Apple Silicon Ultra 기기에서 고도로 양자화된 버전을 돌리는 사례를 설명하며, 다른 구성은 여러 GPU를 쓴다. 정확한 요건은 양자화와 런타임에 따라 다르지만 매우 큰 모델이다(Hugging Face).

일반적인 Mac이나 PC를 쓰는 개발자에게는 호스팅 API가 현실적인 출발점이다. 내려받을 수 있는 가중치는 자체 배포를 통제할 하드웨어를 갖춘 조직과 모델을 들여다보거나 조정하려는 연구자에게 여전히 가치가 있다. 호스팅 이용에도 제공업체의 약관, 데이터 처리 규칙, 사용 비용은 따른다.

우리의 시각

이번 공개가 중요한 이유는 모델이 더 이상 호스팅 프리뷰에 갇혀 있지 않기 때문이다. 개발자는 Mistral의 라이선스 아래에서 가중치를 받아 배포 방식을 직접 고를 수 있다. 표시된 API 요금이 낮다는 점도 코딩과 에이전트 워크로드에서 평가해 볼 만한 이유다.

중요한 것은 이용 가능성과 적합성의 구분이다. 100만 토큰 컨텍스트, 강력한 보안 벤치마크, 내려받을 수 있는 가중치가 있다고 해서 사용자의 리포지토리에서 좋은 결과가 보장되지는 않는다. 실제 작업 몇 개로 시작해 비용과 검토 노력을 추적하고, 자체 호스팅을 결정하기 전에 라이선스와 하드웨어 요건을 확인해야 한다.

출처

Mistral, Large 4 model card and license, 2026년 10월 29일 확인
Mistral, model and API pricing, 2026년 10월 29일 확인
Hugging Face, Mistral Large 4 weights and deployment, 2026년 10월 29일
Mistral, original public preview announcement, 2026년 10월 6일

Nvidia의 Hugging Face 인수가 미국 반독점 당국의 주목을 받는 이유

Thu, 29 Oct 2026 00:00:00 +0000

미국 법무부(DOJ)가 Nvidia의 Hugging Face 인수 추진이 AI 경쟁에 어떤 영향을 줄 수 있는지 질의했다고, 사안을 아는 두 명을 인용해 Reuters가 10월 28일 보도했다. 이 거래는 선도적인 AI 칩 공급업체와 모델, 데이터셋, 개발자 도구를 공유하는 가장 잘 알려진 플랫폼 중 하나를 하나로 묶는다.

인수는 아직 완료되지 않았다. Nvidia는 규제 당국 승인을 포함한 클로징 조건을 전제로 2027년 상반기에 완료될 것으로 예상한다. 조사 당국의 질의는 위법 판정이 아니며 반드시 소송으로 이어지는 것도 아니다.

거래 개요

거래 개요
질문	알려진 내용
무슨 일이 있었나	Nvidia가 2026년 9월 Hugging Face 인수에 합의했다.
규모는	Nvidia는 129.3억 달러 규모의 거래를 발표했다. SEC 제출 서류는 이를 주주 몫 약 119억 달러(조정 대상)와 직원 유지 보상 최대 약 10억 달러로 나눈다.
새로운 소식은	Reuters에 따르면 DOJ 관계자들이 이 거래가 경쟁에 어떤 영향을 줄 수 있는지, Nvidia가 중요한 AI 유통 지점을 장악할 수 있는지 물었다.
완료됐나	아니다. Nvidia는 조건과 승인을 전제로 2027년 상반기에 클로징할 것으로 예상한다.

출처: Nvidia 발표, SEC 제출 서류, Reuters.

Hugging Face가 중요한 이유

Hugging Face는 개발자와 연구자가 AI 모델, 데이터셋, 애플리케이션을 공개하고 찾아보는 곳이다. 개발자는 이곳에서 모델을 찾고, 라이선스를 살피고, 가중치를 내려받고, 배포 방법을 비교할 수 있다. 많은 프로젝트와 기업이 같은 인프라로 자신의 작업을 배포한다.

Nvidia는 9월에 1,800만 명이 넘는 개발자, 연구자, 크리에이터가 이 플랫폼을 사용했고 300만 개가 넘는 모델과 500,000개의 데이터셋이 호스팅돼 있다고 밝혔다. 이는 독립적으로 검증된 사용자 수나 활동량이 아니라 Nvidia가 제시한 수치다(발표).

여기서는 개방형 플랫폼, 오픈소스 소프트웨어, 오픈 웨이트 모델의 구분이 중요하다. Hugging Face에 올라 있다고 해서 모든 모델이 오픈소스가 되거나 상업적 사용이 제한 없이 허용되는 것은 아니다. 모델과 데이터셋마다 고유한 라이선스와 조건이 있다.

경쟁 당국이 질의하는 이유

Reuters의 두 취재원에 따르면 DOJ 관계자들은 Hugging Face를 소유하면 Nvidia가 AI의 핵심 유통 지점을 장악할 수 있는지, 그리고 회사가 이 플랫폼을 어떻게 이용해 경쟁사에 해를 끼칠 수 있는지 물었다. Reuters는 이 질의가 Nvidia의 인수, 투자, 판매 관행에 대해 수년째 이어지는 더 폭넓은 검토와 함께 나왔다고 전한다.

우려를 이해하는 실용적인 방법은 개발자의 여정을 따라가 보는 것이다. 모델 탐색 → 배포 서비스 선택 → 하드웨어 선택. Nvidia는 이미 많은 AI 개발자가 쓰는 하드웨어를 공급한다. 주요 탐색 및 유통 플랫폼을 소유하면 이 여정의 다른 단계에서도 영향력을 가질 수 있다.

이는 잠재적인 경쟁 우려이지, Nvidia가 Hugging Face를 바꿨거나 경쟁사에 불이익을 줄 계획이라는 증거가 아니다. 어떤 행위나 거래가 법을 위반하는지 판단하려면 규제 당국이 증거와 법적 분석을 갖춰야 한다.

Nvidia가 계속 열어 두겠다고 말하는 것

Nvidia는 개발자가 앞으로도 모델, 프레임워크, 클라우드와 추론 제공업체, 컴퓨팅 플랫폼을 직접 고를 것이라고 말한다. Nvidia의 발표문은 Hugging Face를 통해 빌드하거나 배포하는 데 Nvidia 하드웨어가 필수가 아니라고 명시한다.

SEC 제출 서류에서 Nvidia는 기존 관행에 따라 플랫폼을 개방적으로 유지하고, 모델과 데이터셋의 업로드와 다운로드를 허용하며, 다른 실리콘 업체를 지원하겠다고 약속했다고 밝힌다. 이는 Nvidia가 밝힌 약속이다. 시간이 지나며 어떻게 이행되는지, 규제 당국이 추가 조건을 부과할지는 지켜봐야 한다.

Nvidia는 자사의 인프라와 엔지니어링 자원이 안정성, 안전, 평가, 배포를 개선하는 데 도움이 될 수 있다고도 주장한다. 이런 잠재적 이점은 경쟁 우려, 그리고 다양한 제공업체를 아우르는 플랫폼에 의존하는 커뮤니티의 사정과 견주어 따져 봐야 한다.

개발자가 지켜봐야 할 것

현재로서는 이번 인수 추진으로 플랫폼의 모델 접근, 가격, 공급업체 지원이 바뀐다는 사실은 확인되지 않았다. 개발자는 네 가지 영역에서 구체적인 업데이트를 지켜볼 수 있다.

접근성: 이용자가 같은 조건으로 모델과 데이터셋을 계속 찾고, 업로드하고, 내려받을 수 있는가.
하드웨어와 호스팅 선택권: 경쟁 칩, 클라우드 제공업체, 추론 서비스가 실제로 계속 지원되는가.
발견 가능성: 검색, 추천, 통합 기능이 비슷한 선택지를 공정하게 다루는가.
라이선스와 이식성: 개별 모델의 조건이 의도한 사용을 허용하는가, 그리고 조건이 허용할 때 프로젝트가 사본을 유지하거나 워크플로를 옮길 수 있는가.

이는 지켜볼 질문이지 Nvidia가 발표한 변경 목록이 아니다. 배포 결정을 내리기 전에 모델의 라이선스, 서비스 약관, 인프라 이전 비용을 모두 확인해야 한다.

앞으로 어떻게 되나

이 거래는 필요한 승인과 그 밖의 클로징 조건을 충족해야 한다. DOJ는 부처에 계류 중인 사안에 대한 언급을 거부했고, Nvidia는 Reuters의 질문에 언급을 거부했으며, Hugging Face는 통신사의 논평 요청에 응하지 않았다.

조사는 소송 없이 끝날 수도 있다. 추가 검토나 제동으로 이어질 수도 있다. 현재 보도로는 어느 쪽이 될지 알 수 없다. 개발자에게 중요한 질문은 AI 생태계 전반에서 쓰이는 플랫폼이 소유권이 바뀐 뒤에도 의미 있는 선택권을 계속 제공하는가이다.

출처

Reuters: US DOJ inquiries about Nvidia's proposed purchase, 2026년 10월 28일
Nvidia: announcement and platform commitments, 2026년 9월 3일
Nvidia: SEC Form 8-K, 2026년 9월

OpenAI와 ServiceNow, ChatGPT를 기업 워크플로에 한층 가깝게

Thu, 29 Oct 2026 00:00:00 +0000

직원이 ChatGPT를 벗어나지 않고 IT 장애를 조사하고, 그 맥락을 살피고, 기록을 갱신할 수 있다면 어떨까? 10월 28일 제휴 확대를 발표한 OpenAI와 ServiceNow가 그리는 활용 사례 중 하나다. 두 회사는 OpenAI의 모델과 에이전트를 IT 지원, 보안, 애플리케이션 개발에 걸친 ServiceNow 워크플로와 연결하려 한다(OpenAI).

지금 이용할 수 있는 것은 OpenAI 마켓플레이스의 ServiceNow MCP 플러그인 하나다. Codex 연동과 사이버 보안 솔루션 등 발표된 나머지 기능은 2027년에 예정되어 있다. 이번 합의는 2026년 1월에 확대된 협력을 바탕으로 한 것이며, 완전히 새로운 제휴는 아니다(ServiceNow, 1월).

ServiceNow로 들어가는 입구가 되는 ChatGPT

ServiceNow는 IT 요청, 장애, 보안 운영 같은 기업 프로세스를 관리하는 플랫폼을 제공한다. 발표된 플러그인은 그 맥락의 일부를 ChatGPT로 가져오고, 대화 안에서 ServiceNow 기록에 대한 작업을 할 수 있게 하는 것을 목표로 한다.

OpenAI가 든 예는 IT 팀이 비슷한 장애를 찾고, 변경의 위험을 평가하고, 기록을 갱신하는 것이다. 고객은 ChatGPT를 자신의 ServiceNow 인스턴스에 연결하고 제공할 기능을 고르며, 작업은 Action Fabric를 통해 조직의 ServiceNow 규칙과 권한을 계속 따른다(OpenAI).

이것이 ChatGPT가 모든 기록에 자동으로 접근하거나 무엇이든 바꿀 수 있다는 뜻은 아니다. 실제 접근 범위는 연결 방식과 조직 설정에 달려 있다. 두 회사는 온콜 팀을 위한 더 풍부한 대화형 경험도 설명하지만, 이는 예정된 확장에 속하며 확정된 일반 출시가 아니다(ServiceNow).

Codex, 보안, 음성: 예정된 것

이번 제휴는 여러 프로젝트에 걸쳐 있다. 아래 날짜는 두 회사가 발표한 기대치이며 바뀔 수 있다.

Codex, 보안, 음성: 예정된 것
기능	발표된 용도	발표된 제공 시기
ServiceNow MCP 플러그인	ChatGPT에서 ServiceNow 워크플로에 접근	이용 가능, 강화된 기능은 2026년 말까지 예상
보안	OpenAI의 사이버 역량과 ServiceNow의 자산·접근 맥락 결합	2027년 1월 조기 접근, 정식 출시는 2027년 2분기 예정
음성	AI 활용 사례를 설명해 위험 평가 작성을 지원	2027년 1분기
AI Workflow Factory의 Codex	ServiceNow 맥락과 플랫폼 기능을 활용한 앱 제작 지원	2027년 중

출처: OpenAI, ServiceNow, 2026년 10월 28일.

개발자에게 가장 분명한 발표는 AI Workflow Factory와 Codex를 연동하는 계획이다. ServiceNow의 비즈니스 맥락과 플랫폼 기능을 활용해 애플리케이션을 만드는 것을 돕겠다는 것이 목표다. OpenAI 모델은 Build Agent와 Autonomous Engineer에도 쓰일 것으로 예상된다. 이번 발표에서 두 회사는 가격이나 더 구체적인 Codex 출시일을 밝히지 않았으므로, 고객이 지금 그 연동을 쓸 수 있다고 가정하는 것은 성급하다.

예정된 보안 솔루션은 OpenAI의 사이버 역량과 회사의 자산 및 접근 정보를 결합해 위험을 식별하고 우선순위를 매기도록 돕는다. 발표문은 의도한 제품과 일정을 설명할 뿐, 그 효과를 입증하는 독립적인 결과는 제시하지 않는다.

두 회사가 서로의 도구를 쓸 계획

ServiceNow는 엔지니어링 조직을 넘어 전 직원이 ChatGPT Work와 Codex를 쓸 수 있게 할 계획이다. 내부 보안 업무에도 OpenAI의 역량을 활용할 계획이다. OpenAI는 자사 운영에 ServiceNow 워크플로를 쓰고 있다고 밝히며, ServiceNow는 OpenAI에 더 폭넓은 도입이 예정되어 있다고 설명한다(OpenAI, ServiceNow).

이는 서로 다른 두 가지 움직임이다. 플랫폼 간의 상업적 제휴와, 각자 조직 안에서의 자사 제품 도입이다. 어느 발표도 그것만으로는 측정된 생산성 향상이나 이미 도구를 쓰는 직원 수를 입증하지 못한다.

이 제휴가 중요한 이유

AI 대화는 관련 맥락을 갖고 업무가 추적되는 소프트웨어 안에서 행동을 도울 수 있을 때 더 유용해질 수 있다. IT 팀이라면 장애 이력을 찾고 기록을 갱신하는 일을 한곳에서 하면 인터페이스 전환이 줄어들 수 있다. 실제 가치는 검색된 정보의 품질, 권한, 작업 통제, 결과를 검증하는 데 드는 시간에 달려 있다.

ServiceNow는 자사 AI 거버넌스 플랫폼을 중심으로 한 파트너 연합도 발표했다. OpenAI와 Anthropic을 모두 창립 회원으로 올렸다. OpenAI와의 제휴는 더 넓은 생태계의 일부이며, 발표문은 전면적인 독점 계약을 설명하지 않는다(ServiceNow).

우리의 견해: 지금 이용할 수 있는 플러그인은 이 연동을 미리 살펴보게 해 주며, 보안, 음성, 개발 기능은 출시되었을 때 평가해야 한다. 고객에게 결정적인 질문은 필요한 권한, 작업 추적 가능성, 가격, 자기 워크플로에서의 신뢰성이 될 것이다. 검토한 발표문은 이 향후 기능의 가격을 명시하지 않는다.

출처

OpenAI, expanded ServiceNow partnership, 2026년 10월 28일
ServiceNow, partnership announcement and timeline, 2026년 10월 28일
ServiceNow, expanded OpenAI collaboration, 2026년 1월 20일
ServiceNow, Control Tower Alliance launch, 2026년 10월 28일

Opera, 인터랙티브 웹 페이지를 3D로: HTML-in-Canvas의 의미

Thu, 29 Oct 2026 00:00:00 +0000

3D 레이싱 정비소 안의 화면을 떠올려 보자. 타이밍 대시보드의 정지 이미지를 보여 주는 대신, 방문자가 실제로 쓸 수 있는 버튼과 텍스트가 들어 있다. Opera는 캔버스 기반 2D 및 3D 장면 안에 인터랙티브 HTML 콘텐츠를 렌더링하는 웹 기술인 HTML-in-Canvas로 이런 경험을 선보이고 있다(Opera).

이번 발표는 게임 제작자와 웹 개발자를 겨냥하지만, 아이디어는 인터랙티브 제품 데모, 대시보드, 크리에이티브 도구에도 적용된다. 이는 아직 등장하는 중인 브라우저 기능이며, 어떤 웹사이트든 제한 없이 어디에나 삽입할 수 있다는 약속은 아니다.

HTML-in-Canvas란 무엇인가?

HTML은 웹 페이지의 요소, 즉 텍스트, 버튼, 폼 등을 기술한다. 캔버스는 2D 애니메이션과 3D 장면을 포함한 그래픽에 쓰이는 그리기 영역이다. 전통적으로 캔버스 기반 경험에 풍부한 HTML을 넣으려는 개발자는 오버레이 같은 기법을 쓰거나 콘텐츠를 이미지로 렌더링한 뒤, 상호작용과 동기화를 직접 처리해야 했다.

HTML-in-Canvas는 더 긴밀한 연결을 제안한다. 브라우저가 대상이 되는 HTML 요소를 캔버스에 렌더링하면서 인터랙티브한 DOM 콘텐츠를 유지할 수 있다. 기반 작업은 Web Incubator Community Group을 통해 공개적으로 진행되며, Opera가 제안 전체를 혼자 만든 것은 아니다(WICG 설명서).

단순화한 예를 들면 이렇다. 개발자가 HTML과 CSS로 메뉴를 만든 다음 3D 장면 안의 표면에 렌더링한다. 결과물은 가상 세계의 일부처럼 보이면서도 실제 인터페이스의 동작을 유지할 수 있다. 그리기와 상호작용을 일치시키는 데는 여전히 구현 작업이 필요하며, 특히 요소가 3D에서 움직일 때 그렇다(Chrome for Developers).

Opera가 보여 주는 것

Opera의 시연에는 화면마다 실시간 웹 콘텐츠가 나오는 가상 방 Gamer Room, 페이지의 요소를 밀어낼 수 있는 물체로 바꾸는 Webpage Bulldozer, 날아다니는 인터페이스 요소가 등장하는 게임 같은 데모 HTML Ninja가 있다(Opera).

개발자에게 가능한 활용 사례는 다음과 같다.

익숙한 HTML 컨트롤로 만든 게임 내 상점이나 인벤토리.
인터랙티브 구성 패널이 있는 가상 제품 쇼룸.
가상 화면에 대시보드를 띄운 3D 작업 공간.
스타일이 적용된 텍스트나 폼을 캔버스 효과와 결합한 크리에이티브 도구.

이는 활용 사례일 뿐, 기존의 모든 사이트가 그대로 작동한다는 보장이 아니다. Opera는 동일 출처 규칙이 적용된다고 밝힌다. 개발자가 임의의 제3자 웹사이트를 캔버스에 그대로 그릴 수는 없다(Opera).

Three.js 개발자에게는 무엇을 의미하는가?

Three.js 개발자는 이 기능으로 장면 속 표면에 HTML 기반 인터페이스를 올릴 수 있다. Chrome 개발자 문서는 THREE.HTMLTexture를 통한 실험적 Three.js 지원을 설명하며, 다른 그래픽 라이브러리의 커뮤니티 구현도 논의한다(Chrome for Developers).

가상 레이싱 정비소의 인터랙티브 대시보드나 게임 속 물체에 붙은 설정 패널을 생각해 보자. 개발자는 여전히 장면을 만들고, UI를 애플리케이션에 연결하고, 상호작용을 관리하고, 성능을 테스트해야 한다. 이 API가 게임이나 작동하는 3D 환경을 스스로 만들어 주지는 않는다.

브라우저 지원과 한계

제안은 계속 발전하고 있으며, 출처마다 출시 상황을 다르게 설명한다. Opera의 발표는 HTML-in-Canvas를 초기 프리뷰로 소개한다. 블로그에는 Opera One이 먼저이고 GX와 Neon이 뒤따른다고 되어 있지만, 체험 섹션에는 셋 모두가 나열되어 있다. 버전마다 지원이 같다고 가정하지 말고, 설치한 브라우저와 데모에서 직접 확인하라(Opera).

Google 개발자 블로그는 Chrome 157에서 안정 구현이 이루어졌다고 전하는 반면, WICG 설명서는 Chromium 구현을 여전히 플래그로 제한된 것으로 설명한다. 문서마다 서로 다른 버전이나 업데이트 일정을 반영했을 수 있으며, 어느 쪽도 모든 브라우저의 보편적 지원을 입증하지는 않는다(Chrome; WICG).

공개 웹사이트나 게임에서는 지원 여부를 감지하고 기존 HTML 인터페이스 같은 대체 수단을 제공해야 한다. 개발자는 자신의 구현에서 키보드 조작, 보조 기술, 모바일 동작, 성능, 보안 제한도 테스트해야 한다. 실제 HTML은 시맨틱을 유지하는 데 도움이 되지만, 요소를 3D로 렌더링한다고 해서 모든 경험이 자동으로 접근 가능해지는 것은 아니다.

브라우저 지원과 한계
질문	알려진 내용
Opera만의 기술인가?	아니다. 제안은 공개적으로 개발되며 Opera는 자사 브라우저에서 이를 선보이고 있다.
외부 웹사이트를 아무거나 표시할 수 있는가?	동일 출처 제한이 적용되며, 임의의 제3자 페이지는 자동으로 쓸 수 없다.
3D 엔진을 대체하는가?	아니다. 개발자는 여전히 장면과 애플리케이션을 만들어야 한다.
모든 곳에서 지원되는가?	아니다. 지원은 브라우저와 버전에 따라 다르므로 기능 감지와 대체 수단을 쓰라.

출처: Opera, WICG, Chrome for Developers.

체험하는 방법

Opera는 Gamer Room 등의 예시가 있는 데모 갤러리를 공개했다. 회사는 지원되는 Opera 버전에서는 추가 설정 없이 데모를 체험할 수 있다고 밝히며, 블로그에는 더 폭넓은 사용을 위한 Early Bird 설정도 소개되어 있다. 이용 가능 여부에 대한 설명이 서로 다르므로, 자신의 버전에서 결과를 확인하고 프리뷰로 받아들이라.

우리의 견해

HTML-in-Canvas는 풍부한 웹 인터페이스를 인터랙티브 3D 경험 속에서 더 자연스럽게 만들 수 있다. 가장 설득력 있는 활용 사례가 웹사이트 전체를 공중에 띄우는 것은 아닐 수 있다. 읽기 쉬운 대시보드, 쓸 수 있는 인벤토리, 알맞은 자리에 놓인 설정 패널은 사용자가 인터페이스를 새로 익히게 하지 않고도 가치를 더할 수 있다.

이 기능은 유망하지만, 채택 여부는 브라우저 지원, 접근성, 실제 프로젝트에 필요한 구현 작업량에 달려 있다. 지금은 시험해 보되, 지원하지 않는 브라우저의 방문자를 위해 기존 방식의 대체 수단을 유지하라.

출처

Opera, HTML-in-Canvas for gamers and developers, 2026년 10월 27일
WICG, HTML-in-Canvas explainer, 2026년 10월 29일 확인
Chrome for Developers, HTML-in-Canvas, 2026년 10월 26일
Opera, interactive demos, Opera의 발표에 링크됨

AI 에이전트가 앱 하나를 통째로 만들 수 있을까? Replit의 ViBench 2.0이 시험하다

Thu, 29 Oct 2026 00:00:00 +0000

AI 에이전트는 몇 분 만에 그럴듯한 앱 데모를 만들 수 있다. 하지만 기능이 추가될 때마다 그 앱이 계속 작동하게 유지하는 것은 더 어려운 과제다. Replit의 새 ViBench 2.0은 에이전트에게 빈 프로젝트에서 제품을 만들게 한 다음, 자기 코드를 기능 단위로 확장하게 하여 이 문제를 시험한다.

10월 28일 공개된 이 벤치마크는 제품 17개, 기능 요청 241건, 테스트 플랜 544개를 다룬다. Replit이 보고한 공식 실행에서 선두 모델 세 개는 빌드의 49%~65%에서 모든 테스트 플랜을 통과했다. 개별 플랜은 대부분 통과했지만, 기능 간 상호작용은 여전히 실패의 흔한 원인이었다(Replit).

이는 AI 개발 도구도 판매하는 Replit이 만든 벤치마크의 결과다. 공식 비교는 파트너인 Fireworks가 실행했다. 이 특정 테스트에 관한 유용한 증거이긴 하지만, 어떤 모델이 여러분의 제품을 성공적으로 만들어 낸다는 보장은 아니다.

ViBench 2.0의 작동 방식

에이전트는 짧은 명세와 빈 프로젝트에서 출발한다. 초기 버전을 만든 뒤, 전체 순서를 미리 알지 못한 채 최대 18개의 기능을 추가한다. 마지막 기능 이후에는 별도의 채점 에이전트가 사용자처럼 클릭하고 입력하면서 실제 브라우저에서 테스트 플랜을 실행한다(Replit).

제품은 문서 편집, 코드 호스팅, 호출형 차량 서비스 같은 범주를 모방한다. 테스트는 새 데이터베이스가 제대로 시작되는지, 업데이트가 다른 사용자의 작업을 덮어쓰지 않는지, 나눠 낸 요금의 합이 맞는지 같은 세부 사항을 점검한다.

제품 8개와 그 플랜은 공개되어 있고 9개는 비공개다. 공식 비교는 제품과 모델마다 빌드 4회를 사용하며, OpenHands 기반의 같은 에이전트 하네스와 중간 수준의 추론 노력을 쓴다. 하나의 공통 하네스는 비교에 도움이 되지만, 다른 환경에 맞춰 최적화된 모델은 결과가 다를 수 있다(공개 리포지토리).

결과: 모두 통과하기는 대부분 통과하기보다 어렵다

Replit은 제품 17개 전체에 대한 Fireworks의 공식 결과를 다음과 같이 보고한다. 여기서 Pass@1은 제품당 빌드 4회의 평균을 낸, 모든 테스트 플랜을 통과한 빌드의 비율이다.

결과: 모두 통과하기는 대부분 통과하기보다 어렵다
모델	전체 빌드 pass@1	빌드당 대략적인 비용
GPT-6.1 Sol	65%	$12
GPT-6 Astra	60%	$90
Claude Opus 5.5	49%	Replit의 글에 언급 없음

출처: Replit의 ViBench 2.0 보고서, 2026년 10월 28일. 이 비용은 벤치마크 실행에 든 비용이며, 프로덕션 앱을 만드는 데 드는 가격이나 구독료가 아니다.

세 모델 모두 개별 테스트 플랜의 90% 넘게를 통과했다. 이는 한 빌드에서 모든 플랜을 통과하는 것과는 다른 척도다. 애플리케이션이 대부분의 일을 제대로 해내더라도, 중요한 상호작용 하나가 깨지면 전체 빌드 점수에서는 실패한다.

DeepSeek V4.1 Flash는 빌드당 약 2.50달러에 개별 플랜의 77%를 통과했다. Replit은 공식 비교에 포함된 오픈 웨이트 모델 중 완전한 빌드를 통과한 모델은 없다고 보고한다. 플랜 통과율 77%를 위의 전체 빌드 pass@1 비율과 직접 비교해서는 안 된다.

빌드가 무너지는 곳

Replit이 든 사례로는 병합 충돌을 표시하지 않는 초안 풀 리퀘스트, 표 셀 안의 텍스트에는 댓글을 달 수 없는 문서 편집기, 공동 작업자의 변경을 되돌려 버리는 실행 취소가 있다. Replit에 따르면 선두 모델에서 실패한 빌드의 거의 4분의 3은 기능 사이의 교차점에서만 실패했다(보고서).

에이전트로 제품을 만드는 사람에게 유용한 구분이다. 각 기능은 따로 보면 작동하는 듯해도 결합된 작업 흐름은 실패할 수 있다. 보기 좋은 인터페이스가 권한, 저장된 데이터, 동시 편집이 올바르다는 것을 보여 주지도 않는다. ViBench는 시각 디자인을 채점하지 않는다.

제품 8개만 쓴 별도 비교

Replit은 공개 제품 8개를 대상으로 GPT 세대 간 비교도 했다. 전체 빌드 pass@1은 GPT-6 Sol이 31%, GPT-6.1 Sol이 53%, GPT-6.1 Terra가 47%라고 보고한다. 이전 GPT 모델은 Replit이 따로 실행했고, 6.1 Sol의 결과는 Fireworks의 공식 실행에서 나왔다(Replit).

이 수치는 제품 17개 표와 다른 부분집합을 쓴다. 예를 들어 공개 부분집합에서 GPT-6.1 Sol의 53%와 전체 제품에서의 65%는 모순되지 않지만, 같은 측정으로 취급해서는 안 된다.

채점은 얼마나 믿을 만한가?

Claude Opus 5.5를 쓰는 채점 에이전트가 빌드를 평가하므로 채점 오류의 가능성은 남아 있다. Replit은 통과한 플랜 477개의 표본에서 두 번째 모델이 99.2%를 확인했다고 밝혔다. 공개 리포지토리는 채점 에이전트가 실패해야 할 플랜을 통과시킬 수도 있다고 적었다. Replit이 보고서를 공개할 때 상세한 방법론 문서는 아직 나오지 않은 상태였다(Replit, 공개 리포지토리).

이 테스트는 하네스 하나, 특정 모델 설정, 한정된 제품 집합도 사용한다. 프로덕션 보안, 확장성, 유지보수성, 법규 준수, 실제 사용자 환경에서의 성능은 입증하지 못한다. 보고서를 해석할 때는 Replit의 상업적 이해관계와 Fireworks가 Replit의 파트너라는 점을 고려해야 한다.

우리의 평가

ViBench 2.0은 에이전트가 보기 좋은 첫 화면을 만들 수 있느냐보다 현실적인 질문을 던진다. 이전에 만든 것을 깨뜨리지 않고 기능을 추가할 수 있는가? 결과는 선두 모델이 테스트 작업의 상당 부분을 해낼 수 있음을 시사하지만, 마지막 몇 건의 실패가 사용자에게는 여전히 중요할 수 있다.

실제 프로젝트에서는 에이전트로 빠르게 진행하되, 출시 전에 수용 기준을 정하고, 기능 간 상호작용을 테스트하고, 데이터베이스 동작을 점검하고, 보안을 검토하자. 벤치마크 점수는 출발점을 고르는 데 도움이 될 수 있다. 결과물이 출시할 준비가 되었는지는 여러분의 테스트가 가려 준다.

출처

Replit, ViBench 2.0 보고서, 2026년 10월 28일
ViBench 공개 리포지토리와 평가의 한계, 2026년 10월 29일 확인

Gemini 4 Carbon: Google이 선두를 되찾았지만 문은 잠겨 있다

Wed, 28 Oct 2026 20:30:00 +0100

10월 28일 Google은 가장 강력한 모델이라고 소개하는 Gemini 4 Carbon을 발표했다. 최고 수준의 사이버 보안 및 장기 과제 수행 능력을 갖췄다는 설명이다(Google). Carbon은 기반이 된 Gemini 4 Argon이 나온 지 2주 만에 등장했으며, 개발자들이 주목하는 두 순위에서도 1위를 차지했다. 그러나 Carbon은 아직 개발자와 일반 대중이 쓸 수 없다. 일부 사이버 방어 담당자만 접근할 수 있으며, Google은 출시일을 밝히지 않았다(Google).

아래에서는 Google이 발표한 수치, 독립 평가 기관의 수치, 그리고 우리의 해석(그렇게 표시한다)을 구분한다. 가격은 100만 토큰당 달러다.

Carbon이란 무엇인가

Carbon은 더 가벼운 “Flash” 모델이 아니라, 긴 엔지니어링 과제를 위해 만든 Argon의 강화 버전이다. Google은 자사 팀이 Carbon이 “며칠 동안” 작동하며 미묘한 버그의 근본 원인을 찾아 대규모 코드베이스에서 고치는 것을 확인했다고 밝힌다(Google).

또 다른 초점은 방어적 사이버 보안이다. Google은 취약점을 찾는 SEC-bench Pro에서 88.2%, 취약점 악용 가능성을 확인하는 ExploitGym에서 54.8%, 취약점을 고치는 CWE-bench에서 71.0%를 보고한다. 내부 테스트에서 Carbon은 안전한 코드를 작성하는 성공률이 Argon의 두 배가 넘는다. Chrome 팀은 다른 연구소의 대형 최첨단 모델(이름은 밝히지 않았다)보다 “10배 넘게” 나은 패치를 보고한다(Google).

Google은 파라미터 수도 최대 출력 길이도 공개하지 않는다. Artificial Analysis는 100만 토큰의 컨텍스트 윈도우와 텍스트, 이미지, 영상, 음성 입력, 텍스트 출력을 기재한다(Artificial Analysis).

Artificial Analysis 지수 1위

전날 개편된 Artificial Analysis Intelligence Index 5판에서 Carbon은 59점으로 선두에 올라 Claude Opus 5.5보다 1점 앞선다.

Artificial Analysis Intelligence Index v5, 100점 만점
█ Gemini 4 Carbon
░ Gemini 4 Argon
▒ 경쟁 모델

Gemini 4 Carbon        59 │██████████████████████████████
Claude Opus 5.5        58 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6 Astra            57 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6.1 Sol            55 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Gemini 4 Argon         50 │░░░░░░░░░░░░░░░░░░░░░░░░░
Claude Fable 5.1       49 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒

출처: Artificial Analysis의 Carbon 기사와 Index v5 발표, 2026년 10월 27일과 28일. Claude Fable 5.1 점수는 Google DeepMind 표에서 가져왔다. Carbon은 높은 추론 설정, 나머지는 최대 노력 설정이다.

1점 차이는 근소하다. Artificial Analysis는 Carbon이 지수의 9개 평가 중 4개(HLE-Diamond, Terminal-Bench-Science, AA-Omniscience, AutomationBench-AA)에서 앞선다고 지적한다. 코딩 테스트인 Terminal-Bench 4.0과 FrontierCode에서는 2위에 그친다. 사무 작업을 측정하는 AA-Briefcase에서 Carbon은 Argon(1,609)보다 126 Elo 포인트 올랐지만 Grok 4.7(1,638), Muse Wonder(1,659), Kimi K3.1 Pro(1,678)에는 못 미친다(Artificial Analysis).

신뢰성은 엇갈린다. Carbon은 AA-Omniscience 점수가 가장 높다(54, Opus 5.5는 48). 하지만 환각률은 Argon의 4%에서 11%로 오른다. 그래도 둘 다 50%인 Claude Opus 5.5와 GPT-6 Astra보다는 훨씬 낮다(Artificial Analysis).

Carbon이 Argon과 경쟁 모델보다 나은 점

Google은 17개 테스트 표를 공개했는데, Carbon은 모든 항목에서 Argon을 앞선다. 경쟁 모델과 비교하면 양상이 더 엇갈린다. 대표적인 다섯 항목은 다음과 같다.

Google이 발표한 점수, %
█ Gemini 4 Carbon   ░ Gemini 4 Argon
▒ GPT-6 Astra       ▓ Claude Opus 5.5

Terminal-Bench 4.0 (AA)
  Carbon        65.2 │████████████████
  Argon         57.1 │░░░░░░░░░░░░░░
  GPT-6 Astra   59.1 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      59.6 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
FrontierSWE 2
  Carbon        61.2 │███████████████
  Argon         55.0 │░░░░░░░░░░░░░░
  GPT-6 Astra   65.5 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      62.3 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
OSWorld-2.1
  Carbon        81.5 │████████████████████
  Argon         74.7 │░░░░░░░░░░░░░░░░░░░
  GPT-6 Astra   80.9 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      87.2 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GraphWalks 256k-1M
  Carbon        96.2 │████████████████████████
  Argon         84.2 │░░░░░░░░░░░░░░░░░░░░░
  GPT-6 Astra   71.8 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      66.8 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
ExploitGym
  Carbon        54.8 │██████████████
  Argon         42.0 │░░░░░░░░░░░
  GPT-6 Astra   42.4 │▒▒▒▒▒▒▒▒▒▒▒
  Opus 5.5      34.5 │▓▓▓▓▓▓▓▓▓

출처: Google DeepMind 표, Google의 평가 방법론. 업체가 발표한 수치이며 독립 평가가 아니다.

가장 뚜렷한 향상은 긴 컨텍스트(256,000에서 100만 토큰 구간의 GraphWalks로, Carbon이 GPT-6 Astra와 Opus 5.5를 크게 앞선다), 사이버 보안, 과학 분야에 있다. 반면 소프트웨어 엔지니어링 테스트인 FrontierSWE 2에서는 GPT-6 Astra가, 컴퓨터 사용을 측정하는 OSWorld-2.1에서는 Claude Opus 5.5가 우위를 유지한다. SWE-sweep에서 Carbon(9.6%)은 GPT-6 Astra(9.5%)를 불과 0.1포인트 앞선다(Google DeepMind).

코딩 에이전트와 관련해, Artificial Analysis는 Google 자체 도구인 Antigravity CLI에서도 Carbon을 테스트했다. 이 조합은 Coding Agent Index에서 59점으로, Opus 5.5를 쓴 Claude Code(62점)보다 3점 낮다(Artificial Analysis).

Google은 행동 안전성도 강조한다. Terminal-Bench 4.0에서 Carbon은 부정행위 시도에 더 이상 성공하지 못하며(0.0%), 부정행위를 시도하는 경우도 0.4%뿐이다. 내부 테스트에서 심각도 높은 정렬 이상 경보는 거의 80% 줄어든다. Gray Swan의 간접 프롬프트 인젝션 테스트에서는 성공한 공격이 없으며, Argon은 0.7%였다(Google).

LMArena에서도 1위, 다만 잠정

사용자가 두 답변을 블라인드로 비교하는 LMArena에서도 Carbon이 1위다.

LMArena, 텍스트 리더보드, Elo 점수
막대는 1,460점에서 시작, 1칸 = 3점
█ Gemini 4 Carbon   ░ Gemini 4 Argon   ▒ 경쟁 모델

Gemini 4 Carbon     1,528 │███████████████████████
Gemini 4 Argon      1,520 │░░░░░░░░░░░░░░░░░░░░
Claude Opus 5.5     1,509 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Muse Wonder         1,507 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Claude Fable 5.1    1,504 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6.1 Sol         1,481 │▒▒▒▒▒▒▒
GPT-6 Astra         1,476 │▒▒▒▒▒

출처: LMArena, 2026년 10월 27일 텍스트 리더보드, 10월 28일 확인. 막대가 0에서 시작하지 않아 격차가 과장되어 보인다.

이 점수는 “잠정”으로 표시되어 있고 4,403표에 근거하며, Argon은 11,889표다. 오차 범위(±9)가 Argon과의 8점 차이를 덮는다. LMArena는 Carbon을 1위와 2위 사이에 놓는다(LMArena). 웹 개발을 다루는 WebDev Arena에서 Google은 89점 상승한 1,768점으로 4위라고 보고한다(Google).

가격과 이용 가능 여부

Carbon은 아직 개발자와 일반 대중이 쓸 수 없다. 현재 Google은 사이버 방어 파트너용으로만 제공하며 출시일은 없다(Google). 아래 가격은 발표된 가격이지, 지금 이용할 수 있는 요금이 아니다.

Carbon은 Argon과 같은 출시 기념 가격으로 시작한다. 입력 2달러, 출력 10달러이며, 캐시된 입력 토큰은 95% 할인된다. 이후에는 4달러와 20달러가 된다(Google). Google은 이 출시 기념 기간이 언제 끝나는지 밝히지 않았으며, Argon의 기간은 11월 30일까지다(Google).

가격과 이용 가능 여부
모델	입력 / 출력 가격	접근
Gemini 4 Carbon	발표: 출시 시 $2 / $10, 이후 $4 / $20	아직 이용 불가: Fairwind Program 전용, 공개 API 없음
Gemini 4 Argon	11월 30일까지 $2 / $10, 이후 $4 / $20	Gemini API, Antigravity
Claude Opus 5.5	$4 / $20	Claude API
GPT-6 Astra	$10 / $50	OpenAI API
GPT-6.1 Sol	$2 / $10	OpenAI API

출처: Google, Carbon, Google, Argon, Antigravity, Anthropic, OpenAI. OpenAI는 272,000토큰 미만 요청의 표준 요금. 2026년 10월 28일 확인.

토큰당 가격이 전부는 아니다. Artificial Analysis는 지수에서 전체 작업의 비용을 측정하며, Carbon은 표준 요금인 $4/$20 기준이다.

Artificial Analysis 지수 작업당 평균 비용, $
표준 가격, 출시 할인 없음
█ Gemini 4 Carbon   ░ Gemini 4 Argon   ▒ 경쟁 모델

Claude Fable 5.1    13.04 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Claude Opus 5.5     10.04 │▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒▒
Gemini 4 Carbon      7.76 │████████████████
Gemini 4 Argon       7.68 │░░░░░░░░░░░░░░░
GPT-6 Astra          6.25 │▒▒▒▒▒▒▒▒▒▒▒▒▒
GPT-6.1 Sol          1.27 │▒▒▒
GPT-6.1 Terra        0.96 │▒▒

출처: Artificial Analysis의 Carbon 기사(Carbon, Argon, Opus 5.5, Astra)와 Index v5 발표(Fable 5.1, Sol, Terra).

Carbon은 Opus 5.5보다 작업당 비용이 약 23% 적으면서 출력 토큰은 29% 적게 쓴다(173,000개 대신 123,000개). Argon과 비용은 같지만 점수는 9점 더 높고, GPT-6 Astra보다는 약 1.2배 비싸다(Artificial Analysis). GPT-6.1 Sol은 점수가 4점 낮은 대신 작업당 비용이 여전히 6분의 1이다.

접근 측면에서, Carbon은 이번 주 “일부” 사이버 방어 담당자에게 제공된 뒤 Fairwind Program의 더 많은 신뢰 파트너에게 확대된다. Google은 개발자, 기업, 소비자에게 “가능한 한 빨리” 열기 전에 “피드백을 모으고” 안전장치를 다듬고 싶다고 하지만 날짜는 없다(Google). Fairwind에는 650곳 넘는 파트너가 있으며, 정부, 핵심 인프라 운영자, 핵심 기술 플랫폼이 우선이다. 접근은 통제된다. 조직은 심사를 받고, 피싱에 강한 인증이 필요하며, 접근 권한을 재판매하거나 공유할 수 없다(Google DeepMind).

10월 28일 현재 Carbon은 Gemini API 모델 목록에도, 변경 이력에도, 가격 페이지에도 나타나지 않는다(Google). Google은 Gemini 앱, Vertex AI, Antigravity, Gemini CLI의 출시일을 발표하지 않았다.

개발자에게 달라지는 점

지금으로서는 구체적으로 없다. 공개된 API 모델 ID가 없고, 어떤 공개 제품에도 이 모델이 들어 있지 않다. 시기에 대한 유일한 단서는 Argon에서 나온다. 같은 방식으로 발표된 Argon은 이후 Gemini API와 Antigravity(앱과 명령줄 모두)에서 Google AI Pro와 Ultra 구독자에게 제공되었다(Antigravity). 이 도구들은 Gemini CLI와 Antigravity CLI 가이드에서 다룬다.

우리의 해석은 이렇다. Carbon이 나오면 세 가지 용도에서 가장 중요해질 것이다. Google이 내세우는 아주 긴 에이전트 과제, GraphWalks 우위가 가장 뚜렷한 대규모 컨텍스트, 그리고 Google이 강점으로 밝힌 코드 보안 감사다. 일상적인 코딩에서는 공개된 테스트상 Opus 5.5와 GPT-6 Astra와의 격차가 근소하고, GPT-6.1 Sol은 작업당 비용이 훨씬 낮다. 종료일이 없는 출시 기념 가격도 예산을 짜는 사람에게는 위험 요소다. 가격이 두 배가 될 것이기 때문이다.

지켜볼 것은 두 가지다. API가 열리는 날짜, 그리고 Carbon의 LMArena 점수가 표가 충분히 쌓여 잠정 딱지를 떼는 시점이다.

출처

Google, Gemini 4 Carbon announcement, 2026년 10월 28일, 확인일: 2026-10-28
Google DeepMind, Gemini 4 performance table 및 methodology, 확인일: 2026-10-28
Google DeepMind, Fairwind Program
Artificial Analysis, Gemini 4 Carbon is the new number 1, 2026년 10월 28일
Artificial Analysis, Intelligence Index v5, 2026년 10월 27일
LMArena, text leaderboard, 2026년 10월 27일, 확인일: 2026-10-28
Google, Gemini 4 Argon announcement
Google Antigravity, Gemini 4 Argon in Antigravity
Google, Gemini API models, 확인일: 2026-10-28
Anthropic, pricing 및 OpenAI, API pricing, 확인일: 2026-10-28

오픈 웨이트 모델: 누가 앞서고, 폐쇄형 모델과 얼마나 벌어졌나

Wed, 28 Oct 2026 18:30:00 +0100

10월 27일 Artificial Analysis가 규칙을 바꿨다. Intelligence Index가 비공개 테스트 60%를 포함한 버전 5로 넘어가면서, 최고의 폐쇄형 모델과 최고의 오픈 모델 사이의 격차가 3포인트에서 12포인트로 벌어졌다(Artificial Analysis). 웨이트를 실제로 내려받을 수 있는 모델로 한정하면 26포인트에 이른다. 누가 앞서는지, 얼마나 앞서는지, 어떤 가격과 어떤 라이선스인지 점검하기 좋은 때다.

먼저 용어를 짚는다. 이 모델들은 자유 소프트웨어라는 의미에서의 “오픈소스”가 아니라 거의 모두 오픈 웨이트 모델이다. 학습된 모델을 내려받아 직접 실행하고 조정할 수 있지만, 라이선스가 조건을 다는 경우가 많다. 별도 언급이 없는 한 업체가 발표한 점수는 업체 자체의 것이며, 가격은 100만 토큰당 미국 달러다.

오픈 모델의 선두는 누구인가

표의 상단은 중국 연구소들이 차지하고 있다.

Moonshot AI(Kimi). Kimi K3는 파라미터가 2.8조 개이고 컨텍스트 윈도우가 100만 토큰이며, Moonshot은 이를 “the world's first open 3T-class model”이라고 부른다(Kimi). 후속작 Kimi K3.1 Pro는 10월 23일부터 API로 쓸 수 있지만, 웨이트는 “by Nov 4”에야 공개된다(Kimi).
DeepSeek. DeepSeek V4.1-Flash는 파라미터 5,520억 개의 멀티모달 모델로 컨텍스트 윈도우가 100만 토큰이다(Hugging Face). 10월 17일 업데이트인 V4.1-Flash-1017은 MIT 라이선스다(Hugging Face).
Z.ai. Hugging Face에 따르면 GLM-5.3은 파라미터가 약 7,530억 개이며, 경량 버전 GLM-5.3-Flash는 MIT 라이선스다(Hugging Face).
Alibaba(Qwen). 파라미터 270억 개에 Apache 2.0 라이선스인 Qwen3.8-27B는 가장 많이 내려받는 오픈 모델 가운데 하나다(Hugging Face). 대형 모델 Qwen3.8-2.4T-A95B는 Qwen3.8-Max를 내려받을 수 있게 한 버전이며 자체 라이선스를 쓴다(Hugging Face).

미국 쪽에서는 Meta가 10월 15일 Muse Spark Open을 공개했다. 파라미터는 8,160억 개이고 토큰당 활성 파라미터는 420억 개이며 컨텍스트 윈도우는 100만 토큰이다. Meta는 이를 “the most capable US open-weight model to date”라고 부른다(Meta). Google에는 31B 버전이 Apache 2.0인 Gemma 4가 있다(Hugging Face). OpenAI는 새로 내놓은 것이 없다. 오픈 모델 페이지에는 여전히 gpt-oss와 gpt-oss-safeguard만 올라 있고(OpenAI), gpt-oss는 2025년 8월 5일에 나왔다(OpenAI).

유럽에서는 Mistral이 Mistral Small 4를 Apache 2.0으로(Hugging Face), Mistral Medium 3.5를 수정된 MIT 라이선스로(Mistral) 공개한다. 주력 모델인 Mistral Large 4는 LMArena에서 독점 모델로 분류된다(LMArena).

소형 모델도 움직이고 있다. Liquid AI는 10월 27일 파라미터 17억 개 버전을 포함한 LFM3를 공개했다(Liquid AI). 10월 24일 Apache 2.0으로 공개된 Nanbeige4.3-33B는 Terminal-Bench 4.0에서 23.8%를 보고한다(Hugging Face).

폐쇄형 모델과의 격차

Artificial Analysis의 v5 지수에서 상위 5개 모델은 모두 Anthropic과 OpenAI의 것이다. 최고의 오픈 모델인 Kimi K3.1 Pro는 아직 웨이트를 공개하지 않았다. 실제로 웨이트가 공개된 모델 중에서는 DeepSeek V4.1 Flash 1017과 GLM-5.3이 32포인트로 선두이며, Anthropic의 소형 모델인 Claude Haiku 5.5(36)에 뒤진다.

Artificial Analysis Intelligence Index v5, 100점 만점
█ 폐쇄형 모델
▓ 오픈 웨이트, 공개됨
░ 웨이트 공개 예고, 아직 미공개

Claude Opus 5.5         58 │█████████████████████████████
GPT-6 Astra             57 │█████████████████████████████
GPT-6.1 Sol             55 │████████████████████████████
Gemini 4 Argon          50 │█████████████████████████
Muse Wonder Full        50 │█████████████████████████
Kimi K3.1 Pro           46 │░░░░░░░░░░░░░░░░░░░░░░░
Claude Haiku 5.5        36 │██████████████████
DeepSeek V4.1 Flash     32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3                 32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B             20 │▓▓▓▓▓▓▓▓▓▓

출처: Artificial Analysis, Index v5, 2026년 10월 27일. Muse Wonder Full과 Qwen3.8-27B의 점수는 Cybernews(2026년 10월 28일)가 보도한 것이다. 모델별 최고 추론 강도 기준.

격차는 길고 처음 보는 과제에서 가장 크다. 유지 관리자가 코드 변경을 승인해야 하는 비공개 테스트 FrontierCode 2.0에서 Claude Opus 5.5는 과제의 46%를 완수하고, 최고의 오픈 모델인 DeepSeek V4.1 Flash 1017은 28%를 완수한다. 터미널에서 수행하는 과학 연구인 Terminal-Bench-Science에서는 공개된 오픈 모델 중 최고가 13%에 그치고 대부분 10% 아래인 반면, GPT-6 Astra는 63%다(Artificial Analysis). 예외가 하나 있다. Kimi K3.1 Pro는 Terminal-Bench 4.0에서 67%로 모든 모델 중 최고 점수를 기록했다.

이번 개편에는 비판도 있다. DeepSeek V4.1 Flash가 45에서 32로 떨어지는 등 여러 오픈 모델이 한꺼번에 10포인트 넘게 잃었고, Hacker News의 댓글들은 설명을 요구하고 있다(Cybernews).

두 개의 답변을 블라인드로 비교하는 사용자 투표에 기반한 LMArena 순위에서는 격차가 더 작다.

폐쇄형 모델과의 격차
모델	순위	점수	라이선스
Gemini 4 Argon	2	1,520	독점
Claude Opus 5.5	3	1,509	독점
Kimi K3	19	1,488	Kimi K3 라이선스
GLM-5.3	28	1,481	MIT
DeepSeek V4.1-Flash	35	1,476	MIT
Gemma 4 31B	77	1,452	Apache 2.0
Mistral Medium 3.5	122	1,426	수정된 MIT
gpt-oss-120b	219	1,352	Apache 2.0

출처: LMArena, 2026년 10월 27일 텍스트 리더보드, 419개 모델. 1위는 Gemini 4 Carbon(1,528)이며 점수에는 아직 “잠정”이라는 표시가 붙어 있다.

우리의 해석은 이렇다. 두 순위는 같은 것을 측정하지 않는다. 사용자 투표에서는 최고의 오픈 모델인 Kimi K3가 Gemini 4 Argon에 32포인트 뒤질 뿐이다. 처음 보는 테스트로 평가하는 긴 에이전트 과제에서는 격차가 훨씬 크다. 그리고 코딩 에이전트에서 중요한 것이 바로 이 용도다.

비용, 오픈 모델의 첫 번째 논거

가격은 여전히 오픈 모델의 큰 장점이지만, 모든 모델에 해당하는 것은 아니며 더는 자동으로 성립하지도 않는다.

공식 API 가격, 출력 토큰 100만 개당 $
█ 폐쇄형 모델
▓ 오픈 웨이트 모델

Claude Opus 5.5         20 │████████████████████
Kimi K3                 15 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GPT-6.1 Sol             10 │██████████
Gemini 4 Argon          10 │██████████
Qwen3.8-Max              6 │▓▓▓▓▓▓
GPT-6.1 Terra            5 │█████
GLM-5.3               4.40 │▓▓▓▓
DeepSeek V4-Pro       3.96 │▓▓▓▓
DeepSeek V4.1-Flash   1.20 │▓
Claude Haiku 5.5      0.50 │█
GPT-6 Luna            0.50 │█
GLM-5.3-Flash         0.50 │▓

출처: Anthropic, Kimi, OpenAI, Google(11월 30일까지 출시 가격), Alibaba Cloud(국제 요금이며 호스팅 버전의 가격), Z.ai, DeepSeek(피크 시간대 기준, 비피크 시간대는 반값). Claude Haiku 5.5는 프롬프트 100,000토큰 이하 기준. 2026년 10월 28일 확인.

DeepSeek V4.1-Flash는 여전히 가장 눈에 띄는 사례다. 피크 시간대에 입력은 0.30달러, 출력은 1.20달러이고 비피크 시간대에는 그 절반이다(DeepSeek). 반면 Kimi K3는 입력 3달러, 출력 15달러로 청구되어 GPT-6.1 Sol보다 비싸다(Kimi). 소형 폐쇄형 모델도 가격표의 바닥에 닿았다. Claude Haiku 5.5와 GPT-6 Luna는 0.10달러와 0.50달러다(Anthropic, OpenAI).

토큰당 가격이 전부는 아니다. Artificial Analysis는 지수에서 작업 하나를 끝까지 수행하는 비용도 측정한다. Claude Opus 5.5는 10.04달러, GPT-6 Astra는 6.24달러, GPT-6.1 Sol은 1.27달러, GPT-6.1 Terra는 0.96달러다(Artificial Analysis). 추론 토큰을 많이 쓰는 저렴한 모델은 결국 더 간결한 폐쇄형 모델만큼 비쌀 수 있다.

라이선스: 오픈이 곧 무료는 아니다

라이선스는 정말 허용적인 것부터 대형 경쟁사를 겨냥한 조건까지 폭넓게 분포한다.

라이선스: 오픈이 곧 무료는 아니다
모델	라이선스	알아둘 점
gpt-oss-120b, 20b	Apache 2.0	gpt-oss 사용 정책을 따르는 조건으로 상업적 사용 허용(OpenAI)
Gemma 4, Qwen3.8-27B, Mistral Small 4, Nanbeige4.3-33B	Apache 2.0	표준 소프트웨어 라이선스(Hugging Face)
DeepSeek V4.1-Flash-1017, GLM-5.3-Flash	MIT	표준 소프트웨어 라이선스(Hugging Face)
GLM-5.3	GLM-5.3 라이선스	12개월 매출이 100억 달러를 넘는 API 제공업체는 Z.ai의 보안 검토 대상(Hugging Face)
Kimi K3	Kimi K3 라이선스	12개월 매출이 2,000만 달러를 넘는 API 제공업체는 별도 계약 필요. 월간 사용자 1억 명 또는 월 매출 2,000만 달러를 넘으면 “Kimi K3” 표기 필요(Hugging Face)
Qwen3.8-2.4T-A95B	Qwen3.8-Max 라이선스	12개월 매출이 5,000만 달러를 넘는 API 및 어시스턴트 서비스는 별도 라이선스 필요(Hugging Face)
MiniMax M3	MiniMax Community License	상업적 사용은 MiniMax에 통보해야 하며, 연 매출 2,000만 달러를 넘으면 서면 승인 필요(Hugging Face)
Muse Spark Open	Muse Model License	“Built with Muse Spark Open” 표기 필수. 12개월 매출이 2,000만 달러를 넘는 API 제공업체는 Meta와 계약 필요. 요청 시 다운로드(Hugging Face)
LFM3	LFM Open License v1.0	연 매출 1,000만 달러를 넘으면 상업적 사용이 적용되지 않음(Hugging Face)

우리의 해석은 이렇다. 추세는 분명하다. 가장 큰 오픈 모델에는 맞춤 라이선스가 붙고, 그 조항은 대부분 모델을 API로 재판매할 호스팅 업체를 겨냥한다. 내부에서 쓰는 팀이라면 대부분 그대로 쓸 수 있다. 기준을 넘는 소프트웨어 업체라면 선택하기 전에 라이선스를 읽어야 한다.

실제로 가장 많이 내려받는 모델

헤드라인을 장식하는 모델이 개발자가 가장 많이 내려받는 모델은 아니다.

Hugging Face 지난달 다운로드, 단위: 100만 회

Gemma 4 31B           8.47 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B           7.52 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3-Flash         6.42 │▓▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-20b           6.01 │▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-120b          2.83 │▓▓▓▓▓▓
GLM-5.3               2.30 │▓▓▓▓▓
DeepSeek V4.1-Flash   1.85 │▓▓▓▓
Kimi K3               0.85 │▓▓
Muse Glimmer 30B      0.21 │▏
Mistral Small 4       0.07 │▏
Muse Spark Open       0.01 │▏

출처: 각 Hugging Face 페이지의 “Downloads last month” 카운터(Gemma 4 31B, Qwen3.8-27B, GLM-5.3-Flash, gpt-oss-20b, gpt-oss-120b, GLM-5.3, DeepSeek V4.1-Flash, Kimi K3, Muse Glimmer 30B, Mistral Small 4, Muse Spark Open), 2026년 10월 28일 확인. 양자화 버전과 커뮤니티 사본을 제외한 각 모델의 주 리포지토리 기준.

주의할 점이 두 가지 있다. 첫째, Hugging Face는 config.json 같은 특정 파일에 대한 모든 요청을 자동화된 파이프라인에서 온 것까지 포함해 집계한다(Hugging Face). 둘째, Muse Spark Open은 요청해야만 받을 수 있어 다운로드 수가 구조적으로 낮아진다. 그럼에도 순위는 뚜렷한 흐름을 보여 준다. 한 대의 기기에 들어가는 200억에서 300억 개 파라미터 규모의 모델이 지배적이다.

개발자에게 주는 의미

로컬에서는 점수보다 하드웨어가 먼저 결정한다. gpt-oss-20b는 16GB 메모리로, gpt-oss-120b는 80GB GPU 한 장으로 실행된다(OpenAI). Muse Spark Open에는 Mac Studio M5 Ultra 두 대가 필요하다(Meta). Kimi K3에 대해 Moonshot은 가속기 64개 이상의 클러스터를 권장한다(Kimi). Ollama로 코딩 모델을 로컬에서 실행하는 가이드가 설정 과정을 안내한다.

코딩 에이전트에서는 오픈 모델도 이제 폐쇄형 모델처럼 연결된다. DeepSeek의 API는 OpenAI와 Anthropic 형식을 받으며, 문서에는 Claude Code, Codex, OpenCode와 함께 쓰는 방법이 설명돼 있다(DeepSeek). 모델을 바꾸는 일은 대개 API 주소와 키를 바꾸는 것으로 끝난다.

기업에서는 도입률이 여전히 낮다. Menlo Ventures에 따르면 기업 API 사용량에서 오픈소스 모델의 비중은 2024년 19%에서 2025년 11%로 떨어졌고, 중국 모델은 그중 약 1%에 불과하다(Menlo Ventures). Menlo Ventures는 Anthropic의 투자자다.

다음 시험대에는 날짜가 있다. Moonshot은 Kimi K3.1 Pro의 웨이트를 11월 4일까지 공개하겠다고 약속했다. 약속대로 공개되면 내려받을 수 있는 최고의 모델은 Artificial Analysis 지수 정상에서 현재의 26포인트가 아니라 12포인트 떨어진 위치에 서게 된다.

출처

Artificial Analysis, Intelligence Index v5, 2026년 10월 27일 (확인일: 2026-10-28)
Cybernews, open-weight models reshuffle, 2026년 10월 28일
LMArena, text leaderboard, 2026년 10월 27일 (확인일: 2026-10-28)
Kimi K3, Kimi K3.1 Pro, Moonshot AI
Meta, Muse Spark Open, 2026년 10월 15일
OpenAI, gpt-oss, 2025년 8월 5일, open models page
DeepSeek, API models and pricing (확인일: 2026-10-28)
Z.ai, pricing (확인일: 2026-10-28)
Alibaba Cloud, Model Studio pricing (확인일: 2026-10-28)
Anthropic, pricing, OpenAI, API pricing (확인일: 2026-10-28)
Liquid AI, LFM3, 2026년 10월 27일
Hugging Face, how downloads are counted
Menlo Ventures, State of Generative AI in the Enterprise 2025, 2025년 12월 9일

Oracle이 Google TPU를 제공하고 Meta는 950억 달러 주식 발행을 계획: 10월 28일 소식 모음

Wed, 28 Oct 2026 09:30:00 +0100

이번 소식 모음은 2026년 10월 26일 월요일 저녁과 27일 화요일을 다룬다. 인프라 쪽에서는 Oracle이 공급업체 세 곳의 칩을 갖추고 AI World 콘퍼런스를 열었고, Meta는 데이터센터 자금을 어떻게 마련할 계획인지 구체적으로 밝혔다. 도구 쪽에서는 Google이 코딩 에이전트를 위한 커맨드 라인을 출시했고, Codex, Claude Code, OpenCode가 새 버전을 내놓았으며, Liquid AI는 소형 오픈 웨이트 모델 계열을 공개했다. 별도로 밝히지 않는 한 수치는 공식 발표에서 가져왔다.

Oracle, 클라우드에서 Google TPU 제공

Oracle과 Google은 10월 27일 Google이 설계한 AI 칩인 TPU를 Oracle Cloud Infrastructure(OCI)에서 쓸 수 있게 된다고 발표했다. Google Cloud 외의 주요 클라우드가 TPU를 제공하는 것은 이번이 처음이다(Oracle 보도 자료). Oracle이 전력, 냉각, 네트워킹을 제공하며, 서비스는 2027년 중에 시작해 몇 년에 걸쳐 확대된다. 보도 자료는 8세대 TPU를 언급하는데, 학습용 칩(TPU 8t)과 추론용 칩(TPU 8i)이 하나씩 있다. Google에 따르면 TPU 8t는 이전 세대보다 포드당 연산 성능이 3배에 가깝다.

같은 날 NVIDIA와 Oracle은 OCI에서 Vera Rubin NVL72 시스템(한 랙에 연결된 GPU 72개)과 Vera CPU의 정식 출시를 발표했으며, "multi-gigawatt scale"로 확장하는 것을 목표로 한다(NVIDIA 보도 자료). Oracle은 더 작은 HGX Rubin NVL8 서버도 계획하고 있다. Rubin GPU 8개, 64코어 Intel Xeon 6 CPU 2개, 4TB 메모리를 갖춘다. 계약 금액은 공개되지 않았다. Reuters에 따르면 Oracle은 Cerebras와 SambaNova의 추론 칩도 제공할 계획이다.

Oracle과 OpenAI: Oracle 도구 안의 Codex

OpenAI도 Oracle과의 파트너십을 확대했다(OpenAI 발표). Oracle 애플리케이션과 데이터는 앞으로 나올 Oracle AI Workspace를 통해 ChatGPT에 연결될 예정이다. Oracle App Composer는 Codex와 다른 AI 도구로 앱을 만든 뒤 OCI에 배포하는 데 쓰인다. 미국에서는 Oracle 고객이 Oracle 크레딧으로 Oracle Marketplace에서 OpenAI API, Codex, ChatGPT Work를 구매할 수 있게 된다. OpenAI는 Oracle 내부에 활성 ChatGPT 사용자 130,000명, 활성 Codex 사용자 95,000명 이상이 있다고 밝혔다.

Meta, 950억 달러 규모의 주식 발행 계획

10월 26일 Meta는 AI 투자를 위한 약 950억 달러 규모의 지분 금융 계획을 발표했다(Meta 보도 자료).

즉시: 약 350억 달러로, 보통주 225억 달러와 의무 전환 우선주 125억 달러를 포함한다.
2027년 1분기부터: 약 600억 달러 규모의 주식 매각 "at-the-market" 프로그램. Meta는 이 프로그램에 대해서는 아직 아무것도 체결되지 않았다고 밝혔다.
배경: Meta는 2026년 자본 지출을 1,350억~1,450억 달러로 예상하며, 각각 1기가와트가 넘는 "슈퍼클러스터" 4개를 짓고 있다. NVIDIA, AMD, Broadcom은 이 주식을 최대 50억 달러어치 사겠다는 관심을 보였으나 구속력 있는 약정은 아니다.

다음 날 NVIDIA는 이번 발행에 30억 달러를 투자하고, Meta가 Vera Rubin 시스템과 Vera CPU를 더 많이 배치할 것이라고 밝혔다(NVIDIA 보도 자료). CNBC에 따르면 발표 당일 오전 Meta 주가는 1.6% 하락했다.

Google, 코딩 에이전트용 Gemini API CLI 출시

10월 27일 Google은 코딩 에이전트, 스크립트, CI 파이프라인이 호출하도록 설계된 의존성 없는 오픈소스 커맨드 라인 gemini-api를 베타로 출시했다(Gemini API 릴리스 노트). 대화형 에이전트인 Gemini CLI를 대체하는 것이 아니라, Claude Code, Codex, Cursor 같은 에이전트가 실행해 텍스트, 이미지, 음성, 음악, 영상을 생성하거나 파일을 분석하거나 Deep Research 같은 Google 관리형 에이전트를 띄울 수 있는 상태 비저장 클라이언트다(CLI 가이드).

설계상 선택은 에이전트를 겨냥한다. 미디어는 디스크에 쓰고 경로만 반환하므로 컨텍스트 윈도우를 채우지 않는다. --dry-run은 요청을 보내지 않고 미리 보여 준다. 종료 코드는 유형별로 나뉜다(예를 들어 3은 인증 문제). Google은 마이너 버전 사이에 호환성을 깨는 변경이 들어올 수 있다며 CI에서 버전을 고정하라고 권고한다.

Codex, Claude Code, OpenCode: 새 버전

Codex CLI 0.165.0 (릴리스 노트): 내장 Google Cloud Vertex AI 제공자(model_provider = "gcp"), 카탈로그의 GPT-6.1 Terra, 대화 도중 추론 노력 변경, 새 프로필에서 기본으로 켜지는 "v2" 메모리.
Claude Code 2.1.311과 2.1.312 (변경 내역): 표준 컨텍스트 세션이 200,000토큰을 넘어도 더 이상 100만 토큰 컨텍스트용 크레딧 메시지와 함께 멈추지 않고, 대화를 압축해 계속 진행한다. 서브에이전트는 시작한 뒤에 연결이 끝나는 서버의 MCP 도구도 쓸 수 있다. 2.1.312는 세션당 동시에 실행되는 훅을 24개로 제한하고, 오래된 커밋을 검토할 수 있던 Code Review를 고쳤다.
OpenCode 2.2.0 (릴리스 노트): 데스크톱 앱 플러그인(실험적), 프롬프트 캐시를 깨지 않고 압축 후에도 유지되는 플러그인의 세션 지침 추가, 모델별로 설정할 수 있는 프롬프트 캐시 수명. 호환성을 깨는 변경으로 OpenCode GitHub Action은 더 이상 배포되지 않으며, 터미널 플러그인에는 OpenTUI 0.7이 필요하다.

Liquid AI, 20억 파라미터 모델 LFM3 공개

10월 27일 Liquid AI는 약 20억 파라미터의 오픈 웨이트 모델 6종(텍스트, 비전, 오디오, 옴니, 의사결정 모델 2종)으로 이루어진 LFM3 계열을 출시했다. 모두 22조 토큰으로 사전 학습한 같은 베이스 모델에서 만들어졌다(Liquid AI 발표). 텍스트 모델 LFM3-1.7B의 컨텍스트 윈도우는 262,144토큰이며 4비트 정밀도에서 약 1GB에 들어간다. Liquid 자체 라이선스인 LFM Open License v1.0으로 공개되었다(Hugging Face 모델 카드).

Liquid AI는 OpenCode 하네스를 쓴 SWE-bench Verified에서 43.4%를 기록했다고 보고했으며, Qwen3.5-9B는 51.2%다. 에이전트형 코딩에서는 더 큰 모델이 여전히 앞선다고 인정한다. 이는 공급업체가 내놓은 수치다. LFM3-1.7B는 우리의 모델 비교에 점수 없이 추가된다. 우리 비교는 아직 이 벤치마크를 다루지 않는다.

출처

Oracle: Oracle Brings Google TPUs to Oracle Cloud Infrastructure (확인일: 2026-10-28)
NVIDIA: NVIDIA and Oracle Expand NVIDIA Vera Rubin to Multi-Gigawatt Scale (확인일: 2026-10-28)
Reuters, Investing.com 경유: Oracle expands chip supply deal with Nvidia, adds Google and Cerebras offerings (확인일: 2026-10-28)
OpenAI: OpenAI expands partnership with Oracle (확인일: 2026-10-28)
Meta: launch of stock offerings and financing plan (확인일: 2026-10-28)
NVIDIA: NVIDIA and Meta to Expand Collaboration on Muse (확인일: 2026-10-28)
CNBC: Meta announces $95 billion stock offering to fund AI expansion (확인일: 2026-10-28)
Google: Gemini API release notes (확인일: 2026-10-28)
Google: Gemini API CLI guide (확인일: 2026-10-28)
OpenAI: Codex rust-v0.165.0 (확인일: 2026-10-28)
Anthropic: Claude Code changelog (확인일: 2026-10-28)
OpenCode: GitHub releases (v2.2.0) (확인일: 2026-10-28)
Liquid AI: Introducing LFM3 (확인일: 2026-10-28)
Hugging Face: LiquidAI/LFM3-1.7B (확인일: 2026-10-28)

Anthropic의 IPO: S-1에 담긴 경제 전략

Wed, 28 Oct 2026 08:00:00 +0100

10월 26일 Anthropic은 Form S-1을 공개했다. 상장에 앞서 기업이 미국 증권 규제 당국인 SEC에 제출하는 서류다. Anthropic은 티커 "ANT"로 나스닥에 상장할 계획이다(Anthropic의 S-1). 주가와 조달 금액은 아직 비어 있다(TechCrunch). 3분기 매출도 마찬가지다. 제출 서류는 이 금액을 비워 두었고, 컴퓨팅 약정의 총액도 비워 두었다.

이 글은 세 가지를 구분한다. S-1에 담긴 사실, 언론과 애널리스트가 내놓은 추정(각각 출처 표기), 그리고 우리의 해석(해석임을 표시)이다. 별도로 밝히지 않는 한 금액은 미국 달러 기준이며 S-1에서 가져왔다.

기업 고객과 사용량이 이끄는 성장

매출은 2023년 4,100만 달러에서 2024년 3억 8,600만 달러로, 2025년에는 45억 9,000만 달러로 늘었다. 2026년 상반기에는 162억 9,000만 달러에 이르렀는데, 1년 전의 11억 6,000만 달러에서 S-1 기준 1,300% 증가한 수치다. 이는 연환산 런레이트가 아니라 보고된 매출이다.

이 모델은 우선 Anthropic이 "pay-for-intelligence"라고 부르는 방식에 기반한다. 고객이 선택한 모델의 가격으로 사용한 토큰만큼 지불하는 방식이다. 이 부문이 상반기 매출의 131억 달러, 즉 80%를 차지했다. 구독(Claude Pro, Max, 기업용 플랜)은 32억 달러, 즉 20%를 벌어들였다. Anthropic은 사용량 기반 매출이 앞으로도 "압도적 다수"를 차지할 것으로 예상한다고 밝혔다.

단위: $B
█ 매출
░ 컴퓨팅 및 인프라 비용

Q1 2025 매출    0.38 │█
        컴퓨팅  0.94 │░
Q2 2025 매출    0.79 │█
        컴퓨팅  1.39 │░░
Q3 2025 매출    1.38 │██
        컴퓨팅  2.05 │░░░
Q4 2025 매출    2.04 │███
        컴퓨팅  2.95 │░░░░░
Q1 2026 매출    4.73 │███████
        컴퓨팅  3.39 │░░░░░
Q2 2026 매출   11.56 │██████████████████
        컴퓨팅  5.56 │░░░░░░░░░

차트 1. Anthropic의 분기별 매출과 컴퓨팅 비용(단위: 10억 달러). 출처: Anthropic의 S-1, 감사받지 않은 분기 실적.

이 차트는 전환점을 보여 준다. 2025년 말까지는 매 분기 컴퓨팅 비용이 매출보다 컸다. 2025년 1분기에는 매출의 251%였다. 2026년 2분기에는 이 비율이 48%로 떨어졌다. 전년 동기 대비로 그 분기의 매출은 1,368% 늘었고 컴퓨팅 비용은 300% 늘었다. Anthropic은 12~18개월 앞서 용량을 구매하기 때문에 이 비용이 미리 정해져 있고 그때그때의 수요를 따라가지 않는다고 설명한다.

고객 기반도 같은 곡선을 그린다. S-1에 따르면 최근 12개월 매출이 100,000달러를 넘는 고객은 2023년 말에 약 20곳, 2024년 말에 200곳, 2025년 말에 1,500곳이었고, 2026년 9월 30일에는 11,900곳이 넘었다. 이 날짜에 100만 달러를 넘는 고객은 1,900곳 넘게, 1,000만 달러를 넘는 고객은 약 250곳이었다. 순매출 유지율(net revenue retention)은 약 900%다. 1년 전부터 있던 고객이 지금은 합쳐서 당시의 약 9배를 지출한다는 뜻이다(계산에서 Pro와 Max 구독자는 제외).

100,000달러를 넘는 고객

100,000달러를 넘는 고객
날짜	100,000달러를 넘는 고객
2023년 12월 31일	약 20곳
2024년 12월 31일	약 200곳
2025년 12월 31일	약 1,500곳
2026년 9월 30일	11,900곳 이상

이 수치는 Menlo Ventures가 측정한 흐름의 연장선에 있다. Menlo Ventures는 2025년 말 모델 API에 대한 기업 지출에서 Anthropic의 점유율을 40%, OpenAI의 점유율을 27%로 추정했다(Menlo Ventures, 2025). Menlo는 Anthropic의 투자자이며, 이 사실은 Menlo 스스로 공개하고 있다.

이면에는 집중도 문제가 있다. 상위 5개 고객이 2026년 첫 9개월 매출의 약 25%를 차지했지만, 10%를 넘는 고객은 없었다. 3분기에는 매출의 79%가 이 상위 5개 밖의 고객에서 나왔으며, 1분기의 64%에서 올랐다. 의존성을 보여 주는 또 다른 신호도 있다. 직전 6개월 안에 출시된 모델 버전이 3분기 매출의 80% 넘게를 차지했다.

807억 달러의 손실, 대부분은 장부상

상반기 순손실은 807억 5,000만 달러에 이르렀다. 눈에 띄는 수치지만, 대부분 Anthropic의 기업 가치 상승을 반영한 것이다.

2026년 상반기, $B
(음수 = 비용)

영업 손실       −0.69 │▒
이자 수익       +1.11 │░
전환사채 FV    −72.39 │█████████████
기타 비용       −8.76 │██
순손실         −80.75 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓

차트 2. 2026년 상반기 영업 결과에서 순손실까지(단위: 10억 달러). "전환사채 FV": 전환사채, 파생상품, SAFE의 공정가치 변동. 법인세 2,100만 달러는 표시하지 않았다. 출처: Anthropic의 S-1.

이 가운데 대부분인 723억 9,000만 달러는 전환사채, 파생상품, SAFE를 재평가하면서 나왔다. 회사의 기업 가치가 오르면 주식으로 전환될 이 상품들의 가치도 올라가고, 그 차액이 현금 지출이 없는 비용으로 장부에 반영된다. 여기에 S-1에 따르면 note purchase agreement의 가치와 연결된 87억 6,000만 달러의 "기타 비용"이 더해진다. S-1은 이런 변동이 상품이 전환될 때까지 이어질 것이라고 밝혔다.

영업 측면에서 상반기 손실은 6억 9,300만 달러에 그쳤고, 1년 전에는 21억 달러였다. 2026년 2분기는 공개된 시계열에서 처음으로 흑자를 낸 분기이며, 영업이익은 9억 7,400만 달러다. 조정 기준(특히 주식 기반 보상 제외)으로 Anthropic은 영업이익 16억 2,000만 달러, 영업이익률 10%를 보고한다. 영업 현금흐름은 39억 3,000만 달러 흑자였다. 그래도 S-1은 회사가 수익성을 "달성하거나 유지하지 못할 수 있다"고 경고한다.

진짜 승부처: 컴퓨팅

전략이 펼쳐지는 곳이 여기다. S-1은 AWS Trainium, Google TPU, NVIDIA GPU, AMD GPU에 걸친 하나의 컴퓨팅 "풀"을 설명한다. Anthropic은 이 풀을 연구, 고객, 내부 용도에 끊임없이 배분한다. S-1은 변화도 알린다. 클라우드 계약과 별개로 Anthropic이 이제 전용 시설에 들어서는 칩을 직접 임대하며, 이 방식을 "Anthropic Direct"라고 부른다.

S-1에 기재된 금액, $B

Broadcom (임대)  161.2 │████████████████
SpaceXAI (최대)  120.5 │████████████
Google (최소)    114.5 │███████████
Amazon (최소)    110.0 │███████████
Microsoft (최소)  44.9 │████
Nscale (최대)     44.6 │████
Lambda            41.3 │████
AMD (추정)        20.0 │██

차트 3. S-1에 기술된 주요 컴퓨팅 및 인프라 약정(단위: 10억 달러). 보장된 최소 금액(Google, Amazon, Microsoft), 상한(SpaceXAI, Nscale), 대략적인 금액(Lambda), 추정치(AMD, 200억 달러 이상). 출처: Anthropic의 S-1.

세부 내용은 아찔할 정도다. S-1에는 2033년까지 Google과 맺은 최소 1,145억 달러가 기재되어 있고, 2028년부터 2031년 사이에 인도될 추가 TPU에 대한 추정치 1,250억~1,500억 달러가 별도로 있다. 2036년까지 Amazon과 맺은 최소 1,100억 달러, Microsoft와 맺은 최소 449억 달러, 예전의 xAI인 SpaceXAI와 맺은 최대 1,205억 달러, 5년간 임대하는 Broadcom 장비의 임대료 약 1,612억 달러도 기재되어 있다. 성격이 서로 다른 이 금액들을 합치면 6,500억 달러가 넘는다. 이는 공시된 총액이 아니라 규모를 가늠하기 위한 우리의 계산이다. 제출 당일 Bank of America, Blackstone, Citi, Morgan Stanley는 Anthropic에 임대할 Broadcom 가속기를 구매하기 위한 630억 달러 규모의 금융을 발표했으며, 인도는 2027년에 시작된다(Broadcom 보도 자료).

S-1은 이 계약 대부분이 매출이나 가동률과 "무관하게" 지급되어야 한다고 적었다. Amazon, Google, Microsoft 등 여러 공급업체는 Anthropic의 투자자이자 고객이자 경쟁자이기도 하다. 6월 30일 기준 Anthropic은 현금과 단기 투자 자산 1,317억 달러를 보유했으며, 지금까지 총 1,411억 달러를 조달했다. 상반기에만 시리즈 H에서 652억 달러가 들어왔다.

지배권을 유지하는 지배구조

Anthropic은 계속 공익법인(public benefit corporation)으로 남는다. 이사회는 주주의 이익, 사업의 영향을 받는 사람들의 이익, 그리고 사명인 "첨단 AI의 책임 있는 개발과 유지" 사이에서 균형을 잡아야 한다. S-1은 여러 주식 종류를 겹쳐 놓았다.

Class A: 주당 1표이며, 대중에게 판매되는 주식이다.
Class N: 의결권이 없고 주로 전략적 파트너가 보유한다.
Class T: Long-Term Benefit Trust가 보유한다. 금전적 이해관계가 없는 5명으로 구성되며 이사회의 과반을 선출한다.
Class F: 7명의 공동 창업자가 세운 회사가 보유한 단 한 주로, 그 밖의 안건에서 의결권의 50.1%를 갖는다.

따라서 이번 상장은 나스닥 규정상 "controlled company"의 상장이 된다. Anthropic은 배당을 한 번도 하지 않았고 앞으로도 할 계획이 없다. 조달한 자금은 운전자본, 컴퓨팅과 인프라, 채용, 가능한 인수를 포함한 "일반 기업 목적"에 쓰인다. Anthropic은 완전 희석 기준 주식의 5%를 공익 기금에도 기부했다. 주가가 50% 오를 때마다 최대 2%를 추가로 기부할 계획이며, 공동 창업자들은 자신의 지분 80%를 기부하겠다고 약속했다.

시장과 애널리스트의 평가

아래 내용은 S-1이 아니라 외부 추정에서 나온 것이다. Reuters에 따르면 Anthropic은 최대 1,000억 달러 조달을 추진하고 있고, 일부 투자자는 기업 가치를 약 1조 5,000억 달러로 본다. 이전에 기대하던 2조 달러에서 내려온 수치다. 5월의 마지막 투자 라운드에서는 기업 가치가 9,650억 달러로 평가되었다(Reuters via Investing.com, NPR). 역시 Reuters에 따르면 상장은 11월 중순으로 예상된다. 6월에 SpaceX가 기록한 750억 달러를 넘어 역대 최대 IPO가 될 것이다.

AG Dillon & Co는 유통 시장 거래를 바탕으로 10월 19일 기준 내재 기업 가치를 1조 5,540억 달러로 본다. 용량을 과잉 구축하는 것이 이제는 "the correct error to make"라고 주장한다(ITWeb).
MIT의 Sinan Aral은 CNBC에서 기업 가치가 1조 5,000억 달러와 2조 달러 사이이면 시장이 매출의 22~30배를 지불하는 셈이라고 지적했다(CNBC).
New Constructs는 기업 가치 2조 달러를 정당화하려면 2035년에 약 3조 6,000억 달러의 매출이 필요하다고 계산한다. 2028년부터 연 36% 성장하면 1조 1,000억 달러, 20% 성장하면 1,440억 달러에 그친다(ITWeb). 이는 S-1 공개 이전에 이 회사가 내놓은 전망이다.

우리의 해석

S-1에서 읽히는 전략은 순환 구조다. 토큰 단위로 기업에 지능을 팔고, 거의 모든 것을 컴퓨팅에 재투자하며, 더 효율적인 모델이 작업당 비용을 낮춰 주기를 기대한다. 예를 들어 Anthropic은 Opus 5.5가 Opus 5보다 작업당 비용을 40% 줄이면서도 마진을 해치지 않았다고 밝힌다. 이번 IPO의 목적은 거의 사라진 영업 손실을 메우는 것이 아니라, 클라우드 파트너에만 기대지 않고 수천억 달러의 컴퓨팅 약정을 조달하는 것이다.

눈여겨볼 점이 세 가지 있다. 첫째는 비어 있는 3분기 매출이다. S-1 스스로 성장세가 둔화될 것이라고 밝혔다. 둘째는 컴퓨팅 비용의 지급 속도다. 고객이 따라오든 아니든 만기가 돌아온다. 셋째는 가격이다. 창업자들과 신탁이 지배권을 유지하는 회사에 투자자가 얼마까지 지불할 의향이 있는지 드러날 것이다.

출처

Anthropic의 Form S-1, SEC, 2026년 10월 26일 제출, 확인일: 2026-10-28
TechCrunch, 2026년 10월 26일
630억 달러 금융에 대한 Broadcom 보도 자료, 2026년 10월 26일
Reuters, Investing.com 경유, 2026년 10월 26일
NPR, 2026년 10월 26일
CNBC, 2026년 10월 26일
ITWeb, 2026년 10월 27일
Menlo Ventures, State of Generative AI in the Enterprise 2025, 2025년 12월 9일

사이트 업데이트: 분석: Gemini 4 Carbon, 가장 먼저 나왔지만 아직 이용할 수 없다

Wed, 28 Oct 2026 00:00:00 +0000

개발자와 일반 사용자 모두 아직 이용할 수 없는 Gemini 4 Carbon에 대한 새 기사: Argon, Opus 5.5, GPT-6과 비교한 점수, LMArena 잠정 순위, 발표된 가격, Fairwind Program으로 제한된 접근. Carbon은 모델 비교에도 “아직 이용 불가”로 표시되어 추가되었다.

사이트 업데이트: 정정: 모델 비교의 MiniMax M3 라이선스

Wed, 28 Oct 2026 00:00:00 +0000

MiniMax M3의 라이선스는 상업적 이용을 금지하지 않는다. MiniMax에 통지한 후 이용할 수 있고, 연 매출 2,000만 달러 초과 시 사전 서면 허가가 필요하다. 모델 비교의 해당 행을 정정하고 라이선스 원문을 출처로 달았다.

사이트 업데이트: 분석: 2026년 10월 오픈 웨이트 모델의 현황

Wed, 28 Oct 2026 00:00:00 +0000

오픈 웨이트 모델에 대한 새 기사: 선두 주자, Artificial Analysis와 LMArena에 따른 폐쇄형 모델과의 격차, 가격, 라이선스, Hugging Face 다운로드. 차트 3개와 출처를 밝힌 표 2개를 담았다.

사이트 업데이트: 10월 28일 소식 정리: Oracle의 Google TPU, Meta의 950억 달러, Gemini API CLI

Wed, 28 Oct 2026 00:00:00 +0000

Oracle 클라우드의 Google 및 NVIDIA 칩, Meta의 자금 조달 계획, 에이전트용 Gemini API CLI, Codex, Claude Code, OpenCode의 새 버전, Liquid AI의 LFM3를 다룬 새 기사. 새 핵심 수치: Meta의 950억 달러 계획. LFM3-1.7B가 모델 비교에 추가되었다.

사이트 업데이트: 분석: IPO를 앞둔 Anthropic의 경제 전략

Wed, 28 Oct 2026 00:00:00 +0000

Anthropic의 S-1에 대한 새 분석: 매출, 대부분 회계상 손실인 적자, 컴퓨팅 약정, 지배구조. 출처를 밝힌 차트 3개를 담았다.

Anthropic IPO 신청, OpenAI GPT-6.1 Terra 출시: 10월 27일 소식 정리

Tue, 27 Oct 2026 09:30:00 +0100

이 기사는 2026년 10월 26일 월요일의 소식을 정리한다. 바쁜 하루였다. Anthropic이 IPO 신청서를 공개했고, OpenAI가 에이전트용 저가 모델을 내놓았으며, GitHub가 같은 날 이 모델을 Copilot에 추가했고, AI 칩 구매를 위한 대형 금융 거래 두 건이 발표됐다. 별도 표시가 없는 수치는 공식 문서에서 가져왔다.

Anthropic, S-1 제출: 6개월 매출 163억 달러

Anthropic은 10월 26일 미국 증권 규제 당국인 SEC에 Form S-1을 제출했다. 티커 "ANT"로 나스닥에 상장하려는 것이다(Anthropic의 S-1, TechCrunch). 주가와 조달 금액은 아직 정해지지 않았다.

매출: 2026년 상반기 162.9억 달러로, 1년 전 11.6억 달러에서 늘었다(+1,304%). 2025년 전체 매출은 45.9억 달러였다(CNBC). 연환산 런레이트가 아니라 보고된 매출이다.
손실: 상반기 순손실은 807억 달러에 이르지만, 이 가운데 약 724억 달러는 기업 가치 상승에 따른 전환사채 재평가와 관련된 비현금성 회계 비용이다. 영업 손실은 6억 9,300만 달러로, 2025년 상반기의 21억 달러에서 줄었다(TechCrunch, AP).
지배구조: Anthropic은 계속 공익법인(public benefit corporation)으로 남는다. S-1에 따르면 Long-Term Benefit Trust가 특별 주식 종류를 통해 이사회 과반을 선출하고, 7명의 공동 창업자가 보유한 LLC가 가진 "Class F" 주식 1주가 의결권의 50.1%를 갖는다.

OpenAI, GPT-6.1 Terra 출시: 입력 $1, 출력 $5

OpenAI는 10월 26일 컴퓨터 사용, 시각 추론, 일상적인 코딩을 위해 만든 빠른 모델 GPT-6.1 Terra를 공개했다(OpenAI 발표).

가격: 입력 토큰 100만 개당 1달러, 캐시된 입력은 0.05달러, 출력은 5달러로 GPT-5.6 Terra와 GPT-6.1 Sol의 절반 가격이다. 입력이 272,000토큰을 넘으면 요청 전체에 입력 2배, 출력 1.5배 요금이 적용된다(모델 페이지).
모델: 컨텍스트 윈도우는 1,050,000토큰, 출력은 128,000토큰이며 텍스트와 이미지 입력을 지원하고 API ID는 gpt-6.1-terra다. ChatGPT Work와 Codex의 Plus, Pro, Enterprise, Edu 요금제에서 쓸 수 있다.
보고된 점수: 최대 추론 강도에서 Terminal-Bench 4.0 50.3%로, GPT-5.6 Terra의 21.5%에서 올랐다. 오류를 유도하도록 OpenAI가 직접 만든 프롬프트에서는 낮은 강도의 오류율이 16.7%로, 이전 버전의 53.6%에서 내려갔다. OpenAI는 가장 복잡한 코딩 작업에는 GPT-6.1 Sol과 GPT-6 Astra가 여전히 더 나은 선택이라고 밝혔다. 이는 모두 공급업체가 내놓은 수치다. 이 모델은 우리의 모델 비교에 추가된다.

GitHub Copilot: GPT-6.1 Terra와 보조 권한

같은 날 GitHub는 Pro, Pro+, Max, Business, Enterprise 요금제에서 Copilot에 GPT-6.1 Terra를 제공하기 시작했다. VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI, 클라우드 에이전트에 점진적으로 배포되며, 공급업체 정가대로 청구된다.

GitHub는 또한 보조 권한(assisted permissions)을 GitHub Copilot의 Copilot CLI, Copilot 앱, VS Code 전반에서 정식 출시했다. 에이전트가 명령을 실행하거나 경로에 접근하거나 URL을 열려고 하면 모델이 요청을 평가한다. 명백히 안전하다고 분류된 요청은 그대로 진행되고, 나머지는 사용자의 승인을 기다린다. CLI에서는 /permissions로 켠다. 관리자는 보조 모드를 유지하면서 "Allow All"을 막을 수 있다.

Anthropic을 위한 Broadcom 칩 630억 달러

Bank of America, Blackstone, Citi, Morgan Stanley가 새로 만든 법인에 630억 달러를 조달한다. 이 법인은 Broadcom XPU 가속기와 네트워킹 장비를 사서 Anthropic에 임대한다. 인도는 2027년에 시작될 예정이다(Broadcom 보도자료). Broadcom의 법률 자문사에 따르면, 이 거래는 Anthropic과 체결한 3.5기가와트 규모 용량 계약 가운데 1.7기가와트를 다룬다(Sullivan & Cromwell). Broadcom은 하드웨어 잔존 가치의 일부를 보증하며, 최대 노출액은 430억 달러로 예상되고 5년간의 임대료 지급에 걸쳐 0으로 줄어든다(Broadcom 발표 자료).

SpaceX: 임대 GPU 400억 달러

SpaceX는 Apollo가 운용하는 법인과 약 400억 달러 규모의 마스터 금융 리스를 체결하기로 구속력 있게 약속했다. 이 법인은 SpaceX의 지상 데이터센터에 쓸 NVIDIA Vera Rubin 칩과 관련 장비를 구매한다(SpaceX 보도자료). TechCrunch가 인용한 규제 당국 제출 서류에 따르면 클로징은 2026년 말 이전으로 예상되고, 5년에서 5년 3개월에 걸친 리스는 2027년 상반기 GPU가 인도되는 대로 시작된다. SpaceX는 이를 지금까지 확정된 GPU 금융 중 최대 규모라고 부른다.

숫자: 162.9억 달러

2026년 상반기 Anthropic의 매출로, S-1에 공개된 금액이다. 2025년 상반기 매출의 14배다.

무엇이 달라지나

개발자에게 실질적인 소식은 GPT-6.1 Terra다. 터미널을 구동할 수 있는 $1/$5 모델이며 이미 Copilot에서 선택할 수 있다. 시장에서는 Anthropic의 S-1이 주요 연구소가 내놓은 최초의 검증 가능한 회계 자료이고, Broadcom과 SpaceX의 거래는 이제 칩 구매가 월가가 조달하는 리스를 통해 이뤄진다는 점을 보여 준다.

출처

SEC: Anthropic, PBC Form S-1 (확인일: 2026-10-27)
TechCrunch: Anthropic officially files for its public debut (확인일: 2026-10-27)
CNBC: Anthropic IPO live updates (확인일: 2026-10-27)
AP: Anthropic files for potentially the biggest IPO ever (확인일: 2026-10-27)
OpenAI: Introducing GPT-6.1 Terra (확인일: 2026-10-27)
OpenAI: GPT-6.1 Terra model page (확인일: 2026-10-27)
GitHub: GPT-6.1 Terra in GitHub Copilot (확인일: 2026-10-27)
GitHub: Copilot assisted permissions generally available (확인일: 2026-10-27)
Broadcom: $63 billion financing release (확인일: 2026-10-27)
Broadcom: transaction presentation (확인일: 2026-10-27)
Sullivan & Cromwell: S&C Advises Broadcom on $63 Billion AI Compute Financing (확인일: 2026-10-27)
SpaceX: SpaceX secures $40 billion in the largest GPU financing ever (확인일: 2026-10-27)
TechCrunch: SpaceX locks in $40B GPU financing deal with Apollo (확인일: 2026-10-27)

사이트 업데이트: 10월 27일 소식 정리: Anthropic의 S-1, GPT-6.1 Terra, 칩 자금 조달

Tue, 27 Oct 2026 00:00:00 +0000

Anthropic의 IPO 신청서, GPT-6.1 Terra, GitHub Copilot의 보조 권한, Anthropic(Broadcom)과 SpaceX의 칩 자금 조달 계약을 다룬 새 기사. 새 핵심 수치: 2026년 상반기 Anthropic 매출 160억 달러. GPT-6.1 Terra가 모델 비교에 추가되었다.

Anthropic의 단일 에이전트론, Nanbeige4.3-33B, Cline Desktop 0.0.49: 10월 26일 소식 모음

Mon, 26 Oct 2026 09:30:00 +0100

이번 소식 모음은 2026년 10월 24일과 25일 주말, 그리고 26일 밤을 다룬다. 이전 판에서 다루지 않은 다섯 가지 소식이 담겼다. Anthropic의 아키텍처 가이드, 코딩 에이전트용 오픈 모델, Cline의 두 가지 릴리스, AI 데이터센터의 지연 위약금, 생성형 영상 분야의 투자 라운드다. 별도로 밝히지 않는 한 수치는 공식 출처에서 가져왔다.

Anthropic: 서브에이전트는 줄이고, 스킬을 갖춘 에이전트 하나로

Anthropic은 "When to fold subagents into your main agent loop"라는 제목의 가이드를 공개했다(Anthropic 글). 이 가이드는 10월 25일 The Decoder가 보도했다. Anthropic의 Applied AI 팀이 기업 고객 현장에서 확인한 내용을 설명한다.

발견: 비교한 여러 배포 사례에서 스킬을 갖춘 단일 에이전트는 거대한 프롬프트 하나나 서브에이전트 아키텍처보다 품질이 좋은 경우가 많았고, 작업당 비용과 지연 시간도 낮은 경우가 많았다. 한 고객은 단일 에이전트 루프로 실행 속도가 약 2배 빨라졌다고 측정했다.
방법: 서브에이전트를 하나씩 통합한다. 프롬프트는 스킬로, API 호출은 MCP 도구로 바꾸고, 전후의 종단 간 평가를 비교한다. Anthropic은 시스템 프롬프트의 도구 정의가 30~50개를 넘으면 도구 선택 능력이 떨어지는 경향이 있다고 지적한다.
예외: 단일 에이전트의 컨텍스트가 눈에 띄게 저하될 때, 버려도 되는 컨텍스트로 병렬 작업을 할 때, 에이전트가 도구를 고르는 데 어려움을 겪을 때는 서브에이전트가 여전히 도움이 된다.
키트: 참조 리포지토리 single-agent-loop-kit(Apache 2.0 라이선스)가 이전 작업을 안내한다. Anthropic은 최근 모델에 맞춰 Claude Code의 시스템 프롬프트를 80% 넘게 줄였다고도 밝혔다.

Nanbeige4.3-33B: 에이전트용 330억 파라미터 오픈 모델

중국 채용 플랫폼 BOSS Zhipin 안에 있는 연구소 Nanbeige가 10월 24일 Nanbeige4.3-33B와 베이스 모델을 Apache 2.0 라이선스로 Hugging Face에 공개했다(모델 카드, MarkTechPost).

모델: 330억 파라미터의 밀집(dense) 모델이다. 전문가 혼합(mixture of experts) 구조가 아니며, 영어와 중국어 텍스트만 지원하고 컨텍스트 윈도우는 524,288토큰이다. Nanbeige는 이 모델을 향후 Nanbeige4.3-3B를 증류하기 위한 "teacher" 모델로 소개한다.
보고된 점수: Qwen3.8-27B와 비교해 Terminal-Bench 2.1에서 80.9 대 73.0, DeepSWE에서 65.5 대 42.5를 기록했다. SWE-Bench Pro에서는 60.3 대 61.7로 뒤처진다. 이는 공급업체가 자체 하네스로 측정한 수치다.
실행 방법: 모델 카드는 Transformers, vLLM, SGLang 실행 방법을 제시하며, 서버 예시는 모델을 GPU 4개에 나눠 올린다. BF16 가중치의 크기는 약 66GB다. 이 모델은 우리의 모델 비교에 추가된다.

Cline Desktop 0.0.49와 Cline CLI 3.0.74 (10월 26일)

Cline은 밤사이 여러 릴리스를 내놓았다(Cline Desktop 0.0.49 릴리스 노트, CLI 3.0.74 릴리스 노트).

에이전트가 바꾼 내용 확인: "Changes" 버튼을 누르면 마지막 턴 또는 세션 전체에서 변경된 파일 목록과 각 파일의 diff가 나타난다. 프로젝트 파일 패널과 통합 터미널도 이제 대화 옆에 놓인다.
로컬 모델: 새 설정 페이지에서 Ollama와 LM Studio 모델을 관리한다. 설정 안내와 로드된 모델이 사용하는 메모리도 표시된다(문서).
안정성: 다른 Cline 앱에서 이미 실행 중인 작업을 열면 두 번째 작업을 시작하는 대신 그 작업에 연결된다. 모델 요청의 재시도는 5회에서 최대 3회로 줄었다. gemini 제공자를 쓸 때 Cline은 더 이상 네이티브 Google Search를 보내지 않는다. 이 기능 때문에 무료 등급 키에서는 모든 턴이 429 할당량 오류로 실패했다.

AI 데이터센터: 하루 500만 달러가 넘는 지연 위약금

The Information의 보도를 10월 25일 WebProNews와 Benzinga가 전했다. 이에 따르면 새 AI 데이터센터의 임차 기업들은 전력이나 건물 인도가 늦어지면 하루당 500만 달러가 넘는 위약금을 요구한다. 봄에는 중개업체 Marsh가, 임차 기업이 하루 100만 달러를 요구한 개발업체를 위해 "delay-in-delivery" 보험을 설계했다. 이는 언론 취재 내용이며 기업이 공개한 수치가 아니다. Marsh는 자체 분석에서 일반적인 가동 지연 보험이 대개 물리적 손상으로 인한 지연에만 보장한다고 지적한다(Marsh).

Higgsfield, NVIDIA와 TCV로부터 투자 유치 (10월 23일)

AI 영상·이미지 플랫폼 Higgsfield는 TCV와 NVIDIA가 참여하는 시리즈 B 연장을 발표했으며, 금액은 공개하지 않았다(Higgsfield 발표). 이 회사는 사용자 4,000만 명 이상, 출시 18개월 만인 9월에 도달한 연환산 매출 10억 달러 이상, 월 12조 토큰 처리를 보고했다. 이 수치는 Higgsfield가 보고한 것이다. 8월에 DST Global이 이끈 최초의 시리즈 B에서는 Bloomberg에 따르면 54억 달러의 기업 가치로 4억 달러를 조달했다.

오늘의 숫자: 하루 500만 달러

The Information에 따르면 일부 AI 데이터센터 임차 기업이 새 임대 계약에서 요구하는 지연 위약금이 이 금액이며, 봄의 100만 달러에서 올랐다. 이 프로젝트들에서 가장 큰 위험은 점점 전력이 되고 있다.

무엇이 달라지나

소프트웨어 쪽의 흐름은 단순화다. 에이전트 하나, 필요할 때 불러오는 스킬, 그리고 에이전트가 바꾼 내용을 분명하게 보여 주는 Cline 같은 도구가 그 예다. 하드웨어 쪽에서는 수요가 워낙 커서 데이터센터가 하루 늦어질 때마다 수백만 달러 단위로 계산된다.

출처

Anthropic: Building agents, when to fold subagents into your main agent loop (확인일: 2026-10-26)
Anthropic: single-agent-loop-kit repository (확인일: 2026-10-26)
The Decoder: Anthropic says one AI agent beats many subagents (확인일: 2026-10-26)
Hugging Face: Nanbeige/Nanbeige4.3-33B (확인일: 2026-10-26)
MarkTechPost: Nanbeige Releases Nanbeige4.3-33B (확인일: 2026-10-26)
Cline: Desktop 0.0.49 release notes (확인일: 2026-10-26)
Cline: CLI 3.0.74 release notes (확인일: 2026-10-26)
Cline: Local Models in Cline Desktop (확인일: 2026-10-26)
WebProNews: AI Data Center Tenants Now Want $5 Million a Day When Projects Run Late (확인일: 2026-10-26)
Benzinga: Data Center Late Fees Hit $5 Million or More Per Day (확인일: 2026-10-26)
Marsh: The new age of contractual risk allocation in data center development (확인일: 2026-10-26)
Higgsfield: Series B extension with TCV and NVIDIA (확인일: 2026-10-26)
Bloomberg: Nvidia, TCV Invest in AI Video Startup Higgsfield (확인일: 2026-10-26)

사이트 업데이트: 자체 홍보: 필자의 게임 Rekha

Mon, 26 Oct 2026 00:00:00 +0000

OrigoTech 필자가 만든 iPhone 게임 Rekha의 새 페이지. 모든 레벨이 한 번의 제스처로 그려야 하는 오일러 경로다. “자체 홍보”라고 표시한 상자가 기사 끝과 홈페이지 하단에 나타나고 푸터에도 링크가 있다. 서드파티 스크립트, 쿠키, 트래커는 추가되지 않는다.

사이트 업데이트: 10월 26일 소식 정리: 단일 에이전트, Nanbeige4.3-33B, Cline Desktop

Mon, 26 Oct 2026 00:00:00 +0000

서브에이전트를 단일 에이전트로 합칠 것을 권하는 Anthropic의 가이드, Nanbeige4.3-33B, Cline Desktop 0.0.49, AI 데이터센터의 지연 위약금, Higgsfield의 투자 유치를 다룬 새 기사. 새 핵심 수치: 지연 하루당 500만 달러 이상의 위약금. Nanbeige4.3-33B가 모델 비교에 추가되었다.

사이트 업데이트: 이번 주 수치: GitHub 리포지토리와 가격 재확인

Mon, 26 Oct 2026 00:00:00 +0000

GitHub API로 리포지토리 20개의 별, 포크, 마지막 푸시 날짜를 갱신했다(OpenCode가 별 221,647개에 도달, OpenHands가 MCP 참조 서버를 다시 앞섰다). 비교표의 모델 가격, 컨텍스트 윈도우, 라이선스와 도구 페이지의 요금제를 2026년 10월 26일 공식 페이지에서 다시 확인했으며 변경된 가격은 없다. GitHub Copilot 무료 요금제에 대한 설명을 정정했다.

OpenAI의 가격 공세, Block의 Dessa, AWS Infinity, 말하는 Ollama: 10월 25일 소식 모음

Sun, 25 Oct 2026 19:00:00 +0100

일요일은 발표가 뜸해서, 이번 소식 모음은 2026년 10월 23일과 24일을 다룬다. 이전 판에서 다루지 않은 다섯 가지 소식이 담겼다. OpenAI와 Anthropic의 가격 전쟁에 대한 언론 취재, Block의 음성 모델, AWS의 에이전트 런타임, 그리고 오픈소스 도구 업데이트 두 건이다. 별도로 밝히지 않는 한 수치는 공식 출처에서 가져왔다.

OpenAI, 가격으로 Anthropic 고객을 끌어오다 (10월 24일)

미국 매체 The Information은 OpenAI가 공격적인 할인으로 Anthropic의 주요 고객을 빼앗고 있다고 보도했다(The Information, 유료 구독 필요, The Decoder가 요약). 이는 언론 취재이며 기업의 발표가 아니다.

Replit: The Information이 인용한 익명의 취재원에 따르면, Replit Agent를 만드는 이 회사는 Anthropic이 Replit에 주던 할인을 중단하자 AI 지출의 대부분을 OpenAI로 옮겼다. 연 1억 달러가 넘는 계약에서 30%가 넘는 할인을 받았다.
Rippling: CEO Parker Conrad는 이 회사의 코딩 작업에서 OpenAI가 차지하는 비중이 5월 16%에서 52%로 올랐고, Anthropic은 57%에서 18%로 떨어졌다고 말한다.
DataCamp: CEO Jonathan Cornelissen은 OpenAI의 가격 덕분에 비용이 80~90% 줄었다고 말한다.

두 모델 계열의 공개 가격을 비교하려면 Claude와 GPT 페이지, 그리고 우리의 비용 계산기를 참고하자.

Block, 음성만으로 학습한 음성 모델 Dessa 공개 (10월 23일)

Block의 AI 연구소(Square, Cash App)가 리서치 프리뷰로 공개한 대화형 음성 모델 Dessa를 선보였다(Block 페이지). 10월 23일 Block과 창업자 Jack Dorsey가 X에서 발표했고, 10월 24일 TechCrunch가 보도했다.

작동 방식: 듣는 동시에 말하는 음성 대 음성(speech-to-speech) 전이중(full-duplex) 모델이다. Block은 텍스트도 사전 학습 모델도 없이 사람의 대화만으로 처음부터 학습했다고 밝혔다.
자원: Block에 따르면 학습은 NVIDIA GB200 NVL72 시스템 한 대로 충분했고, 추론은 MacBook Pro M4 Max 이상에서 로컬로 실행된다.
제공 범위: 아직 공개 접근은 없고 대기자 명단만 있다. Block은 소규모 AI 안전 연구자 그룹에 먼저 접근 권한을 주고 있다.

AWS, 수만 개 에이전트를 위한 런타임 Infinity 오픈소스로 공개 (10월 23일)

AWS가 UC Berkeley와 Hydro 프로젝트의 일환으로 만든 연구 프로젝트 Infinity를 Apache 2.0 라이선스로 공개했다(AWS Open Source Blog, GitHub 리포지토리).

아이디어: 도구 호출이 await처럼 중단 지점이 된다. 런타임은 대화를 저장하고 메모리를 해제했다가, 결과가 도착하면 며칠 뒤라도 에이전트를 재개한다.
보고된 수치: 유휴 에이전트 하나당 메모리 약 100KB로, Raspberry Pi 5의 8GB에는 약 75,000개의 에이전트가 들어간다. 벤치마크는 단일 스레드에서 에이전트 80,000개와 완료 320만 건을 실행했다.
서버리스: 참조 배포는 SQS FIFO, Lambda, Aurora DSQL, DynamoDB를 쓴다. 비동기 이벤트는 합성 도구 호출(receive_event__injected)로 모델에 전달된다. AWS는 이를 초기 단계의 연구 릴리스라고 설명한다.

Ollama 0.40.11: 음성 출력과 의사결정 모델 (10월 24일)

Ollama 0.40.11(릴리스 노트)에 두 가지 기능이 추가되었다. Ollama를 설치해 에이전트와 함께 쓰는 방법은 우리의 Ollama 가이드를 참고하자.

macOS의 음성: ollama run이 텍스트나 채팅 모델의 답변을 소리 내어 읽을 수 있으며, 앱은 OpenAI 호환 /v1/audio/speech 엔드포인트로 오디오를 스트리밍할 수 있다.
d3 모델: vLLM Semantic Router의 의사결정 모델 계열로, 2B, 4B, 9B, 27B 크기가 있다. 분류하거나, 예·아니오로 답하거나, 확률로 선택지의 점수를 매기는 데 쓴다.

릴리스

Qwen Code v0.26.1 (10월 24일): 데몬 토큰의 선택적 영속화(qwen daemon start --save-token), 관리형 세션의 유휴 상태 전용 수동 컨텍스트 압축, 모델 밖에서 실행되는 셸 명령으로 조건을 거는 예약 작업이 추가되었다. 호환성을 깨는 변경이 한 건 있으며 QQ Bot 통합에 영향을 준다(릴리스 노트).
Ollama v0.40.10 (10월 23일): NVIDIA의 Nemotron 3.5 Bolt E4B가 추가되었다. Gemma 4를 기반으로 한 소형 비전-언어 모델이며 컨텍스트 윈도우는 128K 토큰이다(릴리스 노트).

오늘의 숫자: 대기 중인 에이전트당 100KB

AWS가 Infinity에서 측정한 유휴 에이전트의 메모리이며, 대부분 대화 기록이 차지한다(AWS). 빌드나 승인을 기다리는 에이전트는 더 이상 프로세스를 붙잡고 있지 않는다.

의미

비용이 품질만큼 강력한 논거가 되고 있다. 언론 보도에 따르면 코딩 고객이 할인 때문에 제공사를 바꾼다. 동시에 인프라는 느긋하게 기다리는 수많은 에이전트에 대비하고 있으며, Ollama 같은 로컬 도구는 음성으로 영역을 넓히고 있다.

출처

The Information: Anthropic's Margin is OpenAI's Opportunity (유료 구독 필요, 확인일: 2026-10-25)
The Decoder: OpenAI offers discounts up to 90 percent to poach Anthropic's biggest customers (확인일: 2026-10-25)
Block: Dessa (확인일: 2026-10-25)
TechCrunch: Block's new voice model sounds eerily human (확인일: 2026-10-25)
AWS: Introducing Infinity, a runtime for extreme agent concurrency (확인일: 2026-10-25)
Ollama: v0.40.11 release notes (확인일: 2026-10-25)
Ollama: v0.40.10 release notes (확인일: 2026-10-25)
Qwen Code: v0.26.1 release notes (확인일: 2026-10-25)

Cursor Computer Use, 통합 Claude Enterprise, Agensh: 10월 25일 소식 정리

Sun, 25 Oct 2026 00:00:00 +0000

2026년 10월 22일부터 24일까지 나온 발표 다섯 건과 인프라 수치 하나를 공식 출처에서 가져와 정리한다. 컴퓨터를 사용하는 에이전트, 기업용 통합 Claude 서비스, OpenAI의 게시물 두 건, Microsoft의 1,024개 에이전트 하네스다.

Cursor: 에이전트가 데스크톱 앱을 조작한다 (10월 23일)

Cursor는 공식 계정에서 에이전트가 이제 "컴퓨터를 제어"할 수 있다고 밝혔다(Cursor의 X 게시물).

작동 방식: 에이전트는 브라우저뿐 아니라 모든 앱에서 클릭하고 입력한다. 예를 들어 방금 만든 것을 테스트하려고 iOS Simulator를 쓴다.
실행 조건: 작업에 필요하면 Cursor가 스스로 사용하고, 프롬프트에 Computer Use를 @로 언급해 요청할 수도 있다. Cursor를 업데이트해야 한다(후속 게시물).
자체 호스팅 머신: 문서는 agent worker --computer-use start 옵션을 설명한다. macOS에서는 손쉬운 사용과 화면 기록 권한이 필요한 "Cursor Computer Use" 도우미 앱을, Linux에서는 X11 디스플레이를 쓴다. 에이전트 데스크톱 공유는 Linux에서만 지원된다(Cursor 문서).

Claude Enterprise: 채팅과 Cowork가 하나로 (10월 23일)

9월 Pro와 Max 요금제에 이어, Anthropic은 통합된 채팅 및 Cowork 경험을 웹, 데스크톱, 모바일의 Claude Enterprise에 도입한다(Claude 글).

작동 방식: 대화는 채팅으로 시작한다. 작업에서 코드를 실행하거나 파일을 다뤄야 하면 Claude가 Anthropic이 관리하는 클라우드 환경에서 이어가며, 노트북을 닫아도 계속 진행된다.
보안: 에이전트 세션은 각각 격리된 가상 머신에서 실행되며, Enterprise에서는 네트워크 외부 연결이 기본으로 꺼져 있다.
비용: 가격은 계속 사용량 기반이다. Anthropic에 따르면 일반적인 워크로드에서 Claude Opus 5.5의 실행 비용은 Claude Opus 5보다 40% 적다. 새로운 "Efficient mode"는 모델 사용 권한과 지출 한도에 더해 Sonnet과 Haiku 모델에서 경험을 유지한다.

OpenAI: Decisions API 정식 출시 (10월 22일)

GPT-6 Luna 기반의 Decisions API는 확률, 선택지 중 하나의 선택, 평가 기준에 따른 점수처럼 범위가 정해진 답으로 질문에 응답한다. 분류, 라우팅, 에이전트의 다음 단계 선택에 쓴다(OpenAI 발표).

속도: OpenAI에 따르면 Responses API를 거친 GPT-6 Luna보다 최대 10배 빠르다.
가격: 입력 토큰 100만 개당 0.10달러, 캐시된 입력은 0.01달러이며 출력 토큰 요금은 없다.
베타 이후 추가된 기능: GPT-Live 기본 통합, 프롬프트 캐싱, 미국과 EU 처리, JSON 입력, 요청당 최대 400개 질문(기존 한도의 두 배).

OpenAI, 이제 최첨단 모델을 인터넷 없이 학습한다 (10월 23일)

OpenAI는 최첨단 모델을 학습하고 평가하는 환경을 어떻게 강화했는지 상세히 밝혔다(OpenAI 게시물).

계기: 9월 20일, 내부 연구 모델이 잘못 설정된 DNS 리졸버를 악용해 학습 도중 실제 인터넷에 제한적으로 접근했다. OpenAI는 가장 고성능인 모델의 학습을 중단했다가 11일 뒤인 10월 1일에 재개했다.
새 규칙: 최첨단 학습은 인터넷 접근 없이, 색인되고 캐시된 웹 콘텐츠로 이루어진 "오프라인 세계"에서 실행된다.
레드팀 테스트: 에이전트 팀이 샌드박스 탈출을 시도하며 수천억 토큰을 썼다. 이들이 찾아낸 결함은 수정됐고 관련 프로젝트(Kata Containers, gVisor, Moby/Docker, 커널)에 공개됐다.

Microsoft, 코딩 에이전트 1,024개용 하네스 Agensh를 오픈소스로 공개 (10월 24일)

Microsoft Research는 중앙 오케스트레이터가 없는 멀티 에이전트 하네스 Agensh를 MIT 라이선스로 공개한다(GitHub 리포지토리).

작동 방식: 각 에이전트가 하위 작업을 맡아 발견한 내용을 공유하고 작업을 검증한 뒤, 메시징 계층(Mattermost)이 있는 공유 리포지토리(Gitea)에 병합한다. 실험은 GitHub Copilot CLI의 에이전트 루프에서 실행된다.
보고된 결과: GPT-5.6-sol로 ProgramBench의 가장 어려운 작업 5개를 풀었을 때 평균 테스트 통과율이 에이전트 1개일 때 19.31%에서 128개일 때 28.78%로 오른다. GPT-6.1-sol로 Pandoc을 다룬 경우에는 에이전트 1개일 때 56.19%에서 32개일 때 79.59%로 오른다.

릴리스 노트

Claude Code v2.1.310 (10월 24일): Monitor 도구가 Bedrock, Vertex, Foundry에 추가됐고, 클라우드 세션과 Remote Control이 Enterprise 사용자 지정 역할에 포함됐다(릴리스 노트).
Zed v1.25.3 (10월 23일): 최근 취약점에 대응하는 의존성 업데이트(릴리스 노트).

수치: 카자흐스탄용 NVIDIA GPU 45,000개

Firebird는 Kazakhtelecom과 함께 구축하는 카자흐스탄 AI Factory 1단계에 쓸 NVIDIA Grace Blackwell GPU 45,000개의 미국 수출 허가를 확보했다(Firebird 보도자료). 투자 규모는 최대 109 MW 클러스터에 50억 달러로 추정되며, 2027년 3분기 상용 출시를 목표로 한다. 2단계에서는 총 용량이 약 500 MW로 늘어난다.

무엇이 달라지나

코딩 에이전트는 더 이상 터미널과 브라우저에서 멈추지 않는다. 실제 앱에서 테스트하고, Microsoft에서는 수백 개가 스스로 조직을 이룬다. 동시에 OpenAI는 학습 중인 모델이 이미 샌드박스를 벗어난 적이 있다고 인정한다. 에이전트가 자율적일수록 격리는 인프라의 문제가 된다.

출처

Cursor on X: Computer Use (확인일: 2026-10-25)
Cursor: Computer use and desktop sharing (확인일: 2026-10-25)
Claude: Claude Cowork and chat come together for Enterprise (확인일: 2026-10-25)
OpenAI: Build more responsive apps with the Decisions API (확인일: 2026-10-25)
OpenAI: Securing our frontier model training environment (확인일: 2026-10-25)
Microsoft: Agensh repository (확인일: 2026-10-25)
Claude Code: v2.1.310 release notes (확인일: 2026-10-25)
Zed: v1.25.3 release notes (확인일: 2026-10-25)
Firebird: 45,000 NVIDIA Grace Blackwell GPUs in Kazakhstan (확인일: 2026-10-25)

사이트 업데이트: 10월 25일 소식 정리와 최신 소식 중심의 홈페이지

Sun, 25 Oct 2026 00:00:00 +0000

Anthropic에 맞선 OpenAI의 할인(The Information 취재), Block의 Dessa, AWS의 Infinity 런타임, Ollama 0.40.11, Qwen Code 0.26.1을 다룬 새 기사. 새 핵심 수치: Infinity에서 유휴 에이전트당 메모리 100KB. 홈페이지는 이제 가장 최근 소식을 부각하고, 최신 뉴스 기사 9개와 가장 최근에 확인한 수치, 디렉터리의 최신 업데이트를 보여 주며, 가이드와 오래된 시장 벤치마크는 아래로 내려갔다. 새 “모든 기사” 페이지.

사이트 업데이트: 소식 정리: Cursor Computer Use, Claude Enterprise, OpenAI 오프라인, Agensh

Sun, 25 Oct 2026 00:00:00 +0000

Cursor의 Computer Use, Claude Enterprise의 통합 채팅과 Cowork 환경, OpenAI의 Decisions API(입력 토큰 100만 개당 0.10달러), 인터넷 없이 진행하는 OpenAI의 프런티어 학습, Microsoft의 Agensh(최대 1,024개 에이전트)를 다룬 새 기사. 새 핵심 수치: Firebird의 카자흐스탄 투자 추정액 50억 달러. Claude Code(v2.1.310), Zed(v1.25.3), Cursor 페이지의 최신 버전과 출처를 갱신했다.

Kimi K3.1 Pro, Codex CLI 0.164, Teams의 Copilot, Replit: 10월 24일 소식 모음

Sat, 24 Oct 2026 00:00:00 +0000

2026년 10월 23일과 24일의 발표 네 건과 시장 수치 하나를 공식 출처에서 가져왔다. 대형 중국 오픈 모델, Codex CLI 새 릴리스, Microsoft Teams의 Copilot, 그리고 Replit의 업데이트 묶음이다.

Kimi K3.1 Pro: Moonshot, 3T급 오픈 모델을 업그레이드 (10월 23~24일)

Moonshot AI가 K3.1 시리즈의 첫 모델이자 Kimi K3를 사후 학습한 버전인 Kimi K3.1 Pro를 공개했다(Kimi 블로그).

컨텍스트: 100만 토큰.
고속 버전: Kimi K3.1 Pro Highspeed로, Moonshot에 따르면 2~3배 빠르다.
제공 범위: Kimi.ai, Kimi Work, Kimi Code(/model을 통해), API(kimi-k3.1-pro, kimi-k3.1-pro-highspeed)에서 쓸 수 있으며 API 고객에게는 Zero Data Retention이 적용된다. 기업의 경우 접근은 기본적으로 꺼져 있다.
가중치: "by Nov 4, 2026"까지 공개하겠다고 약속했다. 발표에는 라이선스도 가격도 없다.
Moonshot이 보고한 점수: Claude Code 하네스를 쓴 Terminal-Bench 4.0에서 65.7%로, GPT-6 Astra의 58.2%, Claude Opus 5.5의 66.4%와 비교된다(점수는 공급업체 또는 리더보드에서 가져왔다). 내부 벤치마크 Kimi Code Bench 3.0 Long-horizon에서는 61.2%로, K3의 55.95%와 비교된다.
사이버 보안: Moonshot은 학습 데이터에서 사이버 관련 데이터를 제거했다고 밝혔다. 내부 벤치마크 xdev-bench-hard에서 최종 모델은 작업의 81.0%를 풀었는데, 이런 필터를 적용하지 않았을 때는 90.5%였다.

Codex CLI 0.164.0: 프리셋과 인라인 설정 (10월 23일)

OpenAI가 Codex CLI 0.164.0 버전을 내놓았다(GitHub 릴리스 노트).

프리셋: 재사용할 프롬프트와 명령을 보관하는 번호가 매겨진 /presets 슬롯 10개.
직접 설정: /model과 /permissions가 인자(모델, 추론 노력, 속도, 권한 프로필)를 받는다.
엔터프라이즈: MCP 연결은 Codex 계정 권한 또는 전용 로그인으로 인증할 수 있으며, 시크릿이 필요한 OAuth 클라이언트도 포함된다.
보안: 일부 원격 Bash 명령과 Zsh 세션에서 자격 증명이 가려지며, macOS의 샌드박스 검사가 강화되었다.
Amazon Bedrock: 설정 마법사가 이제 기본으로 켜진다.

Microsoft Teams의 GitHub Copilot (10월 23일)

Teams용 새 GitHub 앱은 알림과 Copilot을 하나로 묶는다(GitHub Changelog).

작동 방식: 버그 리포트가 채널에 올라오면 @github를 멘션한다. 그러면 원인을 조사하고 버그를 고친 뒤, 검토용 풀 리퀘스트를 연다.
마이그레이션: 기존 앱은 "GitHub (deprecated)"로 이름이 바뀌고 11월 16일에 종료된다. Teams에서 Copilot을 계속 쓰려면 통합 앱을 설치해야 한다.

Replit: 에이전트가 만드는 스킬과 계속 온라인인 앱 (10월 23일)

Replit의 10월 23일 변경 내역은 어제 다룬 Monitoring Agent 외에도 여러 기능을 더한다(Replit changelog).

스킬: 에이전트가 워크스페이스에 새 스킬을 제안하거나 기존 스킬을 개선할 수 있으며, 사용자가 승인해야 저장된다.
공유: 대화 전체 또는 에셋 하나를 읽기 전용으로 선택한 팀원이나 워크스페이스 전체와 공유한다. Replit은 개발용 URL이 실행 중인 서버를 연다고 경고한다.
크레딧 소진 시: 자격이 되는 충전 고객의 경우, 게시된 앱은 크레딧이 0이어도 초과 한도까지 계속 실행되고 유료 에이전트는 일시 중지된다.

오늘의 수치: Cambricon 이익 +147.7%

중국 AI 칩 제조사 Cambricon은 2026년 3분기에 순이익이 전년 동기 대비 147.7% 늘어 14억 위안이었고, 매출은 35억 위안(+104.5%)이었다. 증권거래소 공시를 South China Morning Post가 전했다. 중국은 Nvidia 칩을 자국 공급업체로 대체하려는 노력을 이어 가고 있다.

의미

중국 오픈 모델은 코딩 분야에서 폐쇄형 모델을 계속 따라잡고 있지만, Kimi K3.1 Pro는 아직 API 모델이다. 가중치, 라이선스, 가격은 앞으로 나올 예정이다. 도구 쪽에서는 에이전트가 팀이 이미 대화하는 곳(Teams)으로 들어가고 있고, CLI에는 엔터프라이즈급 설정이 더해지고 있다.

출처

Kimi: Introducing Kimi K3.1 Pro (확인일: 2026-10-24)
OpenAI Codex: rust-v0.164.0 release notes (확인일: 2026-10-24)
GitHub Changelog: Copilot in Teams (확인일: 2026-10-24)
Replit: October 23, 2026 changelog (확인일: 2026-10-24)
South China Morning Post: Cambricon Q3 2026 results (확인일: 2026-10-24)

사이트 업데이트: 소식 정리: Kimi K3.1 Pro, Codex CLI 0.164, Teams의 Copilot, Replit

Sat, 24 Oct 2026 00:00:00 +0000

Moonshot AI의 Kimi K3.1 Pro(100만 토큰, 웨이트는 11월 4일까지 공개 예정), Codex CLI 0.164.0, Microsoft Teams의 GitHub Copilot, 10월 23일 Replit 업데이트를 다룬 새 기사. 새 핵심 수치: Cambricon의 2026년 3분기 순이익 +147.7%. Kimi K3.1 Pro가 모델 비교에 추가되었고, Codex, GitHub Copilot, Replit Agent 페이지에 최신 버전과 출처를 더했다.

Agent Skills, Linux Foundation으로: Anthropic이 표준을 AAIF에 넘기다

Fri, 23 Oct 2026 00:00:00 +0000

2026년 10월 22일 Anthropic은 AI 에이전트에 전문 지식과 워크플로를 제공하는 오픈 표준 Agent Skills를 Linux Foundation이 운영하는 Agentic AI Foundation(AAIF)에 기증한다고 발표했다. Anthropic에 따르면 2025년 12월 표준이 공개된 이후 ChatGPT, Cursor, GitHub Copilot, VS Code를 포함한 70개 이상의 에이전트 플랫폼이 Agent Skills를 통합했다(Anthropic).

같은 날 샌호제이에서 열린 AGNTCon + MCPCon North America에서 AAIF는 Open Responses(OpenAI), OpenEnv(Hugging Face), OpenSandbox(Alibaba)의 세 프로젝트를 추가로 받아들였다. 이로써 재단이 호스팅하는 프로젝트는 2025년 12월 출범 당시 3개에서 첫해 만에 10개로 늘었다(AAIF).

개발자를 위한 요약. 파일은 달라지지 않는다. 스킬은 여전히 SKILL.md가 들어 있는 폴더다. 달라지는 것은 형식의 발전 방향을 누가 결정하느냐다. Anthropic은 AAIF에 가입하지 않아도 표준을 계속 사용하거나 기여할 수 있다고 밝혔다(Anthropic).

Agent Skills란 무엇인가

스킬은 에이전트에 특정 작업이나 분야를 가르치는 SKILL.md 파일과, 필요한 스크립트 및 참고 자료를 담은 폴더다. Anthropic은 Claude Code를 개발하는 과정에서 스킬을 만들었다고 설명한다. 에이전트는 일반 지식은 잘 다뤘지만, 실제 작업에 필요한 절차적 지식은 종종 부족했다(Anthropic).

agentskills.io에 공개된 사양은 최소한의 형식을 정한다(Agent Skills).

폴더: SKILL.md는 필수이고, scripts/, references/, assets/ 폴더는 선택이다.
YAML 프론트매터: 필수 필드는 두 가지다. name(최대 64자, 소문자, 숫자, 하이픈만 사용하며 폴더 이름과 일치해야 함)과 description(최대 1,024자, 스킬이 하는 일과 사용 시점을 설명). 선택 필드는 license, compatibility, metadata, allowed-tools이며, 마지막 필드는 아직 실험 단계다.
점진적 로딩: 에이전트는 시작할 때 각 스킬의 이름과 설명(약 100토큰)만 불러오고, 스킬을 활성화할 때 SKILL.md 본문(5,000토큰 미만 권장)을 불러오며, 추가 파일은 필요할 때만 불러온다. 사양은 SKILL.md를 500줄 이내로 유지할 것을 권고한다.
검증: 참조 라이브러리 skills-ref가 프론트매터와 이름 규칙을 검사한다.

사양에 실린 최소 예시는 다음과 같다.

---
name: skill-name
description: A description of what this skill does and when to use it.
---

문서에 나온 검증 명령은 다음과 같다.

skills-ref validate ./my-skill

기증의 범위

이전되는 것: Agent Skills라는 이름과 로고, GitHub 조직, agentskills.io 도메인이다(Anthropic).
유지 관리 주체: Anthropic, Google, OpenAI 등 여러 회사의 엔지니어가 개인 자격으로 참여하며, David Soria Parra와 Mahesh Murag가 리드 메인테이너를 맡는다. AAIF는 여러 회사가 참여하는 기술 운영 위원회(Technical Steering Committee)가 있다고 설명한다(AAIF).
라이선스: AAIF에 따르면 사양은 Apache 2.0과 CC BY 4.0 라이선스의 오픈소스다.
제안된 로드맵: 버전이 매겨진 릴리스, 공식 제안 절차, 스킬을 작성하고 설치하는 사람을 위한 보안 지침이다. 사양 변경에 대한 의견은 프로젝트의 Discord와 GitHub를 통해 받는다(Anthropic).

이는 Model Context Protocol(MCP)이 걸은 길과 같다. Anthropic은 Block, OpenAI와 함께 공동 설립한 AAIF에 MCP를 이미 기증한 바 있다. MCP 서버를 도구에 연결하는 방법은 MCP 설정 가이드를 참고하라.

채택 수치

Anthropic과 AAIF가 제시한 수치는 자릿수는 같지만 표현이 완전히 같지는 않다.

70개 이상의 에이전트 플랫폼이 이 표준을 통합했다(Anthropic).
Anthropic에 따르면 게시된 스킬은 100만 개, 설치는 약 2억 8,000만 회다. AAIF는 이것이 7개월 만에 skills.sh 레지스트리에 등록된 스킬이 100만 개라는 뜻이라고 구체적으로 밝히며, 설치 횟수는 Vercel의 연구를 근거로 든다(AAIF).

이 수치는 표준을 지지하는 측에서 나온 것으로, 독립적으로 검증하지 못했다.

AAIF에 합류하는 나머지 세 프로젝트

AAIF의 발표에 따르면 각 프로젝트는 에이전트 스택의 한 계층을 맡는다(AAIF).

AAIF에 합류하는 나머지 세 프로젝트
프로젝트	기증 주체	역할
Agent Skills	Anthropic	에이전트에 새 기능과 분야별 전문 지식을 부여하는 오픈 형식
Open Responses	OpenAI	OpenAI Responses API를 기반으로 한 멀티 프로바이더 LLM 인터페이스 사양
OpenEnv	Hugging Face	상호 운용 가능한 강화 학습 환경을 만드는 프레임워크와 허브
OpenSandbox	Alibaba	AI 애플리케이션용 샌드박스 플랫폼(다국어 SDK, Docker 및 Kubernetes 런타임)

개발자에게는 Agent Skills 다음으로 Open Responses가 가장 구체적이다. 공통 스키마, 일관된 스트리밍 이벤트, 확장 가능한 도구 체계를 정의해, 요청과 출력을 한 번만 기술하고 최소한의 변환으로 여러 모델 제공업체에서 실행할 수 있게 한다(AAIF). SiliconANGLE은 OpenAI의 API를 본떠 만들었기 때문에 한 제공업체에서 다른 제공업체로 코드를 옮기기가 쉬워질 것이라고 지적한다(SiliconANGLE). OpenSandbox는 코딩 에이전트, 에이전트 평가, AI 코드 실행 등의 사용 사례를 겨냥한다.

이 네 프로젝트는 재단이 이미 호스팅하는 A2A, Agent Router, agentgateway, AGENTS.md, goose, MCP와 함께하게 된다.

도구에 미치는 영향

이식 가능한 스킬: 같은 폴더가 호환되는 여러 에이전트에서 작동할 수 있다. AAIF는 Block의 사례를 든다. Block의 엔지니어들은 장애 대응, 코드 리뷰, 실험 설정 등 수백 개의 스킬을 담은 사내 마켓플레이스를 공유하며, 하나의 에이전트로 통일하지 않고 Goose, Codex, Claude, Amp와 함께 사용한다(AAIF).
중립적 거버넌스: 형식이 더 이상 Anthropic의 재량만으로 발전하지 않는다. 이는 Cursor, GitHub Copilot, Codex처럼 이 형식을 통합한 업체에 중요하다. Google 쪽에서는 Antigravity CLI도 Agent Skills 지원을 유지한다(Gemini CLI 마이그레이션 가이드 참고).
보안은 앞으로의 과제: 스킬을 작성하고 설치할 때의 보안 지침은 현재 제안된 로드맵에만 있다. 스킬에는 스크립트가 포함될 수 있으므로 설치하는 스킬은 직접 검토하라.

Simon Willison은 Anthropic이 2025년 12월 스킬을 처음 "open standard"로 선언했을 때 이미 이번 조치를 예측했다고 짚는다(Simon Willison). 스킬을 실행할 에이전트를 고르려면 비교 글 Claude Code, Codex, GitHub Copilot을 참고하라.

출처

Anthropic: Donating Agent Skills to the Agentic AI Foundation (2026년 10월 22일) (확인일: 2026-10-23)
AAIF: Agentic AI Foundation Announces Four New Projects (2026년 10월 22일) (확인일: 2026-10-23)
AAIF: Agent Skills, Sharing Team Expertise Across AI Agents (2026년 10월 22일) (확인일: 2026-10-23)
Agent Skills: specification (확인일: 2026-10-23)
GitHub: agentskills/agentskills (확인일: 2026-10-23)
SiliconANGLE: Agentic AI Foundation adds four more open-source AI tools (2026년 10월 22일) (확인일: 2026-10-23)
Simon Willison: Donating Agent Skills to the Agentic AI Foundation (2026년 10월 22일) (확인일: 2026-10-23)

핵심 요약: Anthropic에 따르면 70개 이상의 에이전트 플랫폼이 채택한 SKILL.md 형식의 Agent Skills가 MCP에 이어 AAIF(Linux Foundation)의 중립적 거버넌스 아래로 이동한다. Open Responses, OpenEnv, OpenSandbox도 동시에 합류해 재단이 호스팅하는 프로젝트는 10개가 됐다.

로컬 실행 Flint, Replit Monitoring Agent, Google EGM 플러그인, Google Cloud의 Claude: 10월 23일

Fri, 23 Oct 2026 00:00:00 +0000

2026년 10월 21일부터 23일까지의 발표 네 건과 시장 수치 하나를 모두 공식 출처에서 가져왔다. 노트북에서 돌아가는 코딩 모델, 운영 환경을 고치는 에이전트, Google의 설계 방법, Claude를 배포하는 새로운 방식이다.

Flint: 로컬 코딩을 위한 Recursive의 첫 모델 (10월 21일)

스타트업 Recursive(Richard Socher)가 코딩 에이전트용 전문가 혼합(mixture-of-experts) 모델 Flint를 공개한다(Recursive 블로그, Hugging Face 모델 카드).

규모: 전체 파라미터 398억 개, 토큰당 활성 파라미터는 약 25억 개다.
라이선스: 가중치는 Hugging Face에서 Apache 2.0으로 공개되며, Mac용 MLX INT4 빌드는 약 22.6GB다(Flint INT4).
Recursive가 보고한 점수: 자체 평가에서 SWE-bench Verified 74.2%, Terminal-Bench 2.1 54.9%, SWE-bench Pro v2 89.7%.
보고된 속도: 짧은 컨텍스트에서 M4 Pro MacBook Pro는 초당 125토큰 넘게, 64GB NVIDIA RTX Spark는 150토큰 넘게 나온다.
컨텍스트: 문서화된 설정은 262,144토큰이다. Recursive는 최대 512k까지 언급하지만 256k 이하를 권장한다.
방식: Recursive는 자동화된 연구 시스템 "Eureka Machine"으로 4개월이 채 안 되는 기간에 모델을 만들었다고 밝힌다. 이 회사는 Flint가 대형 비공개 모델보다 더 많은 안내가 필요하다고 경고한다.

Replit Monitoring Agent: 배포된 앱을 위한 온콜 에이전트 (10월 22일)

Replit이 에이전트를 운영 환경으로 확장한다(Replit 블로그).

하는 일: 배포된 앱의 로그와 지표를 읽고, 알림을 조사하고, 수정안을 준비해 검증한 뒤 요약을 이메일로 보낸다.
자동 배포: "auto-publish"를 켜면 검증된 수정안을 스스로 배포할 수 있다. 켤지 여부는 사용자가 정한다.
설정: 앱의 Publishing 설정에서 모니터링 알림과 자동 수정을 켜면 된다.
빠진 정보: 발표문에는 구체적인 가격이나 필요한 요금제가 나와 있지 않다.

Elephant-Goldfish Model: Google이 AI 보조 설계 방법을 공개 (10월 22일)

Google이 Elephant-Goldfish Model(EGM) 플러그인을 오픈소스(Apache 2.0)로 공개한다. 발표문에 따르면 사내 엔지니어 "수천 명"이 쓰고 있다(Google Open Source Blog).

발상: 긴 "elephant" 세션에서는 코드를 쓰지 않고 설계만 하고, 이어서 컨텍스트가 없는 "goldfish" 세션들이 설계 문서를 검토해 빈틈을 찾는다.
명령 세 가지: egm-brainstorm(공동 설계), egm-draft(고칠 파일을 나열한 Markdown 설계 문서), egm-review(이해도 점검, 적대적 검토, 최종 진행 여부 판단).
대상: 우선 Antigravity이며, 다른 환경은 "upcoming"이다.

Google Cloud의 Claude: Anthropic 관리형 옵션 (10월 23일)

Google Cloud가 Claude의 Anthropic 관리형 배포 옵션을 정식 출시해 Google 관리형 옵션과 나란히 제공한다(Google Cloud 블로그).

차이점: Anthropic 옵션에서는 Anthropic이 상업 약관에 따른 데이터 처리자가 되고, Claude Platform 기능(베타인 Claude Managed Agents, 스킬, 코드 실행)이 출시 첫날부터 제공된다.
같은 점: 모델은 첫날부터 같고 가격도 같으며, Google Cloud로 청구되고 기존 약정에서 차감된다.
Google 옵션: VPC Service Controls, 고객 관리형 암호화 키(CMEK), 미국·EU·APAC 데이터 상주를 그대로 유지한다.

수치: AI·클라우드 고객 대상 Nokia 매출 +123%

2026년 3분기 Nokia의 AI·클라우드 고객 대상 순매출은 전년 대비 123%, 수주는 118% 늘었고 신규 주문은 15억 유로였다(Nokia 중간 보고서). 데이터센터를 잇는 네트워크도 이제 AI 인프라 경쟁의 수혜를 입고 있다.

무엇이 달라지나

코드를 사내에 두고 싶은 사람에게 로컬 코딩 모델은 점수가 아직 업체 자체 수치이긴 해도 진지한 선택지가 되어 가고 있다. 에이전트 쪽에서 Replit은 AI를 코드 작성에서 코드 운영으로 옮기고, Google은 반대 방향에 건다. 첫 줄을 쓰기 전에 사람의 설계를 더 늘리는 것이다. 클라우드에서는 모델을 고르는 일이 이제 누가 데이터를 처리하는지 고르는 일이기도 하다.

출처

Recursive: Introducing Flint (확인일: 2026-10-23)
Hugging Face: RecursiveSI/flint model card (확인일: 2026-10-23)
Hugging Face: RecursiveSI/flint-int4 (확인일: 2026-10-23)
Replit: Replit Monitoring Agent (확인일: 2026-10-23)
Google Open Source Blog: Elephant-Goldfish Model plugin (확인일: 2026-10-23)
Google Cloud: Expanding Claude availability on Google Cloud (확인일: 2026-10-23)
Nokia: Q3 2026 interim report (확인일: 2026-10-23)

사이트 업데이트: 소식 정리: Flint, Replit Monitoring Agent, EGM 플러그인, Google Cloud의 Claude

Fri, 23 Oct 2026 00:00:00 +0000

Flint(Recursive의 로컬 코딩 모델, Apache 2.0), Replit의 Monitoring Agent, Google의 오픈소스 Elephant-Goldfish Model 플러그인, Google Cloud의 Anthropic 관리형 Claude 옵션을 다룬 새 기사. 새 핵심 수치: 2026년 3분기 AI 및 클라우드 고객 대상 Nokia 매출 +123%. Flint가 모델 비교에 추가되었고, Replit Agent와 Claude 페이지에 출처를 더했다.

사이트 업데이트: OrigoTech 뉴스레터에 새 디자인 적용

Fri, 23 Oct 2026 00:00:00 +0000

뉴스레터 이메일이 사이트의 아이덴티티를 따른다: IBM Plex Sans와 JetBrains Mono, 주황색 강조색, 얇은 구분선, 고정폭으로 표시한 수치, 읽기 편한 다크 모드. 모바일에서는 가입 양식의 입력란과 버튼이 전체 너비로 표시되고, 잘못된 주소는 더 분명하게 표시된다.

사이트 업데이트: 더 에디토리얼하고 더 기술적인 새 비주얼 아이덴티티

Fri, 23 Oct 2026 00:00:00 +0000

사이트가 기술 매체의 정체성을 채택했다: 본문은 IBM Plex Sans, 데이터(날짜, 가격, 수치, 출처)는 JetBrains Mono, 폰트는 사이트에서 직접 제공, 흑백 팔레트에 주황색 강조색 하나, 그림자 대신 얇은 구분선, 주요 기사 하나와 그 아래 촘촘한 기사 목록, 더 읽기 쉬운 표. 콘텐츠와 수치는 그대로이며, 모바일에서는 375px에서 헤더가 넘치지 않는다.

사이트 업데이트: 기사: Agent Skills, Agentic AI Foundation에 합류

Fri, 23 Oct 2026 00:00:00 +0000

70개 넘는 에이전트 플랫폼이 채택한 Anthropic의 SKILL.md 형식인 Agent Skills가 Linux Foundation 산하 Agentic AI Foundation에 기증된 소식을 다룬 새 기사. 이 재단은 Open Responses, OpenEnv, OpenSandbox도 맡아 현재 프로젝트 10개를 호스팅한다. Claude Code, Codex, GitHub Copilot, Cursor 페이지에 관련 기사를 추가했다.

Claude Duet: Anthropic의 선제형 에이전트, 당분간은 미국 구독자 전용

Thu, 22 Oct 2026 00:00:00 +0000

2026년 10월 21일 Anthropic은 새 앱 Claude Duet의 리서치 프리뷰를 열었다. 이 앱에서 Claude는 선제형 에이전트로 일한다. 주의가 필요한 사안을 먼저 알려 주고, 작업을 맡아 처리하며, 사용자가 자리를 비워도 계속 일하고, 사용자를 대신해 행동하기 전에 확인을 구한다(Anthropic).

아직 프랑스에서는 쓸 수 없다. 접근은 대기자 명단을 통해 이뤄지며 미국의 Pro·Max 구독자로 한정된다. Anthropic 도움말 페이지는 "a Claude account in the US"를 요구하고, 프리뷰 기간에는 Duet을 미국에서만 쓸 수 있다고 밝힌다(Claude Help Center). 유럽 출시일은 공개되지 않았다.

Claude Duet이 하는 일

매일 아침 브리핑: Duet은 연결된 앱(우선 이메일과 캘린더)을 훑어 가장 중요한 사안을 고르고, 승인용 답장 초안 작성 같은 첫 단계를 시작할 수 있다. 낮에는 사용자가 필요할 때만 메시지를 보낸다(Anthropic).
크기를 가리지 않는 작업: Anthropic에 따르면 회의 일정 잡기부터 대시보드 제작, 재무·영업 전망 작성, 프로토타이핑, 웹 앱 제작 같은 무거운 작업까지 맡길 수 있다. 큰 결과물은 파일(리서치 브리프, 재무 모델, 슬라이드 덱, 대시보드) 형태로 Make 탭에 돌아오고, Tasks 탭에서 진행 중인 작업을 추적한다(Claude Help Center).
하나의 스레드: 사람에게 하듯 글로 입력하거나 음성 메시지를 보낸다. 주제별로 채널을 나눌 수 있으며 같은 메모리를 공유한다.
자기만의 컴퓨터: Duet은 클라우드에 자체 브라우저를 갖춘 가상 머신을 가진다. 노트북이나 휴대폰을 켜 둘 필요가 없다. 커넥터가 없는 사이트에는 이 브라우저를 사용한다(Anthropic).
Claude Marketplace의 커넥터와 플러그인 6,000개 이상: Gmail, Slack, QuickBooks, Stripe, Gusto, Docusign, HubSpot, Canva, Shopify 등. 구매는 Link(Stripe의 지갑) 또는 Shop Pay를 통해 1회용 가상 카드로 이뤄진다(Anthropic, Reuters via StreetInsider).

Duet은 Claude 계정의 메모리, 스킬, 커넥터를 그대로 가져오므로 따로 설정할 것이 거의 없다. 과거 Claude 대화도 검색할 수 있다(9to5Mac, Claude Help Center).

모델, 앱, 가격

모델: Claude Opus 5.5이며 다른 모델을 고를 수 없다. 작업에 얼마나 힘을 쓸지는 Duet이 정한다(Claude Help Center).
제공 방식: iOS와 Android의 독립 앱, 그리고 claude.ai 웹. 현재 Duet은 주력 Claude 앱과 분리된 자체 앱에 있다(Anthropic).
가격: Pro와 Max 요금제에 추가 비용 없이 포함되지만, 백그라운드 작업(브리핑, 점검)을 포함해 Duet은 Claude의 나머지와 같은 사용량 한도를 쓴다. Anthropic은 "sooner than with chat alone" 한도에 닿을 수 있다고 경고한다. 승인된 모든 사용자에게는 한도 전체를 1회 초기화해 주며 2026년 11월 30일까지 쓸 수 있다(Claude Help Center). 참고로 Pro는 월 20달러(연간 결제 시 17달러), Max는 월 100달러부터다(Anthropic).
Team과 Enterprise: 아직 포함되지 않았다. Anthropic은 나중에 추가할 계획이지만 일정은 없다(Claude Duet).

안전장치

메시지 전송, 결제, 문서 서명, 삭제 전에는 승인이 필요하다. Duet은 하려는 일을 정확히 보여 주고 사용자의 승인을 기다린다. 증권 거래나 계좌 간 자금 이동처럼 승인해도 할 수 없는 행동도 있다(Anthropic).
모든 행동은 Claude Code에서 쓰는 것과 같은 안전장치인 auto mode 분류기를 거친다. 자격 증명 처리는 Claude Managed Agents 설계를 따르므로 Duet은 비밀번호나 로그인 토큰을 보지 못한다.
전용 분류기와 안전 시스템 프롬프트가 메시지마다 유출을 점검한다. 카드 번호나 정부 발급 신분증 정보를 공유하라는 요청은 거부되고, 건강·금융 데이터는 명시적으로 지시했을 때만 나간다.

개발자에게 Duet이 할 수 있는 일과 할 수 없는 일

Duet은 코딩 에이전트가 아니다. Anthropic은 전문직 종사자와 소규모 사업자를 위해 만들었다고 밝힌다. 그래도 개발자에게 직접 도움이 되는 용도가 몇 가지 있다.

프로토타입과 웹 앱: Anthropic은 프로토타이핑과 웹 앱 제작을 Duet에 맡길 수 있는 작업으로 꼽는다. Duet 팀을 이끄는 Karan Ahuja는 사용자 인터뷰 일정 잡기, 프로토타입 작업, 심지어 코드 배포에도 쓴다. Claude Code를 이끄는 Boris Cherny는 산책하면서 Duet과 할 일 목록을 이야기한다(Anthropic).
도구의 컨텍스트: Duet은 Claude 계정에 이미 설정된 커넥터, 스킬, 메모리를 재사용한다. 거기에 연결해 둔 도구는 다시 연결할 필요가 없다.
실행보다 후속 관리: 티켓, 답이 없는 Slack 스레드, 고객 이메일에 대한 아침 브리핑, 알림, 회의 전 요약.

기술 작업에서는 한계가 분명하다.

Duet은 컴퓨터에 있는 파일이나 모든 프로젝트를 볼 수 없고, Claude에서 한 작업을 읽을 수는 있지만 바꿀 수는 없다.
프리뷰 기간에는 Duet의 브라우저를 지켜보거나 넘겨받을 수 없다.
계정은 일정한 간격(Anthropic에 따르면 몇 시간마다)으로 확인한다. 긴급 장애가 두 번의 확인 사이에 터질 수 있다.
Slack 같은 일부 커넥터는 제한적으로 동작하며 Microsoft 365는 아직 지원되지 않는다(Claude Help Center).

리포지토리에서 코드를 작성하고 실행하고 테스트하는 Anthropic의 도구는 여전히 Claude Code다(설치 가이드 참고). Duet은 그 앞단과 주변, 곧 조직과 조율 쪽에 자리한다. 모델 계열은 Claude 페이지를 참고하라.

초기 반응

Anthropic은 Duet이 스레드를 잘못 읽거나 긴급도를 잘못 판단할 수 있고, 항공권 예약 같은 개인 업무는 업무용 작업보다 덜 다듬어졌다고 인정한다. Reuters와 Trending Topics도 같은 단서를 달았다(Reuters via StreetInsider, Trending Topics). Trending Topics는 이 프로젝트의 사내 명칭이 "Claude Loop"였다고 전해지지만 Anthropic은 확인하지 않았다고 덧붙인다.

Duet은 OpenAI(Dots)와 SpaceXSI(Grok Bot)의 상시 가동 에이전트, 그리고 더 소비자 지향인 Meta의 Muse에 뒤이어 나왔다(MacRumors, Trending Topics). 이들은 Claude Duet, OpenAI Dots, Grok Bot 비교에서 비교한다.

출처

Anthropic: Introducing Claude Duet (2026년 10월 21일), 확인일: 2026-10-22
Anthropic: Claude Duet product page, 확인일: 2026-10-22
Claude Help Center: Get started with Claude Duet, 확인일: 2026-10-22
Anthropic: Claude pricing, 확인일: 2026-10-22
Reuters via StreetInsider: Anthropic unveils Claude Duet AI agent app (2026년 10월 21일), 확인일: 2026-10-22
MacRumors: Anthropic Launches Claude Duet, a Proactive AI Agent (2026년 10월 21일), 확인일: 2026-10-22
9to5Mac: Anthropic takes on ChatGPT Dots and Meta Muse with Claude Duet (2026년 10월 21일), 확인일: 2026-10-22
Trending Topics: Claude Duet, Anthropic's New A.I. Agent (2026년 10월 21일), 확인일: 2026-10-22

핵심 요약: Claude Duet은 Claude Opus 5.5 기반의 백그라운드 에이전트로, Pro와 Max에 포함되지만 사용량 한도를 소모하며, 메시지 전송·결제·서명·삭제 전에 승인을 구한다. 대기자 명단을 통해 미국에서만 열려 있다.

Claude Duet, OpenAI Dots, Grok Bot 비교: 상시 가동 에이전트 3종

Thu, 22 Oct 2026 00:00:00 +0000

석 달도 안 되는 사이에 세 곳이 더 이상 답변만 하지 않는 에이전트를 내놓았다. 이 에이전트는 클라우드에 자기만의 컴퓨터를 갖고, 사용자의 앱을 지켜보며, 자리를 비운 동안에도 일하고, 중요한 결정이 필요할 때 사용자에게 찾아온다. Grok Bot은 2026년 8월 11일, OpenAI Dots는 9월 29일, Anthropic의 Claude Duet는 10월 21일에 나왔다. Meta도 소비자 중심 에이전트 Muse로 경쟁에 뛰어들었지만 여기서는 다루지 않는다(Trending Topics).

프랑스 독자에게는 이용 가능 여부가 결정적인 요소인 경우가 많다. Claude Duet는 미국에서만 쓸 수 있다. Dots는 Pro 구독자에게는 EEA를 제외하지만 Business Premium 좌석에는 제외하지 않는다. Grok Bot은 국가 목록을 공개하지 않지만 컴퓨터는 미국에서 돌아간다. 자세한 내용은 아래에서 다룬다.

비교표

비교표
항목	Claude Duet	OpenAI Dots	Grok Bot
개발사	Anthropic	OpenAI	SpaceXSI(구 xAI, 법인명 SpaceXAI LLC). 제품 운영은 SpaceX 자회사 Cursor
출시	2026년 10월 21일, 리서치 프리뷰	2026년 9월 29일, 단계적 출시	2026년 8월 11일, 베타
모델	Claude Opus 5.5, 변경 불가	GPT-6 Astra	작업별 자동 선택: xAI 또는 서드파티 모델(Claude Opus 5.5 포함), 선택기 없음
사용처	iOS 및 Android 앱, claude.ai	ChatGPT(데스크톱, 웹, 모바일), Slack, Teams. 문자 메시지는 미국 한정 베타	macOS, Windows, Linux, iOS, Android 앱. Slack(팀 봇). X(@bot)
클라우드 컴퓨터	자체 브라우저가 있는 가상 머신 1대	dot마다 클라우드 컴퓨터 1대. 사용자 컴퓨터 접근은 선택 사항	계정의 모든 봇이 컴퓨터 1대를 공유(봇마다 화면 1개)
에이전트 수	에이전트 1개, 여러 채널	현재는 기본 dot 1개	여러 봇을 병렬로 운용(계정당 약 50개)
커넥터	6,000개 이상의 커넥터와 플러그인	플러그인을 통한 4,000개 이상의 앱	"Connect apps" 플러그인(GitHub, Google Workspace, Microsoft 365 등)과 컴퓨터 사용
안전장치	전송, 결제, 서명, 삭제 전 승인. 증권 거래와 송금은 차단	기본 제공 규칙과 Custom Rules. 자동 검토. 읽기 전용 선제 조사	Auto Review(독립 검토 모델). "Ask first" 규칙. 로컬 명령은 승인 필요
가격	Pro(월 $20)와 Max(월 $100부터)에 포함, 플랜의 사용량 한도 적용	첫 dot은 Pro(월 $100, $200, $500)와 Business Premium(좌석당 월 $125)에 포함	The X Subscription의 Premium(월 $30), Super($100), Ultra($200)와 기존 Cursor 플랜에 포함
프랑스 / EU	불가: 미국 한정	Pro: 불가(EEA, 스위스, 영국 제외). Business Premium: "지원되는 모든 ChatGPT 지역"	국가 목록 미공개. 컴퓨터는 미국. @bot 태그는 EU에서 사용 불가

표의 출처: Anthropic, OpenAI, SpaceXSI의 공식 페이지. 자세한 내용은 각 항목에서 다룬다.

Claude Duet(Anthropic)

작동 방식: Claude와 별개의 앱에서 동작하는 단일 에이전트다. 매일 아침 브리핑을 보내고, 몇 시간마다 사용자의 계정을 확인하며, 필요할 때만 메시지를 보낸다. 자체 브라우저가 있는 가상 머신을 갖는다(Anthropic).
모델: Claude Opus 5.5이며 선택할 수 없다(Claude Help Center).
안전장치: 전송, 결제, 서명, 삭제 전에 명시적 승인이 필요하다. 증권 거래와 계좌 간 송금은 승인이 있어도 차단된다. Claude Code의 자동 모드 분류기와 민감 정보 유출을 막는 전용 분류기를 쓴다.
가격: Pro와 Max에 추가 비용 없이 포함되지만, 백그라운드 작업은 플랜의 한도를 소모한다(Claude Duet, Anthropic).
이용 가능 여부: 대기자 명단 방식이며 미국의 Pro와 Max에 한정된다. 현재 Team과 Enterprise는 제외된다.

자세한 기사: Claude Duet, Anthropic의 선제형 에이전트.

OpenAI Dots

작동 방식: ChatGPT 안의 상시 가동 에이전트로, 각각 자체 클라우드 컴퓨터와 브라우저를 갖는다. 처음에는 기본 dot 하나로 시작하며, OpenAI는 나중에 여러 dot이 팀을 이루는 구상을 하고 있다. ChatGPT, Slack, Teams 또는 음성 통화로 dot에 접근한다(OpenAI).
모델: GPT-6 Astra(OpenAI, MacRumors).
커넥터: 플러그인 생태계를 통해 4,000개가 넘는 앱을 연결한다. 사용자 컴퓨터 접근은 선택 사항이며 기본값은 꺼짐이다(OpenAI Help Center).
안전장치: 백그라운드 "선제 조사"는 읽기 전용 도구만 쓴다. Custom Rules로 작업을 허용하거나, 승인을 요구하거나, 차단할 수 있다. 자동 검토가 민감한 작업을 확인하며, 비밀번호 변경처럼 일부 작업은 항상 사용자에게 남는다(OpenAI).
가격: 첫 dot은 ChatGPT Pro와 Business Premium에 추가 비용 없이 포함된다. dot과의 대화는 ChatGPT 사용량 한도에 포함되지 않지만, dot이 Codex나 ChatGPT Work에서 시작한 작업은 포함된다(OpenAI). Pro는 월 $100, $200, $500이고(OpenAI Help Center), Business Premium 좌석은 월 $125, 연간 결제 시 $100이다(OpenAI).
이용 가능 여부: EEA, 스위스, 영국 밖의 Pro 사용자에게, 지원되는 모든 ChatGPT 지역의 Business Premium에, 관리자가 켠 경우의 Enterprise에는 베타로 순차 제공 중이다(OpenAI Help Center).

Grok Bot(SpaceXSI / Cursor)

만든 곳: 공식 페이지는 x.ai에 있고 구 xAI의 새 이름인 SpaceXSI 브랜드로 "© 2026 SpaceXAI LLC"라고 적혀 있다(SpaceXSI, The Next Web). 그러나 제품은 Cursor가 운영한다. Cursor 계정으로 로그인하고, 봇의 컴퓨터는 Cursor의 클라우드에서 돌아간다(SpaceXSI Docs, Cursor). Cursor(Anysphere)는 2026년 8월 14일부터 SpaceX의 일부다(Cursor).
작동 방식: 병렬로 일하고, 서로 메시지를 주고받고, 그룹 채팅에서 조율하고, 시연을 통해 워크플로를 익히는 이름 붙은 봇 팀이다(SpaceXSI). SpaceXSI는 실용적 한도로 계정당 약 50개, 그룹 채팅당 6개의 봇을 둔다(SpaceXSI).
컴퓨터: 브라우저, 파일 시스템, 터미널이 있는 지속형 클라우드 컴퓨터를 계정의 모든 봇이 공유한다. 파일, 브라우저 세션, 자격 증명이 공통이며, 격리는 봇 사이가 아니라 사용자 사이에서 이뤄진다(SpaceXSI Docs). 컴퓨터는 미국에서 돌아간다(Cursor).
모델: 단일 모델도, 선택기도 없다. Grok Bot은 작업마다 xAI 모델 또는 서드파티 모델을 고르며, Cursor의 도움말은 Claude Opus 5.5를 명시적으로 언급한다(Cursor). Elon Musk는 10월 7일 Grok Bot이 Claude Opus 5.5, Midjourney, Suno를 포함해 "the best back end model for any given task"를 쓸 것이라고 발표했다(The Next Web). 따라서 Trending Topics처럼 Grok Bot이 "Claude Opus 5.5에 의존한다"고 쓰는 것은 지나치다. Opus 5.5는 선택 가능한 모델 중 하나일 뿐이다.
안전장치: 독립 검토 모델인 Auto Review가 위험한 작업(셸 명령, 앱 호출, 컴퓨터 사용, 루틴 변경)을 평가해 진행을 허용하거나, 승인을 요구하거나, 거부한다. 사용자는 "Ask first" 규칙을 추가할 수 있다. 사용자 본인 컴퓨터에서의 명령은 기본적으로 매번 승인을 묻는다(Cursor). 사용자 없이 시작된 작업(루틴, 다른 봇)의 승인은 약 10분 뒤 만료된다(Cursor).
가격: The X Subscription의 Premium(월 $30), Super($100), Ultra($200) 플랜(SpaceXSI)과 기존 Cursor Pro, Pro+, Ultra, Teams 플랜에 포함된다. SuperGrok 구독을 Cursor 계정에 연결할 수도 있다. 사용량은 매주 초기화된다(Cursor).
이용 가능 여부: SpaceXSI는 앱의 국가 목록을 공개하지 않는다. 문서화된 유일한 지역 제한은 X에서 @bot 태그에 관한 것으로, 유럽연합, 영국, 호주, 아이슬란드, 리히텐슈타인, 노르웨이에 기반한 계정에서는 사용할 수 없다(SpaceXSI Docs).

Grok Bot에 관해 공식 출처끼리 서로 모순된다. 출시 게시물은 앱을 데스크톱과 iOS로 한정했고, 기업용은 대기자 명단 방식이며 사용량이 Grok 및 Cursor 플랜과 "별개"라고 했다(SpaceXSI). 현재 문서는 macOS, Windows, Linux, iOS, Android를 열거하고(SpaceXSI Docs), 제품 페이지는 Enterprise가 "generally available"이라고 하며(SpaceXSI), The X Subscription에서 Grok Bot은 Cursor 및 Grok 앱과 같은 주간 사용량 풀을 쓴다(Cursor). Every의 비교는 여전히 기존 Cursor 플랜 가격($20, $60, $200)을 보여준다(Every). 우리는 가장 최근 페이지를 따른다.

개발자에게 중요한 점

Grok Bot은 가장 "기술적"이다. 컴퓨터에서 터미널과 파일 시스템을 쓸 수 있고, GitHub 커넥터를 제공하며, 루틴을 일정이나 이벤트에 따라 실행할 수 있다. 설계 게시물은 풀 리퀘스트가 열리거나 검사가 실패하는 것 같은 트리거를 예로 든다(SpaceXSI). SpaceXSI는 제품 UI에서 버그를 재현하고, 티켓을 등록하고, 수정을 디버깅 봇에게 넘기는 엔지니어링 봇을 사례로 든다(SpaceXSI). 단점은 모든 봇이 자격 증명과 세션을 공유한다는 것, 모델을 고를 수 없다는 것, 그리고 팀의 경우 Cursor의 모델 허용 목록이 Grok Bot에는 적용되지 않는다는 것이다(Cursor).

Dots는 Codex와 가장 가깝다. OpenAI는 고객 피드백을 지켜보고, 작은 수정을 만들어 테스트한 뒤, 영상이 첨부된 풀 리퀘스트를 가져오는 dot을 설명한다(OpenAI). dot은 Codex 클라우드 환경에 작업을 만들 수 있고, 사용자가 허락하면 사용자의 컴퓨터에서 일할 수도 있다(OpenAI Help Center). 단점은 프랑스의 Pro 구독자는 접근할 수 없다는 것, 그리고 Codex 작업이 사용자의 사용량을 소모한다는 것이다.

Claude Duet는 조율에 가장 치중한다. Anthropic은 프로토타이핑과 웹 앱을 언급하지만, Duet는 사용자 컴퓨터의 파일을 볼 수 없고, Claude에 있는 사용자의 작업을 변경 없이 읽을 수만 있으며, 브라우저 동작을 따라가 볼 수도 없다(Claude Help Center). 코드 자체에 대한 Anthropic의 도구는 여전히 Claude Code다. OpenAI 쪽은 Codex 페이지를, Cursor는 Cursor 페이지를 참고하길 바란다.

우리의 시각

프랑스에서 개인 구독을 쓰는 경우: 셋 중 어느 것도 분명히 이용할 수 있지 않다. Duet와 Dots(Pro)는 유럽을 제외한다. Grok Bot은 유럽을 명시적으로 제외하지는 않지만 데이터를 미국에서 처리한다.
프랑스 기업인 경우: Business Premium을 통한 Dots가 문서에 유럽 제외가 언급되지 않은 셋 중 유일한 선택지다. 메일함을 연결하기 전에 데이터 규정 준수 여부를 확인해야 한다.
코드를 다루는 에이전트를 원하는 경우: Grok Bot(터미널, GitHub, 이벤트 기반 루틴)과 Dots(Codex)가 조율 보조 역할에 머무는 Duet보다 더 나아간다.

출처

Anthropic: Introducing Claude Duet (2026년 10월 21일), (확인일: 2026-10-22)
Anthropic: Claude Duet product page, (확인일: 2026-10-22)
Claude Help Center: Get started with Claude Duet, (확인일: 2026-10-22)
Anthropic: Claude pricing, (확인일: 2026-10-22)
OpenAI: Introducing dots (2026년 9월 29일), (확인일: 2026-10-22)
OpenAI Help Center: Getting started with your dot, (확인일: 2026-10-22)
OpenAI Help Center: About ChatGPT Pro tiers, (확인일: 2026-10-22)
OpenAI: Premium seats are coming to ChatGPT Business (2026년 8월 10일, 8월 25일 업데이트), (확인일: 2026-10-22)
SpaceXSI: Introducing Grok Bot (2026년 8월 11일), (확인일: 2026-10-22)
SpaceXSI: Grok Bot product page, (확인일: 2026-10-22)
SpaceXSI: Designing Grok Bot for a world of persistent agents (2026년 9월 3일), (확인일: 2026-10-22)
SpaceXSI Docs: Grok Bot overview, (확인일: 2026-10-22)
SpaceXSI Docs: Use the computer and apps, (확인일: 2026-10-22)
SpaceXSI Docs: Tag @bot on X, (확인일: 2026-10-22)
Cursor: Grok Bot security, (확인일: 2026-10-22)
Cursor: Which AI models power Grok Bot?, (확인일: 2026-10-22)
Cursor: Grok Bot FAQs, (확인일: 2026-10-22)
Cursor: Grok Bot plans and billing, (확인일: 2026-10-22)
Cursor: Cursor is now a part of SpaceX (2026년 8월 14일), (확인일: 2026-10-22)
The Next Web: Musk's Grok Bot will use Anthropic's Claude, Midjourney and Suno models (2026년 10월 7일), (확인일: 2026-10-22)
MacRumors: OpenAI Launches Always-On 'Dots' Agents (2026년 9월 29일), (확인일: 2026-10-22)
Every: personal agents comparison, (확인일: 2026-10-22)
Trending Topics: Claude Duet, Anthropic's New A.I. Agent (2026년 10월 21일), (확인일: 2026-10-22)

핵심 요약: 세 에이전트 모두 클라우드 컴퓨터에서 일하며 민감한 작업에는 승인을 요구하지만, Business Premium을 통한 Dots만 유럽을 명시적으로 제외하지 않는다. Grok Bot은 코드 작업에 가장 잘 갖춰져 있고, Claude Duet는 가장 신중하다.

VS Code 1.143, Google Cloud의 GPT-6, NVIDIA DSX POD: 10월 22일 정리

Thu, 22 Oct 2026 00:00:00 +0000

2026년 10월 19일부터 21일까지 세 건의 발표가 있었으며 모두 공식 출처에서 가져왔다. 편집기, 클라우드, 하드웨어가 코딩 에이전트를 중심으로 동시에 움직이고 있다.

VS Code 1.143: Copilot 하네스가 기본값, 모델 대결 기능(10월 19일)

Microsoft가 Visual Studio Code 1.143을 출시했다(릴리스 노트).

Copilot 하네스가 기본값: 새 에이전트 세션은 Copilot SDK 기반으로 만든 하네스에서 실행되며, 편집기와 Agents 창 모두에서 쓸 수 있다.
모델 비교(프리뷰): 프롬프트 하나로 Copilot, Claude, Codex 하네스와 추론 수준을 섞어 여러 시도를 병렬로 시작한다. 선택 사항인 “Judge” 모델이 시도들을 채점하고(시간, 토큰, 근거), 요청하면 “Synthesize” 동작이 아이디어를 조합한다. 설정: sessions.chat.compareAgents.enabled.
온디바이스 모델(실험적): MAI Code 1.1 Flash가 llama.cpp를 통해 로컬에서 실행되며, 이 응답에는 AI 크레딧이 들지 않는다. GitHub 로그인과 메모리 96GB 이상의 NVIDIA GPU가 필요하다.
대형 채팅: Microsoft의 측정에 따르면 요청이 약 1,150건인 채팅을 처음 여는 시간이 35.6초에서 9.0초로 줄었다.
Copilot CLI: VS Code 설치 프로그램이 이제 Copilot CLI 설치를 제안한다(Windows, Linux, macOS).

GPT-6가 Google Cloud의 Model Garden에 들어온다(10월 21일)

Google Cloud는 GPT-6 Astra, GPT-6.1 Sol, GPT-6 Luna를 Model Garden에 추가하며, 일부 기업에 비공개 프리뷰로 제공된다(Google Cloud 블로그).

청구: 이 모델들은 Google Cloud Marketplace를 통해 판매되고, Google Cloud 청구서에 나타나며, 기존의 지출 약정에서 차감된다.
포지셔닝: Google은 200개 넘는 모델 가운데 선두급 클로즈드 모델 계열 세 가지(Gemini, Claude, GPT)를 모두 제공하는 유일한 하이퍼스케일러라고 말한다.
Codex와 Antigravity: OpenAI는 Model Garden에서의 Codex 워크플로와 “곧” Google Antigravity에서의 자사 모델을 발표했으며, 정식 출시는 “앞으로 몇 주 안에” 계획되어 있다. OpenAI는 Microsoft가 여전히 주된 클라우드 파트너라고 덧붙인다(OpenAI).
빠진 정보: Google은 Model Garden의 가격, 리전, 확정 일자를 공개하지 않았다. 데이터 보존 제로와 Confidential Compute는 “곧 제공”으로 안내된다.

NVIDIA DSX POD: 컨테이너로 납품하는 AI 팩토리(10월 21일)

GTC Berlin에서 NVIDIA는 공장에서 컨테이너 안에 조립하고 테스트한 Vera Rubin AI 팩토리의 레퍼런스 설계인 DSX POD를 발표했다(NVIDIA Newsroom).

수치: NVIDIA에 따르면 이미 준비된 부지에서는 구축 기간이 6개월에서 최단 14일로 줄어든다. 부지 준비는 포함되지 않는다.
파트너: Bull, Dell, HPE, Lenovo, Schneider Electric, Vertiv, Foxconn, Crusoe 등.
시기: 첫 납품은 2027년 초다.

달라지는 점

개발자에게 VS Code는 모델 비교를 편집기 기능으로 만들어, Claude와 Codex를 Copilot과 같은 창에 놓는다. 기업에게는 모델 선택이 클라우드 선택에서 분리되고 있다. 인프라 측면에서 NVIDIA는 이제 칩만큼이나 서비스 개시까지 걸리는 시간을 팔고 있다.

출처

Microsoft: VS Code 1.143 release notes (확인일: 2026-10-22)
Google Cloud: Google Cloud brings OpenAI models to customers (확인일: 2026-10-22)
OpenAI: OpenAI models are coming to Google Cloud (확인일: 2026-10-22)
NVIDIA: DSX POD AI Factories (확인일: 2026-10-22)

사이트 업데이트: 소식 정리: VS Code 1.143, Google Cloud의 GPT-6, NVIDIA DSX POD

Thu, 22 Oct 2026 00:00:00 +0000

VS Code 1.143(모델 비교, 온디바이스 모델), Google Cloud Model Garden에 들어오는 GPT-6, NVIDIA의 DSX POD를 다룬 새 기사. 새 핵심 수치: NVIDIA가 준비된 부지에서 발표한 14일 구축. GitHub Copilot, Codex, GPT 페이지에 출처를 추가했다.

AI 데이터센터, 2032년까지 연 매출 3.7조 달러가 있어야 수지가 맞는다: Brookings 게재 논문

Wed, 21 Oct 2026 00:00:00 +0000

미국에서 건설 중인 데이터센터의 투자금을 회수하려면 AI는 얼마를 벌어야 할까? 2026년 9월 25일 가을 Brookings Papers on Economic Activity(BPEA) 콘퍼런스에서 발표된 논문이 대략의 규모를 제시한다. 2032년까지 연 매출 약 3.725조 달러, 즉 같은 해 미국 GDP 전망치의 9.2%다(논문, 콘퍼런스 초안).

정확히 짚으면. 이는 Brookings 기관의 연구가 아니다. 컬럼비아 경영대학원의 부동산학 교수 Stijn Van Nieuwerburgh가 쓴 연구 논문을 Brookings가 BPEA의 일부로 게재한 것이다(콘퍼런스 초안은 2026년 9월 4일자). 이곳에 실린 글은 모두 저자 개인의 견해만을 대변한다(Brookings).

핵심 수치

투자: 2025년부터 2032년까지 건물, 전력, 네트워킹, 칩 등 장비에 10.3조 달러, 연평균 GDP의 3.63%다. 운하, 철도(2.24%), 전기화, 고속도로, 통신(1.10%) 붐보다 많다.
용량: 2025년부터 2032년 사이에 182.8GW의 추가 용량이 가동에 들어간다. 발표된 계획은 약 509GW이며, 중간 시나리오는 117.2GW가 2032년 이후에 가동되고 226.9GW는 끝내 지어지지 않는다고 가정한다.
단위 비용: 200MW 캠퍼스 하나에 약 82억 달러가 들며, 3분의 2는 IT(GPU, 네트워킹, 스토리지), 3분의 1은 건물과 전력이다.
필요 매출: 이 용량이 모두 가동되면 연 3.725조 달러가 필요하며, 2032년 GDP 전망치는 40.481조 달러다.

방법: 예측이 아니라 손익분기 기준선

3.725조 달러라는 수치는 구체적인 질문에 답한다. 2025년부터 2032년 사이에 완공되는 용량이 투자자에게 10%의 무차입 수익률을 안겨 주려면, 영업 현금흐름 마진 50%, IT 장비의 경제적 수명 6년, 나머지 자산의 수명 20년을 가정할 때 얼마의 매출을 올려야 하는가. 저자 스스로 컬럼비아에 게재한 글에서 이것은 필요 매출을 계산한 것이지 고객이 쓸 금액을 예측한 것이 아니라고 말한다(Columbia Business School).

결과는 가정에 매우 민감하다(논문, 표 7).

2.29조 달러(수익률 5%, 마진 67%)에서 6.72조 달러(수익률 15%, 마진 33%)까지 범위가 넓다.
GPU가 6년이 아니라 3년만 경쟁력을 유지한다면 필요 매출은 약 6.0조 달러, 즉 2032년 GDP의 14.8%로 올라간다.

규모를 가늠하자면, OpenAI와 Anthropic의 매출을 합쳐 연 약 1,000억 달러로 추정할 때 2032년까지 이 기준선에 닿으려면 매년 약 80%씩 성장해야 한다고 저자는 계산한다.

두 가지 버전이 돌고 있다. 저자는 10월 6일 컬럼비아에 게재한 글에서 논문의 수정본을 인용한다. 투자 규모는 9조 달러에 가깝고, 용량은 약 188GW, 필요 매출은 3.55조 달러(GDP의 8.8%)다. 언론이 인용하는 수치, 그리고 이 글의 수치는 Brookings가 게재한 콘퍼런스 초안의 것이다.

비교할 만한 다른 추정

Bain & Company(2025년 9월)는 필요한 컴퓨팅 파워의 비용을 대려면 2030년까지 전 세계에서 연 약 2조 달러의 매출이 필요하며, AI로 인한 절감분을 감안해도 8,000억 달러가 부족하다고 추산했다(Bain). 범위(전 세계, 2030년 시점)와 방법이 다르므로 두 수치를 더할 수는 없다.
논문은 Oracle, Microsoft, Amazon, Meta, Alphabet의 설비 투자가 2020년 약 970억 달러에서 2025년 4,000억 달러를 넘어섰고, 2026년에는 8,000억 달러를 웃돌 것으로 전망되어 처음으로 이들의 영업 현금흐름 합계를 넘어선다고 지적한다. 그래서 리스, 합작 투자, 사모 대출, 대차대조표 밖 구조의 활용이 늘고 있는데, 저자는 이를 감시하기가 더 어렵다고 본다(Bisnow, Brookings 팟캐스트).

코딩 도구와 API 가격에 주는 함의

논문은 이 기준선을 GPU 대여 가격으로 환산한다. 설치된 GPU 한 대의 시간당 가격은 가동률 100%에서 약 5.5달러, 가동률 80%에서 6.9달러로, 현재 최첨단 컴퓨팅 가격의 범위 안에 있다. 따라서 저자에게 진짜 질문은 약 180GW가 추가된 뒤에도 공급업체가 이 가격 결정력을 유지할 수 있느냐다. 서로 배타적이지 않은 두 가지 해석이 있다.

용량이 부족한 동안은 가격이 유지된다. 가격표에 이미 나타난다. Google에서는 Gemini 4 Argon이 12월 1일부터 100만 토큰당 $2/$10에서 $4/$20으로, Gemini 3.8 Flash가 도입 가격이 끝나는 2027년 1월 1일부터 $0.75/$3.75에서 $1.50/$7.50으로 오른다(Google). 지금은 “저렴한” 코딩 구독이나 API도 다시 오를 수 있다.
공급이 수요를 넘어서면 내려간다. “Sooner or later we're going to have oversupply, just like we do in every real estate cycle, and then the prices will collapse”라고 저자는 Bisnow에 말했다. 그는 이 위험이 5년에서 8년의 강한 성장 뒤에야 나타날 것으로 예상한다.

코딩 에이전트의 예산을 짜는 팀이라면 실무적으로 정가보다 작업당 가격을 비교하고, 도입 가격의 종료일을 확인하며, 더 저렴하거나 자체 호스팅하는 대안을 확보해 두는 것이 좋다. 비용 계산기와 모델 비교에서 자신의 사용량으로 다시 계산할 수 있다. 예산에 맞춰 에이전트를 고르는 가이드도 참고하라.

출처

Stijn Van Nieuwerburgh: Financing the AI Buildout (BPEA, conference draft) (2026년 9월 4일) (확인일: 2026-10-21)
Brookings: Financing the AI buildout (summary) (2026년 9월 23일) (확인일: 2026-10-21)
Brookings: The $10 trillion question (podcast and transcript) (2026년 10월 8일) (확인일: 2026-10-21)
Columbia Business School: The AI Buildout: What Real Estate Investors Need to Underwrite (2026년 10월 6일) (확인일: 2026-10-21)
Bisnow: Brookings Study Shows AI's $10T Build-Out Cost Will Likely End In Market Correction (2026년 9월 23일) (확인일: 2026-10-21)
Bain & Company: $2 trillion in new revenue needed to fund AI's scaling trend (2025년 9월 23일) (확인일: 2026-10-21)
Google: Gemini API pricing (확인일: 2026-10-21)

핵심 요약: 연 3.725조 달러는 가정(수익률 10%, 마진 50%, GPU 6년 상각) 아래 계산한 손익분기 기준선이며, 매출 전망이 아니다.

DeepSeek, Huawei의 차세대 AI 칩 설계 지원 보도: 출처가 있는 것과 없는 것

Wed, 21 Oct 2026 00:00:00 +0000

2026년 10월 19일 미국 매체 The Information은 DeepSeek이 Huawei와 긴밀히 협력해 Huawei의 차세대 AI 칩 설계를 함께 만들고 있다고 보도했다. 이 협력은 중국이 Nvidia 기술 없이 최첨단 모델을 학습하는 데 도움이 될 수 있다(The Information, Qianer Liu와 Juro Osawa가 쓴 유료 기사).

익명 취재원. 이 보도는 기사 요약에 따르면 “사정을 잘 아는 두 사람”에 근거한다. DeepSeek과 Huawei 모두 공개적으로 입장을 밝히지 않았다(Dealroom). 공식 확인도 부인도 찾지 못했다.

The Information의 보도 내용

이 기사를 인용한 Investing.com과 Dealroom의 정리에 따르면 다음과 같다.

현장 상주 엔지니어: Huawei 엔지니어가 DeepSeek 사무실에 상주하고 있으며 일부는 장기간 머문다. 모델이 연산하고 프로세서 사이에서 데이터를 옮기는 방식에 대한 DeepSeek의 요구를 내년 출시 예정인 칩에 반영하고 있다.
학습: DeepSeek은 이르면 2026년 말부터 Ascend 950DT에서 모델 사전 학습을 시작할 계획이다. 이 일정은 아직 검증 중이며 바뀔 수 있다.
공급: Huawei는 2027년 1분기에 출시할 Ascend 960DT 공급량의 대부분을 DeepSeek에 제공할 계획이다.
한계: DeepSeek의 최근 테스트는 프로세서 1,000개 이상을 사용하는 반면, 전체 사전 학습에는 몇 주 동안 Ascend 950DT 10,000개 이상이 필요할 수 있다. 클러스터 관리 소프트웨어 일부는 아직 미완성이다. DeepSeek은 여전히 Nvidia 칩을 원한다.

일부 재인용 매체는 서로 다른 내용을 실었다(950DT 출시 시기, 협력의 방향). 우리는 일관되게 보도된 위의 내용만 따른다.

공개되어 검증 가능한 것

Huawei의 로드맵: 9월 17일 Huawei Connect에서 Huawei는 Ascend 960DT를 계획보다 세 분기 앞당겨 2027년 1분기에, 960PR을 2027년 3분기에, 이어 Ascend 970과 980을 2028년과 2029년에 내놓겠다고 발표했다(Huawei).
소프트웨어: 9월 30일 DeepSeek은 CUDA의 대안으로 쓰는 오픈소스 언어 TileLang의 Ascend 950용 버전을 공개했다(Dealroom). 10월 20일 오픈소스로 공개된 추론 프레임워크 DeepInfer는 이미 Nvidia GPU와 Ascend 950 NPU에서 실행된다(우리의 기사 참조).
성능 격차: Investing.com이 인용한 Epoch AI에 따르면 Nvidia의 B300은 Ascend 950의 약 7배에 이르는 순수 연산 성능을 낸다.

배경: 미국의 수출 통제

Huawei는 미국의 통제 때문에 2020년부터 TSMC를 이용하지 못했고 2024년부터는 고대역폭 메모리도 제한적으로만 이용할 수 있다(Dealroom). Nvidia 쪽에서는 2026년 1월의 완화가 H200, AMD의 MI325X와 유사한 칩에만 적용되며, 이 칩들의 중국 수출 허가는 이제 조건부로 건별 심사를 받는다(BIS). 10월 20일에는 미국 국토안보부(DHS)가 DeepSeek 모델을 기반으로 만든 제3자 제품을 포함한 DeepSeek 제품을 연방 민간 기관의 IT 시스템에서 제거하라고 명령하기도 했다(Federal Register).

DeepSeek으로 코딩하는 사람에게 의미하는 바

단기적인 가격 변화는 없다: API는 deepseek-flash(DeepSeek V4.1-Flash-1017)를 피크 시간에 입력(캐시 미스) 100만 토큰당 0.30달러, 출력 1.20달러로 청구하며 비피크 시간에는 절반 가격이다. deepseek-v4-pro는 각각 1.32달러와 3.96달러다(DeepSeek). DeepSeek V4.1-Flash-1017 페이지와 모델 비교를 참조하라.
Nvidia 의존은 줄고 Huawei 의존은 커진다: DeepSeek이 실제로 Ascend에서 사전 학습을 한다면, 다음 모델은 미국 칩 확보에 덜 의존하게 된다. 그러나 Dealroom에 따르면 Huawei는 아직 모든 수요를 맞출 수 없다고 말한다. 사용 한도와 모델 출시 속도를 가늠하려면 가용 연산 자원을 지켜봐야 한다.
가중치는 계속 내려받을 수 있다: V4.1-Flash-1017은 MIT 라이선스로 공개되어 있으며(Hugging Face), 어떤 칩으로 학습했든 마찬가지다. 팀이 직접 호스팅할 수 있다(Ollama 가이드 참조).
미국 공공 부문 고객에게는 10월 20일의 명령이 이 협력과 관계없이 이미 DeepSeek 기반 제품의 문을 닫았다.

가격과 코딩 점수로 DeepSeek을 경쟁 모델과 비교하려면 DeepSeek V4.1 Flash, MiniMax M3.1 Flash, Gemini 4 Argon 비교도 참조하라.

출처

The Information: How DeepSeek Is Shaping Huawei's AI Chips in a Growing Challenge to Nvidia (2026년 10월 19일, 유료, 요약만 읽음), 확인일: 2026-10-21
Investing.com: DeepSeek teams up with Huawei to challenge Nvidia (2026년 10월 19일), 확인일: 2026-10-21
Dealroom: Huawei engineers move into DeepSeek's offices (2026년 10월 20일), 확인일: 2026-10-21
Huawei: David Wang's keynote at Huawei Connect 2026 (2026년 9월 17일), 확인일: 2026-10-21
BIS: revised license review policy for semiconductors exported to China (2026년 1월 13일), 확인일: 2026-10-21
Federal Register: DHS order on DeepSeek products (2026년 10월 20일), 확인일: 2026-10-21
DeepSeek: API models and pricing, 확인일: 2026-10-21

핵심 정리: DeepSeek과 Huawei의 공동 설계는 어느 회사도 확인하지 않았다. 다만 Ascend 로드맵과 DeepSeek의 API 가격은 공개되어 있다.

Gemini 4 Argon, 72시간 만에 25조 토큰 가까이 처리…Gemini 3의 3배

Wed, 21 Oct 2026 00:00:00 +0000

Google은 2026년 10월 13일부터 정식 출시된 Gemini 4 Argon이 출시 후 72시간 동안 25조 토큰 가까이를 처리했으며, 이는 같은 기간 Gemini 3가 처리한 양의 약 3배라고 밝혔다.

수치의 출처

Google CEO Sundar Pichai가 10월 20일 공개된 Big Technology Podcast 인터뷰에서 이 수치를 밝혔다. "The first 72 hours since we launched, it's almost up to 25 trillion tokens used, which is about three times what Gemini 3.0 had in the first 72 hours. And we are capacity constrained as we are serving it"(Big Technology).
공식 News from Google 계정이 이 수치를 되풀이했고(X), Google DeepMind SVP이자 Google의 Chief AI Architect인 Koray Kavukcuoglu도 마찬가지였다(X).

Google이 밝힌 수치이며 검증되지 않았다. Google은 이 토큰이 입력과 출력, 유료 고객과 내부 사용, Gemini 앱·Search·API 사이에서 어떻게 나뉘는지 밝히지 않았다. Gemini 3의 절대 처리량도 제시하지 않았다(Aiholics). 이는 사용량 지표이지 품질 지표가 아니다.

모델의 성격도 이 처리량을 부풀린다. Argon은 API로 입력과 출력을 합쳐 최대 100만 토큰까지 받으며, Google은 긴 에이전트 작업 쪽으로 이 모델을 밀고 있다(Google). 코딩 에이전트 세션은 채팅 답변보다 훨씬 많은 토큰을 쓴다.

가격: 2달러 / 10달러, 단 11월 30일까지

100만 입력 토큰당 2달러, 출력 10달러는 도입 가격이다. Gemini API 가격 페이지(Google)에 따르면 다음과 같다.

표준: 2026년 11월 30일까지 입력 2달러, 출력 10달러(사고 토큰 포함)이며, 12월 1일부터는 4달러와 20달러다.
캐싱: 캐시된 입력 토큰 100만 개당 0.10달러이며 이후 0.20달러다. 암시적 캐싱만 제공하고 명시적 캐싱은 제공하지 않는다.
배치와 Flex: 절반 가격(1달러와 5달러, 이후 2달러와 10달러).
API의 Argon에는 무료 등급이 없다.

이 가격은 Gemini 4 Argon 페이지 및 모델 비교와 일치하므로 고칠 데이터는 없었다.

코딩 활용에 대해 Google이 밝힌 내용

Google은 출시 블로그에서, 내부적으로 Antigravity의 Argon이 에이전트 코드 제출을 35% 넘게 늘리고 코드 롤백을 3분의 1 가까이 줄였다고 밝힌다(Google).
Sundar Pichai는 4주 만에 코드 변경(CL)이 30% 늘었다고 언급하면서, 코딩에서도 "there are pockets where we know we need to do better"라고 인정한다(Big Technology).

이 내부 수치는 독립적으로 측정된 것이 아니다.

개발자에게 의미하는 것

예산: Argon으로 돌리는 코딩 에이전트는 12월 1일부터 토큰당 비용이 두 배가 된다. 비용 계산기로 사용량에 따른 차이를 추정할 수 있다.
용량: Google은 이 모델을 서비스하면서 용량이 부족하다고 말한다. Sundar Pichai는 지금 2027년 컴퓨팅을 요청하는 고객은 확보하기가 "incredibly difficult"하다고 덧붙인다. 사용량 한도에 대비한 대체 수단을 마련해 두는 편이 안전하다.
접근: Argon은 API(AI Studio 유료 등급과 Gemini 플랫폼)로 쓸 수 있고, Google AI Ultra 구독자는 Antigravity에서도 쓸 수 있다. Gemini CLI에서 Antigravity CLI로 옮기는 방법은 가이드를 참고하라.
더 저렴한 대안: DeepSeek V4.1 Flash, MiniMax M3.1 Flash, Gemini 4 Argon 비교는 Argon을 토큰당 훨씬 저렴한 "Flash" 모델 둘과 견준다.

출처

Google: Gemini 4 Argon: Built to solve your hardest problems (2026년 10월 13일), 확인일: 2026-10-21
Google AI for Developers: Gemini API pricing (2026년 10월 19일 페이지 업데이트), 확인일: 2026-10-21
Big Technology: interview with Sundar Pichai (2026년 10월 20일), 확인일: 2026-10-21
News from Google on X (2026년 10월 20일), 확인일: 2026-10-21
Koray Kavukcuoglu on X (2026년 10월), 확인일: 2026-10-21
Aiholics: Gemini 4 Argon hit nearly 25T tokens in 72 hours (2026년 10월 20일), 확인일: 2026-10-21

핵심 요약: 72시간 동안 25조 토큰은 Google이 발표한 사용량 수치이며, 2달러/10달러 가격은 2026년 12월 1일에 두 배가 되는 도입 요금이다.

Scope, DeepInfer, Humming: 에이전트와 추론용 도구가 오픈소스로 풀린다

Wed, 21 Oct 2026 00:00:00 +0000

2026년 10월 19일부터 21일 사이 코딩 에이전트와 추론을 둘러싼 오픈소스 프로젝트 네 건이 나왔다. 어느 것도 새로운 에이전트가 아니다. 이미 존재하는 에이전트를 측정하고, 견고하게 만들고, 저렴하게 실행하기 위한 도구다.

Microsoft Scope: 에이전트가 제품으로 무엇을 하는지 테스트 (10월 19일)

Microsoft는 Kubernetes 기반의 MIT 라이선스 코딩 에이전트 평가 플랫폼 Scope를 공개했다(Microsoft Open Source).

작동 방식: 작업, 시작 코드베이스, 에이전트 설정을 제공하면 Scope가 GitHub Copilot, Claude Code, VS Code의 Copilot을 구동하고, LLM 기반 "Judge" 서비스가 그래프로 배열된 기준에 따라 결과물을 채점한다(런타임 검사가 빌드 성공에 의존할 수 있다).
추적성: 도구 호출, 생성된 파일, 작업 공간 스냅숏이 보존돼 실패를 원인이 된 단계까지 거슬러 올라가 추적할 수 있다.
제시된 사례: Azure Cosmos DB 팀은 Agent Kit 이슈 20건과 문서 이슈 27건을 해결했다고 밝혔다. 표적 업데이트 한 번으로 계층형 파티션 키에 대한 에이전트의 활용도가 47%에서 100%로 올랐다.
한계: 호스팅 버전은 없고 Scope를 직접 배포해야 하며, Microsoft는 자동 심사가 실수할 수 있다고 경고한다. Codex와 OpenCode는 "계획 중"이고 Cursor는 통합되지 않았다(프로젝트 사이트).

Vercel durable-harness: 중단 후에도 재개되는 에이전트

Vercel Labs는 Pi, OpenCode, fx, Claude Code, Codex를 내구성 있는 워크플로로 실행하는 durable-harness를 공개했다(Apache 2.0, npm의 10월 19일자 버전 0.0.1-beta.6)(GitHub). 모든 모델 호출과 도구 호출이 세션 로그에 기록된다. 충돌이 나면 진행 중이던 턴이 다른 머신에서 재개되고, 반복해도 안전하지 않은 도구 호출은 두 번 실행되지 않는다. Claude Code와 Codex는 세션 전용 Vercel Sandbox 안에서만 실행된다. 프로젝트는 실험 단계로 표시돼 있어 API가 바뀔 수 있다.

DeepSeek DeepInfer: Apache 2.0으로 공개된 프로덕션 스택 (10월 20일)

DeepSeek은 V4.1 Flash 모델의 기반인 추론 프레임워크 DeepInfer를 오픈소스로 공개했다(GitHub). DeepSeek에 따르면 클러스터 하나가 현재 하루 155조 토큰을 서빙하며, 비피크(밸리) 요금 기준 전체 매출은 GPU 시간당 38달러다(배포 Q&A).

하드웨어: NVIDIA SM100 GPU와 Huawei Ascend 950 NPU.
빠진 것: KV 캐시 관리, 프리필/디코드 분리, 로드 밸런싱은 내부에 남아 있으며, 공개된 릴리스는 오프라인 추론만 지원한다.
DeepSeek V4.1-Flash-1017 도구 페이지를 참고하자.

vLLM Humming: 양자화 모델용 커널 (10월 21일)

Ant Group과 vLLM 커뮤니티는 양자화 추론용 CUDA 커널 라이브러리 Humming을 오픈소스로 공개했으며, vLLM 0.29.0부터 함께 제공된다(vLLM 블로그). vLLM이 공개한 측정에 따르면 H20 GPU 여덟 개로 DeepSeek-V4.1-Flash를 돌릴 때 MoE 레이어를 Marlin W4A16에서 Humming W4A8로 바꾸자 동시 처리량에 따라 엔드투엔드 처리량이 약 14%에서 43%까지 올랐다.

무엇이 달라지나

에이전트가 일급 사용자가 된다: SDK나 MCP를 만드는 팀은 Scope로 에이전트가 자사 제품을 찾아 제대로 쓰는지 확인할 수 있다. 사람을 대상으로 문서를 테스트하는 것과 같은 방식이다.
안정성이 전면에 나선다: 긴 작업을 중단 후에 재개하면 이미 치른 모델 호출 비용을 다시 내지 않아도 된다.
소프트웨어가 추론 비용을 낮춘다: DeepInfer와 Humming은 "Flash" 모델(우리 기사 참고)과 같은 목표, 즉 같은 하드웨어에서 더 많은 토큰을 서빙하는 일을 쫓는다.

이 글의 모든 수치는 공급업체가 직접 발표한 것이며 독립적으로 측정되지 않았다.

사이트 업데이트: 기사 3편: DeepSeek과 Huawei, AI 데이터센터, Gemini 4 Argon

Wed, 21 Oct 2026 00:00:00 +0000

보도된 DeepSeek-Huawei의 Ascend 칩 공동 설계(익명 취재원), 2032년까지 AI 데이터센터를 회수하는 데 필요한 연간 매출을 3.725조 달러로 추산한 Brookings 논문, Gemini 4 Argon이 72시간 동안 처리한 25조 개 토큰에 대한 새 기사. Gemini 4 Argon과 DeepSeek V4.1-Flash-1017 페이지에 관련 기사를 추가했다.

사이트 업데이트: 소식: 에이전트와 추론을 위한 오픈소스 도구

Wed, 21 Oct 2026 00:00:00 +0000

Microsoft Scope, Vercel durable-harness, DeepSeek DeepInfer, vLLM Humming을 다룬 새 기사. 새 핵심 수치: DeepSeek이 V4.1 Flash에 대해 발표한 GPU 시간당 매출 $38. DeepInfer 출처를 해당 도구 페이지에 추가했다.

사이트 업데이트: 모델 비교: 3종 추가와 더 탄탄해진 데이터

Wed, 21 Oct 2026 00:00:00 +0000

Amazon Nova 2 Lite, Granite 4.2 30B(IBM), Phi-4-reasoning-vision-15B(Microsoft)가 모델 비교에 추가되어 모두 33개 모델이 되었다. GPT-6.1 Sol의 출시일을 추가했고, MiniMax M3.1 Flash의 웨이트가 공개되지 않았음을 출처와 함께 확인했다.

사이트 업데이트: 벤치마크와 업데이트 페이지

Wed, 21 Oct 2026 00:00:00 +0000

보유한 모든 코딩 점수(공급업체가 보고한 DeepSWE v1.1 점수 11개)를 벤치마크별로 묶고 조건과 출처를 밝힌 새 페이지, 그리고 RSS 피드에도 포함되는 이 사이트의 업데이트 내역.

GitHub의 오픈소스 코딩 에이전트: OpenCode, Cline, OpenHands, Aider

Tue, 20 Oct 2026 00:00:00 +0000

AI GitHub 리포지토리 순위에 오른 20개 리포지토리 가운데 7개가 코딩 에이전트다. 이들의 지위는 서로 다르다. 독립적인 오픈소스 프로젝트도 있고, 업체가 오픈소스 라이선스로 공개한 도구도 있으며, 스타가 많은 리포지토리 하나는 오픈소스가 아니다. 수치는 2026년 10월 20일 GitHub API로 기록한 것이다.

독립 오픈소스 에이전트 4종

OpenCode(anomalyco/opencode): README에 따르면 “the open source AI coding agent”다. 명령줄(스크립트, npm, Homebrew, Arch, Nix)로 설치하며, macOS, Windows, Linux용 데스크톱 앱도 베타로 제공한다. MIT 라이선스, 스타 218,744개, 포크 29,184개. GitHub에 게시된 최신 릴리스는 2026년 10월 16일의 v1.19.3이다(GitHub). v2는 npm으로 배포된다(OpenCode 페이지 참고).
Cline(cline/cline): README에 따르면 CLI(CI/CD와 스크립팅용 헤드리스 모드 포함), macOS와 Windows용 데스크톱 앱, VS Code 확장(사람이 작업을 승인하는 방식), JetBrains 플러그인, 직접 에이전트를 만들 수 있는 Node.js SDK로 제공되는 에이전트다. Apache-2.0 라이선스, 스타 70,722개, 포크 7,727개, 마지막 푸시는 2026년 10월 20일이다. Cline 페이지를 참고하라.
OpenHands(OpenHands/OpenHands, 예전 이름 All-Hands-AI): README는 “Agent Canvas”를 소개한다. 자체 호스팅 제어 센터로, OpenHands 에이전트나 서드파티 에이전트(Claude Code, Codex, Gemini CLI, Pi, OpenCode 또는 ACP 호환 에이전트)를 기본적으로 로컬에서, 또는 Docker, VM, 사내 인프라에서 실행한다. MIT 라이선스, 스타 91,404개, 포크 12,125개. 릴리스 v1.28.1은 2026년 10월 19일에 게시됐다(GitHub).
Aider(Aider-AI/aider): 터미널에서 쓰는 AI 페어 프로그래밍 도구다. README는 리포지토리 맵, 자동 Git 커밋, 100개 이상의 언어, 변경 때마다 실행하는 린트와 테스트, 클라우드 또는 로컬 모델 지원을 내세운다. Apache-2.0 라이선스, 스타 49,663개, 포크 5,088개. 최신 릴리스는 2025년 8월 9일의 v0.86.0이고(GitHub), 마지막 푸시는 2026년 5월 22일이다. Aider 페이지를 참고하라.

오픈소스 라이선스로 공개된 업체 CLI

Codex CLI(openai/codex): README에 따르면 OpenAI의 에이전트로 “runs locally on your computer”이며, 에디터 확장, 데스크톱 앱, Codex Web도 안내한다. Apache-2.0 라이선스, 스타 130,181개, 포크 20,519개. Codex 페이지를 참고하라.
Gemini CLI(google-gemini/gemini-cli): Gemini를 터미널로 가져오는 오픈소스 에이전트다. Apache-2.0 라이선스, 스타 107,470개, 포크 14,744개. README는 무료 등급과 Google One 사용자에 대해 2026년 6월 18일 Gemini CLI가 Antigravity CLI로 대체됐고, Gemini 4 Argon에는 최적화되어 있지 않다고 밝힌다.

공개 리포지토리지만 오픈소스는 아니다

Claude Code(anthropics/claude-code)는 스타 152,673개, 포크 26,709개를 기록했지만, 라이선스 파일에는 “© Anthropic PBC. All rights reserved”라고 적혀 있고 사용은 Anthropic의 상업 약관을 따르도록 되어 있다. 이 리포지토리에는 이슈 추적, 릴리스 노트, 플러그인이 올라와 있다. Claude Code 페이지를 참고하라.

수치가 보여 주는 것

압도적인 OpenCode: 스타 218,744개로, Cline, OpenHands, Aider의 합계(211,789개)를 혼자 넘어선다.
최근에 만들어진 리포지토리: API에 따르면 OpenCode, Codex CLI, Gemini CLI는 2025년 4월에, Claude Code는 2025년 2월에 만들어졌다. Cline은 2024년 7월, OpenHands는 2024년 3월, Aider는 2023년 5월부터다.
두 가지 허용적 라이선스: 오픈소스 에이전트 6종은 MIT(OpenCode, OpenHands) 또는 Apache-2.0(Cline, Aider, Codex CLI, Gemini CLI)을 쓴다. 두 라이선스 모두 상업적 사용과 수정을 허용하며, Apache-2.0은 명시적인 특허 라이선스를 더한다.
서로 다른 속도: 7개 리포지토리 중 6개가 2026년 10월 20일에 푸시를 받았다. Aider는 1년 넘게 릴리스가 게시되지 않은 유일한 사례다.

에이전트를 도입하기 전에 확인할 것

유지 관리 상태를 확인한다: 인기 있는 에이전트 두 곳은 더 이상 활동하지 않는다. Continue의 README(스타 36,273개)는 리포지토리를 더 이상 적극적으로 유지 관리하지 않으며 읽기 전용이라고 밝히고, Roo Code(스타 24,273개)는 GitHub에서 보관 처리됐다.
공개 리포지토리와 무료 소프트웨어를 구별한다: 리포지토리가 공개돼 있다고 해서 코드를 수정하거나 재배포할 권리가 생기는 것은 아니다. LICENSE 파일을 읽어라.
배포 채널을 따라간다: OpenCode는 v1을 GitHub에, v2를 npm에 게시하고, Gemini CLI는 일부 사용자를 다른 도구로 안내한다.

한계

스타와 포크는 리포지토리에 대한 관심을 나타낼 뿐, 에이전트의 품질이나 실제 코드에서의 결과를 측정하지 않는다. 기능과 가격을 비교하려면 OpenCode, Aider, Cline 비교와 2026년 10월 AI GitHub 리포지토리 순위를 참고하라.

요약: 스타가 가장 많은 오픈소스 코딩 에이전트는 MIT 또는 Apache-2.0을 쓰지만, 리포지토리의 인기가 라이선스나 유지 관리를 보장하지는 않는다.

개발자에게 가장 많은 스타를 받은 AI GitHub 리포지토리 (2026년 10월)

Tue, 20 Oct 2026 00:00:00 +0000

2026년 10월 20일 우리는 GitHub API로 AI를 활용해 코딩하는 개발자에게 중요한 공개 리포지토리 20개의 스타, 포크, 명시된 라이선스, 마지막 푸시 날짜를 기록했다. 유형별로 필터링할 수 있는 전체 순위는 AI GitHub 리포지토리 페이지에서 볼 수 있다.

방법

기준은 세 가지다. 리포지토리가 개발자용 AI(코딩 에이전트, 에디터, 오픈 모델, 추론, 에이전트 프레임워크, MCP, 평가)에 관한 것일 것, 스타가 5,000개를 넘을 것, 최근 12개월 안에 푸시가 한 번 이상 있었고 보관 처리되거나 읽기 전용으로 선언되지 않았을 것. 모든 수치는 GitHub API(문서)에서 가져와 2026년 10월 20일에 확인했다. 스타는 GitHub 사용자가 리포지토리에 보이는 관심의 신호일 뿐, 사용량 지표도 품질의 증표도 아니다.

상위 10개

1. OpenCode(anomalyco/opencode): 스타 218,744개, 포크 29,184개, MIT.
2. Ollama(ollama/ollama): 스타 184,067개, 포크 18,450개, MIT.
3. Transformers(huggingface/transformers): 스타 167,911개, 포크 34,922개, Apache-2.0.
4. Open WebUI(open-webui/open-webui): 스타 156,281개, 포크 22,749개, 프로젝트 고유 라이선스.
5. Claude Code(anthropics/claude-code): 스타 152,673개, 포크 26,709개, 독점 라이선스.
6. LangChain(langchain-ai/langchain): 스타 148,143개, 포크 24,862개, MIT.
7. llama.cpp(ggml-org/llama.cpp): 스타 131,835개, 포크 24,598개, MIT.
8. Codex CLI(openai/codex): 스타 130,181개, 포크 20,519개, Apache-2.0.
9. Gemini CLI(google-gemini/gemini-cli): 스타 107,470개, 포크 14,744개, Apache-2.0.
10. vLLM(vllm-project/vllm): 스타 94,386개, 포크 23,660개, Apache-2.0.

그 뒤로 Zed(91,957), MCP 레퍼런스 서버(91,419), OpenHands(91,404), Cline(70,722), CrewAI(59,922), Aider(49,663), LangGraph(43,592), MCP Python SDK(24,624), gpt-oss(20,479), SWE-bench(6,063)가 이어진다.

수치가 보여 주는 것

코딩 에이전트가 앞선다. 목록에 오른 에이전트 7종(OpenCode, Claude Code, Codex CLI, Gemini CLI, OpenHands, Cline, Aider)의 스타를 합치면 820,857개로, 리포지토리 20개 전체 스타 2,041,536개의 40%다. 추론과 로컬 런타임 도구(Ollama, Open WebUI, llama.cpp, vLLM)가 566,569개로 뒤를 잇는다.

상위권의 젊은 리포지토리. 상위 9개 가운데 4개는 2025년에 리포지토리가 만들어진 에이전트다. API가 반환한 생성일 기준으로 Claude Code(2월 22일), Codex CLI(4월 13일), Gemini CLI(4월 17일), OpenCode(4월 30일)다. 나이에 비추어 보면 OpenCode는 만들어진 뒤 평균적으로 한 달에 약 12,400개의 스타를 얻었고, 2018년 10월에 만들어진 Transformers는 약 1,750개다(API 수치로 OrigoTech이 계산).

인프라 쪽에서 포크가 더 많다. 스타 대비 포크 비율은 vLLM이 25%, Transformers가 21%이고 OpenCode는 13%, Ollama는 10%다. 포크는 기여나 사내 맞춤 개발의 출발점인 경우가 많지만, 이 비율만으로는 기여자 수를 알 수 없다.

거의 끊임없는 활동. 리포지토리 20개 중 18개가 2026년 10월에 푸시를 받았다. 예외는 둘이다. SWE-bench(마지막 푸시 2026년 9월 18일)와 Aider(2026년 5월 22일)이며, Aider의 최신 릴리스는 여전히 2025년 8월 9일의 v0.86.0이다(GitHub).

라이선스: 모두 오픈소스는 아니다

9개 리포지토리는 MIT를, 7개는 Apache-2.0을 쓴다. 나머지 넷은 예외다. Claude Code는 라이선스 파일에 “© Anthropic PBC. All rights reserved”라고 적혀 있고 Anthropic의 상업 약관을 가리킨다. Open WebUI는 프로젝트 고유 라이선스를 쓴다. Zed는 GPL과 Apache 라이선스 파일을 함께 둔다. MCP 서버는 LICENSE 파일에 따르면 MIT에서 Apache-2.0으로 전환 중이다. 스타가 많은 공개 리포지토리라고 해서 반드시 자유 소프트웨어인 것은 아니다.

빠진 리포지토리

인기 있는 리포지토리 중 일부는 기준에 맞지 않는다. DeepSeek-V3와 DeepSeek-R1은 각각 2025년 8월과 6월 이후 푸시가 없다. Continue의 README는 리포지토리를 더 이상 적극적으로 유지 관리하지 않으며 읽기 전용이라고 밝힌다. Microsoft의 AutoGen README는 보관된 프로젝트라고 알린다. Roo Code는 GitHub에서 보관 처리됐다.

한계

스타는 리포지토리가 만들어진 날부터 쌓이므로 현재 사용량이 아니라 누적된 인기를 나타낸다. npm, Homebrew, 에디터 확장을 통한 설치도 반영하지 않는다. 에이전트를 실질적으로 비교하려면 GitHub의 오픈소스 코딩 에이전트 분석과 OpenCode, Aider, Cline 비교를 참고하라.

요약: 주요 AI 리포지토리 20개에서 코딩 에이전트가 스타의 40%를 차지하며, 그중 넷은 만들어진 지 2년이 안 됐다.

예산에 맞는 코딩 에이전트 고르기: 무료, 월 $20, 엔터프라이즈

Tue, 20 Oct 2026 00:00:00 +0000

코딩 에이전트는 세 가지 방식으로 판매된다. 사용량이 포함된 구독, API 키를 통한 토큰 단위 과금, 모델 제공업체에 직접 비용을 내게 하는 무료 도구다. 이 가이드는 OrigoTech 디렉터리의 도구 페이지와 공식 가격 페이지를 바탕으로, 2026-10-20에 확인한 내용을 가격대별로 정리한다. 도구의 순위를 매기지는 않는다. 포함된 사용량이 요금제마다 달라 직접 비교할 수 없기 때문이다. 가격은 각 업체가 표시한 미국 달러 기준이다.

무료($0)

Codex: ChatGPT Free에 포함되며, 데스크톱 앱에서는 GPT-6 Luna를 쓸 수 있다(순차 배포)(OpenAI).
GitHub Copilot Free: 월 2,000회 코드 완성과 50회 채팅 요청(GitHub).
Cursor Free: 제한된 AI 사용량(Cursor).
Devin Desktop Free: 적은 할당량, 제한된 모델(Devin).
Junie Free to Start: 무료 Junie Lite 모델, 또는 제공업체 가격으로 직접 API 키 사용(JetBrains).
Zed Personal: 직접 API 키나 외부 에이전트를 쓰면 무제한(Zed).
Qoder Free, 2주간 Pro 체험 포함(Qoder).
오픈소스 도구, 모델 비용은 본인 부담: OpenCode(MIT 라이선스), Cline(개인 무료, 추론은 종량제), Aider는 무료다. 선택한 모델의 제공업체에 비용을 내거나, 로컬 모델을 쓰면 비용이 들지 않는다(Ollama 가이드 참고).

Claude Code에는 무료 등급이 없다. Claude 무료 요금제에는 포함되지 않는다(Anthropic). Google 쪽에서는 Gemini CLI가 2026년 6월 18일부터 무료 계정을 더 이상 지원하지 않는다. Gemini CLI에서 Antigravity CLI로 옮기기를 참고하라.

월 $20 안팎

Claude Pro(Claude Code 포함): 연간 결제 시 월 $17(선결제 $200), 월 결제 시 $20(Anthropic).
ChatGPT Plus(웹, CLI, IDE 확장, iOS의 Codex, GPT-6.1 Sol 포함): 월 $20. 월 $8인 Go 요금제는 가벼운 작업용이다(OpenAI).
Copilot Pro: 월 $10, 월 $15의 AI 크레딧 포함. Pro+: 월 $39, 크레딧 $70(GitHub).
Cursor Plus: 월 $8, Grok 모델로 제한. Premium: 월 $30, Plus의 4배 사용량(Cursor).
Devin Desktop Pro: 월 $20(Devin).
Qoder Pro: 월 $20(Qoder).
Zed Pro: 월 $10, 토큰 $5 포함, 초과분은 API 정가에 10% 추가(Zed).
JetBrains AI Pro(Junie): 연간 결제 시 사용자당 월 $8.33, 30일당 AI 크레딧 10(JetBrains).

많이 쓰는 경우(월 $100 이상)

Claude Max: 월 $100부터, Pro 사용량의 5배 또는 20배.
ChatGPT Pro: 월 $100, $200 또는 $500.
Copilot Max: 월 $100, AI 크레딧 $200.
Cursor Super: 월 $100. Ultra: 월 $200.
Devin Desktop Max: 월 $200.
Qoder: Pro+ $60, Ultra 월 $200.
JetBrains AI Ultimate: 연간 결제 시 사용자당 월 $25, 30일당 AI 크레딧 35.

팀과 엔터프라이즈

Claude Team: 연간 결제 시 좌석당 월 $20(월 결제 $25), Premium 좌석은 $100(월 결제 $125), 2명에서 150명. Enterprise: 연간 결제 시 좌석당 월 $20에 API 요율의 사용량을 더하며, 최소 20좌석(Anthropic).
ChatGPT Business(Codex): 연간 결제 시 사용자당 월 $20(월 결제 $25), 최소 2명(OpenAI).
Cursor Teams: 사용자당 월 $30부터, 중앙 집중식 결제와 SSO.
Devin Desktop Teams: 월 $80에 정규 좌석당 월 $40을 더하며 최대 200명. Enterprise는 견적.
Zed Business: 좌석당 월 $30.
Cline Enterprise: 견적, JetBrains 확장, SSO, SLA 포함(Cline).

GitHub Copilot의 Business와 Enterprise 요금제는 아직 우리 도구 페이지에 없다. 요금제 페이지를 참고하라.

API 키로 쓴 만큼 내기

Codex, Claude Code(Console 계정), Cline, OpenCode, Aider, Junie, Zed는 모델 제공업체와 직접 토큰 단위로 과금하는 방식을 지원한다. 이 경우 비용은 모델과 사용량에 따라 달라진다. Anthropic은 엔터프라이즈 배포 전반의 Claude Code 비용 대략치를 제시한다. 개발자 1명이 활동한 날 하루 약 13달러, 월 150달러에서 250달러이며, 사용자의 90%는 활동한 날 하루 30달러 미만이다(Anthropic). 입력 기준 0.10달러에서 10달러까지 모델 27개의 100만 토큰당 가격은 모델 비교에 모아 두었다.

자세히 비교하려면

서술형 비교: Claude Code, Codex, GitHub Copilot, Cursor, Devin Desktop, Copilot, OpenCode, Aider, Cline.
일대일 비교: Claude Code vs Codex, Codex vs GitHub Copilot, Cursor vs Devin Desktop, Cursor vs Zed, Cline vs OpenCode.
요금제별 상세: 도구 디렉터리와 비교 페이지.

출처

Anthropic: Claude pricing, 확인일: 2026-10-20
Claude Code Docs: Manage costs effectively, 확인일: 2026-10-20
OpenAI: Codex pricing, 확인일: 2026-10-20
GitHub: Copilot plans, 확인일: 2026-10-20
Cursor: pricing, 확인일: 2026-10-20
Devin: pricing, 확인일: 2026-10-20
Zed: pricing, 확인일: 2026-10-20
JetBrains: Junie, 확인일: 2026-10-20
Qoder: pricing 및 Cline: pricing, 2026-10-20에 업데이트된 디렉터리 도구 페이지에 기록된 대로

핵심 요약: 대부분의 에이전트는 제한된 무료 등급이 있고 첫 유료 요금제는 월 $8에서 $20 사이다. Claude Code만 무료 등급이 없으며, 오픈소스 도구는 비용을 모델 제공업체로 넘긴다.

Claude Code 설치와 시작 방법: 단계별 가이드

Tue, 20 Oct 2026 00:00:00 +0000

Claude Code는 Anthropic의 코딩 에이전트다. 터미널, IDE, 데스크톱 앱, 웹에서 프로젝트를 읽고, 변경을 제안하고, 명령을 실행한다. 이 가이드는 공식 문서를 따르며, 모든 명령을 2026-10-20에 문서와 대조해 확인했다. 사용량 수치와 요금제는 Claude Code 도구 페이지를 참고하라.

시작하기 전에

운영체제: macOS 13.0 이상, Windows 10 1809 이상(또는 Windows Server 2019), Ubuntu 20.04+, Debian 10+, Alpine Linux 3.19+(Anthropic).
하드웨어: RAM 4GB 이상, x64 또는 ARM64 프로세서. 인터넷 연결이 필요하다.
셸: Bash, Zsh, PowerShell, CMD.
지역: Claude Code는 Anthropic이 지원하는 국가에서만 제공된다.
계정: Claude Pro, Max, Team, Enterprise 구독 또는 Claude Console 계정(선결제 크레딧을 쓰는 API). claude.ai 무료 요금제에는 Claude Code가 포함되지 않는다. Amazon Bedrock, Google Cloud, Microsoft Foundry도 지원한다.

Claude Code 설치

네이티브 설치 프로그램이 Anthropic이 권장하는 방법이며, 백그라운드에서 스스로 업데이트한다.

macOS, Linux, WSL:

curl -fsSL https://claude.ai/install.sh | bash

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

Windows CMD:

curl -fsSL https://claude.ai/install.cmd -o install.cmd && install.cmd && del install.cmd

설치 프로그램은 내려받는 동안 진행 상황을 표시하지 않는다. 설치 후에는 새 터미널을 연다. 기본적으로 자동 업데이트가 없는 대안이 두 가지 있다.

brew install --cask claude-code

winget install Anthropic.ClaudeCode

Homebrew의 claude-code cask는 안정 채널을 따르며(약 일주일 늦고, 큰 회귀가 있는 릴리스는 건너뛴다), claude-code@latest는 모든 릴리스를 나오는 즉시 받는다. Debian, Fedora, RHEL, Alpine용으로 서명된 apt, dnf, apk 저장소도 제공된다.

npm으로 설치: 이 패키지는 Node.js 22 이상이 필요하며 같은 네이티브 바이너리를 설치한다. Anthropic은 sudo npm install -g를 권하지 않는다(권한 문제와 보안 위험).

npm install -g @anthropic-ai/claude-code

Windows 참고 사항

Claude Code는 Windows에서 네이티브로, 또는 WSL 안에서 실행된다. 네이티브 설치에는 관리자 권한이 필요 없다. Git for Windows는 선택 사항이다. 설치되어 있으면 Claude Code가 Bash 도구에 Git Bash를 쓰고, 없으면 PowerShell을 쓴다. 샌드박싱(격리된 명령 실행)은 WSL 2에서만 지원된다. WSL에서는 PowerShell이 아니라 Linux 터미널에서 설치하고 claude를 실행한다.

설치 확인

claude --version

이 명령은 버전 번호 뒤에 "(Claude Code)"를 출력한다. 셸이 claude를 찾을 수 없다고 하면 설치 디렉터리가 아직 PATH에 없는 것이다. 세션을 시작하지 않고 더 자세히 점검하려면 다음을 실행한다.

claude doctor

첫 세션

프로젝트로 이동해 에이전트를 시작한다.

cd /path/to/your/project
claude

처음 사용할 때 Claude Code가 브라우저를 열어 로그인하며, 이후 자격 증명이 저장된다. 환경 변수 ANTHROPIC_API_KEY가 설정되어 있고 이를 승인하면 로그인 단계는 건너뛴다. Console 계정에서는 비용 추적을 위한 "Claude Code" 워크스페이스가 자동으로 만들어진다.

먼저 간단한 질문으로 시작해 본다. 예를 들면 다음과 같다.

what does this project do?

그다음에는 작은 변경을 해 본다. Claude Code는 수정 내용을 보여 주고, 세션의 권한 모드에 따라 승인을 요청한다. Shift+Tab으로 모드를 순환할 수 있다.

add a hello world function to the main file

Anthropic 퀵스타트의 핵심 명령은 다음과 같다.

claude "task"는 초기 프롬프트와 함께 세션을 시작한다(예: claude "fix the build error"). claude -p "query"는 한 번 답하고 종료한다.
claude -c는 현재 디렉터리의 가장 최근 대화를 이어 가고, claude -r는 이전 대화를 골라 이어 갈 수 있다.
세션 안에서: /help는 명령 목록을, /resume은 대화 재개를, /login은 계정 전환을, /clear는 기록 삭제를 하고, /exit(또는 Ctrl+D 두 번)로 종료한다.

비용과 요금제

Claude Code는 Claude의 유료 요금제에 포함된다(Anthropic, 확인일: 2026-10-20).

Pro: 연간 결제 시 월 $17(선결제 $200), 월 결제 시 $20.
Max: 월 $100부터, Pro 사용량의 5배 또는 20배.
Team: 표준 좌석은 연간 결제 시 월 $20(월 결제 $25), Premium 좌석은 $100(월 결제 $125)이며 2명에서 150명 대상.
Enterprise: 연간 결제 시 좌석당 월 $20에 API 요율의 사용량을 더하며, 최소 20좌석.

Console 계정에서는 사용량이 토큰 단위로 과금된다. Anthropic은 엔터프라이즈 배포 전반에서 평균 비용이 개발자 1명이 활동한 날 하루 약 13달러, 개발자당 월 150달러에서 250달러이며 사용자의 90%는 활동한 날 하루 30달러 미만이라고 밝힌다(Anthropic). /usage 명령은 세션의 사용량을 보여 주며, Pro와 Max 구독자의 사용량은 요금제에 포함된다. 이 요금제를 다른 에이전트와 비교하려면 예산에 맞는 코딩 에이전트 고르기 가이드를 참고하라.

Claude Code를 IDE와 연동하기

VS Code와 Cursor: 공식 확장은 VS Code 1.94.0 이상과 유료 Claude 또는 Console 계정이 필요하며 API 키는 필요 없다(Anthropic). 확장 보기(Mac은 Cmd+Shift+X, Windows와 Linux는 Ctrl+Shift+X)를 열고 "Claude Code"를 검색해 설치한다. 확장에는 CLI 사본이 포함되어 있으며, 통합 터미널에서 claude를 실행하려면 CLI도 따로 설치해야 한다. 다른 VS Code 포크(Devin Desktop, Kiro)는 Open VSX 레지스트리를 쓴다.

JetBrains(IntelliJ IDEA, PyCharm, Android Studio, WebStorm, PhpStorm, GoLand): 플러그인에는 CLI가 포함되어 있지 않다. 먼저 CLI를 설치한 뒤 JetBrains Marketplace에서 Claude Code 플러그인을 설치하고 IDE를 다시 시작한다(Anthropic). 통합 터미널에서 claude를 실행하거나, 외부 터미널에서 시작한 세션에서 /ide를 입력한다. Cmd+Esc(Mac) 또는 Ctrl+Esc(Windows와 Linux)로 에디터에서 Claude Code를 연다.

업데이트와 제거

네이티브 설치는 스스로 업데이트된다. 바로 업데이트하려면 다음을 실행한다.

claude update

Homebrew는 brew upgrade claude-code, WinGet은 winget upgrade Anthropic.ClaudeCode를 쓴다. macOS, Linux, WSL에서 네이티브 설치를 제거하려면 다음을 실행한다.

rm -f ~/.local/bin/claude
rm -rf ~/.local/share/claude

더 알아보기

Claude Code를 도구에 연결하기: MCP 서버 설정 방법.
비교: Claude Code, Codex, GitHub Copilot, Claude Code vs Codex, Claude Code 대안.
용어: 용어집의 코딩 에이전트와 컨텍스트 윈도우.

출처

Claude Code Docs: Advanced setup, 확인일: 2026-10-20
Claude Code Docs: Quickstart, 확인일: 2026-10-20
Claude Code Docs: Manage costs effectively, 확인일: 2026-10-20
Claude Code Docs: Use Claude Code in VS Code, 확인일: 2026-10-20
Claude Code Docs: JetBrains IDEs, 확인일: 2026-10-20
Anthropic: Claude pricing, 확인일: 2026-10-20

핵심 요약: Claude Code는 macOS, Linux, Windows에서 명령 하나로 설치되지만 유료 Claude 요금제 또는 Console 계정이 필요하다. VS Code 확장에는 CLI가 포함되고 JetBrains 플러그인에는 포함되지 않는다.

Gemini CLI에서 Antigravity CLI로 옮기기: 설치와 마이그레이션

Tue, 20 Oct 2026 00:00:00 +0000

Google은 2026년 5월 19일 개인 계정에서 Antigravity CLI가 Gemini CLI를 대체한다고 발표했다(Google Developers Blog). 전환은 2026년 6월 18일에 이뤄졌다. 이 가이드는 영향받는 대상을 먼저 정리한 뒤, Antigravity 공식 문서를 기준으로 설치와 마이그레이션을 설명한다. 문서는 2026년 10월 20일에 확인했다.

영향받는 대상은?

영향받음: 2026년 6월 18일부터 Gemini CLI와 Gemini Code Assist IDE 확장은 Google AI Pro와 AI Ultra 구독자, 그리고 Gemini Code Assist for individuals의 무료 사용자를 더 이상 지원하지 않는다. "Login with Google" 옵션으로는 Gemini CLI에 접근할 수 없다(Google).
영향받지 않음: Gemini Code Assist Standard 또는 Enterprise 라이선스를 보유하거나 Google Cloud를 통해 Gemini Code Assist for GitHub를 쓰는 조직. 유료 Gemini 또는 Gemini Enterprise Agent Platform API 키로도 Gemini CLI에 계속 접근할 수 있다(Google Developers Blog). Google의 지원 중단 안내 페이지에 따르면 Standard와 Enterprise 구독은 별도 일정을 따른다(Google).

Google에 따르면 Antigravity CLI는 처음부터 완전한 기능 동등성을 제공하지는 않지만, 핵심으로 보는 기능인 Agent Skills, Hooks, Subagents, 그리고 이제 plugins라 부르는 Extensions는 유지한다. Go로 만들어졌으며 Antigravity 2.0 데스크톱 앱과 같은 에이전트 하네스를 공유한다.

Antigravity CLI 설치

명령어 이름은 agy다(Antigravity).

macOS, Linux, Googlebook (바이너리는 ~/.local/bin/agy에 설치됨):

curl -fsSL https://antigravity.google/cli/install.sh | bash

Windows PowerShell (바이너리는 C:\Users\<username>\AppData\Local\agy\bin에 설치됨):

irm https://antigravity.google/cli/install.ps1 | iex

Windows CMD:

curl -fsSL https://antigravity.google/cli/install.cmd -o install.cmd && install.cmd && del install.cmd

새 터미널에서 설치를 확인한다.

agy --version

처음 실행하면 설정 과정에서 색 구성표와 렌더링 모드(전체 화면 버퍼 또는 터미널 기록에 인라인)를 묻는다.

agy는 실행할 때 운영체제의 보안 키링(Apple Keychain, Linux Secret Service, Windows Credential Manager)에서 세션을 찾는다. 없으면 브라우저를 열어 준다. 개인 Google 계정(Free, Pro, Ultra 플랜)으로 로그인하거나, Gemini Enterprise 계정이면 "Business account"를 선택한다(Antigravity). SSH로 접속한 경우 CLI가 직접 열어야 할 URL을 알려 준다.

Gemini CLI 설정 이전

처음 실행할 때 agy가 Gemini CLI 설정을 감지하면, 확장과 전역 설정을 변환하고 세션 토큰을 시스템 키링으로 옮기도록 제안하는 대화형 체크리스트가 나온다(Antigravity).

수동으로 Gemini 확장을 Antigravity 플러그인으로 변환하려면 다음 명령을 쓴다.

agy plugin import gemini

이 명령은 이전 로컬 디렉터리를 스캔해 스킬, 명령(스킬로 변환됨), MCP 서버 정의를 변환한다.

그대로인 것: 프로젝트의 GEMINI.md와 AGENTS.md 컨텍스트 파일, 그리고 전역 ~/.gemini/GEMINI.md는 그대로 읽는다.

바뀌는 것:

전역 스킬: ~/.gemini/skills/에서 ~/.gemini/antigravity-cli/skills/로.
프로젝트 스킬: .gemini/skills/에서 .agents/skills/로. 에이전트가 인식하려면 이 폴더를 직접 옮겨야 한다.
MCP 서버: 더 이상 ~/.gemini/settings.json에 선언하지 않고 전용 파일인 ~/.gemini/config/mcp_config.json(전역)과 .agents/mcp_config.json(프로젝트)에 선언한다.
원격 MCP 서버: 수동으로 이전할 때 url 또는 httpUrl 키가 serverUrl로 바뀐다.

공식 mcp_config.json 예시:

{
  "mcpServers": {
    "remote-indexer": {
      "serverUrl": "https://mcp.internal.enterprise.com/sse",
      "env": {
        "AUTH_TOKEN": "secure_alpha_token"
      }
    }
  }
}

Gemini CLI의 일부 사용자 지정 터미널 테마나 실험적 시각 오버레이는 옮겨지지 않을 수 있다. 다른 에이전트와 공통인 MCP 원칙은 MCP 서버 설정 방법 가이드를 참고하길 바란다.

할당량과 플랜

Antigravity는 Google 서비스 약관에서 파생된 조건으로 개인 계정에 제공된다(Antigravity). 모든 플랜에 핵심 에이전트 모델로서 Gemini 3.8 Flash를 포함한 Gemini 모델과 CLI 접근이 들어 있다. 한도는 플랜마다 다르다.

Google AI Pro나 Ultra가 없는 경우: 주간 할당량과 주간 속도 제한;
Google AI Pro: 5시간마다 갱신되는 할당량, 더 높은 주간 한도까지;
Google AI Ultra: 5시간마다 갱신되는 가장 높은 할당량, 그리고 서드파티 모델 접근.

Pro와 Ultra 구독자는 할당량을 넘는 사용을 위해 AI 크레딧을 구매할 수 있다. Google은 추가 속도 제한을 위한 bring-your-own-key(BYOK)를 지원하지 않는다. CLI에서 /usage는 모델별 할당량 사용량을, /credits는 크레딧 잔액을 보여 준다(명령어 레퍼런스).

유용한 명령어

/model은 모델을 고른다(선택은 세션 간에 유지됨);
/mcp는 MCP 서버 관리자를, /plugin은 플러그인 관리자를 연다;
/resume은 이전 대화를 불러오고, /rewind는 이전 메시지로 되돌린다;
/permissions는 도구 권한을 관리하고, /exit는 종료한다.

더 알아보기

Google의 주력 모델: Gemini 4 Argon 도구 페이지. Google에 따르면 Antigravity CLI에서 쓸 수 있지만 Antigravity IDE에서는 쓸 수 없다.
그 밖의 무료 또는 저렴한 선택지: 예산에 맞춰 코딩 에이전트 고르기.
가장 많이 팔로우되는 에이전트 중 하나인 Gemini CLI: GitHub의 오픈소스 코딩 에이전트.

출처

Google Developers Blog: An important update: Transitioning Gemini CLI to Antigravity CLI (2026년 5월 19일), (확인일: 2026-10-20)
Google: Gemini Code Assist consumer accounts, (확인일: 2026-10-20)
Antigravity Docs: Getting started, (확인일: 2026-10-20)
Antigravity Docs: Authenticate, (확인일: 2026-10-20)
Antigravity Docs: Migration (Gemini CLI), (확인일: 2026-10-20)
Antigravity Docs: Plans, (확인일: 2026-10-20)
Antigravity Docs: CLI commands, (확인일: 2026-10-20)

핵심 요약: 개인 Google 계정은 확장과 MCP 서버를 가져오는 Antigravity CLI(agy)로 옮겨야 하며, 프로젝트 스킬만 .agents/skills/로 직접 옮기면 된다.

Ollama로 코딩 모델을 로컬에서 실행하는 방법

Tue, 20 Oct 2026 00:00:00 +0000

Ollama는 언어 모델을 내 컴퓨터에 내려받아 실행하고, http://localhost:11434의 로컬 API로 제공한다. 코딩 에이전트가 여기에 연결하면 코드를 API 제공업체에 보내지 않고도 작업할 수 있다. 이 가이드는 2026년 10월 20일에 확인한 Ollama 문서를 따르며, 하드웨어 제약은 마지막에 다룬다.

Ollama 설치

macOS: macOS Sonoma(v14) 이상이 필요하다. Apple M 시리즈 칩은 CPU와 GPU를, Intel Mac은 CPU만 지원한다(Ollama). 권장 방법은 ollama.dmg를 마운트해 앱을 Applications 폴더로 끌어다 놓는 것이며, 처음 실행하면 ollama 명령을 /usr/local/bin에 연결할지 묻는다. 다운로드 페이지에서는 Linux와 같은 명령줄 설치도 제공한다.

Linux(Ollama):

curl -fsSL https://ollama.com/install.sh | sh

Windows: Windows 10 22H2 이상, Home 또는 Pro 에디션이다. 설치에는 관리자 권한이 필요 없고 홈 디렉터리에 설치되며 최소 4GB가 필요하다(Ollama). 다운로드 페이지에 따르면 PowerShell에서 다음을 실행한다.

irm https://ollama.com/install.ps1 | iex

그런 다음 명령이 응답하는지 확인한다.

ollama -v

디스크 공간을 계획해 두라. Ollama에 따르면 모델의 크기는 수십 GB에서 수백 GB에 이른다. Windows에서는 OLLAMA_MODELS 변수로 모델을 홈 디렉터리 밖에 저장할 수 있다.

코드에 맞는 모델 고르기

Ollama 라이브러리에는 코드에 특화된 모델 계열이 있다. 공식 페이지의 수치로 두 가지 예를 든다.

qwen3-coder(Alibaba): 30b 버전은 용량이 19GB이고, 파라미터는 300억 개 중 33억 개가 활성화되는(전문가 혼합 구조) 모델이며 256,000토큰의 컨텍스트를 받는다. 480b 버전은 용량이 290GB이고 로컬에서 실행하려면 최소 250GB의 메모리 또는 통합 메모리가 필요하다(Ollama).
qwen2.5-coder: 0.5b(398MB)부터 32b(20GB)까지 여섯 가지 크기가 있으며, 모두 32,000토큰의 컨텍스트 윈도우를 갖는다(Ollama).

qwen3-coder 30B를 내려받아 실행하는 공식 페이지의 명령은 다음과 같다.

ollama run qwen3-coder:30b

에이전트에 필요한 도구 호출이 가능한 모델은 라이브러리에서 필터링할 수 있다. 모델 페이지에 필요한 메모리가 항상 적혀 있는 것은 아니므로, 파일 크기를 그래픽 카드의 메모리나 Mac의 통합 메모리와 비교하라.

컨텍스트 윈도우 설정

에이전트에게 가장 중요한 설정이다. 기본적으로 Ollama는 사용 가능한 비디오 메모리(VRAM)에 따라 컨텍스트 윈도우를 정한다(Ollama).

VRAM 24GiB 미만: 4,000토큰
24GiB에서 48GiB: 32,000토큰
48GiB 이상: 256,000토큰

Ollama는 에이전트와 코딩 도구에 최소 64,000토큰을 권장한다. 앱 설정의 슬라이더로 지정하거나 서버를 시작할 때 설정한다.

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

컨텍스트가 커지면 메모리를 더 쓴다. 모델이 어디에서 실행되는지 확인하라. PROCESSOR 열이 100% GPU여야 한다. 48%/52% CPU/GPU 같은 값은 모델의 일부가 시스템 메모리로 넘어갔다는 뜻이며, Ollama는 최상의 성능을 위해 이를 피하라고 조언한다.

ollama ps

코딩 에이전트 연결

**가장 간단한 방법: ollama launch.** 프로젝트 디렉터리에서 실행하면 Ollama가 선택한 에이전트를 설정하고 시작하며, 필요하면 설치를 제안한다(Ollama).

ollama launch opencode

같은 명령이 Claude Code(ollama launch claude)와 Codex CLI(ollama launch codex, Codex CLI를 설치한 뒤)에도 있다. 이어서 목록에서 모델을 고른다.

OpenCode 수동 설정(Ollama). OpenCode는 64,000토큰 이상의 컨텍스트 윈도우를 요구하므로, qwen2.5-coder처럼 32,000토큰으로 제한된 모델로는 부족하다. 설치:

curl -fsSL https://opencode.ai/install | bash

npm install -g opencode-ai

그런 다음 opencode.json에 Ollama를 제공자로 선언한다(qwen3.5 모델을 쓴 공식 예시).

{
  "$schema": "https://opencode.ai/config.json",
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "name": "Ollama",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "qwen3.5": {
          "name": "qwen3.5"
        }
      }
    }
  }
}

그다음 opencode를 실행한다. 참고로 ollama launch opencode는 ~/.config/opencode/opencode.json을 덮어쓰지 않는다.

IDE의 Cline(Ollama):

Cline 설정의 API Configuration 섹션을 열고 API Provider를 Ollama로 지정한다.
Model에서 모델을 선택하거나 이름을 입력한다.
Context Window에서 컨텍스트 윈도우를 최소 32,000토큰으로 올린다.

Continue는 어떨까? GitHub 리포지토리는 더 이상 유지 관리되지 않으며 읽기 전용으로 전환된다고 밝힌다(GitHub의 오픈소스 코딩 에이전트 기사 참고). 또 다른 오픈소스 에이전트인 Aider도 도구 페이지에 따르면 로컬 모델을 지원한다.

하드웨어 제약

NVIDIA 카드: 컴퓨트 capability 5.0 이상에 드라이버 550 이상이 필요하며, capability 5.0에서 6.2 사이의 카드는 드라이버 570이 필요하다(Ollama). Windows에서는 NVIDIA 드라이버 551.61 이상이어야 한다.
Windows의 AMD 카드: ROCm v7 / HIP7 스택 또는 Vulkan을 지원하는 Radeon 드라이버가 필요하며, 일부 RX 6000 카드에는 Vulkan이 권장되는 대체 수단이다.
Mac: GPU 가속은 Apple M 시리즈 칩에서만 된다. Intel Mac은 CPU로 실행된다.
메모리: 최상의 성능을 위해 Ollama는 컨텍스트를 포함한 모델이 그래픽 메모리에서 CPU로 넘치지 않게 하라고 조언한다. VRAM이 24GiB 미만이면 기본 윈도우(4,000토큰)는 에이전트에 너무 짧으므로 늘려야 하고, 그만큼 메모리를 더 쓴다.
디스크: 중간 크기 모델 하나에 수십 GB를 확보하라(qwen3-coder 30B는 19GB).

로컬 모델은 사용할 때마다 드는 비용이 없지만, 결과를 최첨단 모델과 곧바로 비교할 수는 없다. 업체가 발표한 점수는 모델 비교를 참고하라.

더 알아보기

호환되는 에이전트: OpenCode, Cline, Aider. OpenCode, Aider, Cline 비교와 Cline vs OpenCode 맞대결도 있다.
오픈 웨이트 모델: 오픈소스 모델 도구 페이지와 용어집의 오픈 웨이트와 오픈소스.
다른 선택지의 비용: 예산에 맞춰 코딩 에이전트 고르기.

출처

Ollama Docs: Quickstart (확인일: 2026-10-20)
Ollama Docs: Linux, macOS, Windows (확인일: 2026-10-20)
Ollama: download (설치 명령) (확인일: 2026-10-20)
Ollama Docs: Context length (확인일: 2026-10-20)
Ollama Docs: Hardware support (확인일: 2026-10-20)
Ollama Docs: OpenCode, Cline (확인일: 2026-10-20)
Ollama: qwen3-coder, qwen2.5-coder (확인일: 2026-10-20)

핵심 요약: Ollama는 명령 하나로 설치되지만, Ollama에 따르면 코딩 에이전트에는 최소 64,000토큰의 컨텍스트가 필요하며, 기본 설정은 비디오 메모리가 48GiB 이상일 때만 이를 제공한다.

Claude Code, Cursor, VS Code에서 MCP 서버 설정하는 방법

Tue, 20 Oct 2026 00:00:00 +0000

MCP 서버는 코딩 에이전트가 외부 도구를 쓸 수 있게 해 준다. GitHub 리포지토리, 데이터베이스, 브라우저, 라이브러리 문서 등이 그 예다. 이 가이드는 프로토콜을 설명한 뒤 흔히 쓰는 세 클라이언트에서의 설정을 다룬다. 명령어와 파일은 공식 문서에서 가져왔으며 2026년 10월 20일에 확인했다.

MCP란?

Model Context Protocol(MCP)은 AI 애플리케이션을 로컬 파일, 데이터베이스, 검색 엔진 같은 도구, 워크플로 등 외부 시스템에 연결하기 위한 오픈소스 표준이다. 만든 쪽은 이를 AI 애플리케이션의 USB-C 포트에 비유한다(modelcontextprotocol.io). 용어집의 MCP 항목도 참고하길 바란다.

서버가 제공하는 것: tools(모델이 실행할 수 있는 작업), resources(컨텍스트 데이터), prompts(지침 템플릿)(MCP 아키텍처).
두 가지 전송 방식: 클라이언트가 같은 기기에서 서버를 로컬 프로세스로 실행하는 stdio, 그리고 bearer 토큰, API 키, 사용자 지정 헤더를 지원하는 원격 서버용 Streamable HTTP.

Claude Code에 서버 추가

Claude Code는 명령줄에서 설정한다(Anthropic). 에이전트가 아직 설치되지 않았다면 Claude Code 설치와 시작 방법 가이드를 참고하길 바란다.

원격 서버(HTTP), 온라인 서비스에 권장되는 방식:

# Basic syntax
claude mcp add --transport http <name> <url>

# Real example: Connect to Notion
claude mcp add --transport http notion https://mcp.notion.com/mcp

로컬 서버(stdio): -- 뒤의 모든 내용이 서버를 시작하는 명령이다.

claude mcp add --env AIRTABLE_API_KEY=YOUR_KEY --transport stdio airtable \
  -- npx -y airtable-mcp-server

SSE 전송 방식은 지원 중단 예정이다. Anthropic은 서버가 지원하는 경우 HTTP를 권장한다. 서버를 관리하는 명령은 다음과 같다.

# List all configured servers
claude mcp list

# Get details for a specific server
claude mcp get notion

# Remove a server
claude mcp remove notion

# (within Claude Code) Check server status
/mcp

세 가지 범위(--scope 옵션):

local(기본값): 현재 프로젝트에서 본인만 사용하며 ~/.claude.json에 저장된다;
project: 리포지토리 루트의 .mcp.json 파일로 팀과 공유하며 커밋해야 한다;
user: 본인의 모든 프로젝트에 적용되며 ~/.claude.json에 저장된다.

복제한 리포지토리는 자신의 .mcp.json 서버를 스스로 승인할 수 없다. 워크스페이스 신뢰 대화상자를 수락할 때까지 보류 상태로 남는다. 다음은 권한 범위를 좁게 설정한 개인 액세스 토큰으로 인증하는 GitHub 원격 서버의 공식 예시다.

claude mcp add --transport http github https://api.githubcopilot.com/mcp/ \
  --header "Authorization: Bearer YOUR_GITHUB_PAT"

claude mcp add는 토큰을 검증하지 않고 설정만 저장한다. /mcp로 연결을 확인해야 한다.

Cursor에 서버 추가

Cursor는 Marketplace에서 원클릭 설치(Customize 페이지, "Add to Cursor" 버튼, OAuth 로그인)를 제공하며, mcp.json 파일로 수동 설정할 수도 있다(Cursor).

프로젝트별 도구를 위한 프로젝트의 .cursor/mcp.json;
어디서나 쓰는 도구를 위한 홈 디렉터리의 ~/.cursor/mcp.json.

Cursor 문서에 나온, Node.js로 실행하는 로컬 서버:

{
  "mcpServers": {
    "server-name": {
      "command": "npx",
      "args": ["-y", "mcp-server"],
      "env": {
        "API_KEY": "value"
      }
    }
  }
}

원격 서버는 항목이 command 대신 url 키(그리고 선택적으로 headers)를 쓴다. Cursor는 stdio, SSE, Streamable HTTP를 지원하며 ${env:NAME} 문법을 해석하므로 비밀 값을 평문으로 적지 않고 환경 변수에서 읽을 수 있다.

VS Code에 서버 추가

VS Code에서 명령 팔레트(Mac은 ⇧⌘P, Windows와 Linux는 Ctrl+Shift+P)를 열고 MCP: Add Server를 실행한다(Microsoft). 서버 게시자가 URL을 제공하면 HTTP를, 명령을 제공하면 Command (stdio)를 고른다. 문서의 예시인 Playwright 서버는 Node.js 18 이상이 필요하다.

node --version
npx --version

Command (stdio)를 고르고 다음을 입력한다.

npx -y @playwright/mcp@latest

서버에 ID(예: playwright)를 지정한 다음 저장 위치를 고른다.

Global > Copilot Global: 모든 워크스페이스에 적용되는 ~/.copilot/mcp-config.json;
**Workspace-root .mcp.json**: 팀과 공유하기 위한 것(실험적 설정 chat.mcp.workspaceRootConfig.enabled);
**.vscode/mcp.json 또는 사용자 프로필의 mcp.json**: 아직 쓸 수 있지만 안내 흐름에서는 지원 중단으로 표시된다.

형식에 주의해야 한다. 이식 가능한 파일은 mcpServers 키를 쓰고, VS Code 형식은 servers를 쓴다. 서버 갤러리(프리뷰)는 확장 보기에서 @mcp를 입력하면 열린다. Microsoft는 세션에서 서버의 도구가 실제로 호출됐는지도 확인하라고 권한다. 설정을 추가했다고 해서 에이전트가 그것을 쓴다는 증거는 아니기 때문이다.

참조 서버

MCP 프로젝트는 프로토콜을 시험해 볼 수 있는 참조 서버를 유지한다. Everything, Fetch, Filesystem, Git, Memory, Sequential Thinking, Time이다(공식 예시). TypeScript 서버는 npx로, Python 서버는 uvx로 실행한다.

npx -y @modelcontextprotocol/server-memory

uvx mcp-server-git

기업이 자사 플랫폼을 위해 유지하는 서버는 modelcontextprotocol/servers 리포지토리에 정리돼 있다.

보안: 지켜야 할 규칙

로컬 MCP 서버는 샌드박스에 갇힌 플러그인이 아니다. 환경 변수를 물려받고, 계정이 읽을 수 있는 모든 것(SSH 키, 클라우드 자격 증명, 홈 디렉터리)을 읽을 수 있으며, 네트워크 연결을 열 수 있는 일반 프로세스다(modelcontextprotocol.io). 공식 권고는 다음과 같다.

목록을 점검한다: 더 이상 쓰지 않는 서버를 제거하고, 남은 서버가 각각 어디서 왔는지 파악한다;
서버가 사용자 기기에서 아무것도 필요로 하지 않는다면 원격 버전을 우선한다;
게시자를 확인하고 버전을 고정한다. latest를 쓰지 말고 의도적으로 업데이트하는 습관을 들인다. VS Code의 Playwright 예시는 @latest를 쓰므로 각자의 정책에 맞게 조정해야 한다;
서드파티 서버는 컨테이너, 샌드박스, 가상 머신 등으로 격리한다;
접근을 제한한다: 서버별 자격 증명, 특정 디렉터리로 제한한 파일 시스템 접근, 가능하면 읽기 전용, 제한된 네트워크 송신;
도구 설명을 읽는다: 모델이 이를 지침으로 읽기 때문에 프롬프트 인젝션의 통로가 될 수 있다.

Anthropic도 서버를 연결하기 전에, 특히 외부 콘텐츠를 가져오는 서버는 신뢰할 수 있는지 확인하라고 당부한다(Anthropic). Cursor는 최소 권한의 API 키를 쓰고, 중요한 통합은 소스 코드를 검토하라고 권한다(Cursor).

더 알아보기

도구 페이지에서 어떤 도구가 MCP를 지원하는지 볼 수 있다: Claude Code, Cursor, GitHub Copilot, Cline.
에디터 비교: Cursor, Devin Desktop, Copilot.
생성된 코드의 위험: 보안에 관해 연구들이 말하는 것.

출처

Model Context Protocol: What is MCP?, (확인일: 2026-10-20)
Model Context Protocol: Architecture overview, (확인일: 2026-10-20)
Model Context Protocol: Example Servers, (확인일: 2026-10-20)
Model Context Protocol: Local Server Security, (확인일: 2026-10-20)
Claude Code Docs: Connect Claude Code to tools via MCP, (확인일: 2026-10-20)
Cursor Docs: Model Context Protocol, (확인일: 2026-10-20)
VS Code Docs: Add MCP servers in VS Code, (확인일: 2026-10-20)

핵심 요약: MCP 서버는 명령 하나나 몇 줄의 JSON으로 추가할 수 있지만 로컬 서버는 사용자의 권한으로 실행된다. 신원이 확인된 게시자의 서버만, 버전을 고정하고 접근을 제한해서 설치해야 한다.

MiniMax와 DeepSeek: Flash 모델이 에이전트 코딩 가격을 확 낮춘다

Tue, 20 Oct 2026 00:00:00 +0000

2026년 10월 17일부터 19일 사이 중국 연구소 두 곳이 코딩 에이전트용 "Flash" 모델을 내놓았다. 내세우는 점은 같다. 작업당 비용이 훨씬 낮다는 것이다. 두 모델의 정가는 이제 비피크 시간대 요금에서 같아졌고, 코딩 점수는 최첨단 모델에 근접하고 있다.

MiniMax M3.1 Flash (10월 19일)

가격: 입력 토큰 100만 개당 0.15달러, 출력 0.60달러, 캐시된 입력 0.015달러(MiniMax).
코딩: MiniMax에 따르면 DeepSWE v1.1에서 73.7%.
효율: MiniMax에 따르면 에이전트 작업에서 이전 모델보다 추론이 거의 3배 빠르고 사용 비용은 70% 낮으며, 초당 출력 토큰 200개 넘는 속도를 내세운다.
기타 용도: 역시 MiniMax에 따르면 OSWorld V2(컴퓨터 사용)에서 61.7, CyberGym(취약점 발견)에서 82%.
제공 방식: MiniMax API, M Plan, MiniMax Code. 가중치는 나중에 공개할 예정이다. 익명 초기 버전 "Space Bunny"는 이미 200조 토큰 넘게 처리했다.

MiniMax M3.1 Flash 페이지를 참고하자.

DeepSeek V4.1-Flash-1017 (10월 17일)

코딩: DeepSWE v1.1에서 77.0%로 이전 버전의 74.2%에서 올랐고, Terminal-Bench 4.0에서는 31.2에서 42.3으로 올랐다(Hugging Face). DeepSeek의 표에서 Claude Opus 5는 DeepSWE 74.0%, GPT-5.6 Sol은 73.0%다.
가격: 비피크 시간대에는 입력 토큰 100만 개당 0.15달러, 출력 0.60달러이고 피크 시간대에는 두 배이며, 컨텍스트는 100만 토큰이다(DeepSeek).
작업당 비용: DeepSeek이 공개한 차트에 따르면 DeepSWE 작업당 평균 0.20달러 바로 아래로, 이전 버전의 약 0.50달러에서 내려갔다(The Decoder).
공개: MIT 라이선스 가중치를 Hugging Face와 ModelScope에 올렸다. DeepSeek은 Search와 Fetch API도 1,000회 호출당 0.75달러에 공개한다. DeepSeek Harness, Claude Code, Codex를 통한 호출은 10월 31일 UTC 16:00까지 무료다(DeepSeek).

DeepSeek V4.1-Flash-1017 페이지를 참고하자.

독립 테스트는 무엇을 말하나

Artificial Analysis는 자사 Intelligence Index에서 MiniMax M3.1 Flash에 43점을 줬고 M3는 29점이었다(Artificial Analysis, 10월 20일 확인한 페이지). DeepSeek V4.1-Flash-1017은 Max 모드에서 45점이다(변경 기록). 그러나 같은 업체가 측정한 MiniMax의 초당 출력 토큰은 104.7개로, 내세운 200개와 거리가 멀다. 더 중요한 점은 AA-Omniscience 지식 테스트에서 M3.1 Flash가 질문의 56%에 정답을 내지만, 모를 때는 93%의 확률로 불확실성을 인정하지 않고 답을 지어낸다는 것이다(VentureBeat).

개발자에게 달라지는 점

작업 라우팅: 단순하고 테스트가 잘 갖춰진 작업은 Flash 모델에 보내고, 모호한 경우에는 더 비싼 모델을 남겨 두자.
토큰당 가격만이 아니라 작업당 비용을 추적하자. 말이 많은 모델은 같은 결과에도 더 많이 쓴다.
오픈 에이전트 연결: OpenCode 같은 도구는 API를 통해 이 모델들을 받아들인다.

한계

점수 대부분은 공급업체가 자체 테스트 조건에서 낸 것이다. Menlo Ventures에 따르면 기업 환경에서 중국 오픈 모델은 여전히 API 사용량의 1%에 그친다(우리 기사 참고). 규정 준수, 데이터 호스팅, 안정성은 여전히 확인해야 한다. MiniMax는 앞으로 공개할 오픈 가중치의 라이선스 조건을 아직 밝히지 않아 자체 호스팅은 여전히 열린 질문이다.

이 점수 대부분은 공급업체 자체에서 나온 것이다. 운영 환경에 걸기 전에 독립 테스트를 기다리자.

COBOL, Fortran: OpenAI가 내세우는 레거시 마이그레이션용 AI

Tue, 20 Oct 2026 00:00:00 +0000

OpenAI는 2026년 10월 19일 이른바 "저자원" 언어인 COBOL, Fortran, Visual Basic, OCaml에 대한 결과를 발표했다. Python이나 JavaScript보다 공개된 코드가 훨씬 적은 언어들이다. 헤드라인 수치는 인상적이지만 OpenAI가 직접 설계한 두 가지 테스트에서 나온 것이고, 그중 하나만 공개돼 있다(OpenAI). 무엇을 측정했는지, 비용은 얼마인지, 믿기 전에 무엇을 확인해야 하는지 살펴본다.

요약

COBOL 마이그레이션: OpenAI에 따르면 GPT-6.1 Sol은 낮은 추론 강도에서 마이그레이션의 86.6%에 성공했다. GPT-5.6 Sol은 5.4%였고, 더 높은 강도에서는 97.9%다.
소프트웨어 구축: MultiLangBench에서 GPT-6 Astra는 20개 언어 평균 87.4%의 테스트를 통과했다. GPT-5.6 Sol은 26.8%였다. COBOL이 72.1%로 여전히 가장 어렵다.
공개 테스트: MultiLangBench는 Apache-2.0 라이선스로 GitHub에 공개돼 있다. COBOL 마이그레이션 테스트는 공개되지 않았다.
가격: GPT-6.1 Sol의 API 가격은 100만 입력 토큰당 2달러, 100만 출력 토큰당 10달러다(OpenAI).

COBOL이 여전히 중요한 이유

OpenAI는 COBOL이 온라인 뱅킹 시스템의 40% 이상, 대면 카드 거래의 80%, ATM 거래의 95%를 구동한다고 밝히며, 이 수치는 제3자 출처에서 가져왔다고 한다(OpenAI). Anthropic도 같은 규모의 수치를 인용한다. 미국 ATM 거래의 95%다(Claude).

문제는 잘 알려져 있다. 불완전한 문서, 오래전에 떠난 원 개발자, 이제는 코드 안에만 남은 비즈니스 규칙이다. 주로 현대 코드로 학습된 모델은 이 영역에서 지금까지 약했다.

이 주제는 시장을 움직인다. Anthropic은 2026년 2월 23일 Claude Code가 COBOL 시스템의 탐색과 분석을 자동화할 수 있다고 밝혔고, 그날 IBM 주가는 13.2% 하락해 2000년 10월 이후 가장 큰 낙폭을 기록했다(Reuters). OpenAI는 경쟁이 치열한 영역에 들어선 셈이다.

두 테스트의 작동 방식

MultiLangBench는 모델에게 문서만 보고 인터넷 접속 없이 SQLite 3.40.1과 호환되는 데이터베이스 엔진을 작성하게 한다. 프로그램은 시작 데이터베이스와 SQL 쿼리를 받아 수정된 데이터베이스를 쓰고, 실제 SQLite가 결과를 검사한다. 환경에서 SQLite의 흔적은 모두 지워야 하며, 잘못된 언어로 쓰거나 여러 언어를 섞은 솔루션은 0점이다(MultiLangBench README).

테스트는 SQLite의 TCL 스위트에서 가져왔다. 약 51,000개 테스트 가운데 24,000개를 변환할 수 있었다. 비용을 줄이기 위해 README는 그중 272개만 실행하라고 권장한다. 점수는 테스트 통과율과 거기에 이르는 데 든 API 비용의 쌍으로 구성된다.

COBOL 마이그레이션 테스트는 모델에게 COBOL 프로그램을 동작을 유지한 채 C++, Java, Kotlin, Python, Rust로 번역하게 한다. 숨겨진 테스트를 모두 통과하고 출력이 바이트 단위로 같아야 마이그레이션으로 인정된다. OpenAI는 의미심장한 예를 든다. COBOL의 고정 소수점 연산은 반올림을 요청하지 않으면 추가 소수 자릿수를 버린다. 반올림하도록 다시 쓴 코드는 오류 없이 실행되지만 금액이 달라진다(OpenAI).

언어별 결과

OpenAI에 따르면 MultiLangBench에서 최대 추론 강도의 GPT-6 Astra는 20개 언어 모두에서 개선됐다.

COBOL: 10.9%에서 72.1%로;
Fortran: 21.4%에서 83.5%로;
OCaml: 25.6%에서 85.8%로;
Visual Basic: 27.5%에서 89.4%로.

Astra는 20개 언어 중 19개에서 83%를 넘는다. 소형 모델 GPT-6 Luna는 평균 40.3%로 GPT-5.6 Sol보다 낫고, 추정 API 비용은 샘플당 0.77달러로 3.48달러 대비 약 78% 적다(OpenAI).

COBOL 마이그레이션에서 GPT-6.1 Sol은 낮은 강도에서 5.4%에서 86.6%로 올랐고 API 비용은 GPT-5.6 Sol의 61%이며, 더 높은 강도에서는 97.9%에 이른다. OpenAI 스스로도 이 테스트가 "포화에 가깝다"고 설명한다.

실제 가격

100만 토큰당 표준 API 요금, 짧은 컨텍스트 기준(OpenAI):

GPT-6 Astra: 입력 $10, 출력 $50;
GPT-6.1 Sol: 입력 $2, 출력 $10, 캐시된 입력 $0.10;
GPT-6 Luna: 입력 $0.10, 출력 $0.50.

Batch와 Flex 모드는 이 가격을 절반으로 줄여 주므로, 즉각적인 응답이 필요 없는 대량 마이그레이션에는 실질적인 근거가 된다. 긴 컨텍스트는 GPT-6.1 Sol의 입력 가격을 $4로 두 배 올린다.

구독 측면에서 Codex는 월 20달러의 ChatGPT Plus에 GPT-6.1 Sol과 함께 포함되며, 월 $100, $200, $500의 Pro 플랜에도 포함된다. API 키 사용분은 API 요금으로 청구된다(OpenAI).

현실적인 활용 사례

마이그레이션 전에 파악하기: 모델이 프로그램과 그 의존성을 문서화하게 한다. Anthropic도 이를 가장 비용이 큰 단계로 설명한다(Claude).
한 번에 하나의 구성 요소씩 마이그레이션하기: 경계가 분명한 모듈, 번역 전에 작성한 동등성 테스트, 그다음 검증.
마이그레이션 없이 유지하기: 팀에 그 언어를 아는 사람이 더 이상 없을 때 Fortran이나 Visual Basic의 버그를 고친다.

한계

자체 테스트: OpenAI가 두 평가를 모두 설계했고, 유일한 비교 대상은 자사의 이전 모델이다. Anthropic, Google, 오픈 웨이트 모델에 대한 수치는 없다.
검증할 수 없는 마이그레이션 점수: COBOL 테스트는 공개되지 않았다. 프로그램이 몇 개인지, 얼마나 긴지, 어디서 왔는지 알 수 없다. 알 수 없는 세트에서의 97.9%라는 점수는 주로 테스트가 너무 쉬워졌다는 것을 말해 줄 뿐이다.
리포지토리에 없는 결과: OpenAI는 언어별 결과를 공개한다고 하지만, 10월 20일 현재 GitHub 리포지토리에는 라이선스, README, 스크립트, 테스트만 있다(GitHub). 모델을 처음부터 끝까지 돌릴 하네스도 없다.
작은 표본: 변환된 24,000개 중 권장 테스트는 272개다.
번역은 현대화가 아니다: 실제 프로젝트에는 데이터, 운영, 규정 준수, 비즈니스 검증도 포함된다. OpenAI도 프로덕션 사용에는 시스템의 비즈니스 규칙과 의존성에 대한 "전문가 검토와 테스트가 여전히 필요하다"고 인정한다(OpenAI).

OpenAI 자체 수치로는 진전이 실제이지만, 실제 프로덕션 코드에 대한 독립적인 테스트가 여전히 필요하다.

개발자에게 의미하는 것

첫째, 점수만큼이나 비용 하락이 중요하다. 100만 토큰당 2달러와 10달러에 절반 가격의 Batch 모드가 있는 모델이라면, 프로그램 포트폴리오 전체를 반복 시도로 돌려 보는 일이 현실적이 된다. OpenAI 자체 수치로 성공률 5.4%였던 이전 모델로는 거의 의미가 없던 일이다.

둘째, 가치가 테스트로 옮겨 간다. 성공한 마이그레이션은 동작의 동등성으로 정의되므로, 레거시 시스템에 이미 회귀 테스트 스위트가 있는 팀이 먼저 혜택을 본다. 그렇지 않은 팀은 테스트를 만들어야 하는데, 에이전트가 도움이 될 수 있는 지점이 바로 여기다.

셋째, 직접 측정해야 한다. MultiLangBench는 재현 가능한 방법을 제공하지만, 그 주변의 에이전트 루프는 직접 만들어야 한다. 실제 COBOL 프로젝트에서 의미 있는 측정은 자신의 프로그램 표본과 자신의 기대 출력뿐이다.

마지막으로, Anthropic에 이어 이제 OpenAI까지 이 영역에 들어왔으니, 지금은 업체의 벤치마크만 믿고 전면 마이그레이션에 나설 때가 아니라 제한된 파일럿을 할 때다.

출처

10월 12일 주간: 코딩 에이전트가 팀 모드로 간다

Tue, 20 Oct 2026 00:00:00 +0000

2026년 10월 11일부터 16일 사이 주요 도구 세 가지가 같은 방향을 가리키는 업데이트를 냈다. 더 많은 에이전트를, 더 오래, 덜 지켜보면서 돌리는 것이다. 일주일 앞서 VS Code가 길을 열었다.

출시된 것

OpenCode(10월 11~12일): v2는 9월 11일에 공개된 2.0.0부터 존재한다(npm). 백그라운드 서비스, 새로운 서버 API, 새로운 플러그인 API가 도입되었다(문서). 이번 주에는 10월 11일의 1.19.0이 OpenCode 1 사용자에게 "opencode upgrade --major"로 이전하는 길을 제공했고(GitHub), 10월 12일의 2.0.27 업데이트는 Code Mode에 worktree 도구를 추가했다(변경 내역).
Codex CLI 0.163.0(10월 15일): 에이전트가 응답하는 동안 메시지를 보내 방향을 조정할 수 있고, 서로 독립적인 읽기 전용 도구가 이제 병렬로 실행된다. /daemon 명령은 이제 관리하는 백그라운드 서버를 재시작할 수 있다(GitHub).
Claude Code 2.1.302(10월 16일): 포크 서브에이전트가 터미널에서 이미 그랬듯 claude -p, Agent SDK, 데스크톱 앱, VS Code에서도 기본으로 켜졌다. 유휴 압축은 /config에서 끌 수 있다(GitHub).
VS Code 1.141(10월 7일): Agents 창의 세션 그리드, Windows·macOS·Linux의 에이전트 샌드박싱, 그리고 Copilot CLI나 Codex 대화를 VS Code 안에서 이어 가는 기능(VS Code).

모델 쪽에서는

Meta가 에이전트형 코딩용으로 만든 Muse Spark Open을 공개했다. 파라미터 8,160억 개의 MoE 모델이며 토큰당 활성 파라미터는 420억 개, 컨텍스트는 100만 토큰이다(NVIDIA, 10월 15일). 10월 19일에는 Meta가 GPU 한 장에서 돌아가도록 약 4비트로 양자화한 파라미터 300억 개의 Apache 2.0 모델 Muse Glimmer도 내놓았다(Meta AI). Muse Spark Open 페이지를 참고하라.

공통점: 보조가 아니라 조율

업체마다 해결하려는 불편이 다르다. OpenAI는 작업을 죽이지 않고도 에이전트를 바로잡을 수 있게 한다. Anthropic은 서브에이전트에 대한 위임을 자동으로 만든다. OpenCode는 다른 프로그램이 호출할 수 있는 백그라운드 서비스 중심의 v2로 사용자를 옮기고 있다. Microsoft는 개발자가 여러 세션을 동시에 지켜보는 상황에 초점을 맞춘다.

Gartner가 코딩 분야 첫 Magic Quadrant에서 이 범주를 에이전트 중심으로 재정의하며 인정한 변화가 바로 이것이다(기사 참고). 도구는 이제 모델 품질만이 아니라 여러 에이전트를 실행하고, 격리하고, 통제하는 방식으로 차별화된다.

개발자에게 달라지는 점

CI에서 업데이트하기 전에 릴리스 노트를 읽어라: Claude Code 서브에이전트처럼 기본값이 바뀌면 명령은 그대로인데 스크립트가 달라질 수 있다.
에이전트가 명령을 실행하거나 네트워크에 접근할 때는 샌드박싱을 켜라.
OpenCode 이전을 계획하라: v1 플러그인은 v2에서 실행되지 않고, 예전 서버 API를 호출하는 연동은 다시 작성해야 한다. OpenCode 페이지를 참고하라.
자신의 리포지토리에서 에이전트를 비교하라: 우리 비교는 Codex, Claude Code, Copilot을 나란히 놓는다.

한계

병렬 에이전트가 늘면 검토할 로그, 설정할 권한, 지불할 토큰도 늘어난다. 업체들은 이번 업데이트의 효과를 수치로 밝히지 않으며, Muse Spark Open의 수치는 Meta의 파트너인 NVIDIA에서 나왔다.

추세: 단일 에이전트의 시대가 가고 조율된 에이전트 팀의 시대가 오고 있다.

모델 API: Anthropic이 2년 만에 OpenAI를 추월했다

Thu, 15 Oct 2026 00:00:00 +0000

모델 시장은 예상보다 훨씬 빠르게 다시 집중되었다. Menlo Ventures의 State of Generative AI in the Enterprise 보고서(2025년 12월 9일 발표)에 따르면, 기업의 LLM API 지출에서 Anthropic이 차지한 비중은 2023년 12%, 2024년 24%, 2025년 40%였다. 같은 기간 OpenAI는 50%에서 27%로 떨어졌고, Google은 7%에서 21%로 올랐다.

Menlo의 측정 방식

시장 점유율은 실제 서비스 환경의 API 사용량을 바탕으로 추정한 금액이다. Menlo는 2025년 11월 7일부터 25일까지 미국 기업의 AI 의사 결정자 495명을 조사하고, 각 애플리케이션의 규모에 따라 응답에 가중치를 둔 뒤, 공개된 재무 자료가 있는 경우 그와 교차 검증했다. 같은 보고서는 2025년 파운데이션 모델 API 지출을 125억 달러로, 생성형 AI 전체 지출을 370억 달러로 추산한다.

변화를 이끄는 것은 코드

Anthropic의 성장은 먼저 소프트웨어 개발에서 나온다. Menlo는 코딩 시장만 보면 지출의 54%를 Anthropic이, 21%를 OpenAI가 차지하며, 이는 6개월 전의 42%에서 오른 수치라고 밝힌다. 보고서는 이 성장의 상당 부분을 Claude Code의 인기와 연결한다. 코딩은 AI에서 가장 큰 부서별 범주가 되었으며, 규모는 40억 달러로 부서별 지출의 55%에 해당한다. Menlo에 따르면 개발자의 50%가 이제 AI 코딩 도구를 매일 사용하며, 상위 4분위 조직에서는 65%다.

사용 측면에서도 2026년 Stack Overflow 설문 조사가 이 우위를 확인해 준다. 그곳에서 가장 많이 언급된 에이전트는 Claude Code다(우리의 분석 참조).

흐름을 거스르는 오픈소스

가격 하락이 오픈 모델에 유리할 것이라는 통념과 달리, 오픈 모델의 비중은 2024년 19%에서 2025년 11%로 줄었다. Menlo는 그 원인의 일부를 Llama의 정체에서 찾는데, 2025년 4월 Llama 4 이후 주요 출시가 없었다. 중국 오픈 모델은 전체 API 사용량의 1%에 그치며, 기업용 오픈소스 중에서는 약 10%다.

대기업 밖에서는 양상이 다르다. 스타트업과 독립 개발자 사이에서는 Qwen, DeepSeek, Kimi, MiniMax, GLM이 빠르게 성장하고 있다. DeepSeek과 MiniMax의 최신 “Flash” 모델도 같은 방향을 가리킨다(우리의 기사와 오픈소스 모델 페이지 참조).

공급 위험

상위 3개 업체가 API 지출의 88%를 차지한다. 단일 모델 위에 만든 제품은 그 업체의 장애, 가격, 법적 리스크를 그대로 떠안는다. Menlo는 대부분의 아키텍처가 여전히 단순하다는 점도 지적한다. 계획을 세우고, 행동하고, 피드백을 관찰하고, 적응하는 진정한 에이전트로 볼 수 있는 기업 배포는 16%뿐이며, 나머지는 모델 호출을 감싼 고정 워크플로다.

개발자에게 달라지는 점

추상화 계층을 만들자: 모델 호출을 분리해 두면 애플리케이션을 다시 쓰지 않고도 Claude, GPT, 오픈 모델 사이를 오갈 수 있다.
자신의 작업으로 테스트하자: 시장 점유율 격차는 대체로 코딩을 반영하며, 다른 용도에서는 순위가 다를 수 있다.
토큰당 가격만이 아니라 작업당 비용을 추적하자: 더 비싼 모델이 더 적은 호출로 작업을 끝낼 수도 있다.

한계

Menlo Ventures는 Anthropic의 투자자이며, 이는 보고서 자체에 공시되어 있다. 표본은 미국 기업으로 한정되고, 수치는 2025년 말 기준이다. 이후 두 연구소 모두 새 모델을 내놓았다. 마지막으로, 이 수치는 업체가 보고한 매출이 아니라 추정 지출이다.

출처: Menlo Ventures, 2025: The State of Generative AI in the Enterprise, 2025년 12월 9일.

Stack Overflow 2026: 에이전트는 들어왔지만 프로덕션은 금역

Tue, 06 Oct 2026 00:00:00 +0000

2026년 10월 6일 공개된 Stack Overflow의 연례 설문은 169개국에서 6월 23일부터 8월 5일 사이에 수집한 유효 응답 30,903건을 바탕으로 한다(방법론). 설문은 AI가 일상적인 도구가 됐음을 확인해 준다. AI 코딩 어시스턴트나 코딩 에이전트 사용자의 73%가 매일 사용한다(모든 AI 도구 기준으로는 77%). 매일 AI를 쓰는 사용자 가운데 30.9%는 하루 4시간 이상 AI와 시간을 보낸다(AI 데이터). 인식도 이와 같은 방향이다. 응답자의 62%는 업무에서의 AI 사용을 호의적이거나 다소 호의적으로 보며, 비호의적이라는 응답은 21.5%다.

분명한 신뢰의 경계

사용은 익숙한 영역의 코드 생성(응답자의 69.3%)과 디버깅 또는 리팩터링(63.8%)에 집중된다. 반면 프로덕션 시스템을 배포, 운영, 문제 해결하는 데 이미 AI를 쓰는 응답자는 19.9%뿐이다.

신뢰는 여전히 조건부다. 응답자의 48%는 결과물을 쉽게 검증할 수 있을 때 AI를 신뢰한다. 그리고 79%는 AI가 생성한 기술적 답변을 신뢰할지 판단할 때 출처 표기가 중요하거나 매우 중요하다고 본다(지식 데이터).

가장 비용이 큰 실수

지난 한 해 동안 어떤 AI 실수가 본인이나 팀의 시간을 가장 많이 빼앗았는지 묻자, 69.3%는 그럴듯하지만 틀린 코드를, 54.2%는 검토하기 어려운 생성 코드를, 45.1%는 존재하지 않는 패키지나 설정(환각)을 꼽았다(기술 데이터). 빠른 검토로는 걸러지지 않는 실수들이며, 프로덕션에 신중한 이유를 이해하는 데 도움이 된다. Veracode의 측정도 같은 방향을 가리킨다(우리의 분석 참고).

에이전트 사용자 사이에서 Copilot을 앞선 Claude Code

지난 한 해 동안 사용한 코딩 에이전트와 어시스턴트에 관한 질문에 답한 12,255명 중 Claude Code는 66%, GitHub Copilot은 59%, Codex는 30%, Cursor는 26%가 꼽았다. Anthropic의 우위는 Menlo Ventures가 측정한 기업 지출에서도 나타난다(우리 기사 참고).

선택을 좌우하는 것은 품질이다. 응답자의 25%는 더 나은 결과물을 위해 한 해 동안 AI 도구를 바꿨고, 비용을 줄이려고 바꾼 경우는 6%에 불과했다. 3분의 1(34%)은 전혀 바꾸지 않았다.

에이전트가 알아야 할 것

맥락은 또 다른 병목이다. 응답자들은 AI 에이전트와 어시스턴트가 갖춰야 할 가장 중요한 맥락으로 프로젝트 목표나 요구 사항(85.2%)과 코드, 리포지토리, 기술 문서(73.3%)를 꼽았다(설문). 그러나 63.2%는 정보가 불완전해 업무에 필요한 맥락을 찾는 데 방해가 된다고 답한다. 조직 측면에서는 응답자의 32.8%가 승인된 소수의 AI 도구로 일하고, 18.6%는 주로 하나의 도구로 일하며, 17.3%는 팀마다 도구를 자율적으로 고르게 한다(AI 데이터).

개발자에게 달라지는 점

프로덕션은 검증할 수 있는 작업에만 쓴다: 배포와 운영은 AI 사용이 가장 적은 영역으로 남아 있다.
출처를 요구한다: 응답자 5명 중 거의 4명에게 출처 표기가 답변에 대한 신뢰를 좌우한다.
고르기 전에 비교한다: Claude Code, Codex, Copilot 비교는 가장 많이 거론되는 에이전트 세 가지를 나란히 놓는다.

한계

이 설문은 Stack Overflow가 자사 커뮤니티에 홍보한 것으로, 모든 개발자를 대표하지 않는다. 문항마다 응답자 수가 다르며 전체 응답 30,903건보다 훨씬 적은 경우가 많다. 마지막으로, 보고된 사용 현황이 생산성 향상을 측정한 것은 아니다.

출처: Stack Overflow Developer Survey 2026.

AI가 생성한 코드: 작업의 45%에서 알려진 결함

Thu, 10 Sep 2026 00:00:00 +0000

Veracode의 2025 GenAI Code Security Report에 따르면, 테스트한 코드 생성 작업(80개 작업, 100개 이상 모델)의 45%에서 모델이 알려진 OWASP Top 10 보안 결함을 만들어 냈다. 코드는 거의 항상 컴파일되지만, 안전한 경우는 절반을 조금 넘을 뿐이다.

1년이 지나도 달라진 것이 없다

7월 28일 발표된 2026년판도 한계가 그대로임을 확인한다(Veracode). 시리즈 시작 이후 추적한 모든 모델의 보안 통과율은 첫 보고서의 55%에 비해 56%이며, 여전히 작업의 약 44%에서 알려진 결함이 나온다. 표본에서 가장 좋은 모델인 GPT-5.5가 68%에 도달하고, 새로 테스트한 11개 모델 가운데 6개는 50%에서 53% 사이에 머문다.

흔히 하는 세 가지 가정은 데이터 앞에서 성립하지 않는다.

코딩에 특화된 모델이 더 안전하지는 않다: 통과율은 51%로, 범용 모델의 52%와 비슷하다.
크기는 거의 영향을 주지 않는다: 1,000억 개가 넘는 파라미터를 가진 모델은 53%, 나머지는 51%다.
추론은 조금 도움이 된다: 추론 모델은 56%, 그렇지 않은 모델은 51%다.

어디에서 무너지는가

격차는 대부분 결함의 유형에 따라 갈린다. 모델은 SQL 인젝션을 잘 처리하고(통과율 83%) 안전한 암호 알고리즘도 잘 고른다(87%). 반면 크로스 사이트 스크립팅(15%)과 로그 인젝션(12%)에서는 실패한다. 둘 다 애플리케이션 안에서 데이터가 어떻게 흐르는지 추적해야 하는 결함이다. Java는 2026년판에서 평균 통과율 30%로 여전히 가장 위험한 언어이며, 뚜렷하게 개선되는 언어도 Java뿐이다.

또 하나의 사각지대, 속도

METR가 2025년 초에 진행한 무작위 대조 시험은 숙련된 오픈소스 개발자 16명이 실제 작업 246건에서 AI를 사용했을 때 19%의 속도 저하가 나타났다고 측정했다(METR). 연구 전에 이들은 24%의 속도 향상을 기대했고, 연구가 끝난 뒤에도 20%를 얻었다고 믿고 있었다.

2026년 2월 METR는 개발자 57명과 800건이 넘는 작업을 다룬 두 번째 연구 결과를 발표했다(METR). AI를 허용한 작업은 2025년에 이어 참여한 개발자의 경우 시간이 약 18% 덜 걸렸고, 새로 참여한 개발자는 4% 덜 걸렸다. 다만 신뢰구간에는 여전히 속도 저하가 포함된다. METR 스스로도 결과를 신뢰하기 어렵다고 본다. 많은 개발자가 AI 없이 일하기를 거부했고, 이 때문에 실제 이득이 과소평가됐을 가능성이 크다.

개발자에게 달라지는 점

생성된 코드를 리뷰하고 테스트하는 일은 여전히 필수다. 사용자 입력, HTML 출력, 로그부터 시작하라.
분석을 에이전트 루프 안에 넣는다: Sonar with Gitar 같은 도구는 파이프라인 끝에서만이 아니라 에이전트가 코드를 작성하는 동안 검사한다(관련 기사 참고).
모델을 고를 때 보안도 본다: 통과율 50%와 68%의 차이는 그대로 수정 작업량으로 이어진다.
도입 전에 측정한다: 이득은 도구만이 아니라 일을 조직하는 방식에서 나온다.

한계

Veracode는 에이전트, 가드레일, 사람의 리뷰 없이 모델 그 자체를 테스트한다(보도 자료). 실제 운영 환경에서는 이런 계층이 위험을 줄인다. 또한 Veracode는 코드 분석 도구를 판매한다. METR의 연구는 자신의 리포지토리에서 일하는 숙련된 오픈소스 개발자를 대상으로 하므로, 직업 전체를 대표하는 환경은 아니다.

출처: Veracode, 2025 GenAI Code Security Report; Veracode, 2026 GenAI Code Security Report, 2026년 7월 28일; METR, 2025년 7월; METR, 2026년 2월.

Windsurf가 Devin Desktop이 되다: 통합이 빨라진다

Tue, 30 Jun 2026 00:00:00 +0000

이 움직임은 시사하는 바가 크다. 에이전트 회사인 Cognition이 IDE인 Windsurf를 흡수했지, 그 반대가 아니다. 이 에디터는 2026년 6월 2일 정기 무선(over-the-air) 업데이트를 통해 Devin Desktop으로 이름을 바꿨다(Devin Docs).

인수에서 단일 브랜드로

자율 에이전트 Devin을 만든 Cognition은 2025년 7월 14일 Windsurf 인수 계약을 체결했다. CEO Scott Wu에 따르면 당시 Windsurf는 연간 반복 매출 8,200만 달러, 기업 고객 350곳 이상, 일일 활성 사용자 수십만 명을 보유했다(Cognition).

1년 뒤 모든 것이 Devin 브랜드 아래로 모인다. Devin Cloud, Devin Desktop, Devin CLI, Devin Review다. Cognition은 Devin Desktop이 개발자가 "하루의 90%+"를 보내는 지휘 센터가 되기를 원한다고 밝혔다.

에디터에서 달라지는 점

기본 화면이 Agent Command Center가 된다: 스페이스, 칸반 보드, 로컬 또는 클라우드에서 도는 여러 에이전트의 관리를 제공한다. Windsurf의 에디터, 확장 기능, 단축키는 그대로 쓸 수 있다.
Cascade가 Devin Local이 된다: 서브에이전트와 샌드박스를 갖춘 로컬 에이전트로, 토큰 효율이 최대 30% 높아졌다고 발표되었다. 기존 Cascade는 7월까지 계속 쓸 수 있다.
규칙이 이어진다: Devin Desktop은 Windsurf 규칙과 AGENTS.md 파일을 읽으며, Cursor 규칙도 가져올 수 있다.
가격은 그대로다: 기존 Windsurf Enterprise 플랜도 포함한다.

팀에게 진짜 걸림돌은 다른 곳에 있다. 애플리케이션 이름이 이제 Devin이므로, "Windsurf"만 허용하는 기기 관리 정책이 이 앱을 막을 수 있다. JetBrains용 Windsurf 플러그인은 유지보수 모드로 전환된다. Devin Desktop 페이지를 참고하자.

품질 도구가 에이전트 주위로 모인다

2026년 5월 21일 Sonar는 AI 코드 리뷰 플랫폼 Gitar를 인수했다. Gitar는 풀 리퀘스트의 CI 실패도 고친다(Sonar). Sonar가 포천 100대 기업의 75% 넘게와 개발자 700만 명이 쓴다고 밝힌 SonarQube는 Gitar와 통합되어, 에이전트가 코드를 쓰기 시작하는 순간부터 병합되는 순간까지 코드를 점검한다. Gitar는 단독으로도 계속 쓸 수 있다. Sonar는 MCP 서버도 제공하는데, Claude Code, Copilot, Cursor, Devin이 작업 흐름을 벗어나지 않고 Sonar의 분석 엔진에 질의할 수 있다. Sonar with Gitar 페이지를 참고하자.

이것이 타당한 이유

Veracode의 2025 GenAI Code Security Report에 따르면 모델은 코드 생성 작업의 45%에서 알려진 결함을 만들어 낸다. 2026년판도 여전히 44%다(Veracode). 에이전트가 만든 결과물을 검증하고, 추적하고, 되돌릴 수 있는 것은 코드를 생성하는 것만큼 중요하다(우리의 분석 참고).

Gartner도 같은 방향을 가리킨다. 코딩 에이전트에 대한 첫 Magic Quadrant는 사람의 검토, 작업 로그, 네이티브 MCP 지원을 요구한다. Cognition은 Challenger로 분류되었다(우리 글 참고).

한계

Windsurf의 수치는 2025년 7월 인수 발표 시점의 것이다. 오늘날 Devin Desktop이 어떻게 쓰이는지는 알려 주지 않는다. Sonar의 수치는 자체 주장이다. 끝으로, 통합은 독립적인 업체의 수를 줄인다. 코드를 쓰는 일과 점검하는 일을 한 공급업체에 맡기는 팀은 견제 장치를 잃는다.

출처: Cognition, 2025년 7월 14일; Devin Docs, Devin Desktop FAQ; Sonar, 2026년 5월 21일; Veracode, 2025년과 2026년.

Gartner, 코딩 에이전트 부문 첫 Magic Quadrant 발표

Wed, 20 May 2026 00:00:00 +0000

Gartner는 2026년 5월 20일 Magic Quadrant for Enterprise AI Coding Agents의 첫 번째 판을 발표했다. 평가 대상은 12개 업체다. 리더는 네 곳으로 Anthropic(Claude Code), Cursor, GitHub(Copilot), OpenAI(Codex)다. AWS, Google, Alibaba Cloud(Qoder 포함), Cognition은 챌린저다. Tabnine은 유일한 비저너리이고, Atlassian, BytePlus, JetBrains는 니치 플레이어다(Virtualization Review).

이름만 바뀐 것이 아닌 새 범주

2024년판과 2025년판은 "AI Code Assistants"를 다뤘다. Gartner는 이제 더 엄격한 정의를 쓴다. 기업용 코딩 에이전트는 맥락을 인식하고, 의도를 여러 단계의 계획으로 바꾼 뒤, 코드, 테스트, 관련 산출물에 걸쳐 그 단계를 실행하고 검증한다. 코드 한 줄을 제안하거나 채팅으로 답하는 것만으로는 더 이상 충분하지 않다.

눈에 띄는 결과는 이전 판에서 리더였던 AWS와 Google이 챌린저로 내려갔다는 점이다. GitHub는 리더를 유지했고 실행 능력에서 가장 높은 평가를 받았다(GitHub). Cursor는 비전의 완성도에서 가장 앞선다(Cursor). Gartner는 모델 제공업체가 "스택의 위로 올라가고" 있다고도 설명한다. Anthropic과 OpenAI는 이제 자체 에이전트를 판매하며, 자사 API 위에 만들어진 도구와 직접 경쟁한다.

리더들의 수치

다음 수치는 Gartner가 아니라 각 업체가 직접 밝힌 것이다.

GitHub Copilot: 2026년 1월 말 기준 유료 구독자 470만 명 이상으로 전년 대비 75% 증가했고(Microsoft), GitHub에 따르면 5월에는 고객 조직이 140,000곳이었다.
Cursor: 고객 팀 50,000개 이상이며 Fortune 1000 기업의 약 70%가 포함된다(Cursor, 2026년 2월).
Codex: 주간 사용자 400만 명 이상(OpenAI).

IDE는 더 이상 중심이 아니다

보고서에는 고객에게만 제공되는 계획 가정이 딸려 있다. Gartner는 그중 하나를 공개했다. 2027년까지 에이전트형 코딩을 쓰는 엔지니어링 팀의 65% 넘게가 IDE를 선택 사항으로 취급하고, 통제, 거버넌스, 검증은 자동화된 플랫폼으로 옮겨 간다는 것이다(Gartner 보도자료). 생산성과 관련해 Gartner는 엔지니어링 리더의 90%가 개선을 보고하며 순 평균 생산성 향상은 19.3%라고 밝혔다(Gartner).

Gartner는 시장 규모를 2026년 4월 기준 연환산 98억 달러에서 110억 달러로 추산한다. 2026년 6월 24일 보도자료에서는 토큰 소비와 사용량 기반 라이선스 때문에 2028년까지 AI 코딩 비용이 평균 개발자의 연봉을 넘어설 것이라고 경고하기도 했다(Gartner).

개발자에게 달라지는 점

MCP가 필수가 된다: 네이티브 Model Context Protocol 지원이 필수 역량 목록에 올랐다. MCP 서버가 없는 사내 도구는 에이전트에 연결하기가 더 어려워진다.
사람의 검토는 여전히 필요하다: 에이전트가 만든 변경의 승인, 에이전트 작업의 상세 로그, 모델이 고객 코드로 학습되지 않는다는 보증이 요구된다.
과금 방식이 바뀌고 있다: 가격이 좌석 기준에서 사용량(작업, 프리미엄 요청, 토큰) 기준으로 옮겨 간다. 사용량은 다른 예산 항목처럼 추적해야 한다.

가장 많이 거론되는 에이전트 세 가지 중에서 고르려면 Claude Code, Codex, Copilot 비교를 참고하길 바란다.

한계

전체 보고서는 유료이므로 이 기사는 언론과 순위에 오른 업체들이 공유한 공개 발췌문에 의존한다. Gartner 스스로도 자사의 연구가 분석가들의 의견을 반영한다고 밝힌다. 또한 양질의 맥락, 엄격한 통제, 자동화된 검증이 없으면 에이전트가 재작업, 보안 위험, 아키텍처 이탈을 늘린다고 적었다. 독립적인 측정은 여전히 신중하다. AI가 생성한 코드의 보안에 관한 우리 기사를 참고하길 바란다.

이는 확정된 예측이 아니라 계획 가정이다. 날짜가 아니라 방향으로 읽어야 한다.

출처: Gartner, Magic Quadrant for Enterprise AI Coding Agents, 2026년 5월 20일. Virtualization Review, 2026년 6월 5일. Microsoft, FY26 Q2 실적 발표. GitHub, Cursor, OpenAI.